Análisis de la relación entre condiciones socioeconómicas y diagnóstico del cáncer de mama en mujeres de Sincelejo sucre

Abstract

Esta investigación evaluó la relación entre las condiciones socioeconómicas y la oportunidad diagnóstica del cáncer de mama en mujeres residentes en Sincelejo, Sucre, durante el periodo 2017–2021. Se empleó un enfoque cuantitativo, observacional, analítico y retrospectivo, utilizando registros del Sistema de Vigilancia en Salud Pública (SIVIGILA). La población de estudio incluyó casos confirmados de cáncer de mama con residencia en Sincelejo y datos completos sobre variables sociodemográficas y clínicas. El análisis combinó estadística descriptiva, pruebas bivariadas, razones de prevalencia, curvas de supervivencia de Kaplan–Meier, regresión log-binomial y un modelo supervisado de aprendizaje automático (K-Nearest Neighbors, KNN), complementado con interpretación basada en valores SHAP. Los hallazgos revelaron una alta proporción de diagnósticos tardíos en mujeres afiliadas al régimen subsidiado, de ocupación no remunerada, pertenecientes a grupos étnicos afrocolombianos o palenqueros, y residentes en zonas rurales dispersas. Aunque algunas variables no mostraron asociaciones estadísticamente significativas en el análisis bivariado, las razones de prevalencia y los valores SHAP indicaron patrones sistemáticos de inequidad. Se identificaron barreras estructurales en el acceso oportuno al diagnóstico, exacerbadas durante los años de pandemia (2020–2021), cuando se evidenció una caída en la notificación de casos. El análisis de supervivencia confirmó una tendencia a mayor demora diagnóstica en el régimen subsidiado. Por su parte, el modelo KNN alcanzó una precisión del 68,03 %, clasificando con mayor eficacia los casos tardíos. La integración de SHAP permitió interpretar el peso de variables como el régimen de salud, estrato socioeconómico, etnia y ocupación sobre el desenlace, ofreciendo una perspectiva complementaria y explicativa. Se concluye que las condiciones sociales, económicas y territoriales son determinantes clave en la oportunidad diagnóstica del cáncer de mama, y que las herramientas analíticas como la regresión penalizada y el aprendizaje automático, pueden contribuir a identificar grupos en riesgo y focalizar estrategias de detección temprana. Los resultados respaldan la necesidad de políticas públicas con enfoque diferencial, mejora de los sistemas de información y ampliación de la cobertura en servicios de diagnóstico en contextos vulnerables.