Resumen de Estadística aplicada a la predicción de enfermedades mentales: Una revisión sistemática

Sebastian Osorio Castrillon, Lillyana Giraldo Marín, Herman Horacio Jaramillo Villegas, Carlos César Piedrahita Escobar

• español

  El principal reto de las aseguradoras de la salud es pasar de una gestión reactiva a una gestión proactiva de sus afiliados, es decir, priorizar la prevención e implementación de acciones que favorezcan la salud en sus dimensiones tanto físicas como mentales y sociales, y no solo que mitiguen la enfermedad. Este artículo presenta una revisión sistemática de la literatura sobre las principales metodologías de aprendizaje automático que permiten a través de la predicción de enfermedades mentales, realizar una intervención temprana. Se encontró que las principales metodologías para dicho fin son los modelos estadísticos como la regresión logística y las redes neuronales; y que los diferentes indicadores de las neuroimágenes y el comportamiento en redes sociales se convierten en variables predictoras fundamentales a la hora de predecir las enfermedades mentales.

• English

  The main challenge for health insurers is to move from reactive to proactive management of their clients, that is, prioritize prevention and implementation of actions that favor health in its physical, mental, and social dimensions, and not only that mitigate the disease. This article presents a systematic review of the literature on the main machine learning methodologies that allow, through the prediction of mental illnesses, to carry out an early intervention. It was found that the main methodologies for this purpose are statistical models such as logistic regression and neural networks; and that the different indicators of neuroimaging and behavior in social networks become fundamental predictor variables when it comes to predicting mental illnesses.