¿Qué es el big data?
En algunos paises los sistemas de salud pública disponen de una información muy amplia sobre un elevado número de ciudadanos en cuanto a sus datos clínicos, su salud y enfermedades, y otras informaciones relacionadas con ellas. El análisis de esta información puede resultar útil para establecer algunas relaciones entre determinadas en fermedades y algunas características conocidas de los ciudadanos. El conjunto de datos e informaciones disponibles, que suele ser muy numeroso, se suele conocer por el término inglés big data.
Introducción
Comprender la heterogeneidad del tinnitus es uno de los mayores desafíos en la práctica clínica y en la investigación del tinnitus. La heterogeneidad del tinnitus se refiere a la variabilidad en cualquier rasgo del tinnitus y sus reacciones que puedan ser observadas entre diferentes personas o en diferentes momentos en la misma persona. Los desarrollos en el campo de las matemáticas, la estadística y la ciencia informática han proveído a la comunidad científica de herramientas poderosas para analizar datos multidimensionales de varias maneras.
Este artículo considera cómo el análisis estadístico de grandes conjuntos de datos puede revelar conocimientos en la heterogeneidad del tinnitus.
El problema de la heterogeneidad
Si seleccionamos al azar dos personas que tienen tinnitus, con toda probabilidad encontraremos que sus causas del tinnitus son diferentes, que también lo son las características de la percepción de su tinnitus (tono, volumen, características temporales, localización) y las reacciones al tinnitus (molestia, angustia, ansiedad). Además, la misma persona puede experimentar distintos tinnitus en diferentes momentos, dependiendo de factores internos tales como el estrés, el cansancio, o factores externos como el nivel del ruido ambiental o la calidad del apoyo social.
La heterogeneidad plantea grandes desafíos para su estudio y no hay un acuerdo sobre cuáles son las variables más relevantes para evaluar a un paciente de tinnitus. Además, las distintas causas, características, reacciones, condiciones coocurrentes y características generales significan que un tratamiento podría sólo ser óptimamente efectivo para un grupo de pacientes.
La heterogeneidad también plantea desafíos significativos para la investigación. Sin un claro acuerdo sobre la importancia de cada una de las variables, los diferentes equipos de investigadores tienden a enfocar diferentes características lo que da lugar a que los grupos de pacientes no puedan compararse adecuadamente a través de estudios. Además, las interacciones entre variables diferentes cuando son conocidas no suelen estar definidas claramente.
Recoger datos de personas con tinnitus y analizarlos utilizando los nuevos métodos estadísticos podría aportar un conocimiento esencial en la heterogeneidad del tinnitus y -en particular- ayudar a identificar un conjunto apropiado de variables para la evaluación y clasificación de los pacientes de tinnitus.
«Macro datos»: muchas variables de grandes poblaciones
Los investigadores necesitan recoger y analizar grandes cantidades de datos para obtener conocimientos útiles que capturen todos los aspectos de cada variable y las complejas interacciones entre ellas (se muestran en la tabla que sigue). Estas variables pueden separarse en características generales, que son relevantes para cualquier persona con o sin tinnitus, y características relacionadas con el tinnitus, que sólo son relevantes para personas con tinnitus. La mayoría de estas últimas son dependientes temporalmente, lo que significa que pueden variar con el tiempo, contribuyendo a una variabilidad aún mayor.
La evidencia en asociaciones entre variables relevantes en personas con tinnitus se han ido acumulando durante muchas décadas. En el 2017, algunos investigadores informaron, entre otras, de asociaciones entre el tinnitus y molestias en el cuello, dolor de cabeza, vértigos, hiperacusia, neurinoma del acústico, salud mental con la aparición del tinnitus, factores de riesgo cardiometabólico, actividad y anatomía cerebral y características genéticas. Algunos de estos estudios examinan diferencias entre personas con o sin tinnitus, mientras que otros indagan en la heterogeneidad del tinnitus y examinan diferencias dentro de la población del tinnitus.
