Matemáticos de la Universidad de Chile crean indicador para pronosticar riesgo de suicidio

Publicado:
Autor: Cooperativa.cl

La herramienta tiene un 77,9 por ciento de precisión.

Se analizaron cuestionarios aplicados a 707 pacientes.

 Centro de Modelamiento Matemático

Chile es el segundo país de la OCDE donde se cometen más suicidios.

Investigadores del Centro de Modelamiento Matemático de la Universidad de Chile (CMM) crearon un indicador para pronosticar el riesgo de suicidio en pacientes, a través del análisis de una serie de patrones en encuestas.

Chile es el segundo país de la OCDE donde se cometen más suicidios -seis al día-, cifra solamente superada por Corea del Sur.

"De ahí que determinar los grupos de mayor riesgo sea clave. Los estudios se han enfocado en analizar factores como la historia clínica e influencias demográficas, genéticas y metabólicas. Sin embargo, han tenido resultados dispares que no explican el comportamiento suicida en momentos particulares de las vidas de las personas", sostuvo Jaime Ortega, uno de los encargados del estudio.

"El tema de la detección de riesgo de suicidio fue, sigue y seguirá siendo un problema difícil de resolver. Porque la naturaleza de este tema es multideterminado y, por lo tanto, no es posible asociarlo a un hecho o causa única. Y, cuando ocurre, la asociación de variables que lo explican es particular para cada sujeto y para nada lineal", añade Jorge Barros, psiquiatra de la Universidad Católica.

En el estudio, utilizaron técnicas de minería de datos y aprendizaje de máquinas para analizar cinco cuestionarios aplicados a 707 pacientes con trastornos del estado de ánimo de 14 a 83 años, entre los que se contaban 349 que habían intentado suicidarse antes, con lo que se tomaron 343 variables clínicas y demográficas.

Tras probar varias veces el modelo, pudieron descubrir patrones escondidos en datos que parecían muchas veces sin sentido. Esto les permitió determinar 22 variables más relevantes para clasificar al grupo que está en riesgo y al que no.

"Esto nos permitió generar una herramienta rápida y fácil de usar para entender con un 77,9 por ciento de precisión si un paciente está en el grupo de riesgo", agrega Ortega.