| dc.contributor.advisor | Mejia Manzano, Julio Eduardo | |
| dc.coverage.spatial | cead_-_medellín | |
| dc.creator | Acosta Zapata, Michael Steven | |
| dc.date.accessioned | 2025-06-10T19:49:32Z | |
| dc.date.available | 2025-06-10T19:49:32Z | |
| dc.date.created | 2025-06-08 | |
| dc.identifier.uri | https://repository.unad.edu.co/handle/10596/69799 | |
| dc.description | No aplica | |
| dc.description.abstract | El suicidio constituye un grave problema de salud pública que impacta a personas de todas las edades y contextos socioeconómicos. Su recurrencia representa un desafío adicional en la prevención. En el distrito de Medellín, factores como la desigualdad, el desempleo y los antecedentes psiquiátricos aumentan la vulnerabilidad, especialmente entre adolescentes y adultos jóvenes. Ante esta situación, el presente trabajo analiza datos del Sistema Nacional de Vigilancia en Salud Pública (SIVIGILA) del período 2018-2022 y utiliza técnicas avanzadas de modelado predictivo, como Random Forest para identificar de manera temprana a las personas con alto riesgo de reintento suicida. Este enfoque busca contribuir al diseño de estrategias de estrategias de salud mental más efectivas y focalizadas, apoyando la toma de decisiones de instituciones y profesionales de la salud en la prevención del suicidio en Medellín. | |
| dc.format | pdf | |
| dc.title | Análisis y modelado predictivo de intentos de suicidio en el distrito de Medellín | |
| dc.type | Proyecto aplicado | |
| dc.subject.keywords | Suicidio | |
| dc.subject.keywords | Salud mental | |
| dc.subject.keywords | Random forest | |
| dc.subject.keywords | Modelo predictivo | |
| dc.description.abstractenglish | Suicide constitutes a serious public health problem that affects people of all ages and socioeconomic backgrounds. Its recurrence poses an additional challenge to prevention. In the Medellín district, factors such as inequality, unemployment, and psychiatric history increase vulnerability, particularly among adolescents and young adults. In response to this situation, the present study analyzes data from the National Public Health Surveillance System (SIVIGILA) for the 2018–2022 period and employs advanced predictive modeling techniques, such as Random Forest, to identify individuals at high risk of repeat suicide attempts at an early stage. This approach aims to contribute to the design of more effective and targeted mental health strategies, supporting decision-making by institutions and healthcare professionals in suicide prevention in Medellín. | |
| dc.subject.category | Analítica | |
