Cuadernos de Medicina Forense

132 TERMOGRAFÍA MÉDICA González Sánchez C, et al. CUADERNOS DE MEDICINA FORENSE AS O C I AC I Ó N D E M É D I C O S FO R E N S ES D E A N DA LU C Í A S O C I E DA D A N DA LU Z A D E M E D I C I N A L EG A L Y C I E N C I AS FO R E N S ES ( A M FA- SA M E LC I F ) Cuad Med Forense. 2023; 26(2):127- 137 Los valores del SMQs representados nos mues- tra una evolución lógica de cualquier proceso patológico, con una disminución progresiva de los síntomas. Mediante este análisis podemos estudiar la variabilidad interindividual de cada lesionado. Con este objetivo, aplicamos un análisis de clúster difuso con series estandarizadas para identificar perfiles de comportamiento/evo- lución durante el período asistencial hasta el alta médica, analizando SMQ con respecto a la valoración de dolor (VD) teniendo como pri- mera variable la termografía (día 22,9) y como segunda la ecografía (día 24). Se utilizó el SMQ de primera consulta, de la consulta más cercana a la TIR y el de la con- sulta de alta. Del análisis se obtienen perfiles representados en las gráficas representadas en la figura 3. El eje lateral corresponde a la variabilidad de las curvas, en el eje horizontal el número 1 el SMQ inicial, el número 2 SMQ cercano a la ter- mografía y el número 3 SMQ de alta médica. Los perfiles resultantes (clusters 1, 2, 3, 4, 5, 6) corresponden a una evolución lógica de un proceso patológico. Los clusters 7 y 8 muestran un aumento o mantienen el valor en las siguien- tes consultas a pesar del tratamiento. Por este motivo se analiza cada cluster mediante gráficos de las series en función de normalidad (clusters 4 y 6), erráticos (clusters 7 y 8) y factor centrado en los resultados de las pruebas (termografía y ecografía) en términos dicotómicos de positivo/ negativo (figuras 4 y 5). Las curvas de la figura 3 muestran una disminu- ción progresiva de SMQ en las diferentes con- sultas, siendo el descenso de las curvas con TIR positiva menos acusados, sobre todo con eco- grafía positiva específicamente en el cluster 6. Figura 3. Perfiles de comportamiento extraídos por análisis de clúster difuso.