Análisis comparativo de algoritmos de árboles de decisión para la predicción de tratamientos en lesiones óseas de muñeca
DOI:
https://doi.org/10.5281/zenodo.23929595Palabras clave:
minería de datos, árboles de decisión, C4.5, ID3, lesiones de muñeca, sistemas de apoyo a la decisión clínicaResumen
Las lesiones óseas de muñeca, en particular las fracturas de radio distal y las artralgias asociadas a trauma, generan alta demanda asistencial y requieren decisiones terapéuticas oportunas. Este estudio adapta y fortalece un modelo comparativo de árboles de decisión para recomendar tratamientos en pacientes adultos con lesiones de muñeca, empleando registros clínicos retrospectivos de 3,360 pacientes atendidos entre 2023 y 2024. La metodología integra el proceso KDD, depuración de expedientes, codificación de variables clínicas, validación cruzada y evaluación con matrices de confusión, métricas de clasificación y curvas ROC. Se compararon los algoritmos ID3 y C4.5/J48 por su interpretabilidad y su utilidad para sistemas de apoyo a la decisión clínica. Los resultados muestran desempeño superior de C4.5, con precisión de 99.98%, tasa de error de 0.02%, F1-score de 99.50% y AUC-ROC de 0.94, frente a 95.23%, 4.77%, 94.10% y 0.88 obtenidos por ID3. El árbol C4.5 identificó la gravedad de la lesión como nodo raíz, seguido por tipo de molestia y edad, generando reglas clínicas comprensibles para recomendar reposo, fisioterapia, medicamentos o cirugía. Se concluye que C4.5 constituye una alternativa robusta e interpretable para apoyar la recomendación terapéutica personalizada, siempre que se valide externamente y se utilice como complemento, no sustituto, del criterio médico.
Citas
Arroyo-Berezowsky, C., Quintero-Fábregas, J., & García-López, A. (2021). Epidemiology of hand and wrist injuries treated in a reference specialty center over a year. Acta Ortopédica Mexicana, 35(5), 435-441.
Batra, M., & Agrawal, R. (2017). Comparative analysis of decision tree algorithms. En N. R. Shetty, L. C. Prasad, & N. H. Prasad (Eds.), Advances in Intelligent Systems and Computing (Vol. 517, pp. 31-36). Springer. https://doi.org/10.1007/978-981-10-3174-8_4
Breiman, L., Friedman, J. H., Olshen, R. A., & Stone, C. J. (1984). Classification and regression trees. Wadsworth.
Bruder, A. M., Shields, N., Dodd, K. J., & Taylor, N. F. (2017). Prescribed exercise programs may not be effective in reducing impairments and improving activity during upper limb fracture rehabilitation: A systematic review. Journal of Physiotherapy, 63(4), 205-220. https://doi.org/10.1016/j.jphys.2017.08.009
Caruana, R., Lou, Y., Gehrke, J., Koch, P., Sturm, M., & Elhadad, N. (2015). Intelligible models for healthcare: Predicting pneumonia risk and hospital 30-day readmission. En Proceedings of the 21th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (pp. 1721-1730). Association for Computing Machinery. https://doi.org/10.1145/2783258.2788613
Collins, G. S., Reitsma, J. B., Altman, D. G., & Moons, K. G. M. (2015). Transparent reporting of a multivariable prediction model for individual prognosis or diagnosis (TRIPOD): The TRIPOD statement. Annals of Internal Medicine, 162(1), 55-63. https://doi.org/10.7326/M14-0697
Domínguez-Gasca, L. G., & Villaseñor, S. L. O. (2017). Frecuencia y tipos de fracturas clasificadas por la Asociación para el Estudio de la Osteosíntesis en el Hospital General de León durante un año. Acta Médica Grupo Ángeles, 15(4), 275-286.
Fawcett, T. (2006). An introduction to ROC analysis. Pattern Recognition Letters, 27(8), 861-874. https://doi.org/10.1016/j.patrec.2005.10.010
Fayyad, U., Piatetsky-Shapiro, G., & Smyth, P. (1996). From data mining to knowledge discovery in databases. AI Magazine, 17(3), 37-54. https://doi.org/10.1609/aimag.v17i3.1230
González, C. E. M., Rodríguez, M. B., & Martínez, F. M. (2016). The wrist joint complex: Anatomical, physiological and biomechanical aspects, characteristics, classification, and treatment of distal radius fractures. Acta Ortopédica Mexicana, 30(3), 141-147.
Hall, M., Frank, E., Holmes, G., Pfahringer, B., Reutemann, P., & Witten, I. H. (2009). The WEKA data mining software: An update. ACM SIGKDD Explorations Newsletter, 11(1), 10-18. https://doi.org/10.1145/1656274.1656278
Han, J., Kamber, M., & Pei, J. (2012). Data mining: Concepts and techniques (3.ª ed.). Morgan Kaufmann.
Lira, F. G. (2011). Aspectos epidemiológicos y mecanismos de lesión. Revista de Ortopedia y Traumatología, 55(1), 13-20.
Lundberg, S. M., & Lee, S. I. (2017). A unified approach to interpreting model predictions. En Advances in Neural Information Processing Systems, 30, 4765-4774.
Nellans, K. W., Kowalski, E., & Chung, K. C. (2012). The epidemiology of distal radius fractures. Hand Clinics, 28(2), 113-125. https://doi.org/10.1016/j.hcl.2012.02.001
Powers, D. M. W. (2011). Evaluation: From precision, recall and F-measure to ROC, informedness, markedness and correlation. Journal of Machine Learning Technologies, 2(1), 37-63.
Quinlan, J. R. (1986). Induction of decision trees. Machine Learning, 1, 81-106. https://doi.org/10.1007/BF00116251
Quinlan, J. R. (1993). C4.5: Programs for machine learning. Morgan Kaufmann.
Rajkomar, A., Dean, J., & Kohane, I. (2019). Machine learning in medicine. The New England Journal of Medicine, 380(14), 1347-1358. https://doi.org/10.1056/NEJMra1814259
Sidey-Gibbons, J. A. M., & Sidey-Gibbons, C. J. (2019). Machine learning in medicine: A practical introduction. BMC Medical Research Methodology, 19, 64. https://doi.org/10.1186/s12874-019-0681-4
Steyerberg, E. W. (2019). Clinical prediction models: A practical approach to development, validation, and updating (2.ª ed.). Springer. https://doi.org/10.1007/978-3-030-16399-0
Witten, I. H., Frank, E., Hall, M. A., & Pal, C. J. (2016). Data mining: Practical machine learning tools and techniques (4.ª ed.). Morgan Kaufmann.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Edgar Corona Organiche, Brandon Moya Bucio, Abraham-Jorge Jiménez-Alfaro, Griselda Cortés-Barrera, Norma-Karen Valencia-Vázquez
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
