Aprendizaje Automático Interpretable para Identificar Factores de Riesgo de Reincidencia en Violencia de Pareja...

Área de la Ciencia:

• Salud Pública
• Criminología
• Aprendizaje Automático

Sus antecedentes:

• La violencia de pareja íntima (VPI) es un importante problema de salud mundial con tasas crecientes.
• Predecir la reincidencia en delincuentes de VPI es vital para estrategias efectivas de prevención e intervención.
• Las herramientas de evaluación de riesgos existentes pueden carecer de estandarización y tener dificultades con las relaciones no lineales.

Objetivo del estudio:

• Desarrollar modelos de aprendizaje automático interpretables para predecir la reincidencia de asalto físico entre delincuentes de VPI.
• Identificar las características clave asociadas con el riesgo de reincidencia.
• Mejorar la objetividad y precisión de la evaluación de riesgos de VPI.

Principales métodos:

• Se utilizó un conjunto de datos de un estudio clínico de cuatro años.
• Se aplicó codificación de destino filtrada para estandarizar las puntuaciones de gravedad y manejar las asociaciones no lineales.
• Se desarrollaron modelos de aprendizaje automático interpretables para analizar la importancia de las características.

Principales resultados:

• La combinación de variables autoinformadas y reportadas por la pareja mejoró significativamente la precisión predictiva.
• La disminución del consumo de sustancias y la evitación del contacto con la pareja se asociaron con un menor riesgo de reincidencia.
• Los procesos de separación se identificaron como un factor que se correlaciona con una mayor probabilidad de reincidencia.

Conclusiones:

• Los modelos de aprendizaje automático desarrollados ofrecen una comprensión más matizada de los factores de riesgo de reincidencia de VPI.
• Los hallazgos pueden informar el desarrollo de estrategias más efectivas de tratamiento y manejo de VPI.
• La mejora de la evaluación de riesgos puede ayudar a abordar las disparidades en la atención de VPI y reducir las tasas de reincidencia.