Conflicto armado se asociaría con muerte de niños por leucemia: estudio
Conéctate con nosotros

Innovación

Conflicto armado se asociaría con muerte de niños por leucemia: estudio

La magíster en Epidemiología Clínica de la Universidad Nacional de Colombia (UNAL), María del Pilar Montilla Velásquez, exploró la asociación que podría existir entre la exposición perinatal al conflicto armado, la violencia colectiva, pobreza y condiciones ambientales, con las tasas de incidencia y mortalidad por leucemia en niños

Publicado

el

Conflicto armado se asociaría con muerte de niños por leucemia: estudio

La magíster en Epidemiología Clínica de la Universidad Nacional de Colombia (UNAL), María del Pilar Montilla Velásquez, exploró la asociación que podría existir entre la exposición perinatal al conflicto armado, la violencia colectiva, pobreza y condiciones ambientales, con las tasas de incidencia y mortalidad por leucemia en niños nacidos entre 2002 y 2013.

También le puede interesar: Antibióticos debilitan las defensas de la gripe en el pulmón: Estudio.

En ese sentido, la experta descubrió que el aumento en el ‘índice de incidencia del conflicto armado’, diseñado por el Departamento Nacional de Planeación (DNP) para medir la intensidad del conflicto, incrementaría hasta en un 90,53 % la probabilidad de que un niño muera por causa de leucemia aguda pediátrica.

También le puede interesar: En junio Adres giró $3,65 billones a las EPS para atención en salud.

“Se obtuvieron los datos de este periodo específico porque coincidía tanto con la aparición de la política de seguridad democrática como con la implementación del Plan Patriota, hechos que aumentaron las acciones guerrilleras y los combates por iniciativa de la fuerza pública, los cuales desplazaron el conflicto a zonas periféricas y de frontera”, explica la investigadora de la UNAL.

La distribución espacial de los casos estudiados se concentró en el centro del país y la Amazonia.

La letalidad más elevada por la enfermedad –que alcanza cifras de hasta un 33 %– se acentuó en las zonas del Caribe, Amazonia y Orinoquia.

Se encontraron 24 municipios con letalidad del 100 % y 159 presentaron tasas elevadas, que se clasifican con un índice “alto” o “muy alto”.

¿Cómo se desarrolló la investigación?

Para esto, la magíster realizó un estudio en el que mapeó la aparición de casos relacionados con la enfermedad en este periodo.

También detectó el desarrollo de clusters o conglomerados relacionados con ciertos puntos de influencia en una cohorte retrospectiva, conformada por una población base de 11.149.695 niños nacidos en 33 departamentos y 1.122 municipios de Colombia.

También le puede interesar: Supersalud revocó autorización de Ambuq EPS en tres departamentos.

En relación con la mortalidad por leucemia, encontró que por cada 0,1 unidades que aumenta el índice, laprobabilidad de morir por cáncer crecería 90,53 %.

Mientras que en relación con la incidencia, por cada 0,1 que aumente el índice, la probabilidad que el cáncer se presente sería del 58,41 %.

El “índice de incidencia del conflicto armado” clasifica los municipios y departamentos según el grado de intensidad del conflicto en relación con variables como acciones armadas, homicidios, secuestros, minas antipersona, desplazamiento forzado y cultivos de coca.

También le puede interesar: Población rural es más propensa a fallas en accesos vasculares para hemodiálisis.

Esto sirvió como punto de partida para realizar los análisis de mapas de la enfermedad, la búsqueda de clusters o agrupaciones geográficas de los casos, la autocorrelación espacial y el modelo autorregresivo espacial del Poisson. 

Proyecciones poblacionales

Los datos se obtuvieron a partir de proyecciones poblacionales y se complementaron con la información del porcentaje de necesidades básicas insatisfechas (NBI) y cobertura en salud proveniente del Dane.

También se uso el índice de incidencia del conflicto armado del DNP y casos con diagnóstico de leucemia aguda pediátrica reportados al INS.

La experta encontró que los factores genéticos, de los que se está completamente seguro, explican solo un 5 y 15 % de casos de cáncer.

Mientras tanto, las exposiciones ambientales a radiaciones o a pesticidas explican entre el 5 y el 10 %.

