Search

Resumen Introducción: la excreción de sodio en orina de 24 horas es el método de referencia para evaluar la ingesta de sodio; sin embargo, se requieren herramientas que puedan aplicarse de manera más práctica tanto en el ámbito clínico como en el poblacional. Objetivos: desarrollar y evaluar un cuestionario autoadministrable de frecuencia de consumo de alimentos ricos en sodio (CFCA-S) como herramienta de tamizaje para consumo elevado de sodio en una población adulta de la Ciudad de México. Métodos: se desarrolló un CFCA-S con 28 categorías de alimentos ricos en sodio y su sistema de puntuación respectivo. El percentil 75 del puntaje total del CFCA-S se probó como punto de corte para clasificar a las personas con alto consumo de sodio a dos niveles (≥ 2.000 y ≥ 3.000 mg/día), considerando la excreción urinaria de sodio en 24 horas como método de referencia. Resultados: se incluyeron 95 participantes (mediana de edad: 39 [percentiles 25-75: 26-46] años; hombres: 39 [41,1%]). Un puntaje total de 51,2 en el CFCA-S mostró una sensibilidad del 31,6% (intervalo de confianza [IC] 95%: 19,1-47,5), una especificidad del 78,9% (IC 95%: 66,7-87,5), valor predictivo positivo del 50% (IC 95%: 31,4-68,6) y valor predictivo negativo del 63,4% (IC 95%: 51,8-73,6), para clasificar a las personas con consumo de sodio ≥ 3.000 mg/día. Un puntaje ≥ 51,2 se asoció significativamente con una ingesta de sodio ≥ 3.000 mg/día, resultando en una razón de momios de 3,12 (IC 95%: 1,03-9,44, p = 0,04), después de ajustar por sexo, edad e índice de masa corporal (IMC). Conclusiones: el CFCA-S es una herramienta práctica, factible de aplicarse y útil para identificar a personas en riesgo de tener un consumo elevado de sodio. Abstract Background: twenty-four-hour urinary sodium excretion is the reference method to assess sodium intake; however, tools that can be more easily applied in the clinical and population setting are needed. Objectives: to develop and evaluate a self-administered high-sodium food frequency questionnaire (abbreviated to CFCA-S in Spanish) as a screening tool for high sodium intake in an adult Mexico City population. Methods: a CFCA-S including 28 sodium-rich food categories and a scoring system were developed. The 75 percentile for the total score was tested as cut-off point to classify high sodium consumers at two different levels (≥ 2,000 and ≥ 3,000 mg/day) against 24-h urinary sodium excretion as reference method. Results: ninety-five participants were included (median age: 39 [25th-75th percentiles: 26-46] years; men: 39 [41.1%]). A total score of 51.2 in the CFCA-S showed a sensitivity of 31.6% (95% confidence interval [CI]: 19.1-47.5), specificity of 78.9 (95% CI: 66.7-87.5), positive predictive value of 50% (95% CI: 31.4-68.6) and negative predictive value of 63.4% (95% CI: 51.8-73.6) to classify high-sodium consumers at a level of intake ≥ 3,000 mg/day. A total score ≥ 51.2 was significantly associated with a sodium intake ≥ 3,000 mg/day, observing an odds ratio of 3.12 (CI 95%: 1.03-9.44, p = 0.04), after adjusting by sex, age, and body mass index. Conclusions: the sodium CFCA-S developed in this study is a practical, feasible and useful tool to identify individuals at greater risk of having a high sodium intake.

Las herramientas computacionales que se describen en esta tesis representan posibles alternativas de solución en la construcción de modelos de calibración multivariable a partir de datos obtenidos con arreglos de sensores electroquímicos. Tanto el trabajo experimental como las aplicaciones computacionales están dirigidos a la construcción de lenguas electrónicas de los tipos potenciométrico y voltamperométrico. Las propuestas de solución que aquí se presentan están basadas en técnicas computacionales diseñadas para explorar grandes bases de datos en la búsqueda de patrones consistentes y/o relaciones sistemáticas entre variables, que permitan posteriormente aplicar estos modelos a nuevos datos con el fin de generar predicciones o estimaciones de resultados esperados. Algunas de las herramientas se implementaron con redes neuronales tipo perceptrón multicapas y diferentes funciones de transferencia en las neuronas de la capa oculta. Las funciones de activación sigmoidales comúnmente usadas en las redes neuronales se sustituyeron por funciones más complejas y de poco (o nulo) uso en el área química. Para hacer compatible la estructura de la mayoría de los datos usados en esta tesis, con las entradas de las redes neuronales, se hizo un tratamiento previo de la información electroquímica usando técnicas de procesamiento mono- o multi-modales para reducir el número de variables y dimensiones. Además de las propuestas basadas en estructuras de redes neuronales, también se ha planteado la construcción de modelos a partir de funciones base de los tipos spline truncada y B-spline. La primera se conoce como Splines Adaptativas de Regresión Multivariable (MARS) y la segunda como B-splines Adaptativas de Regresión Multivariable (B-MARS). Adicionalmente a las herramientas anteriormente descritas e implementadas como propuestas de solución, también se construyeron exitosamente modelos de calibración usando la regresión multimodo por mínimos cuadrados parciales (N-PLS)., The computational tools described in this thesis are meant to be alternative solutions to build multivariate calibration models from multi-way data obtained with arrays of electrochemical sensors. Both experimental and computational applications described herein are aimed to build electronic tongues of potentiometric and voltammetric types. The solution proposals are based on computational techniques designed to explore large databases in search of consistent patterns and/or systematic relationships between variables, allowing then to apply these models to new data to predict or estimate expected results. Some of the tools were implemented using multilayer perceptron neural networks with complex transfer functions (of little or no use in the chemical area) in the hidden layer neurons. To make compatible the type of structure of most of the data used in this thesis with the input of the neural networks, the electrochemical information was pretreated using mono- or multi-dimensional processing techniques in order to reduce the number of variables and dimensions. In addition to the structres based on neural networks, we also propose to build models using base functions of the truncated spline and B-spline types. The first is known as Adaptive Regression Splines Multivariable (MARS) and the second as B-splines Multivariate Adaptive Regression (B-MARS). In addition to the tools described above and implemented as proposed solutions, we also built successfully calibration models using multi-way partial least squares regression (N-PLS).