Desarrollo computacional para el análisis y toma de decisiones en datos de intentos de suicidio, utilizando estrategias de machine learning

El presente proyecto busca demostrar de manera practica como el Machine Learning es una herramienta poderosa en la predicción de comportamientos o escenarios en cualquier área tomando como referencia casos de intentos de suicidio en Rionegro, Antioquia. Utilizando la base de datos del Sistema de Vig...

Full description

Autores:
García Salazar, María Mercedes
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2024
Institución:
Corporación Universitaria Remington
Repositorio:
Repositorio institucional Uniremington
Idioma:
spa
OAI Identifier:
oai:repositorio.uniremington.edu.co:123456789/3801
Acceso en línea:
https://repositorio.uniremington.edu.co/handle/123456789/3801
Palabra clave:
Intentos de suicidio
Dataset
Análisis de datos
Machine learning
Clasificación
Regresión
Aprendizaje automático (Inteligencia artificial)
Suicidio
Salud mental
Rights
openAccess
License
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
id URemingtn2_40ddc7ddc3d4b861e6a30b066429a4b5
oai_identifier_str oai:repositorio.uniremington.edu.co:123456789/3801
network_acronym_str URemingtn2
network_name_str Repositorio institucional Uniremington
repository_id_str
dc.title.spa.fl_str_mv Desarrollo computacional para el análisis y toma de decisiones en datos de intentos de suicidio, utilizando estrategias de machine learning
title Desarrollo computacional para el análisis y toma de decisiones en datos de intentos de suicidio, utilizando estrategias de machine learning
spellingShingle Desarrollo computacional para el análisis y toma de decisiones en datos de intentos de suicidio, utilizando estrategias de machine learning
Intentos de suicidio
Dataset
Análisis de datos
Machine learning
Clasificación
Regresión
Aprendizaje automático (Inteligencia artificial)
Suicidio
Salud mental
title_short Desarrollo computacional para el análisis y toma de decisiones en datos de intentos de suicidio, utilizando estrategias de machine learning
title_full Desarrollo computacional para el análisis y toma de decisiones en datos de intentos de suicidio, utilizando estrategias de machine learning
title_fullStr Desarrollo computacional para el análisis y toma de decisiones en datos de intentos de suicidio, utilizando estrategias de machine learning
title_full_unstemmed Desarrollo computacional para el análisis y toma de decisiones en datos de intentos de suicidio, utilizando estrategias de machine learning
title_sort Desarrollo computacional para el análisis y toma de decisiones en datos de intentos de suicidio, utilizando estrategias de machine learning
dc.creator.fl_str_mv García Salazar, María Mercedes
dc.contributor.advisor.none.fl_str_mv Briñez de León, Juan Carlos
dc.contributor.author.none.fl_str_mv García Salazar, María Mercedes
dc.subject.spa.fl_str_mv Intentos de suicidio
Dataset
Análisis de datos
Machine learning
Clasificación
Regresión
topic Intentos de suicidio
Dataset
Análisis de datos
Machine learning
Clasificación
Regresión
Aprendizaje automático (Inteligencia artificial)
Suicidio
Salud mental
dc.subject.lemb.none.fl_str_mv Aprendizaje automático (Inteligencia artificial)
Suicidio
Salud mental
description El presente proyecto busca demostrar de manera practica como el Machine Learning es una herramienta poderosa en la predicción de comportamientos o escenarios en cualquier área tomando como referencia casos de intentos de suicidio en Rionegro, Antioquia. Utilizando la base de datos del Sistema de Vigilancia en Salud Pública (SIVIGILA) recopilados por la Alcaldía de Rionegro entre 2016 y 2021. Para el ejercicio se desarrolló un modelo predictivo que pretende analiza variables clave como edad, estrato socioeconómico, área de ocurrencia y sexo para identificar patrones y factores de riesgo asociados a los intentos de suicidio. Los resultados muestran que los algoritmos de Machine Learning, pueden predecir las posibles tendencias de suicidio futuras basadas en datos históricos. Esto permite a los profesionales de salud mental y a las autoridades implementar medidas preventivas más efectivas y personalizadas, reduciendo así la incidencia de intentos de suicidio y mejorando la atención a quienes están en riesgo. Además, se destacan las conclusiones sobre la importancia de la edad como factor predominante en los registros de intentos de suicidio, subrayando la necesidad de políticas públicas específicas y programas de intervención adaptados a las características demográficas locales.
publishDate 2024
dc.date.accessioned.none.fl_str_mv 2024-08-03T13:00:54Z
dc.date.available.none.fl_str_mv 2024-08-03T13:00:54Z
dc.date.issued.none.fl_str_mv 2024
dc.type.spa.fl_str_mv Trabajo de grado - Pregrado
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.coarversion.spa.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.content.spa.fl_str_mv Text
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TP
dc.type.local.none.fl_str_mv Tesis/Trabajo de grado - Monografía - Pregrado
format http://purl.org/coar/resource_type/c_7a1f
status_str publishedVersion
dc.identifier.uri.none.fl_str_mv https://repositorio.uniremington.edu.co/handle/123456789/3801
url https://repositorio.uniremington.edu.co/handle/123456789/3801
dc.language.iso.spa.fl_str_mv spa
language spa
dc.rights.spa.fl_str_mv Derechos Reservados - Corporación Universitaria Remington, 2024
