Logotipo del repositorio
Logotipo del repositorio
 

Metodología de detección temprana de ansiedad y depresión en jóvenes de Barranquilla basado en Machine Learning (ML) y datos socioculturales

Vista sencilla de ítem
datacite.rightshttp://purl.org/coar/access_right/c_f1cf
dc.contributor.advisorMartínez Palmera, Olga
dc.contributor.advisorMontaño Ardila, Victor Manuel
dc.contributor.authorPeralta Fontalvo, Yisel Paola
dc.contributor.authorGnecco Ramos, Miguel Mauricio
dc.contributor.authorGiraldo Rojas, Maria Fernanda
dc.contributor.authorArenas Barrera, Oscar Giovanny
dc.contributor.authorTorres Gazabon, Julio Alberto
dc.date.accessioned2025-06-10T14:56:34Z
dc.date.available2025-06-10T14:56:34Z
dc.date.issued2025
dc.description.abstractLa salud mental de los jóvenes es un tema prioritario en la agenda educativa y social de Barranquilla, dada la creciente prevalencia de síntomas de ansiedad y depresión en contextos escolares. Este trabajo de grado propone una metodología de detección temprana de ansiedad y depresión en adolescentes, combinando técnicas de Machine Learning (ML) con el análisis de datos socioculturales, como una herramienta preventiva adaptada al contexto local. El estudio se enmarca en un enfoque mixto, que integra una fase cuantitativa basada en la aplicación de modelos predictivos como Random Forest sobre datos obtenidos de encuestas aplicadas a estudiantes y personal institucional, y una fase cualitativa para validar e interpretar los hallazgos desde una perspectiva contextual y profesional. Se utilizó muestreo intencional, incluyendo a 35 estudiantes del Distrito de Barranquilla, 3 psicólogas, 1 Directivo Docente. Las variables analizadas incluyen condiciones familiares, académicas y emocionales, cruzadas con factores sociales como redes de apoyo, acceso a recursos y nivel socioeconómico. Los resultados permiten identificar patrones asociados al riesgo de ansiedad y depresión, reforzados por el juicio experto de profesionales. Se proponen lineamientos para implementar esta metodología como parte de una política educativa preventiva y contextualizada, sin necesidad de desarrollar una aplicación informática.spa
dc.description.abstractMental health among young people is a priority issue on Barranquilla’s educational and social agenda, given the rising prevalence of anxiety and depression symptoms in school contexts. This thesis proposes a methodology for the early detection of anxiety and depression in adolescents, combining Machine Learning (ML) techniques with the analysis of sociocultural data as a preventive tool adapted to the local context. The study adopts a mixed-methods approach, integrating a quantitative phase based on the application of predictive models such as Random Forest to data obtained from surveys conducted with students and institutional personnel, and a qualitative phase aimed at validating and interpreting the findings from a contextual and professional perspective. Intentional sampling was used, involving 35 students from Barranquilla’s public education system, 3 psychologists, 1 educational coordinator. The variables analyzed include family, academic, and emotional conditions, along with social factors such as support networks, resource access, and socioeconomic level. The results reveal patterns associated with the risk of anxiety and depression, supported by expert professional judgment. Guidelines are proposed for implementing this methodology as part of a preventive and contextualized educational policy, without the need to develop a software application.eng
dc.format.mimetypepdf
dc.identifier.urihttps://hdl.handle.net/20.500.12442/16662
dc.language.isospa
dc.publisherEdiciones Universidad Simón Bolívarspa
dc.publisherFacultad de Ingenieríasspa
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internationaleng
dc.rights.accessrightsinfo:eu-repo/semantics/embargoedAccess
