Aplicación de diferentes metodologías de statistical learning para el estudio de los efectos oculares asociados a la calidad de aire en la zona de La Plata y alrededores.

MARÍA DE LOS ÁNGELES GUTIERREZ; MARÍA ESPERANZA RUIZ; PABLO M. DEMETRIO

Neuquén

Congreso; XXIII Reunión Científica del GAB y II Encuentro Argentino-Chileno de Biometría; 2018

Grupo Argentino de Biometría (GAB)

A escala mundial, cada vez se emiten mayores cantidades de gases y partículas potencialmente nocivas, las cuales impactan sobre la salud humana. La exposición crónica al material particulado del aire se vincula a una mayor incidencia de enfermedades cardiovasculares, respiratorias, cerebrovasculares, y alérgicas, entre otras. Más recientemente se ha observado también la incidencia de la calidad del aire sobre la salud ocular de los habitantes, encontrándose efectos sobre la mucosa ocular, la estabilidad de la película lagrimal y la incidencia de afecciones palpebrales como la blefaritis.En el presente trabajo, se evaluaron comparativamente variables oculares y plasmáticas, medidas en voluntarios residentes en dos zonas con diferentes niveles y características de material particulado en aire: zona urbana (La Plata, Bs. As.) y zona industrial (Ensenada, Bs. As.). Mientras que en la primera predominan las emisiones de los más de 350.000 automotores registrados, en la segunda se ubica el polo petroquímico (refinería e industrias subsidiaras productoras de compuestos carbonados aromáticos, alifáticos, anhídrido maleico y coque de petróleo, entre otros). La base de datos con la cual se trabajó constaba de 74 observaciones completas (42 de zona urbana y 32 de zona industrial) de 29 variables (12 oculares, 15 plasmáticas y 2 lagrimales). Se exploró el conjunto de datos con diversas técnicas no supervisadas (PCA, k-means) y supervisadas, estas últimas tanto de clasificación (análisis lineal discriminante, CART, Bagging y Random Forest) como de regresión (LM, GLM, selección de variables), con el objetivo de identificar aquellas variables que se asociaban en mayor medida con cada uno de los escenarios de exposición considerados. Los análisis no supervisados mostraron que el conjunto de variables es eficiente a la hora de encontrar diferencias entre las poblaciones en estudio, mientras que los métodos clasificatorios y de regresión generaron modelos que, al ser evaluados conjuntamente con las características experimentales asociadas a cada variable (toma de muestra, invasividad, costos, complejidad instrumental y posibilidad de determinación ambulatoria) permitieron seleccionar el mejor subconjunto de variables con significado clínico asociado a los escenarios de exposición comprendidos en el presente estudio.