English   español  
Please use this identifier to cite or link to this item: http://hdl.handle.net/10261/229262
Share/Impact:
Statistics
logo share SHARE   Add this article to your Mendeley library MendeleyBASE
Visualizar otros formatos: MARC | Dublin Core | RDF | ORE | MODS | METS | DIDL | DATACITE
Exportar a otros formatos:

Title

Aplicación de inteligencia artificial en el estudio de la microbiota intestinal asociada con obesidad mórbida

AuthorsSalazar, Nuria ; Gutiérrez-Díaz, Isabel; Fernández-Navarro, Tania; Martinez-Faedo, Ceferino; Gueimonde Fernández, Miguel ; González de los Reyes-Gavilán, Clara ; González Solares, Sonia
Issue Date12-Feb-2020
CitationXI Workshop de la Sociedad Española de Microbiota, Probióticos y Prebióticos (2020)
AbstractIntroducción/Objetivo. La obesidad representa una patología compleja y multifactorial con una elevada prevalencia a nivel mundial. Numerosos estudios han tratado de caracterizar la composición de la microbiota intestinal asociada a la obesidad. Sin embargo, los resultados no son concluyentes ni muestran información discriminatoria para los diferentes grados de obesidad. Sujetos y métodos. Se estudió una muestra de 184 sujetos, clasificada en 5 categorías de IMC según la Sociedad Española para el Estudio de la Obesidad. La composición de la microbiota intestinal se determinó por qPCR y la información dietética a partir de un cuestionario de frecuencias de consumo validado. La influencia de las variables microbiológicas sobre la obesidad se calculó mediante técnicas de aprendizaje matemático. Tras el entrenamiento de diferentes métodos se seleccionó el árbol de decisión C4.5 tanto por su capacidad discriminatoria como por la interpretabilidad de los datos obtenidos en el contexto de la obesidad. Resultados. A través de árboles de decisión (con un porcentaje de acierto 95%, precisión 92% y cobertura 1), ha sido posible identificar al grupo Bacteroides como el grupo microbiano con mayor valor predictivo para obesidad mórbida en la muestra analizada. Niveles del grupo Bacteroides por encima de 10,17 log nºcel/g clasifican a los sujetos con un IMC> 40 kg/m2. Dichos sujetos presentaron también una mayor ingesta dietética de carnes y derivados (170,7 vs. 123,7 g/d) así como de huevos (24,4 vs. 17,6 g/d). Por el contrario, el consumo de ácidos grasos poliinsaturados fue menor que los sujetos pertenecientes al resto de categorías de IMC y no se observaron diferencias significativas en la ingesta energética. Conclusiones. Hemos desarrollado la inteligencia artificial para la identificación de un nivel de referencia de microrganismos fecales, Bacteroides > 10,17 log nºcel/g característico de los individuos con obesidad mórbida frente a individuos con menor valor de IMC.
DescriptionResumen del trabajo presentado en el XI Workshop de la Sociedad Española de Microbiota, Probióticos y Prebióticos, celebrado en Granada (España), del 12 al 14 de febrero de 2020
URIhttp://hdl.handle.net/10261/229262
Appears in Collections:(IPLA) Comunicaciones congresos
Show full item record
Review this work
 


WARNING: Items in Digital.CSIC are protected by copyright, with all rights reserved, unless otherwise indicated.