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectInteligencia artificialspa
dc.subjectSalud mentalspa
dc.subjectAdolescenciaspa
dc.subjectMachine learningspa
dc.subjectFactores Socioculturalesspa
dc.subject.keywordsArtificial intelligenceeng
dc.subject.keywordsMental healtheng
dc.subject.keywordsAdolescenceeng
dc.subject.keywordsMachine Learningeng
dc.subject.keywordsSociocultural Factorseng
dc.titleMetodología de detección temprana de ansiedad y depresión en jóvenes de Barranquilla basado en Machine Learning (ML) y datos socioculturalesspa
dc.type.driverinfo:eu-repo/semantics/other
dc.type.spaOtros
dcterms.referencesAgur-Pons, S., Rosselló-Ramón, M. R., Paz-Lourido, B., & Verger, S. (2021). El enfoque integrador de la metodología mixta en la investigación educativa. RELIEVE - Revista Electrónica de Investigación y Evaluación Educativa, 27(1), Artículo e21053. https://doi.org/10.30827/relieve.v27i1.21053spa
dcterms.referencesAlegría, M., NeMoyer, A., Falgàs Bagué, I., Wang, Y., & Alvarez, K. (2018). Social Determinants of Mental Health: Where We Are and Where We Need to Go. Current psychiatry reports, 20(11), 95. https://doi.org/10.1007/s11920-018-0969-9eng
dcterms.referencesBedoya Sandoval, J. F. . (2023). Detección temprana de alteraciones de salud mental en adolescentes escolarizados en Palmira Valle. Revista Médica Sanitas, 26(4). Vol. 26 Núm. 4 (2023): octubre-diciembre | Revista Médica Sanitasspa
dcterms.referencesCavioni, V., et al. (2021). Adolescents’ Mental Health at School: The Mediating Role of Life Satisfaction. Frontiers in Psychology. Disponible en: Frontiers Recuperado de https://www.frontiersin.org/journals/psychology/articles/10.3389/fpsyg.2021.720628/fulleng
dcterms.referencesCongreso de Colombia. (2013). Ley 1616 del 21 de enero de 2013: Por medio de la cual se expide la Ley de Salud Mental y se dictan otras disposiciones. https://www.minsalud.gov.co/sites/rid/Lists/BibliotecaDigital/RIDE/DE/PSP/ley-1616- del-21-de-enero-2013.pdfspa
dcterms.referencesCruz-Gonzalez, P., He, A. W.-J., Lam, E. P., Ng, I. M. C., Li, M. W., Hou, R., Chan, J. N.-M., Sahni, Y., Vinas Guasch, N., Miller, T., Lau, B. W.-M., & Sánchez Vidaña, D. I. (2025). Artificial intelligence in mental health care: A systematic review of diagnosis, monitoring, and intervention applications. Psychological Medicine, 55, e18. https://doi.org/10.1017/S0033291724003295eng
dcterms.referencesDe Lacy, N., Ramshaw, M. J., McCauley, E., Kerr, K. F., Kaufman, J., & Kutz, J. N. (2023). Predicting individual cases of major adolescent psychiatric conditions with artificial intelligence. Translational Psychiatry, 13, 314. https://doi.org/10.1038/s41398- 023-02599-9eng
dcterms.referencesDe Lacy, N., Ramshaw, M. J., & Kutz, J. N. (2022). Integrated evolutionary learning: An artificial intelligence approach to joint learning of features and hyperparameters for optimized, explainable machine learning. Frontiers in Artificial Intelligence, 5, 832530. https://doi.org/10.3389/frai.2022.832530eng
dcterms.referencesDepartamento Administrativo Nacional de Estadística [DANE]. (2021). Salud mental en Colombia: análisis de los efectos de la pandemia. https://www.dane.gov.co/files/investigaciones/notas-estadisticas/ago-2021-nota estadistica-salud-mental-en-colombia-analisis-efectos-pandspa
dcterms.referencesDíaz-Bravo, Laura, Torruco-García, Uri, Martínez-Hernández, Mildred, & Varela-Ruiz, Margarita. (2013). La entrevista, recurso flexible y dinámico. Investigación en educación médica, 2(7), 162-167. http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S2007- 50572013000300009&lng=es&tlng=esspa
dcterms.referencesDrira, M., Ben Hassine, S., Zhang, M., & Smith, S. (2024). Machine learning methods in stude nt mental health research: An ethics-centered systematic literature review. Applied Sciences, 14, 11738. https://doi.org/10.3390/app142411738eng
