Artículo de Investigación Original
Análisis de Big Data para la identificación de factores asociados a diagnósticos
de salud mental en Puno.
Big Data
analysis for the identification of factors associated with mental health
diagnoses in
Puno
.
Yanina Maritza Chambi Arucutipa
1[0000-0003-0406-2914]
, Edwin Cruz Cruz
2[0000-0003-1353-6421]
, Daisy
Mestas Yucra
3[0000-0002-0969-5529]
, Alicia Zuaña Quispe
4[0009-0004-6142-4074]
, Jaime Huanca Aracayo
5[0009-0002-2706-7443]
1-5
Universidad Nacional del Altiplano – Perú.
yaninachambi@unap.edu.pe
,
edwin.cruz@unap.edu.pe
,
daisy.mestas@unap.edu.pe
,
aliciaz@unap.edu.pe
,
jaime.huanca@unap.edu.pe
CITA EN APA:
Chambi Arucutipa , Y. M., Cruz
Cruz, E., Mestas Yucra, D., Zuaña
Quispe , A., & Huanca Aracayo , J.
(2026). Análisis de Big Data para la
identificación de factores asociados a
diagnósticos de salud mental en
Puno.
Technology Rain
Journal
,
5
(2).
https://doi.org/10.55204/trj.v5i2.e155
Recibido:
06 de mayo-2026
Aceptado:
15 de agosto-2026
Publicado:
19
de
agosto
-
2026
Technology Rain Journal
ISSN:
2953-464X
Resumen.
El
estudio
identificó
variables
asociadas
a
diagnósticos
de
salud
mental en Puno, Perú, una región con volúmenes significativos de datos clínicos
y
demográficos.
Se
empleó
un
diseño
no
experimental,
observacional,
retrospectivo, con un corpus de 583,390 registros de atención de salud mental
(2021-2023), tras eliminar 2,874 duplicados exactos. La unidad de análisis fue el
registro
de
atención
con
diagnóstico
(no
el
paciente,
dado
que
la
fuente
no
incluye un identificador único de paciente). Se construyó un modelo Random
Forest
para
predecir
la
categoría
diagnóstica
CIE-10
agrupada
(10
clases),
evaluado con partición estratificada 70/30 y validación cruzada de 5 particiones,
obteniendo una exactitud de 52.2%, F1-macro de 0.44 y F1-ponderado de 0.54.
La variable con mayor importancia predictiva relativa fue la edad del paciente
(60%), seguida del mes (11%) y el año (6%) de atención. La segmentación con
K-Means (K=5, seleccionado por coeficiente de silueta) alcanzó una silueta de
0.547.
Las
categorías
de
ansiedad/estrés
(24.4%),
psicóticos/esquizofrenia
(20.2%) y trastornos del ánimo (19.9%) fueron las más frecuentes. Los trastornos
psicóticos representaron el 21.4% de los diagnósticos en establecimientos de
primer nivel de atención frente al 10.3% en hospitales; los trastornos del ánimo
no mostraron diferencia relevante entre tipos de establecimiento. Las consultas
de
noviembre
superaron
el
promedio
mensual
en
22.9%.
Las
conclusiones
destacan que la edad y las variables temporales (mes y año) son las más asociadas
a
la
categoría
diagnóstica
en
este
corpus,
sin
que
ello
implique
relaciones
causales,
dado
el
diseño
observacional
del
estudio.
Palabras
Clave:
Big
Data,
aprendizaje
automático,
salud
mental,
modelado
predictivo, análisis de conglomerados, minería de datos, sistemas de salud.
Los contenidos de este artículo están
bajo
una
licencia
de
Creative
Commons
Attribution
4.0
International (CC BY 4.0 )
Los
autores
conservan
los
derechos
morales y patrimoniales de sus obras.
Abstract:
The
study
identified
variables
associated
with
mental
health
diagnoses
in
Puno,
Peru,
a
region
with
significant
volumes
of
clinical
and
demographic data. A non
-
experimental, observational, retrospective
design was
used, with a corpus of 583,390 mental health care records (2021
-
2023), after
removing 2,874 exact duplicates. The unit of analysis was the care record with
diagnosis (not the patient, since the source lacks a unique patient identifier). A
Random
Forest
model
was
built
to
predict
the
grouped
ICD
-
10
diagnostic
category (10 classes), evaluated with a stratified 70/30 split and 5
-
fold cross
-
validation, obtaining an accuracy of 52.2%, macro
-
F1 of 0.44, and weighted
-
F1
of 0.54. The variable with the highest relative predictive i
mportance was patient
age
(60%),
followed
by
month
(11%)
and
year
(6%)
of
visit.
K
-
Means
segmentation
(K=5,
selected
via
silhouette
coefficient)
reached
a
silhouette
score
of
0.547.
Anxiety/stress
disorders
(24.4%),
psychotic
disorders/schizophrenia (20.2%
), and mood disorders (19.9%) were the most
frequent categories. Psychotic disorders represented 21.4% of diagnoses in first
-
level facilities versus 10.3% in hospitals; mood disorders showed no meaningful
difference
between
facility
types.
