Series temporales con algoritmos de machine learning: una herramienta para comprender y predecir la conducta suicida en la ciudad de Bogotá, Colombia
Objetivo: analizar los datos sobre la conducta suicida en la ciudad de Bogotá, Colombia, y su predicción mediante series temporales empleando algoritmos de machine learning. Metodología: se emplea el método KDD (Knowledge Discovery in Databases), el cual consiste un proceso de minería de datos a tr...
Saved in:
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Institución Universitaria de Envigado
2025-08-01
|
| Series: | Psicoespacios |
| Subjects: | |
| Online Access: | https://revistas.iue.edu.co/index.php/Psicoespacios/article/view/1681 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Objetivo: analizar los datos sobre la conducta suicida en la ciudad de Bogotá, Colombia, y su predicción mediante series temporales empleando algoritmos de machine learning. Metodología: se emplea el método KDD (Knowledge Discovery in Databases), el cual consiste un proceso de minería de datos a través de varias etapas definidas. Este enfoque facilita la extracción de patrones a partir de grandes volúmenes de datos. En la etapa de modelado de datos, se utilizan modelos de series temporales para proyectar estimaciones sobre los casos futuros abarcando el horizonte de los próximos dos años. Resultados: las mujeres representan el 64.9% de los intentos de suicidio, la etapa de la juventud registra el mayor número de casos (9,954). La ideación suicida es más alta en la adolescencia (36.4%), y las localidades de Kennedy, Bosa y Suba lideran en casos. El suicidio consumado ha mostrado un incremento, y es mayor en los hombres (77.3%). El modelo XGBoost se destacó en la predicción de intentos suicidas para los próximos años. Discusiones: los casos de intento de suicidio, ideación suicida y suicidio consumado muestran una tendencia creciente, especialmente en los últimos cuatro años, con un aumento en las etapas de desarrollo de la juventud y adolescencia. Afectan al género femenino el intento de suicidio, y al masculino, el suicidio consumado. Conclusiones: la evaluación de los modelos mostró que XGBoost presentó el mejor rendimiento. Las proyecciones indican un aumento en los casos de intento de suicidio para el 2024 y el 2025, con incrementos estimados del 1.31% y 0.96% respectivamente.
|
|---|---|
| ISSN: | 2145-2776 |