Estudio de factibilidad de un modelo de clasificación de estudiantes universitarios según el estado crítico de estrés, ansiedad y sintomatología depresiva

Abstract

La salud mental ha cobrado visibilidad en el último tiempo y es cada vez más relevante levantar información al respecto para tomar medidas tanto preventivas, como correctivas en todas las etapas de vida de las personas. En específico, es importante estudiar la época universitaria debido a que estudios indican que el 30% de los estudiantes sufre de estrés, ansiedad y depresión de manera simultánea, cifra alarmante debido a los efectos sobre la calidad de vida, rendimiento académico, vida personal y profesional.

El presente trabajo de título está enfocado en los estudiantes de la Facultad de Ingeniería de la Universidad de Chile, donde se presentan las patologías antes mencionadas, y solo es posible abarcar el tema una vez que el estudiante lo identifica. Frente a esto, se plantea un estudio de factibilidad en el cual se busca clasificar a los estudiantes por medio de modelos matemáticos, según su estado de depresión, ansiedad y estrés, en pro de un futuro Ensayo Clínico Aleatorizado (RCT).

Siguiendo los estudios de otros investigadores, se evaluaron las actitudes y los comportamientos normalizados en época universitaria que agravan las patologías, utilizando metodología EMA con cuestionarios para determinar depresión, ansiedad, estrés, higiene del sueño, caracterización y contextos. Bajo la misma línea, para el levantamiento de datos se utilizó la aplicación móvil Ánimi, debido al éxito del uso de tecnologías móviles en medicina.

Los resultados muestran que la aplicación presentó una retención del 76% de los usuarios activos, decayendo su uso a partir de la ejecución número 16 de un total de 42. Los valores se encuentran dentro de lo esperado, pero no permiten concluir sobre la cantidad óptima de ejecuciones debido a su alta desviación estándar. En cuanto a los variables de estudio, se destaca que tanto la higiene del sueño como el contexto personal, situacional y académico son factores relevantes, resultando imperativo su estudio y la incorporación de más aspectos relacionados en trabajos futuros. De la misma manera, se obtuvo que los algoritmos de clasificación Bosques Aleatorios, Regresión Logística y Máquinas de Vectores de Soporte predicen correctamente las variables estudiadas, cumpliendo así el objetivo propuesto.

A modo de conclusión, todo lo anterior no solo demuestra la factibilidad de lo estudiado y el éxito de la aplicación móvil, sino que también permite determinar las directrices para el posterior desarrollo de un RCT y entrega valor social, ya que fomenta el auto conocimiento y colabora potencialmente con las autoridades universitarias para la implementación de medidas preventivas y correctivas asociadas a la temática.