A continuación, se describen diferentes aproximaciones estadísticas que han sido utilizadas para investigar estas cuestiones.
Análisis de datos multivariados
Son análisis simultáneos de variables múltiples en diferentes individuos. Pueden utilizarse para examinar interacciones entre estas variables y para identificar la estructura subyacente de los datos. Sin embargo, hay una gran variedad de técnicas disponibles y a menudo es un reto para los investigadores elegir el método más apropiado para una cuestión de investigación.
Las técnicas de análisis de datos multivariados, en líneas generales se pueden clasificar en técnicas de dependencia y de interdependencia. En el primer caso, los investigadores deben elegir una o más variables como la/s variable/s dependientes/s, que intentarán predecir o explicar utilizando el resto de las variables llamadas variables independientes. Tales técnicas pueden ser utilizadas al tratar de predecir la severidad de una condición o el resultado del tratamiento desde otras características disponibles tales como género, edad o condiciones coexistentes.
Las técnicas de interdependencia tratan todas las variables de la misma manera y las analizan simultáneamente. Pueden ser utilizadas para explorar la estructura subyacente entre todas las variables. Los ejemplos de tales técnicas incluyen análisis de conglomerado, análisis de clase latente y análisis de componentes principales.
Después de decidir sobre una técnica apropiada, se necesita tomar más decisiones mientras se pone en marcha. Por ejemplo, la elección del conjunto de variables para ser incluidas en un análisis está decidida por el investigador, bien basada en su experiencia y/o en hallazgos previos. Esta elección de variables puede ser crucial para los resultados finales y por eso, es necesario tomar precauciones cuando se interpretan los resultados.
Aplicaciones de técnicas multivariadas para descifrar la heterogeneidad del tinnitus
En el año 2017, un número de publicaciones abordaron la cuestión de la heterogeneidad del tinnitus utilizando un rango de técnicas multivariadas según lo que sigue.
Análisis de conglomerado para revelar subgrupos
El análisis de conglomerado se utiliza para definir grupos donde los miembros de un grupo son más similares entre ellos, comparados con miembros de los diferentes grupos. Los investigadores deben decidir sobre el conjunto de variables que será incluido en el análisis para comparar miembros y crear conglomerados. Esta técnica se ha utilizado previamente para definir subgrupos basados en diversas características.
Van den Berge y colaboradores dirigieron un análisis de conglomerado para identificar subgrupos en un conjunto de datos de 1.783 pacientes de tinnitus. Los autores siguieron dos enfoques para decidir qué variables se incluirían en el análisis. En el primer caso, la elección se hizo por expertos clínicos basada en su experiencia. En el segundo, se basaba en una técnica estadística de reducción-dimensión, que se utiliza para reducir un extenso conjunto de variables a un conjunto más pequeño. Aunque el principal descubrimiento de este estudio era que no se podían formar claros subgrupos, los autores afirman que cualquier resultado de análisis de conglomerado depende en gran parte de las variables que se tienen en cuenta en el algoritmo de conglomerado.
Análisis de clase latente para revelar estructuras de pérdida auditiva
El análisis de clase latente es otro método que utiliza un modelo probabilístico para definir grupos. El conjunto de las variables incluidas está de nuevo predeterminado por un investigador.
Langguth y ocolaboradores utilizaron esta técnica para clasificar a pacientes basados en su perfil auditivo. En otros estudios, el estatus auditivo a menudo ha sido descrito con una variante simple (e.g. gravedad de pérdida auditiva o un grave umbral auditivo), pero esto dificulta recoger potencialmente información importante en diferencias entre los dos oídos o entre distintas frecuencias. En este estudio reciente, los autores describían el estatus auditivo utilizando un vector de 14 variables representando umbrales audiométricos en siete frecuencias (0,125, 0,25, 0,5, 1, 2, 4 y 8 kHz), por separado para cada oído. Las variables incluidas en el análisis podían tomar uno de cuatro valores distintos (1 audición normal, 2 leve o moderada pérdida auditiva, 3 grave o profunda pérdida auditiva y 4 ningún dato audiométrico disponible).
