Autor/autores:
Yanmei Shen , Wenyu Zhang , Bella Siu Man Chan...(et.al)
Introducción El suicidio ha emergido como una de las principales preocupaciones para la salud y el bienestar públicos a nivel mundial. La detección temprana de los factores de riesgo de suicidio sigue siendo un desafío significativo, particularmente entre poblaciones vulnerables como los estudiantes universitarios de medicina. El objetivo de este estudio fue desarroll...
Estás viendo una versión reducida de este contenido.
Para consultar la información completa debes registrarte gratuitamente.
Tan sólo te llevará unos segundos.
Y si ya estás registrado inicia sesión pulsando aquí.
El suicidio ha emergido como una de las principales preocupaciones para la salud y el bienestar públicos a nivel mundial. La detección temprana de los factores de riesgo de suicidio sigue siendo un desafío significativo, particularmente entre poblaciones vulnerables como los estudiantes universitarios de medicina.
El objetivo de este estudio fue desarrollar y validar un algoritmo de aprendizaje automático capaz de identificar de manera efectiva y precisa la probabilidad de intentos de suicidio en esta población específica.
En este estudio transversal, se inscribieron un total de 4, 882 estudiantes de medicina. La recolección de datos se realizó a través de autoinformes en línea, utilizando una plataforma web y la aplicación de redes sociales WeChat, ampliamente utilizada en el contexto del estudio.
Los datos recopilados incluían una variedad de características sociodemográficas y clínicas. Para la construcción del modelo predictivo, se utilizó un enfoque de validación cruzada de 5 veces, implementado en un algoritmo de bosque aleatorio. Este modelo incorporó 37 predictores distintos de intentos de suicidio.
El rendimiento del modelo fue evaluado en términos de sensibilidad, especificidad, área bajo la curva (AUC) y precisión. Todos los análisis estadísticos y la construcción del modelo se llevaron a cabo utilizando MATLAB.
El modelo de bosque aleatorio demostró un rendimiento robusto en la predicción de intentos de suicidio entre los estudiantes de medicina. Los resultados incluyeron un área bajo la curva (AUC) de 0. 9255, indicando una excelente capacidad predictiva del modelo. La precisión del modelo fue del 90. 1% (DE = 0. 67%), con una sensibilidad del 73. 51% (DE = 2. 33%) y una especificidad del 91. 68% (DE = 0. 82%).
Una limitación importante del estudio es que la mayoría de los participantes eran mujeres, lo que podría afectar la generalización de los resultados a poblaciones más diversas. Además, la muestra estaba compuesta exclusivamente por estudiantes de medicina, lo cual podría limitar la aplicabilidad del modelo a otros grupos de estudiantes o a poblaciones no académicas.
Los hallazgos de este estudio demuestran que un modelo de bosque aleatorio puede predecir con alta precisión los intentos de suicidio entre estudiantes universitarios de medicina.
La elevada AUC y los valores de sensibilidad y especificidad sugieren que el uso de este modelo de aprendizaje automático tiene un gran potencial para mejorar la eficiencia de los esfuerzos de prevención del suicidio. Este enfoque podría ser implementado como una herramienta complementaria en los programas de salud mental universitarios, permitiendo una intervención temprana y más dirigida para aquellos en mayor riesgo. En resumen, este estudio destaca el potencial del aprendizaje automático en la identificación temprana de riesgos de suicidio, subrayando la importancia de continuar desarrollando y perfeccionando estos métodos para salvar vidas en poblaciones vulnerables.
Para acceder al texto completo consulte las características de suscripción de la fuente original:https://www. sciencedirect. com/
