Identificación de patrones a través de algoritmos de machine learning en los casos registrados de intentos suicidas en una ciudad de Colombia

• Guzmán-Brand, Víctor Alfonso ^[1] ; Gélvez-García, Laura Esperanza ^[1]
  1. [1] Corporación Unificada Nacional de Educación Superior
• Localización: Psicoespacios: Revista virtual de la Institución Universitaria de Envigado, ISSN-e 2145-2776, Vol. 18, Nº. 32, 2024 (Ejemplar dedicado a: Enero - Junio), pág. 3
• Idioma: español
• Títulos paralelos:
  • Identification of patterns through machine learning algorithms in registered cases of suicide attempts in a Colombian city
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Objetivo: identificar patrones en los casos de intentos suicidas reportados en el Sistema Nacional de Vigilancia en Salud Pública por la alcaldía de Bucaramanga, Colombia, durante el período 2016-2023. Metodología: se emplea un enfoque cuantitativo con el propósito de describir, explicar y predecir los fenómenos estudiados, utilizando el método Knowledge Discovery in Databases para guiar el proceso de minería de datos. Resultados: se muestra una alta concentración de intentos suicidas, especialmente en el año 2022, por lo que se subraya la importancia de implementar estrategias específicas para diferentes grupos de edad y género. Discusión: se destaca que los jóvenes representan el 40,5 % de los casos, con un riesgo aumentado en el trascurso de la pandemia, especialmente entre aquellos con trastornos mentales. Las mujeres constituyen el 60,5 % de los casos, mayormente en áreas urbanas y en el régimen contributivo de salud. Conclusiones: se enfatiza en la importancia de considerar los antecedentes de intentos previos, las tensiones con la pareja y el uso de sustancias psicoactivas como factores de riesgo. Además, se resalta la conexión entre trastornos mentales e intentos suicidas, señalando la intoxicación como el método más común. Se subraya un riesgo mayor en personas vulnerables a diversas formas de violencia y condiciones socioeconómicas precarias. El método Random Forest demuestra ser efectivo para identificar factores clave, mientras que los algoritmos aplicados de machine learning podrían mejorar la detección temprana.

  • English

    Objective: to identify patterns in the cases of suicide attempts reported in the National Public Health Surveillance System by the mayor's office of the city of Bucaramanga, Colombia, during the period 2016-2023. Methodology: a quantitative approach is employed with the purpose of describing, explaining and predicting the phenomena studied, using the Knowledge Discovery in Databases method to guide the data mining process. Results: a high concentration of suicide attempts is shown, especially in the year 2022, underlining the importance of specific strategies for different age and gender groups. Discussion: it is highlighted that young people represent 40.5% of the cases, with an increased risk in the course of the pandemic, especially among those with mental disorders. Women account for 60.5% of cases, mostly in urban areas and in the contributory health care system. Conclusions: the importance of considering a history of previous attempts, tensions with the partner and the use of psychoactive substances as risk factors is emphasized. In addition, the connection between mental disorders and suicide attempts is highlighted, pointing out intoxication as the most common method. A higher risk is highlighted in people vulnerable to various forms of violence and precarious socioeconomic conditions. The Random Forest method proves to be effective in identifying key factors, while applied machine learning algorithms could improve early detection.