Utilizando al análisis de clase latente, los pacientes fueron agrupados en ocho clases distintas y el análisis mostró que estas ocho clases también diferían en otras varias características clínicas tales como un estado depresivo. Aunque la evaluación por perfil auditivo estaba mucho más detallada que en muchos estudios similares, los autores analizan la importancia de incluir aún más variables, tales como la función auditiva en frecuencias por encima de 8 kHz.
Análisis de regresión: un método muy popular
Las técnicas de regresión se usan normalmente para predecir el resultado de una variable predefinida de un conjunto de otras variables. Muchos investigadores han utilizado estas técnicas para proyectar luz en la heterogeneidad del tinnitus. Por ejemplo, Michiels y colaboradores utilizaron regresión lineal múltiple para identificar predictores para la mejoría de los pacientes con tinnitus somático cervicogénico después de una terapia física cervical. La misma técnica fue utilizada por Wielopolski y colaboradores para explorar si la gravedad del tinnitus podía ser pronosticada por rasgos de salud mental y de personalidad específica. Wallhäusser-Franke y colaboradores aplicaron la regresión lineal múltiple a datos longitudinales para identificar pronósticos de desarrollo de tinnitus crónico discapacitante.
La regresión logística fue utilizada por Ralli y colaboradores para pronosticar la presencia de hiperacusia en pacientes con tinnitus somático a partir de resultados de cuestionarios y de tinnitus y otras características. House y colaboradores utilizaron los mismos métodos para pronosticar mucha o poca gravedad del tinnitus a partir de variables cardiometabólicas o a partir de presencia de depresión.
Modelos de múltiples niveles
El extenso uso de los smartphones y las aplicaciones tiene potenciales interesantes para la investigación y reunión de datos. Probst y colaboradores utilizaron datos de la aplicación para móvil TrackYourTinitus para explorar las variaciones en el volumen y padecimiento del tinnitus. Utilizando Modelos de Múltiples Niveles (MLM), una técnica que posibilita análisis de datos en una estructura jerárquica, examinaron cómo el volumen del tinnitus, la molestia del tinnitus y los niveles de estrés varían en un día, entre diferentes días o entre diferentes individuos. Los resultados indicaron que el volumen y las molestias eran más fuertes durante la noche y por la mañana temprano, comparado con el resto del día. Una limitación de este estudio, expresado por los autores, es que algunas variables relevantes, como el ruido ambiental y las interrupciones en el sueño, no se incluyeron en el análisis.
Conclusiones
El tinnitus es una condición heterogénea. Para caracterizar a una persona con tinnitus, se necesitan evaluar un gran conjunto de variables. Los avances en las técnicas de análisis de datos pueden ayudarnos a identificar la estructura latente de las asociaciones entre todas estas variables y a encontrar maneras para subclasificar a la población con tinnitus. Seleccionar qué variables deberían ser recogidas y analizadas es de crucial importancia para determinar los resultados finales.
De igual importancia es la selección y puesta en marcha de la técnica adecuada para analizar esta información. Los avances recientes en el aprendizaje estadístico y de los medios disponibles aportan herramientas potentes que pueden ayudar a los científicos a revelar los misterios de la heterogeneidad del tinnitus.
Sin embargo, los expertos en los campos de los análisis de datos, por un lado, y del tinnitus, por otro, necesitan colaborar más para aplicar con eficiencia estos métodos y responder las cuestiones de la heterogeneidad de las personas con tinnitus. Además, puesto que muchos factores pueden influenciar en los resultados de análisis de datos, es necesario tener precaución a la hora de interpretar los descubrimientos actuales.
