Urbanization, geographic accessibility, and delayed entry into tuberculosis-designated care in southwestern China: a machine-learning prediction study

Resumen Técnico: Urbanización, Accesibilidad Geográfica y Retraso en la Atención de la TB en el Suroeste de China

Planteamiento del Problema
El retraso en la atención de los pacientes con tuberculosis (TB) —el intervalo entre la aparición de los síntomas y la entrada en una atención efectiva— sigue siendo una barrera crítica para el diagnóstico temprano, el tratamiento y el control de la transmisión. Si bien investigaciones previas han identificado determinantes demográficos, socioeconómicos y clínicos del retraso, los estudios en regiones montañosas y de rápida urbanización suelen depender de indicadores geográficos gruesos (p. ej., residencia rural o límites administrativos) en lugar de la accesibilidad a escala fina de la red de carreteras. En entornos como Guangxi y Guizhou, China, donde el terreno es complejo y los asentamientos están dispersos, estas medidas gruesas pueden no capturar la verdadera carga física de alcanzar las instalaciones designadas para la TB. Además, la naturaleza dinámica de la urbanización y la inversión en infraestructura transforma continuamente la accesibilidad espacial, pero pocos estudios examinan cómo estos procesos alteran las vías hacia la atención designada. Este estudio aborda la brecha en la comprensión de cómo la accesibilidad geográfica a escala fina contribera al retraso en la entrada a la atención designada para la TB dentro de un contexto multiétnico y montañoso.

Metodología
Los autores realizaron un estudio de modelado predictivo retrospectivo utilizando un gran conjunto de datos de vigilancia rutinaria de 60.778 pacientes con TB pulmonar recién registrados en las provincias de Guangxi y Guizhou.

• Fuentes de Datos: El análisis integró registros de vigilancia de la TB, variables clínicas y de gestión de salud pública, información de seguros médicos, códigos de diagnóstico de hospitalización y datos de accesibilidad geográfica de alta resolución.
• Definición del Resultado: El resultado primario fue el "retraso en la entrada a la atención designada para la TB", definido como un intervalo de al menos 14 días entre la aparición de los síntomas y la primera visita registrada a una instalación designada para la TB. Se utilizó un umbral de 7 días para el análisis de sensibilidad.
• Ingeniería de Características: Los predictores incluyeron demografía, estado migratorio, tipo de seguro, comorbilidades (VIH/SIDA, diabetes), características temporales, características de los síntomas y métricas detalladas de accesibilidad geográfica (tiempo de viaje por la red de carreteras más cercano y promedio, distancia por la red de carreteras y distancia en línea recta). Los datos faltantes se manejaron mediante categorías informativas, imputación por la moda o estimación específica del modelo.
• Desarrollo del Modelo: El conjunto de datos se dividió en un conjunto de entrenamiento del 70% y un conjunto de prueba retenido del 30% mediante la estratificación del resultado. Se empleó una validación cruzada estratificada de cinco pliegues para el ajuste de hiperparámetros. Los modelos candidatos incluyeron LightGBM, XGBoost, Random Forest, regresión logística Elastic Net y un ensamble de probabilidad media.
• Métricas de Evaluación: El rendimiento se evaluó mediante discriminación (ROC-AUC, PR-AUC), calibración, análisis de la curva de decisión (beneficio neto) e importancia de las variables (valores SHAP). Los umbrales se seleccionaron para maximizar el índice de Youden, con informes adicionales para los umbrales que favorecen la sensibilidad.

Resultos Clave

• Prevalencia: El 63,5% (38.590/60.778) de los pacientes experimentaron un retraso en la entrada a la atención designada para la TB. Los pacientes con retraso eran generalmente de mayor edad, con mayor probabilidad de ser agricultores y enfrentaban una accesibilidad geográfica menos favorable (p. ej., la mediana del tiempo de viaje por la red de carreteras más cercana fue de 2126 segundos frente a 2035,5 segundos para los pacientes sin retraso).
• Rendimiento del Modelo: LightGBM logró el mejor rendimiento en el conjunto de prueba retenido, con un ROC-AUC de 0,703 y un PR-AUC de 0,796. En el umbral del índice de Youden, demostró una precisión de 0,651, una sensibilidad de de 0,678 y una especificidad de 0,603. XGBoost mostró un rendimiento casi idéntico, mientras que Random Forest y Elastic Net mostraron una menor discriminación.
• Importancia de los Predictores: Los indicadores de accesibilidad geográfica (distancia por la red de carreteras, tiempo de viaje y distancia en línea recta) surgieron como los dominios de predictores más informativos, posicionándose por encima de las variables convencionales demográficas, clínicas y de uso de servicios. El análisis SHAP confirmó que estas variables espaciales impulsaron el poder predictivo del modelo.
• Robustez: El análisis de sensibilidad utilizando un umbral de retraso de 7 días produjo un ROC-AUC (0,727) y un PR-AUC (0,874) más altos, consistentes con la mayor tasa de eventos. Los análisis de subgrupos por edad, sexo y estado de residencia mostraron una discriminación ampliamente consistente (ROC-AUC 0,688–0,706).

Significancia y Reivindicaciones
El artículo sostiene que la accesibilidad geográfica a escala fina proporciona información predictiva crítica que a menudo queda oscurecida por los indicadores administrativos gruesos. El estudio reposiciona la comprensión del retraso de la TB en entornos montañosos y multiétnicos:

1. Dinámicas Espaciales: Las barreras geográficas no son características topográficas estáticas, sino que se transforman dinámicamente mediante la urbanización, la inversión en infraestructura y la descentralización de los servicios de salud.
2. Jerarquía Predictiva: Cuando se incluyen medidas directas de acceso por la red de carreteras, estas suelen superar a los predictores tradicionales como la fuente del paciente, el estado del seguro o la ocupación para identificar poblaciones en riesgo. Esto sugiere que las asociaciones previas entre estos factores y el retraso pueden reflejar parcialmente problemas de acceso espacial no medidos.
3. Implicaciones de Política: Los autores argumentan que reducir el retraso de la TB requiere integrar la planificación del transporte, la estrategia de desarrollo urbano y el rediseño de los servicios de salud. Las políticas no deben tratar las barreras geográficas como condiciones de fondo inmutables. En su lugar, la vigilancia rutinaria de la TB vinculada con medidas de accesibilidad espacial puede apoyar la divulgación dirigida, la coordinación de derivaciones y la planificación de servicios estacional (p. ej., ajustándose a los ciclos agrícolas o las estaciones de lluvia).
4. Contribución Metodológica: El estudio demuestra la utilidad del aprendizaje automático (específicamente los métodos de ensamble basados en árboles) para integrar interacciones complejas y no lineales entre datos demográficos, clínicos y espaciales para la estratificación del riesgo en salud pública.

Los autores mantienen un tono modesto respecto a la utilidad de su modelo, caracterizándolo como una "herramienta de planificación basada en la vigilancia" en lugar de una regla de decisión determinista para pacientes individuales. Enfatizan que es necesaria una validación externa y prospectiva antes de su despliegue operativo y reconocen limitaciones tales como la falta de datos sobre factores de comportamiento (p. ej., alfabetización en salud, estigma) y la imposibilidad de observar la búsqueda de atención previa a la primera visita a una instalación designada para la TB.