Buen dia mienmbro del jurado, en este oportunidad voy a presentar el trabajo
parcial de Seminario de investigacion aplicada 2.
El tema que vamos a aborar es un Modelo tecnológico de análisis predictivo como
herramienta para monitorear el nivel de depresión en jóvenes peruanos con la ayuda
de machine learning.
Los integrantes son: Joseph Rojas y quien les habla Luis Palomino, alumnos de la
carrera de ingenieria de sistemas de informacion.
Para identificar el problema, presentaremos las siguientes estadisticas
Comentar que segun la organizacion mundial de la salud
La depresión es un trastorno mental frecuente. Se calcula que afecta a más de 300
millones de personas en el mundo. complemetnadno esto, se estima que para el 2030
la depresion será la 2da causa principal de enfermedad, despues del VIH.
El peru no es ajeno a estos casos. segun el Instiuto nacional de salud mental en el
peru 1 700 000 personas presentan cuadro depresivo cada año. 364 000 se
encuentran en lima y el 65% no buca ayuda. esto nos lleva a conocer cual La
importancia de este problema y es que se presentan muchas barreras y brechas de
acceso a ayuda a nivel nacional, lo cua no permite que la tasa disminuya
progresivamente.
ya identificado los antecedentes , ahora presentaremos el sector que esta destinado
a atender estos casos que es el minsa, el minisiterio de salud que tiene como
misison garantizar la atencion intengral de los habitantes del pais. y entre las
entidades que este maneja se encuentra el insituto nacional de salud mental y este
tiene como mision innovar, investigar nuevas tecnologia que apoyen a la salud
mental y brindar atencion almtamnete especialidad como por ejemplo en caso cuadros
de ansiedad, cuadros de depresion , entre otros.
Segun la imagen que se presenta, nos muestra el problema que es la alta tasa de
jovenes con trastorno depresivo, cuyas principales causas son que los recursos
financieros son limitados, tienen tecnologia obsoleta, como se menciono gran
porcentaje de loas casos no se detectan ni se tratan, y se presentan por problemas
familiar. Esto tiene como consecuencia el aislamineto social o en peores casos un
sentimientos suicidas.
Por eso, nuestra propuesta para reducir los impactos negativos estarán orientadas a
las herramientas de machine learnign, random forest y k-nearest neighbors. que nos
apoyaran durante el proceso de evaluacion junto a las entrevistas y los
cuestionarios clinicos que en este caso es el PHQ-9 que se desarrollará a traves de
una pagina web.. despues Se analizará los datos brindados por los pacientes para
predecir su comportamiento durante el tratamiento y anticipar que el trastorno
pueda convertirse en algo más grave y de esta manera ser más efectivo para su
salud.
en antecedentes se presentan investigaciones previas que tambien utilizan machine
learning para predecir la depresion desde diferentes fuentes de informacion, ya sea
por ceustionarios, analisis de texto en redes sociales, entre otros.
por ultimo, con respecto a la viabilidad contamos con la viabilidad técnica porque
se cuenta con los sistemas y software necesario para llevar acabo el proyecto.
Adicional a ello, se cuenta con los conocimientos técnicos requeridos para el
sistema.
viabilidad legar, ya que la propuesta mencionada no presenta ningún conflicto con
problemas con el sistema lega vigente como protección de datos entre otros.
viabilidad económica porque permitirá a la entidad evaluar si la solución
optimizará tanto tiempo como beneficios financieros y costes.
muchas gracias.
