Implementación de un modelo predictivo validado en población mexicana para clasificación de riesgo de desarrollar diabetes gestacional en pacientes que ingresan a consulta externa del Hospital General de Tulancingo en el año 2025.

Ortega Franco, Sinthia Yireidi

dc.contributor.author	Ortega Franco, Sinthia Yireidi
dc.date.accessioned	2026-05-15T13:37:59Z
dc.date.available	2026-05-15T13:37:59Z
dc.date.issued	2025-10-07
dc.identifier.govdoc	ESP GINECOBS .16842 2025
dc.identifier.other	ATD1638
dc.identifier.uri	http://dgsa.uaeh.edu.mx:8080/bibliotecadigital/handle/231104/7688
dc.description	Antecedentes: la diabetes mellitus gestacional (DMG) es una de las complicaciones más frecuentes del embarazo y constituye un importante problema de salud pública debido a su impacto en la morbilidad materna y perinatal. En México, su prevalencia se estima entre 8 y 12%, relacionada con la alta incidencia de obesidad, sobrepeso y antecedentes familiares de diabetes. El diagnóstico suele realizarse entre las semanas 24 y 28 de gestación, lo que limita la detección temprana y la implementación de estrategias preventivas. En este contexto, los modelos predictivos basados en inteligencia artificial, como el MIDO GDM, han surgido como herramientas prometedoras para identificar de manera oportuna a las mujeres con alto riesgo de desarrollar DMG. Objetivo: implementar y evaluar el desempeño del modelo predictivo MIDO GDM, validado en población mexicana, para la clasificación del riesgo de desarrollar diabetes gestacional en pacientes que acuden a la consulta externa del Hospital General de Tulancingo en el año 2025. Material y métodos: se realizó un estudio observacional, analítico y ambispectivo en 181 mujeres embarazadas con menos de 32 semanas de gestación. Se recolectaron variables clínicas y sociodemográficas como edad, índice de masa corporal, antecedentes familiares de diabetes, hipertensión, paridad, peso del último recién nacido, glucosa en ayuno y semanas de gestación. Los datos fueron analizados mediante el software MIDO GDM para estimar el riesgo de DMG (bajo, medio o alto) y se compararon con los resultados de la curva de tolerancia a la glucosa oral. Se calcularon sensibilidad, especificidad, valores predictivos y área bajo la curva (AUC). Resultados: la edad media fue de 26.4 años, con obesidad en el 30% y antecedentes familiares de diabetes en el 38% de las participantes. La prevalencia de DMG fue del 27.8%. El modelo MIDO GDM mostró una especificidad del 92%, sensibilidad del 22%, valor predictivo negativo del 76% y un AUC de 0.42, lo que indica un poder discriminativo bajo. Sin embargo, su alta especificidad y valor predictivo negativo sugieren utilidad para descartar casos de bajo riesgo y optimizar los recursos diagnósticos. Conclusiones: el modelo MIDO GDM es una herramienta práctica, de bajo costo y aplicable en entornos de atención primaria para la detección temprana del riesgo de diabetes gestacional. Aunque su sensibilidad fue limitada, su alta especificidad respalda su uso como apoyo inicial en el tamizaje prenatal. Se recomienda su ajuste y validación en distintos contextos regionales para mejorar su rendimiento.	es_ES
dc.language.iso	es	es_ES
dc.publisher	ICSa-BD-UAEH	es_ES
dc.subject	Embarazo	es_ES
dc.subject	Diabetes gestacional	es_ES
dc.subject	Modelo predictivo	es_ES
dc.subject	Riesgo prenatal	es_ES
dc.subject	Inteligencia artificial	es_ES
dc.subject	Ginecología y Obstetricia.	es_ES
dc.title	Implementación de un modelo predictivo validado en población mexicana para clasificación de riesgo de desarrollar diabetes gestacional en pacientes que ingresan a consulta externa del Hospital General de Tulancingo en el año 2025.	es_ES
dc.title.alternative	Ginecología y Obstetricia.	es_ES
dc.type	Tesis	es_ES