Implementación de dos modelos predictivos para TeenSmart International que determinan la probabilidad de una persona de incurrir en intento de suicidio y en actividad sexual temprana.

Abstract

La adolescencia es de las etapas más duras de la vida, muchas de las decisiones que se toman en ella están influenciadas por variedad de aspectos personales, socioculturales o económicos. Específicamente, en Latinoamérica la población adolescente es afectada por factores particulares que provocan que muchos jóvenes caigan en conductas nocivas que van desde abuso de sustancias, violencia, pandillas, actividad sexual irresponsable hasta intento de suicidio. Por este motivo, es muy importante el apoyo que se le pueda brindar a esta población, tal es el caso de TeenSmart International, una organización sin fines de lucro que por medio de tecnologías en línea empodera a la juventud para tomar decisiones inteligentes, tener estilos de vida saludables y contribuir con sus comunidades. En este trabajo se utilizó el histórico de datos de TeenSmart que va desde el año 2010 al 2021 y contiene cerca de 82,000 jóvenes y 160 posibles predictores, para desarrollar dos modelos de machine learning que determinan la probabilidad de un joven de incurrir en intento de suicidio y en actividad sexual temprana. En ambos casos se probaron varios algoritmos de machine learning. Para el modelo de intento de suicidio se utilizó la sensibilidad como medida de rendimiento y se obtuvo el mejor resultado con un algoritmo de red neuronal que alcanzó un 75.2 % de sensibilidad y que usa entre sus predictores más importantes la autolesión, la depresión, la ideación suicida y el abuso sexual. Para el caso de actividad sexual temprana, el mejor modelo logró predecir la edad en años de la primera relación sexual de un joven con un error medio absoluto de 1.46 años mediante un bosque aleatorio, utilizando como predictores más importantes la edad del joven, el nivel de escolaridad y las edades en las que inició el consumo de alcohol y cigarro.