1. Universidad Autonoma del Estado de Hidalgo
  2. Tesis
  3. Tesis de Especialidad
Por favor, use este identificador para citar o enlazar este ítem: http://dgsa.uaeh.edu.mx:8080/handle/231104/7688
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.authorOrtega Franco, Sinthia Yireidi-
dc.date.accessioned2026-05-15T13:37:59Z-
dc.date.available2026-05-15T13:37:59Z-
dc.date.issued2025-10-07-
dc.identifier.govdocESP GINECOBS .16842 2025-
dc.identifier.otherATD1638-
dc.identifier.urihttp://dgsa.uaeh.edu.mx:8080/bibliotecadigital/handle/231104/7688-
dc.descriptionAntecedentes: 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.isoeses_ES
dc.publisherICSa-BD-UAEHes_ES
dc.subjectEmbarazoes_ES
dc.subjectDiabetes gestacionales_ES
dc.subjectModelo predictivoes_ES
dc.subjectRiesgo prenatales_ES
dc.subjectInteligencia artificiales_ES
dc.subjectGinecología y Obstetricia.es_ES
dc.titleImplementación 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.alternativeGinecología y Obstetricia.es_ES
dc.typeTesises_ES
Aparece en las colecciones: Tesis de Especialidad

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
ATD1638.pdf4.08 MBAdobe PDFVisualizar/Abrir
Mostrar el registro sencillo del ítem


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.