Método para identificar y pronosticar riesgo suicida perfiles de en adolescentes mediante técnicas de análisis de conglomerado y red neuronal artificial

En este trabajo de investigación, se presenta un método para identificar y pronosticar perfiles de riesgo suicida en adolescentes a partir del caso de estudio de estudiantes de secundaria de escuela pública del departamento del Atlántico. Como fundamento teórico se utilizó la literatura asociada a l...

Full description

Autores:
Reyes-Ruiz, Lizeth
De La Hoz Granadillo, Efraín Javier
Carmona Alvarado, Farid Alejandro
Tipo de recurso:
Fecha de publicación:
2019
Institución:
Universidad Simón Bolívar
Repositorio:
Repositorio Digital USB
Idioma:
spa
OAI Identifier:
oai:bonga.unisimon.edu.co:20.500.12442/4271
Acceso en línea:
https://hdl.handle.net/20.500.12442/4271
Palabra clave:
Riesgo suicida
Análisis de conglomerado
Redes neuronales artificiales
Suicide risk
Conglomerate analysis
Artificial neural network
Rights
License
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Description
Summary:En este trabajo de investigación, se presenta un método para identificar y pronosticar perfiles de riesgo suicida en adolescentes a partir del caso de estudio de estudiantes de secundaria de escuela pública del departamento del Atlántico. Como fundamento teórico se utilizó la literatura asociada a la evaluación del riesgo suicida, el análisis de conglomerados y las redes neuronales artificiales. Para lo anterior, se tomó información relacionada con los factores de riesgo suicida desesperanza, ideación, aislamiento y apoyo familiar de una muestra de 119 estudiantes adolescentes de los grados noveno al undécimo del departamento del Atlántico. Como resultado se desarrolló un método para identificar, valorar y pronosticar perfiles de riesgo suicida en adolescentes. Se concluye que el análisis de conglomerados mostró condiciones favorables para clasificar 4 perfiles característicos de riesgo suicida y las redes neuronales artificiales capacidad de pronosticar con una probabilidad del 95,5% de clasificación correcta.