article
Método para identificar y pronosticar riesgo suicida perfiles de en adolescentes mediante técnicas de análisis de conglomerado y red neuronal artificial
Fecha
2019Autor
Reyes-Ruiz, Lizeth
De La Hoz Granadillo, Efraín Javier
Carmona Alvarado, Farid Alejandro
Institución
Resumen
En este trabajo de investigación, se presenta un método para
identificar y pronosticar perfiles de riesgo suicida en adolescentes
a partir del caso de estudio de estudiantes de secundaria
de escuela pública del departamento del Atlántico.
Como fundamento teórico se utilizó la literatura asociada a
la evaluación del riesgo suicida, el análisis de conglomerados
y las redes neuronales artificiales. Para lo anterior, se
tomó información relacionada con los factores de riesgo suicida
desesperanza, ideación, aislamiento y apoyo familiar de
una muestra de 119 estudiantes adolescentes de los grados
noveno al undécimo del departamento del Atlántico. Como
resultado se desarrolló un método para identificar, valorar y
pronosticar perfiles de riesgo suicida en adolescentes. Se
concluye que el análisis de conglomerados mostró condiciones
favorables para clasificar 4 perfiles característicos de
riesgo suicida y las redes neuronales artificiales capacidad
de pronosticar con una probabilidad del 95,5% de clasificación
correcta. This article presents the profiles of suicide risk in 119 adolescent
high school students of public schools of the department
of Atlántico. As a theoretical basis, the literature associated
with the evaluation of suicide risk, the analysis of conglomerates
and the artificial neural networks were used. For the
above, information was taken related to suicidal risk factors,
hopelessness, ideation, isolation and family support. As a result,
a method was developed to identify, assess and predict
suicide risk profiles in adolescents. It is concluded that the
cluster analysis showed favorable conditions to classify 4
characteristic profiles of suicide risk and artificial neural networks
with a capacity to predict with a 95.5% probability of
correct classification.