Video Experimental Relacionado
Updated: Sep 9, 2025

Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
Published on: May 15, 2020
Predicción longitudinal del aprendizaje automático de autolesiones no suicidas entre adolescentes chinos: un estudio
Xinyu Guo1, Shuyi Liu2, Lihua Jiang3
1Department of Health Policy and Management, West China School of Public Health and West China Fourth Hospital, Sichuan University, Chengdu, China; Department of Applied Social Sciences, The Hong Kong Polytechnic University, Hung Hom, Hong Kong Special Administrative Region of China.
Los modelos de aprendizaje automático predicen con precisión la autolesión no suicida en adolescentes (NSSI) utilizando datos longitudinales. Los principales factores de protección incluyen la espiritualidad y la competencia emocional, que guían las estrategias de prevención específicas.
Área de la Ciencia:
- Salud mental de los adolescentes
- Aprendizaje automático en psicología
- Investigación en salud pública
Sus antecedentes:
- La autolesión no suicida (NSSI) presenta un desafío significativo para la salud pública en los adolescentes.
- Los métodos de predicción tradicionales para el NSSI carecen de suficiente precisión.
- El análisis longitudinal de los datos es crucial para comprender el desarrollo de la NSSI.
Objetivo del estudio:
- Desarrollar y evaluar modelos de aprendizaje automático para predecir la NSSI en adolescentes.
- Identificar los principales factores de riesgo y de protección que influyen en el NSSI mediante el análisis de la importancia de las características.
- Mejorar la precisión de las predicciones del NSSI a través de un marco progresivo.
Principales métodos:
- Se utilizaron datos longitudinales de 3.483 estudiantes chinos de primaria y secundaria durante 2,5 años.
- Empleado un marco de predicción progresiva con siete algoritmos de aprendizaje automático y cinco veces la validación cruzada.
- Aplicado SMOTE-NC para el desequilibrio de clase y SHAP para la interpretabilidad del modelo.
Principales resultados:
- Los bosques aleatorios demostraron un rendimiento predictivo superior (AUROC ≈ 0,85).
- Identificó comportamientos relacionados con el suicidio, la depresión, la delincuencia y la ansiedad como factores de riesgo primarios.
- Destacó la espiritualidad, la capacidad emocional, la satisfacción en la vida y la empatía como factores de protección importantes.
Conclusiones:
- Se estableció un marco de aprendizaje automático robusto e interpretable para la predicción longitudinal de NSSI.
- Los factores positivos del desarrollo infantil, especialmente la espiritualidad y la competencia emocional, son cruciales para mitigar el riesgo de NSSI.
- Los hallazgos apoyan estrategias basadas en la evidencia para la intervención temprana y la prevención de la NSSI en adolescentes.
Más Videos Relacionados
Videos de Conceptos Relacionados
Longitudinal Research
Longitudinal Studies