“Lo demás se desconoce porque todavía no entendemos completamente esta enfermedad y la evidencia en áreas de desplazamiento, de guerras y de influencia de desastres en general es muy limitada por la dificultad de obtener datos en este tipo de contextos”, comenta la investigadora.

Para ella el contexto colombiano es particular por sus más de cincuenta años de conflicto armado.

Los efectos de esta situación van desde la limitación en el derecho a la salud y acceso a servicios, hasta generación de ambientes de miedo.

También se puede sumar la desesperanza que finalmente pueden llevar a un estrés permanente que genere patologías crónicas.

La investigadora aseguró que el estudio permitió definir que la violencia se relaciona con los casos de cáncer y también con mortalidad por esa causa.

Además, otras variables como pobreza y cobertura en salud, indicaron que en las zonas más pobres y de menor cobertura pueden morir menos de cáncer porque mueren de enfermedades más agudas como diarreas o infecciones respiratorias.

Innovación

Proponen modelo computacional para estudiar la tuberculosis

El modelo computacional está diseñado para una mayor comprensión de las fases iniciales de infección

Publicado

el

proponen modelo computacional tuberculosis

Recientemente, se presentó en PLOS COMPUTATIONAL BIOLOGY un modelo computacional elaborado por la Unidad de Tuberculosis Experimental del Instituto de Investigación Germans Trias i Pujol (IGTP), diseñado para reproducir la dinámica de la tuberculosis en un pulmón virtual. La creación de esta herramienta está incentivada por el devastador efecto que causa la enfermedad hoy en día. Actualmente, pese a las estrategias de vacunación y el desarrollo de tratamientos, se mantiene como una de las 10 primeras causas de mortalidad en el mundo.

La enfermedad es provocada por la bacteria Mycobacterium tuberculosis, patógeno que infecta los alveolos pulmonares. Sin embargo, de acuerdo con estadísticas, un 90% de la población infectada nunca desarrolla la patología. Las complicaciones se centran en el 10% de personas que se ven afectadas por la patología, ya que se desconocen los factores principales que la desencadenan en estos individuos.

Para crear este modelo computacional, los investigadores partieron de la siguiente hipótesis: la reinfección endógena juega un papel importante en el mantenimiento de la infección latente. Para comprobarlo, desarrollaron un modelo basado en agentes que describe el crecimiento, la fusión y la proliferación de las lesiones de tuberculosis en un árbol bronquial computacional. Para que la herramienta sea funcional, el grupo de expertos creó un algoritmo interactivo que genera tubos bronquiales y bifurcaciones dentro de un volumen tridimensional de la superficie del pulmón, según explicó Clara Prats, integrante del equipo.

También le puede interesar: ESTOS SON LOS NUEVOS AJUSTES A LOS SOPORTES DE FACTURACIÓN DE SERVICIOS DE SALUD

Modelo 3D podrían predecir los avances de la tuberculosis

Además de este complejo sistema, el instrumento presentado se fundamenta en datos obtenidos por tomografías computarizadas en cinco modelos animales (minicerdos). Según el artículo, las imágenes utilizadas fueron aquellas que mostraban las etapas iniciales de infección por Mycobacterium tuberculosis. A su vez, éstas fueron las que sirvieron para generar el pulmón computarizado.

journal.pcbi .1007772.g002
Imagen de reconstrucción pulmonar. A la derecha se representa la ubicación y el tamaño de las lesiones pulmonares causadas por tuberculosis en los modelos animales. Fuente: PLOS COMPUTATIONAL BIOLOGY

“El resultado es un modelo que nos permite reproducir y comprender los datos experimentales en la computadora. Hemos podido mostrar una relación importante entre el número final de lesiones de tuberculosis y la frecuencia de reinfección endógena y el crecimiento de las lesiones”, dijo Martí Català, otro de los investigadores. El modelo también se ha utilizado como plataforma experimental in silico para explorar la transición de la infección latente a la enfermedad activa, identificando los principales factores desencadenantes: una elevada respuesta inflamatoria y la combinación de una respuesta inflamatoria moderada con una baja amplitud respiratoria.

