Tophaceous gout in a woman

Abstract

This work attempts to provide a model to predict the development of osteonecrosis (ON) in individuals with systemic lupus erythematosus (SLE) using pharmacological, demographic, and psychoactive factors.A review of the literature was conducted to construct a survey administered across Chile to individuals with SLE during a period of three weeks. This work used a sample size of 46 de-identified data records. Two Bayesian logistic regression models were created, with non-informative prior and informative prior distributions, and a random forest model was done for comparison. All models were cross-validated.The significant variables used were mean corticosteroids per day (mg) and tobacco use. The random forest model provided good accuracy and sensitivity, but low specificity. Bayesian logistic regression with prior information increased the specificity.This work determined that the use of corticosteroids and tobacco are significant variables to predict ON. Using prior information provides good accuracy, specificity, and sensitivity to the prediction. Further studies need to be conducted to validate the model using a testing set.Este trabajo busca determinar un modelo predictivo de desarrollo de osteonecrosis (ON) en individuos diagnosticados con lupus eritematoso sistémico (LES) utilizando factores farmacológicos, demográficos y psicoactivos.Se realizó una revisión bibliográfica para construir una encuesta, la cual fue administrada a individuos con LES a lo largo de Chile durante un periodo de 3 semanas. En este trabajo se utilizó una muestra de 46 registros de datos no identificados. Se desarrollaron 2 modelos de regresión logística bayesiana con información a priori no informativa e informativa, y también se desarrolló un modelo comparativo utilizando bosques aleatorios. Los modelos fueron validados usando validación cruzada.Se usaron las variables significativas promedio de corticosteroides por día (mg) y consumo de tabaco. Bosques aleatorios provee una precisión y sensibilidad alta, pero una baja especificidad. La regresión logística bayesiana con información a priori incrementó el valor de la especificidad.Este trabajo ha determinado que el uso de corticosteroides y tabaco son variables significativas para predecir ON. Usando información a priori arroja buenos resultados en precisión, especificidad y sensibilidad en la predicción. Se requieren realizar más estudios aumentando el tamaño de la muestra para validar el modelo usando un conjunto de prueba.