Análisis de Depresión a partir de un enfoque de estilo de vida

• Autores: Hernán Óscar Cortez Gutiérrez, Milton Milcíades Cortez Gutiérrez
• Localización: epsir: European Public & Social Innovation Review, ISSN-e 2529-9824, Nº. 10, 5, 2025 (Ejemplar dedicado a: Investigación e inteligencia artificial)
• Idioma: español
• Títulos paralelos:
  • Analysis of depression from a lifestyle approach
• Enlaces
  • Texto completo
• Resumen
  • español

    Introducción: El estudio analiza la relación entre la depresión y los estilos de vida en estudiantes universitarios, considerando variables como edad y género. Se buscó determinar el efecto del estilo de vida en la depresión utilizando Odds Ratio (OR) y el intervalo de confianza (IC) del 95%. Metodología: Se utilizó un diseño correlacional, segmentando datos por género y edad. Se emplearon regresión logística binaria y pruebas de chi-cuadrado con SPSS y R Studio. Se calcularon OR e IC para cuantificar riesgos y se usaron curvas ROC para evaluar los modelos. Resultados: Con la prueba de chi-cuadrado no se halló asociación significativa entre estilo de vida y depresión (χ² = 0.08, p = 0.7). La regresión logística binaria tampoco mostró significancia en la relación entre estilo de vida y depresión (B = -0.04, p=0.475). Discusión: El análisis no encontró una relación significativa entre el estilo de vida y la depresión. La falta de significancia sugiere que otros factores podrían tener un mayor impacto. Conclusiones: El estudio concluye que, aunque el estilo de vida no mostró una asociación significativa con la depresión, la regresión logística y las curvas ROC fueron útiles para evaluar factores de riesgo.

  • English

    Introduction: The study analyzes the relationship between depression and lifestyle in university students, considering variables such as age and gender. It aimed to determine the effect of lifestyle on depression using Odds Ratio (OR) and a 95% confidence interval (CI). Methodology: A correlational design was used, segmenting data by gender and age. Binary logistic regression and chi-square tests were employed with SPSS and R Studio. OR and CI were calculated to quantify risks, and ROC curves were used to evaluate the models. Results: The chi-square test found no significant association between lifestyle and depression (χ² = 0.08, p = 0.7). Binary logistic regression also showed no significant relationship between lifestyle and depression (B = -0.04, p = 0.475). Discussion: The analysis found no significant relationship between lifestyle and depression. The lack of significance suggests that other factors might have a greater impact. Conclusions: The study concludes that although lifestyle did not show a significant association with depression, logistic regression and ROC curves were useful for evaluating risk factors.