Resumen
La desregulación emocional (DE) constituye un factor de riesgo en universitarios, asociada a depresión, ansiedad, conductas autolesivas y suicidas, alimentación y consumo de sustancias. A nivel global, un 33.6% de universitarios reporta ansiedad y un 30% depresión; en EE. UU., en 2023, el 76% reportó angustia psicológica moderada o severa. En Puerto Rico, en una población universitaria entre 2015–2023 se observó un incremento de los significativo de pensamientos suicidas, autolesiones no suicidas, intentos suicidas y consumo de alcohol/drogas. Esto subraya la necesidad de estrategias para detección temprana. Se desarrolló y validó un modelo supervisado de aprendizaje automático (ML) para pre-identificar posibles casos de DE a partir de registros (CCAPS-62 y entrevistas iniciales), y aprobados por el IRB. La variable objetivo se definió a partir de criterios clínicos y se clasificó como “positivo” todo estudiante que cumpliera cinco o más criterios del TLP según DSM-5-TR, o que presentara historial de CASIS y/o ideación/intento suicida. El objetivo no fue realizar un diagnóstico, sino identificar patrones de desregulación alineado con la teoría biosocial de Linehan, que reinterpreta estas categorías como dimensiones de desregulación. Se analizaron 1,230 registros con preprocesamiento, imputación de valores faltantes y balanceo mediante submuestreo aleatorio. Se evaluaron algoritmos de clasificación (Random Forest, Regresión Logística, SVM, KNN, Naive Bayes) y un modelo de ensamble, que mostró el mejor rendimiento: sensibilidad (recall) 94.1%, precisión 0.87, F1=0.90 y AUC=0.95. Los resultados evidenciaron que el modelo desarrollado puede apoyar la práctica clínica al facilitar la identificación temprana de estudiantes en riesgo.
Presentadores
Jose Serra-TaylorSocial Worker, DCODE, University of Puerto Rico, Puerto Rico, United States
Details
Presentation Type
Ponencia temática de un trabajo
Theme
Las ciencias de la salud interdisciplinares
KEYWORDS
Desregulación Emocional, Aprendizaje Automático Supervisado, Modelos Predictivos, Detección Temprana