dc.rights.license.spa.fl_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.uri.spa.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
Derechos Reservados - Corporación Universitaria Remington, 2024
https://creativecommons.org/licenses/by-nc-nd/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.none.fl_str_mv 20 p.
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.publisher.spa.fl_str_mv Corporación Universitaria Remington
dc.publisher.place.spa.fl_str_mv Medellín (Antioquia, Colombia)
dc.publisher.faculty.spa.fl_str_mv Facultad de Ingenierías
dc.publisher.program.spa.fl_str_mv Ingeniería Industrial
institution Corporación Universitaria Remington
bitstream.url.fl_str_mv https://repositorio.uniremington.edu.co/bitstreams/f102fab2-f02e-49f3-b6eb-6cc840c2b609/download
https://repositorio.uniremington.edu.co/bitstreams/69ad9a36-3c45-4437-a191-049e4cbd2dda/download
https://repositorio.uniremington.edu.co/bitstreams/68d8dd26-1f38-46e1-9f1d-1db8dade0704/download
https://repositorio.uniremington.edu.co/bitstreams/1d2cb7ca-5989-4887-b5e1-34a98f9a5c13/download
https://repositorio.uniremington.edu.co/bitstreams/9345e2ff-6331-4c14-a7db-65e7c1621396/download
bitstream.checksum.fl_str_mv 706b9f853f2b809c8dbc756903cd1cfa
62131ccdd68f3b713a7994344cebfcce
2594144acbc6e674039d90226e986f96
8a4605be74aa9ea9d79846c1fba20a33
79223dfdc46c12d04aadb521932c2235
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio UNIREMINGTON
repository.mail.fl_str_mv biblioteca@uniremington.edu.co
_version_ 1812100437492367360
spelling Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)Derechos Reservados - Corporación Universitaria Remington, 2024https://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Briñez de León, Juan CarlosGarcía Salazar, María Mercedes2024-08-03T13:00:54Z2024-08-03T13:00:54Z2024https://repositorio.uniremington.edu.co/handle/123456789/3801El presente proyecto busca demostrar de manera practica como el Machine Learning es una herramienta poderosa en la predicción de comportamientos o escenarios en cualquier área tomando como referencia casos de intentos de suicidio en Rionegro, Antioquia. Utilizando la base de datos del Sistema de Vigilancia en Salud Pública (SIVIGILA) recopilados por la Alcaldía de Rionegro entre 2016 y 2021. Para el ejercicio se desarrolló un modelo predictivo que pretende analiza variables clave como edad, estrato socioeconómico, área de ocurrencia y sexo para identificar patrones y factores de riesgo asociados a los intentos de suicidio. Los resultados muestran que los algoritmos de Machine Learning, pueden predecir las posibles tendencias de suicidio futuras basadas en datos históricos. Esto permite a los profesionales de salud mental y a las autoridades implementar medidas preventivas más efectivas y personalizadas, reduciendo así la incidencia de intentos de suicidio y mejorando la atención a quienes están en riesgo. Además, se destacan las conclusiones sobre la importancia de la edad como factor predominante en los registros de intentos de suicidio, subrayando la necesidad de políticas públicas específicas y programas de intervención adaptados a las características demográficas locales.PregradoIngeniero(a) Industrial20 p.application/pdfspaCorporación Universitaria RemingtonMedellín (Antioquia, Colombia)Facultad de IngenieríasIngeniería IndustrialIntentos de suicidioDatasetAnálisis de datosMachine learningClasificaciónRegresiónAprendizaje automático (Inteligencia artificial)SuicidioSalud mentalDesarrollo computacional para el análisis y toma de decisiones en datos de intentos de suicidio, utilizando estrategias de machine learningTrabajo de grado - Pregradoinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_970fb48d4fbd8a85Textinfo:eu-repo/semantics/bachelorThesishttp://purl.org/redcol/resource_type/TPTesis/Trabajo de grado - Monografía - PregradoPublicationTEXTRIU-PRE-2024 Desarrollo computacional analisis.pdf.txtRIU-PRE-2024 Desarrollo computacional analisis.pdf.txtExtracted texttext/plain29779https://repositorio.uniremington.edu.co/bitstreams/f102fab2-f02e-49f3-b6eb-6cc840c2b609/download706b9f853f2b809c8dbc756903cd1cfaMD54THUMBNAILRIU-PRE-2024 Desarrollo computacional analisis.pdf.jpgRIU-PRE-2024 Desarrollo computacional analisis.pdf.jpgGenerated Thumbnailimage/jpeg3110https://repositorio.uniremington.edu.co/bitstreams/69ad9a36-3c45-4437-a191-049e4cbd2dda/download62131ccdd68f3b713a7994344cebfcceMD55ORIGINALRIU-PRE-2024 Desarrollo computacional analisis.pdfRIU-PRE-2024 Desarrollo computacional analisis.pdfapplication/pdf551635https://repositorio.uniremington.edu.co/bitstreams/68d8dd26-1f38-46e1-9f1d-1db8dade0704/download2594144acbc6e674039d90226e986f96MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.uniremington.edu.co/bitstreams/1d2cb7ca-5989-4887-b5e1-34a98f9a5c13/download8a4605be74aa9ea9d79846c1fba20a33MD52Cesión Derechos_TG.pdfapplication/pdf236157https://repositorio.uniremington.edu.co/bitstreams/9345e2ff-6331-4c14-a7db-65e7c1621396/download79223dfdc46c12d04aadb521932c2235MD53123456789/3801oai:repositorio.uniremington.edu.co:123456789/38012024-08-03 14:45:14.066https://creativecommons.org/licenses/by-nc-nd/4.0/Derechos Reservados - Corporación Universitaria Remington, 2024open.accesshttps://repositorio.uniremington.edu.coRepositorio UNIREMINGTONbiblioteca@uniremington.edu.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

Publicaciones similares