dcterms.referencesEl Tiempo. (2024, abril 25). En Barranquilla revelan que el 10% de universitarios registra problemas de salud mental: ¿cómo identificarlos? https://www.eltiempo.com/colombia/barranquilla/en-barranquilla-revelan-que-el-10-de universitarios-registra-problemas-de-salud-mental-como-identificarlos-343686spa
dcterms.referencesForo Económico Mundial. (2024). 14 innovaciones para abordar los retos de la salud mental de los jóvenes. Recuperado de https://es.weforum.orgspa
dcterms.referencesFrontiers in Psychology. (2024). Promoting mental health in children and adolescents through digital technology: A systematic review and meta-analysis. Recuperado de https://doi.org/10.3389/fpsyg.2024.1356554eng
dcterms.referencesGohari, M. R., Doggett, A., Patte, K. A., Ferro, M. A., Dubin, J. A., Hilario, C., & Leatherdale, S. T. (2024). Using random forest to identify correlates of depression symptoms among adolescents. Social Psychiatry and Psychiatric Epidemiology, 59(11), 2063–2071. https://doi.org/10.1007/s00127-024-02695-1eng
dcterms.referencesGuzmán Brand, V. A., & Gélvez García, L. E. (2024). Identificación de patrones a través de algoritmos de machine learning en los casos registrados de intentos suicidas en una ciudad de Colombia. Psicoespacios, 18(32). https://doi.org/10.25057/21452776.1634spa
dcterms.referencesHernández, R., Fernández, C., & Baptista, P. (2014). Metodología de la investigación (6.ª ed.). McGraw-Hill Education.spa
dcterms.referencesImmigration and Refugee Board of Canada. (2021, September 7). Colombia: Situation of individuals with mental health issues, including legislation, state protection, and availability of support services (2018–September 2021). https://irb-cisr.gc.ca/en/country information/rir/Pages/index.aspx?doc=458403&plseng
dcterms.referencesLiu, X., Guo, Y., Zhang, W., & Gao, W. (2022). Influencing factors, prediction and prevention of depression in college students: A literature review. World Journal of Psychiatry, 12(7), 860-873. https://doi.org/10.5498/wjp.v12.i7.860eng
dcterms.referencesMarcela Tabares Tabares, Consuelo Vélez Álvarez, Joshua Bernal Salcedo, Santiago Murillo Rendón. Anxiety in young people: Analysis from a machine learning model, Acta Psychologica, Volume 248,2024,104410,ISSN 0001-6918, https://doi.org/10.1016/j.actpsy.2024.104410eng
dcterms.referencesMardini M, Khalil G, Bai C, DivaKaran A, Ray J Identificación de la depresión y la ansiedad en adolescentes mediante datos reales y determinantes sociales de la salud: desarrollo y validación de modelos de aprendizaje automático. JMIR Ment Health 2025; URL: https://mental.jmir.org/2025/1/e66665 DOI:10.2196/66665spa
dcterms.referencesMartínez-Cabezas, S., Pinilla-Roncancio, M., Carrasquilla, G., Casas, G., & González Uribe, C. (2024). Prevalence of depression and anxiety in Colombia: What happened during Covid-19 pandemic? PLOS ONE, 19(10), e0282760. https://doi.org/10.1371/journal.pone.0282760eng
dcterms.referencesMinisterio de Ciencia, Tecnología e Innovación. (2021). Marco ético para la inteligencia artificial en Colombia. https://minciencias.gov.co/sites/default/files/marco-etico-ia colombia-2021.pdspa
dcterms.referencesMinisterio de Salud y Protección Social. (2024). Política Nacional de Salud Mental 2024- 2033. https://www.minsalud.gov.co/Anexos_Normatividad_Nuevo/Document-2025-01- 17T111829_306.pdfspa
dcterms.referencesMontes Arroyo, A. J., & Pacheco Pérez, P. T. (2024). Integración de IA y salud mental: Implementación de un sistema de asistencia virtual para la detección y atención de problemas psicológicos. Universidad Nacional Abierta y a Distancia. https://repository.unad.edu.co/handle/10596/65481spa
dcterms.referencesNickson, D., Meyer, C., Walasek, L., & Toro, C. (2023). Predicción y diagnóstico de la depresión mediante aprendizaje automático con datos de historias clínicas electrónicas: una revisión sistemática. BMC Medical Informatics and Decision Making, 23(1), 271. https://doi.org/10.1186/s12911-023-02341-xspa
