Diseño y construcción de un modelo de predicción de depresión en adultos mayores en Chile

Abstract

El presente trabajo de título tiene por objetivo construir un modelo predictivo de riesgo de depresión en adulto mayores, con ello elaborar un indicador que muestre cuan propenso es un adulto mayor a sufrir este tipo de enfermedades. En en el mundo, la depresión afecta al 4,4% de la población mundial lo que significa que 300 millones de personas sufren de este trastorno, lo que implica un costo social alrededor 1 billón de dolares del PIB mundial debido a la depresión. En Chile, se estima que una 1 de cada 5 personas presenta síntomas depresivos y la depresión afecta al 5% de la población, lo que coloca a Chile por sobre el promedio mundial y uno de los más afectados por este trastorno a nivel latinoamericano. La depresión se define como aquel estado de animo triste que persiste pese a haberse disipado la causa externa, en algunos casos inclusive no tienen causa externa precipitante. El paciente con depresión pierde el interés en sus actividades, trabajo, familia e inclusive las ganas de vivir. En el caso de los adultos mayores la depresión puede traer consigo múltiples consecuencias como la falta de apetito, problemas de insomnio, etc. Incluso en casos severos de depresión pueden derivar en otras patologías como la demencia o en el suicidio. Actualmente en Chile, los adultos mayores lideran la tasa de suicidios en la población chilena llegando a los 17,7 suicidios por cada 100.000 habitantes. Para la construcción de este modelo predictivo de riesgo de depresión, se entiende como un problema de datos complejos en el que se pretende utilizar herramientas de Data Science y los algoritmos de Machine Learning, cuya principal ventaja radica en encontrar patrones para descubrir asociaciones presentes en registros y profundizar mas allá de la evidencia de un caso puntual. Mediante un algoritmo de clasificación y los datos de la Encuesta Nacional de Salud junto con la metodología "Knowledge Discovery in Databases"(KDD) y el apoyo de software como SPSS y Python. Se toma el desafío de realizar un clasificador y un indicador de riesgo de depresión para los adultos mayores. Los resultados del experimento después de la investigación, selección y balance de datos arrojó que si existe la posibilidad de formular un predictor de riesgo de depresión para adultos mayores en base a las preguntas contenidas en la Encuesta Nacional de Salud, el modelo con mejores resultados se realizó mediante un estudio de variables de riesgo de depresión junto con el método de clasificación de Random Forest que alcanzo un Recall de 0.57 y un AUC aproximado del 0.81, lo que lo convierte en un modelo con una alta capacidad predictiva. La principal conclusión es la capacidad de formular un predictor de riesgo depresión dentro de la población chilena con un gran rendimiento. Sin embargo, no se obtuvieron mejoras significativas al acotar el experimento solo a adultos mayores, ya que los resultados al probar el modelo con muestras acotadas y no acotadas tuvieron resultados similares.