Ante los resultados vistos con el software, los investigadores consideran que este modelo computacional permitirá hacer predicciones para futuras acciones como nuevos biomarcadores, estrategias preventivas y terapias para la tuberculosis en humanos.

También le puede interesar: ASMA EN COLOMBIA: ¿CÓMO ESTÁ LA CARGA DE LA ENFERMEDAD?

Continuar leyendo

Innovación

Uso de imágenes holográficas facilita detección de virus

Se espera que las imágenes holográficas sean un recurso de detección que pueda ser utilizado en nuevas investigaciones sobre tratamientos a las enfermedades que causan en la población

Publicado

el

imagenes holograficas deteccion virus

En el transcurso del 2020, la capacidad científica para producir nuevas herramientas ha sido puesta a prueba. Sin embargo, la utilización de imágenes holográficas es una muestra del papel destacado de la innovación en uno de los años más importantes para la medicina y el sector salud en general. La técnica fue desarrollada por un equipo de científicos de la Universidad de Nueva York (NYU), presentada en la revista Soft Matter.

De acuerdo con la publicación, el método está basado en la videomicroscopía holográfica, un sistema utilizado para la observación, representación y análisis de imágenes que se lleva a cabo gracias a rayos láser que facilitan la creación de las imágenes holográficas en pequeñas gotas. Aunque por lo general se usa para la revisión de muestras biológicas o químicas, el método creado en la NYU permitirá la detección de varios patógenos, incluyendo virus con precisión milimétrica y gran detalle.

Como se describe en la publicación, las superficies de las gotas se activan con sitios de unión bioquímica que atraen anticuerpos o partículas de virus, dependiendo de la prueba. La unión de anticuerpos o virus hace que las cuentas crezcan unas mil millonésimas de metro, lo que los investigadores de la Universidad de Nueva York han demostrado que pueden detectar a través de cambios en los hologramas que quedan en las gotas.

También le puede interesar: JOHNSON & JOHNSON SUSPENDE SU ENSAYO CLÍNICO

Imágenes holográficas: herramienta potencial en el futuro cercano

“Podemos analizar una docena de cuentas por segundo”, explica David Grier, profesor de física y uno de los integrantes del proyecto en un comunicado. “Lo que significa que podemos reducir el tiempo de una prueba de diagnóstico fiable de mil cuentas a 20 minutos. Y podemos medir esos cambios de forma rápida, fiable y barata”, añade a sus declaraciones. La innovadora herramienta de detección no solo aplica para los virus; ya que cuenta con potencial para evaluar el nivel de inmunización de cada persona.

Las gotas o perlas que se utilizan para la producción de imágenes holográficas son previamente sistematizadas con grupos de superficie. De esta manera, las gotas microscópicas se unen específicamente a los anticuerpos objetivo e impiden que otros patógenos se unan. Es decir, además de ser un test de gran precisión visual, podría ser un método eficaz para patógenos causantes de enfermedades asociadas a bacterias o virus como la tuberculosis o COVID-19.

“Este instrumento puede contar las partículas de virus dispersas en la saliva de los pacientes y también detectar y diferenciar los anticuerpos disueltos en la sangre“, añade Grier. “Esta flexibilidad se logra cambiando la composición de las gotas de prueba para modelar lo que estamos probando”. Además de lo anterior, el investigador mencionó que las gotas utilizadas comprueban la presencia de un objetivo particular, pero también puede comprobar la presencia de varios objetivos simultáneamente.

Los científicos dicen que esta capacidad puede utilizarse para desarrollar bibliotecas de gotas de testeo que pueden combinarse en kits de prueba para mezclarlas con muestras de pacientes. Esto ayudará a los médicos a distinguir entre los posibles diagnósticos, acelerar el tratamiento de los pacientes, reducir el riesgo de diagnósticos erróneos y reducir el costo de la asistencia sanitaria.

También le puede interesar: ASMA EN COLOMBIA: ¿CÓMO ESTÁ LA CARGA DE LA ENFERMEDAD?

Continuar leyendo

Innovación

Inteligencia Artificial para predecir pacientes con mayor riesgo de dolor postquirúrgico

Tres modelos de aprendizaje automático mostraron varios factores que aumentarían el riesgo de un paciente de sufrir severo dolor postoperatorio.

