Desarrollo y validación de algoritmos para tamizaje de equinococosis quística abdominal en habitantes de comunidades ganaderas de Junín y Huancavelica

• Autor: Tello Davila, Luis
• Formato: tesis de maestría
• Fecha de Publicación: 2025
• Institución: Universidad Peruana Los Andes
• Repositorio: UPLA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.upla.edu.pe:20.500.12848/9903
• Enlace del recurso: https://hdl.handle.net/20.500.12848/9903
• Nivel de acceso: acceso abierto
• Materia: Equinococosis quística; Zoonosis; Epidemiología; Población rural; Algoritmos (DeCS); https://purl.org/pe-repo/ocde/ford#3.03.09

Introducción: La equinococosis quística (EQ) es una infección zoonótica desatendida causada por el estadio larvario del parásito Echinococcus granulosus. El ciclo de vida del parásito ocurre naturalmente entre perros y el ganado ungulado (especialmente ovejas) a través de la dinámica depredador-presa. Los perros son huéspedes definitivos que albergan a los parásitos adultos en el intestino delgado y arrojan huevos infectivos con las heces; el ganado actúa como hospedador intermedio y adquiere la infección al comer los huevos que contaminan el ambiente. Los seres humanos actúan como hospederos intermediarios accidentales adquiriendo la infección a través de la ingestión de huevos del parásito adulto. Objetivos: Este estudio es un análisis secundario de los datos de otro que buscó caracterizar la epidemiología molecular de la EQH en comunidades ganaderas de Perú, Chile, y Argentina, Italia y España. Materiales y Métodos: Se analizó los datos de pobladores de los distritos de Canchayllo, Chaquicocha, Nueva Acobambilla, Pachacayo, S. J. de Quero, San José de Miraflores, Tinyacclla, Usibamba y Vista Alegre de las regiones de Junín y Huancavelica, Perú. Todos los pobladores de las comunidades que tuvieron tres o más años y aceptaron participar del estudio fueron seleccionados. Para esto, se desarrolló algoritmos de aprendizaje automático para detectar casos de hidatidosis hepática. Aunque todos los algoritmos mostraron niveles de estadístico C mayores a 0.8, los niveles de sensibilidad fueron bajos para el punto de corte de 0.5. Resultados: Los algoritmos RLB, RLBL y RLBEN mostraron los mayores niveles de capacidad discriminativa en términos de sensibilidad y especificidad cuando se usaron puntos de corte óptimo determinados por el índice de Youden. Conclusiones: Hacen falta estudios de validación externa con muestras de tamaño más grande antes de poder recomendar estos algoritmos para su uso en campo; sin embargo, los resultados obtenidos son promisorios y sugieren que las pruebas serológicasxii en combinación con otros datos epidemiológicos podrían ser de ayuda como herramienta diagnóstica o de tamizaje en campo.