Analítica predictiva como apoyo en la salud pública: modelos de pronóstico en salud mental con series de tiempo

• Autores: Andrea Cifuentes Madrigal, Tomás Simón Gómez Méndez, Maritza Jiménez
• Localización: Revista EIA, ISSN-e 1794-1237, Vol. 21, Nº. 42, 2024
• Idioma: español
• Títulos paralelos:
  • Predictive analytics for policymakers: time-series forecasting for mental health
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    La salud mental ha sido declarada por la Organización Mundial de la Salud (OMS) como un asunto de interés prioritario en la salud pública internacional. En el caso particular de Colombia, se ha destacado la importancia de la atención a la salud mental incluyendo el fenómeno del suicidio. En este sentido, los entes reguladores han buscado alternativas que solucionen o contribuyan a la mitigación de esta problemática. En dicho contexto, se hace pertinente realizar contribuciones académicas en torno al desarrollo de herramientas que faciliten la toma de decisiones de los entes gubernamentales, por ejemplo, a través de la formulación de modelos de pronóstico que permita identificar tendencias y patrones de comportamiento de los intentos de suicidio.

    Este artículo contribuye con esta brecha en la literatura para el caso particular de los casos de intentos de suicidio en la ciudad de Medellín, Colombia, a través del uso de analítica prescriptiva. Este trabajo presenta el ajuste, validación y comparación de tres diferentes modelos de series temporales, bajo criterios de mínimo error de pronóstico. Los modelos comparados incluyen aproximaciones paramétricas, Holt-Winters y Box-Jenkins; y se identifica que, para los datos analizados, el modelo paramétrico de componentes aditivos cúbico estacional con errores ARMA(0,5) es el que presenta menor error de pronóstico. Los resultados indican que este modelo logra capturar las tendencias del fenómeno, y que tiene un bajo nivel de error para la proyección en cuanto a tendencias cercanas, pero que no logra dar respuesta a los cambios repentinos en la estructura como los que ocurrieron en la pandemia de COVID-19.

  • English

    Mental health has been identified by the World Health Organization (WHO) as a matter of concern internationally. In Colombia, specifically, the importance of mental health care, including the phenomenon of suicide, has been highlighted. In this regard, policymakers have sought alternatives to address or mitigate this issue. In this context, research becomes relevant regarding the development of tools that facilitate decision-making for governmental authorities, for example, through the formulation of forecasting models that enable the identification of trends and patterns of behaviour of suicide attempts.

    The objective of this study is to formulate and select a regional forecasting model for suicide attempts by means of predictive analytics techniques. This paper contributes to fill the gap in the case of suicide attempts in the city of Medellín, Colombia. The fitting, validation and comparison of three different time series models, under minimum forecast error criteria is presented. The compared models include parametric, Holt-Winters and Box-Jenkins approximations; For the analysed data, the parametric model with cubic, seasonal and ARMA(0.5) components is the one with the lowest forecast error. This model manages to capture the trends of the phenomenon, with a low level of error for the projection for nearby trends, but it does not manage to respond to sudden changes in structure such as those that occurred in the COVID-19 pandemic.