dcterms.referencesOlawade, D. B., Wada, O. Z., Odetayo, A., David-Olawade, A. C., Asaolu, F., & Eberhardt, J. (2024). Enhancing mental health with artificial intelligence: Current trends and future prospects. Journal of Medicine, Surgery, and Public Health, 3, 100099. https://doi.org/10.1016/j.glmedi.2024.100099eng
dcterms.referencesOrganización Mundial de la Salud. (2021). Mental health of adolescents: Fact sheet. https://www.who.int/news-room/fact-sheets/detail/adolescent-mental-healtheng
dcterms.referencesParedes-Proaño, A., Hurtado-Flores, V., Basantes-Guerra, J., & Changotasig-Núñez, A. (2024). Sinergia entre Educación Emocional e Inteligencia Artificial: Hacia un Aprendizaje Integral y Personalizado en el Siglo XXI. Revista Social Fronteriza, 4(4), e384. https://doi.org/10.59814/resofro.2024.4(4)384spa
dcterms.referencesParra Tijaro, A. F., Argüello Gutiérrez, Y. P. ., & Castro Jiménez, L. E. . (2024). Salud Mental en los Estilos de Vida de jóvenes universitarios: MODELO PRECEDE. Revista Científica Salud Uninorte, 40(2), 560–574. https://doi.org/10.14482/sun.40.02.722.277spa
dcterms.referencesReyes Ruiz, L., Neira Hoyos, A. C., Torres Osorio, Y. E., Herrera Avendaño, L. A., & Espolania Brochero, R. T. (2021). Salud mental y factores asociados a la depresión en estudiantes universitarios. Tejidos Sociales, 3(1), 1–6. https://revistas.unisimon.edu.co/index.php/tejsociales/article/download/4764/4963eng
dcterms.referencesSecretaría de Salud de Barranquilla. (2023). Análisis de situación de salud: Barranquilla 2023. Ministerio de Salud y Protección Social. https://www.minsalud.gov.co/sites/rid/Lists/BibliotecaDigital/RIDE/VS/ED/PSP/asis barranquilla-2023.pdspa
dcterms.referencesTate, A. E., McCabe, R. C., Larsson, H., Lundström, S., Lichtenstein, P., & Kuja Halkola, R. (2020). Predicting mental health problems in adolescence using machine learning techniques. PloS one, 15(4), e0230389. https://doi.org/10.1371/journal.pone.0230389eng
dcterms.referencesTuesca-Molina, Rafael, Centeno Romero, Hermín, de la Ossa Salgado, María, García Delgado, Nayda, & Lobo López, Jenny. (2008). Calidad de vida relacionada con la salud y determinantes sociodemográficos en adolescentes de Barranquilla (Colombia). Revista Salud Uninorte , 24 (1), 53-63. Recuperado el 05 de mayo de 2025, de http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120- 55522008000100007&lng=en&tlng=espa
dcterms.referencesUNICEF. (2021). El estado mundial de la infancia 2021: En mi mente: promover, proteger y cuidar la salud mental de la infancia. https://www.unicef.org/es/informes/estado-mundial-de-la-infancia-2021spa
dcterms.referencesUNICEF. (2024). Informe mundial sobre salud mental y bienestar de los jóvenes. Ginebra: UNICEF.spa
dcterms.referencesWertis, L., Sugg, M. M., Runkle, J. D., & Rao, D. (2023). Socio-environmental determinants of mental and behavioral disorders in youth: A machine learning approach. GeoHealth, 7, e2023GH000839. https://doi.org/10.1029/2023GH000839eng
dcterms.referencesWorld Economic Forum. (2023). How AI could help improve access to mental health treatment. Disponible en: World Economic Forumeng
oaire.versioninfo:eu-repo/semantics/acceptedVersion
sb.investigacionSalud mental, innovación tecnológica y desarrollo socialspa
sb.programaEspecialización en Gerencia de Proyectosspa
sb.sedeSede Barranquillaspa

Archivos

Bloque original
Mostrando 1 - 2 de 2
No hay miniatura disponible
Nombre:
PDF_Resumen.pdf
Tamaño:
272.11 KB
Formato:
Adobe Portable Document Format
Descargar
No hay miniatura disponible
Nombre:
PDF.pdf
Tamaño:
1.38 MB
Formato:
Adobe Portable Document Format
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
2.93 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Especialización

Universidad Simón Bolívar: Todos los derechos reservados / Sistema de biblioteca