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

Abstract

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.