Skip to content

README.es.md

Latest commit

 

History

History
154 lines (124 loc) · 5.69 KB

README.es.md

File metadata and controls

154 lines (124 loc) · 5.69 KB
Raw

synthdiet

PyPI Python Licencia: MIT CI

Otros idiomas: English · Türkçe · Français · Deutsch · Português · Italiano · 中文 · 日本語 Una biblioteca de Python para generar pacientes sintéticos con condiciones clínicas realistas y simular intervenciones dietéticas sobre ellos.

synthdiet está pensado para nutricionistas-dietistas, investigadores de nutrición clínica y educadores que quieran prototipar dietas, ejecutar ensayos virtuales y poner a prueba recomendaciones nutricionales sobre cientos o miles de pacientes sintéticos antes de llevarlas a la clínica.

Aviso: synthdiet es una herramienta de investigación y enseñanza. Los números que produce no son recomendaciones clínicas y los pacientes sintéticos no son personas reales. Para la atención al paciente consulte siempre a un dietista-nutricionista cualificado.

synthdiet hero

Autor

Buğra Ayan — Ankara / Turquía

Características

Modelo de dominio principal

  • Una clase Patient tipada que agrega demografía, antropometría, estilo de vida, biomarcadores de laboratorio, diagnósticos y medicación actual.
  • Un registro de más de 25 enfermedades que cubren las categorías endocrina, cardiovascular, renal, hepática, gastrointestinal, metabólica, musculoesquelética, oncológica, psiquiátrica y alérgica.
  • Un registro de 19 interacciones fármaco-nutriente clínicamente relevantes (metformina → B12, estatinas → pomelo, warfarina → vitamina K, momento de la levotiroxina, crisis tiramínica con IMAO, etc.).
  • 5 generadores de pacientes sintéticos (aleatorio, por distribución, por cópula, cohorte, progresión de Markov).
  • Una base de datos de 45 alimentos con desglose macro/micronutriente y 8 dietas predefinidas (mediterránea, DASH, cetogénica, baja en FODMAP, renal baja en sodio, diabética, vegana, estándar).

Profundidad metodológica (expansión v0.1)

  • Modelo de composición corporal de Hall (2011) opcional (DietSimulator(engine="hall_2011")), con partición de masa grasa/magra mediante la ecuación de Forbes y termogénesis adaptativa.
  • Dinámica de adherencia y abandono: constante, decreciente, abandono Weibull, salto estocástico, carga percibida.
  • Motor de ECA (synthdiet.trials) con diseños paralelos, cruzados y factoriales 2×2; aleatorización estratificada / por bloques / por minimización; modelado de abandono; análisis ITT/PP/AT.
  • Inferencia causal (synthdiet.causal): simulación contrafactual, estimadores ATE/CATE, experimentos de confusión con IPTW y g-fórmula, DAGs ligeros.
  • Índices de calidad de la dieta (synthdiet.indices): HEI-2020, AHEI-2010, MEDAS, puntuación DASH, PHDI, DII.
  • Ayudas estadísticas (synthdiet.stats): cálculo de potencia para resultados continuos y binarios, IC bootstrap, pruebas de permutación, ajustes de Benjamini-Hochberg + Holm-Bonferroni, ANCOVA ajustada por línea base.
  • Inyección de error de medida y datos faltantes (synthdiet.noise): CV% por ensayo, sesgo de auto-reporte, patrones MCAR/MAR/MNAR.
  • 15 casos clínicos + evaluación tipo OSCE (synthdiet.education).
  • Suite de validación contra 5 ECAs históricos (synthdiet.validation): DASH-Sodium, PREDIMED, DiRECT, Look AHEAD, Diabetes Prevention Program.
  • Visualización (synthdiet.viz, opcional): diagrama CONSORT, forest plot, banda de trayectorias, Tabla 1.

Instalación

pip install synthdiet

Extras opcionales:

pip install "synthdiet[viz]"     # visualizaciones con matplotlib
pip install "synthdiet[causal]"  # exportación de DAG con networkx
pip install "synthdiet[docs]"    # Sphinx + furo + myst-parser
pip install "synthdiet[dev]"     # pytest + ruff + mypy + matplotlib

synthdiet requiere Python 3.9+ y depende de numpy, pandas y scipy.

Recorrido en 60 segundos

from synthdiet import (
    CohortGenerator, CohortSpec, DiseaseSpec,
    DietSimulator, mediterranean_diet,
    evaluate_simulation, format_evaluation_report,
)

spec = CohortSpec(
    size=100,
    diseases=[
        DiseaseSpec("type_2_diabetes", prevalence=0.40),
        DiseaseSpec("hypertension",     prevalence=0.45),
    ],
)
cohort = CohortGenerator(spec, seed=42).generate()

simulator = DietSimulator(adherence=0.8)
diet = mediterranean_diet(daily_energy_kcal=1800)

for patient in cohort[:3]:
    result = simulator.run(patient, diet, duration_weeks=12)
    evaluation = evaluate_simulation(result)
    print(format_evaluation_report(evaluation))
    print("-" * 60)

Ejemplos completos en examples/ y tutoriales en español en docs/es/.

Citación

@software{ayan_synthdiet_2026,
  author  = {Buğra Ayan},
  title   = {synthdiet: A Python library for simulating diets on synthetic patients},
  year    = {2026},
  version = {0.1.0},
  url     = {https://bugraayan.com}
}

Licencia

MIT — véase LICENSE.