Heterogeneidad del Riesgo y Patrones Temporales de la Conducta Suicida en Colombia (2015-2023): Una Aproximación desde la Ciencia de Datos y el Modelado Predictivo
El presente proyecto de profundización tiene como propósito analizar la heterogeneidad del riesgo y los patrones temporales de la conducta suicida en Colombia durante el periodo 2015-2023, mediante técnicas de ciencia de datos y modelado predictivo. Se emplearon fuentes oficiales del Instituto Nacio...
- Autores:
-
Sanz Llache, Miguel
Palomino Andrade, Jorge Enrique
- Tipo de recurso:
- Fecha de publicación:
- 2025
- Institución:
- Universidad de Ibagué
- Repositorio:
- Repositorio Universidad de Ibagué
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unibague.edu.co:20.500.12313/5895
- Acceso en línea:
- https://hdl.handle.net/20.500.12313/5895
- Palabra clave:
- Conducta Suicida en Colombia (2015-2023) - Heterogeneidad
Conducta Suicida en Colombia (2015-2023) - Patrones temporales
Conducta Suicida en Colombia (2015-2023) - Riesgos temporales
Ciencia de datos
Modelado predictivo
Salud mental
Conducta suicida
Series de tiempo interrumpidas
Heterogeneidad del riesgo
Colombia
Data science
Predictive modeling
Mental health
Suicidal behavior
Interrupted time series
Risk heterogeneity
- Rights
- openAccess
- License
- http://purl.org/coar/access_right/c_abf2
| Summary: | El presente proyecto de profundización tiene como propósito analizar la heterogeneidad del riesgo y los patrones temporales de la conducta suicida en Colombia durante el periodo 2015-2023, mediante técnicas de ciencia de datos y modelado predictivo. Se emplearon fuentes oficiales del Instituto Nacional de Medicina Legal y Ciencias Forenses (INMLCF) y del Sistema Nacional de Vigilancia en Salud Pública (SIVIGILA), integrando 1,247,583 registros que incluyen 28,595 suicidios consumados y 241,988 intentos notificados. La metodología se estructuró en tres fases: (i) extracción, depuración y análisis exploratorio de datos (ETL y EDA) con una calidad post-procesamiento del 97.6%; (ii) modelamiento predictivo basado en algoritmos de aprendizaje supervisado (Random Forest con AUC=0.81) y métodos de reducción de dimensionalidad no supervisados (PCA explicando 49.9% de varianza) para estimar factores de riesgo diferenciales; y (iii) análisis de series de tiempo interrumpidas (ITS) para detectar variaciones significativas y puntos de inflexión en las tasas nacionales y por subgrupos poblacionales. Los resultados evidencian una marcada heterogeneidad del riesgo entre hombres y mujeres ((razón 3.27:1 en suicidio consumado y razón inversa mujer/hombre 1.70:1 en intentos de suicidio), zonas urbanas y rurales, y grupos etarios, así como una reducción estadísticamente significativa de 0.14 puntos (p=0.0303), representando una disminución del 17,5% en las tasas posteriores a la implementación de la Política Nacional de Salud Mental 2018 e impactos iniciales del COVID-19 (2019-2020). El estudio aporta una aproximación empírica robusta que fortalece la comprensión del comportamiento suicida desde la analítica de datos y ofrece insumos concretos para la focalización territorial y temporal de intervenciones en salud mental. |
|---|