Publicado

el

Inteligencia Artificial para predecir pacientes con mayor riesgo de dolor postquirúrgico

La inteligencia Artificial -IA- a partir de modelos de aprendizaje automático podría predecir cuáles son los pacientes que tienen mayor riesgo de dolor severo después de una intervención quirúrgica. Adicionalmente, la IA podría también identificar los pacientes que serían mayormente beneficiados con terapias para el dolor sin uso de opioides.

La investigación presentada en la reunión anual Anesthesiology 2020, se centra en buscar la razón por la que algunos pacientes experimentan más dolor postquirúrgico llegando a necesitar dosis más altas de opioides durante periodos de tiempo más largo aumentando el riesgo de sufrir efectos adversos por consumo excesivo de estas sustancias.

Si se conoce la razón por la cual algunos pacientes sufren mayores dolores que otros, los médicos anestesiólogos podría implementar un plan de anestesia con alternativas no opioides como por ejemplo, bloqueos nerviosos, epidurales, y otros medicamentos para el dolor.

Recordemos, que en la actualidad los médicos realizan encuestas a los pacientes con el fin de identificar cuáles tienen mayor riesgo de dolor después de una operación, indagando sobre su historial de ansiedad, calidad del sueño e inclusive trastornos depresivos.

También puede leer: 93% de los países vieron afectada la continuidad de sus servicios de salud mental

Inteligencia artificial para predicciones acertadas

Con este análisis el equipo científico buscaba un método más rápido que la encuesta, haciendo uso de un sistema de aprendizaje automático, con el cual el dispositivo aprende y evoluciona en función de los datos que se le suministran.

En este sentido, crearon tres modelos de aprendizaje automático evidenciando, que el género femenino, las edades más jóvenes, la obesidad y el dolor preexistente son factores que aumentan la posibilidad de sufrir dolores severos después de una cirugía. Todos los datos salieron del análisis de los registros médicos electrónicos.

“Planeamos integrar los modelos con nuestros registros médicos electrónicos para proporcionar una predicción del dolor posquirúrgico para cada paciente”, explica Mieke A. Soens, autora principal del estudio y anestesióloga en Brigham and Women’s Hospital

Añadiendo que si se tiene la capacidad de identificar un paciente con tendencia al dolor severo, el anestesiólogo podrá ajustar el plan de anestesia del paciente para maximizar las estrategias de manejo del dolor.

También puede leer: Herramienta de edición genética, nuevo Premio Nobel de Química

Datos del estudio

El análisis constó del estudio de 5.944 pacientes que se sometieron a varias cirugías entre las que se incluye: extirpación de vesícula biliar, histerectomía, reemplazo de cadera y cirugía de próstata.

De los participantes, 22% consumieron 90 miligramos de morfina 24 horas después de la cirugía. Se utilizaron 163 factores potenciales para predecir el dolor alto postoperatorio, basándose en una búsqueda bibliográfica y consultas con expertos.

Con estas bases se crearon los tres modelos de aprendizaje automático que sustrajeron los registros médicos de los pacientes y disminuyeron los 163 factores predictores que determinaban con mayor precisión la gravedad del dolor de los pacientes y la necesidad que tenía cada uno de usar opioides para controlar el dolor.

En una segunda parte del estudio, se compararon lo que predijeron los modelos algorítmicos con el uso real de opioides para controlar el dolor en cada paciente. En este sentido, se evidenció que los tres modelos tenían un porcentaje de precisión predictiva similar, lo que quiere decir que los tres modelos pudieron determinar que personas tenían más probabilidades de tener dolor severo y necesitaban dosis más altas de opioides aproximadamente el 80% de las veces.

Finalmente, el equipo de investigadores resaltó que es de suma importancia empezar a emplear estas tecnologías para identificar de forma selectiva cuáles pacientes necesitan altas dosis de opioides para ayudar a disminuir su uso desmesurado y descontrolado.

También puede leer: Descubrimiento sobre agujeros negros gana Premio nobel de física

Continuar leyendo

Evento Gratuito

Próximos Eventos

Innovación

Latinoamércia

Productos destacados

Tendencias

Indicadores / Cifras