Modelos de machine learning para predecir ideación suicida: un análisis de factores psicológicos en estudiantes universitarios

Abstract

En este estudio se implementan y evalúan diversos modelos de machine learning para predecir la ideación suicida en estudiantes universitarios, utilizando datos psicológicos y demográficos en sus versiones numéricas y categóricas. Los modelos utilizados incluyen Regresión Logística, Random Forest, SVM, Redes Neuronales y XGBoost, aplicados con y sin técnicas de reducción de características (RFECV) y balanceo de clases. Los principales resultados indican que los modelos de Regresión Logística optimizada con datos numéricos y XGBoost con RFECV fueron las más efectivas en términos de equilibrar las métricas de recall y accuracy. El análisis de importancia de características destaca la relevancia de variables como la depresión, la desesperanza, la soledad y un diagnóstico de neurodivergencia en la predicción de riesgo suicida. Específicamente, se encontró que tener ”Depresión Normal” podría considerarse un factor protector en comparación con tener niveles más elevados de depresión, así como también la ausencia de soledad o desesperanza. Estos hallazgos son cruciales para mejorar la detección temprana de ideación suicida, proporcionando herramientas más efectivas para la intervención temprana y la prevención en el contexto universitario. Además, se sientan las bases para futuras investigaciones que podrían explorar técnicas de machine learning más avanzadas y personalizadas, optimizando aún más la capacidad predictiva y la efectividad de las intervenciones preventivas. In this study, various machine learning models are implemented and evaluated to predict suicidal ideation in university students, using psychological and demographic data in their numerical and categorical forms. The models used include Logistic Regression, Random Forest, SVM, Neural Networks, and XGBoost, applied with and without feature reduction techniques (RFECV) and class balancing. The main results indicate that optimized Logistic Regression models with numerical data and XGBoost with RFECV were the most effective in terms of balancing recall and accuracy metrics. The feature importance analysis highlights the relevance of variables such as depression, hopelessness, loneliness, and a neurodivergence diagnosis in predicting suicide risk. Specifically, it was found that having ”Normal Depression” could be considered a protective factor compared to having higher levels of depression, as well as the absence of loneliness or hopelessness. These findings are crucial for improving the early detection of suicidal ideation, providing more effective tools for early intervention and prevention in the university context. Additionally, this study lays the foundation for future research that could explore more advanced and personalized machine learning techniques, further optimizing predictive capacity and the effectiveness of preventive interventions.