Provision of care services for rheumatic and musculoskeletal diseases-related foot and ankle problems: a survey from sixteen european countries

Background: The increased prevalence of foot and ankle pathologies in Rheumatic and Musculoskeletal diseases (RMDs) is well documented1, however the provision of foot & ankle (F&A) healthcare services for people with RMDs in Europe has not been evaluated. Objectives: To assess the current healthcare systems for providing foot & ankle healthcare services for people with RMDs in Europe. Methods: A survey was undertaken to evaluate current provision of F&A health care services for people with RMDs across Europe. A questionnaire was distributed to all 22 country presidents representing HP associations within EULAR. The questionnaire used was developed and piloted (in 7 countries) by the EULAR F&A Study Group, and structured to capture the provision and type of F&A services for people with RMDs. When the HP presidents felt unable to answer specific questions they were encouraged to consult a colleague who may be better placed to provide the answers. Results: Sixteen questionnaires were completed (Norway, Ireland, Sweden, Hungary, Netherlands, UK, Denmark, Portugal, Italy, Switzerland, Austria, France, Czech Republic, Spain, Belgium, Malta). Of the 16, 13 respondents indicated provision of F&A health care services in their country, but only three countries had services specialising in RMD-related F&A problems (Netherlands, UK, Malta). The professions providing the care for patients with RMD-related F&A problems were different depending on the pathology and the country (Table1). Podiatrists provided care for F&A pain and deformity problems in 11 countries, but provided F&A ulcer care in only 8 countriesConclusions: Only 3 countries have F&A health care services specialised to the needs of people with RMDs. The professions providing the care varied between countries, and also depended on the F&A pathology. Interestingly, F&A healthcare services were provided by professions that do not solely specialised in F&A care. Further research is needed to assess the variation of F&A healthcare services between and within European countries and the impact on healthcare of various F&A healthcare service designs. References: Woodburn, J. & Helliwell, P. Foot problems in rheumatology. Rheumatology 36, 932-934 (1997).

Desarrollo de técnicas de aprendizaje automático para la predicción de resultados de partidos en ligas futbolísiticas

En la actualidad, existen un gran número de investigaciones que usan técnicas de aprendizaje automático basadas en árboles de decisión. Como evolución de dichos trabajos, se han desarrollado métodos que usan Multiclasificadores (Random forest, Boosting, Bagging) que resuelven los mismos problemas abordados con árboles de decisión simples, aumentando el porcentaje de acierto. El ámbito de los problemas resueltos tradicionalmente por dichas técnicas es muy variado aunque destaca la bio-informática. En cualquier caso, la clasificación siempre puede ser consultada a un experto considerándose su respuesta como correcta. Existen problemas donde un experto en la materia no siempre acierta. Un ejemplo, pueden ser las quinielas (1X2). Donde podemos observar que un conocimiento del dominio del problema aumenta el porcentaje de aciertos, sin embargo, predecir un resultado erróneo es muy posible. El motivo es que el número de factores que influyen en un resultado es tan grande que, en muchas ocasiones, convierten la predicción en un acto de azar. En este trabajo pretendemos encontrar un multiclasificador basado en los clasificadores simples más estudiados como pueden ser el Perceptrón Multicapa o Árboles de Decisión con el porcentaje de aciertos más alto posible. Con tal fin, se van a estudiar e implementar una serie de configuraciones de clasificadores propios junto a multiclasificadores desarrollados por terceros. Otra línea de estudio son los propios datos, es decir, el conjunto de entrenamiento. Mediante un estudio del dominio del problema añadiremos nuevos atributos que enriquecen la información que disponemos de cada resultado intentando imitar el conocimiento en el que se basa un experto. Los desarrollos descritos se han realizado en R. Además, se ha realizado una aplicación que permite entrenar un multiclasificador (bien de los propios o bien de los desarrollados por terceros) y como resultado obtenemos la matriz de confusión junto al porcentaje de aciertos. En cuanto a resultados, obtenemos porcentajes de aciertos entre el 50% y el 55%. Por encima del azar y próximos a los resultados de los expertos.