November
visits
exceeded
the
monthly
average by 22.9%. The conclusions highlight that age and temporal variables
(month and year) are the most associated with diagnostic category in this corpus,
without implying causal relationships, given the study's observational design
.
Keywords:
Big Data, machine learning, mental health, predictive modeling,
cluster analysis, data mining, health systems.
Technology Rain Journal
ISSN
: 2953-464X
Vol. 5 Núm. 2 (Julio – Diciembre 2026)
,e155.
https://technologyrain.com.ar/
-
1.
INTRODUCCIÓN
La salud mental se ha vuelto un tema cada vez más relevante para la salud pública,
sobre todo en áreas con recursos escasos, como en Puno, Perú, donde el acceso a servicios
especializados
está
limitado
por
múltiples
condiciones
geográficas
y
de
infraestructura
(Chávez
Fernández,
2018;
Quispe
Pari,
2021;
Reategui
Monge,
2022).
A
pesar
de
los
avances en la atención a la salud mental, estos sistemas de salud siguen teniendo dificultades,
tales
como
la
carencia
de
una
infraestructura
adecuada
que
permita
el
análisis
y
procesamiento sistemático de la información clínica registrada (Ahidar Tarhouchi & Ortiz
de Urbina Criado, 2024). En este sentido, Big Data es una herramienta que puede contribuir
significativamente al análisis de patrones en salud mental (Gandomi & Haider, 2015; Stewart
& Davis, 2016; Ristevski & Chen, 2018).
El análisis de Big Data en el campo de la salud mental permite explorar información
demográfica y clínica que suele pasar inadvertida en los reportes agregados convencionales
(Hudson
et
al.,
2023;
Passos
et
al.,
2019).
La
aplicación
de
aprendizaje
automático
ha
demostrado
utilidad
para
reconocer
patrones
asociados
a
distintos
trastornos
mentales
(Chekroud et al., 2021; Ristevski & Chen, 2018; Palacios-Ariza et al., 2023), ayudando al
procesamiento
eficiente
de
datos
complejos
y
heterogéneos
(Goodfellow
et
al.,
2016;
Shmueli et al., 2018).
En la región de Puno, el análisis de datos de salud mediante técnicas de minería de
datos y modelado predictivo puede apoyar la planificación de intervenciones y la asignación
de recursos (Gonzalez Cieza & Chavez Monteza, 2023; Rosenfeld et al., 2019; Reddy &
Aggarwal, 2015; Shatte et al., 2019).
La implementación de técnicas de procesamiento ETL (Extract, Transform, Load)
permite integrar y depurar datos de diversas fuentes administrativas, mejorando la calidad
de los análisis (Kimball & Caserta, 2004).
Si
bien existen estudios de Big
Data y
aprendizaje
automático aplicados a salud
mental en poblaciones urbanas o de países de altos ingresos (Madububambachu et al., 2024),
la evidencia sobre regiones andinas rurales y de altitud, como Puno, es escasa. No se han
identificado
estudios
previos
que
documenten
de
forma
reproducible
qué
variables
administrativas y demográficas disponibles rutinariamente —edad, mes y año de atención,
tipo de establecimiento— se asocian con la categoría diagnóstica registrada en los sistemas
de información de salud mental de la región.
Este
estudio
busca
cubrir
ese
vacío,
aportando
un
pipeline
reproducible
y
una
evaluación
honesta del
poder predictivo de las variables administrativas disponibles, sin
2
https://technologyrain.com.ar/
recurrir a fuentes clínicas adicionales no disponibles en este corpus, y sin atribuir relaciones
causales a un diseño observacional.
El
objetivo
general
de
este
estudio
es
identificar
las
variables
demográficas,
temporales y administrativas más asociadas con la categoría diagnóstica de salud mental
registrada en los establecimientos de salud de Puno entre 2021 y 2023 (583,390 registros
analizados),
mediante
un
modelo
predictivo
y
técnicas
de
segmentación
evaluados
con
métricas de validación completas.
-
2.
METODOLOGÍA O MATERIALES Y MÉTODOS
Ámbito o lugar de estudio
Se realizó el estudio en la región de Puno, en el sureste del Perú, ubicada en la alta
meseta del Collao a una altitud media de 3,827 m s. n. m. Esta región presenta una topografía
compleja, con mesetas y el lago Titicaca, condición que impacta la disponibilidad y el acceso
a servicios de salud mental. El estudio abarcó establecimientos de salud de primer nivel de
atención y hospitales de la región.
Descripción de métodos
-
a)
Periodo de estudio .-
Se utilizó un diseño no experimental, observacional, de
tipo retrospectivo, con datos correspondientes al periodo enero de 2021 a diciembre de 2023.
El
corpus
consolidado
contenía
inicialmente
586,264
registros
(unión
de
tres
archivos
anuales); tras eliminar 2,874 registros duplicados exactos, atribuibles a la consolidación de
archivos, el corpus analítico quedó en 583,390 registros.
-
b)
Descripción detallada de los materiales .-
La fuente de datos no incluye un
identificador único de paciente: la columna ID_CITA identifica una cita/atención (567,869
valores únicos sobre 583,390 filas), no una persona, y un mismo paciente puede aportar
varios registros a lo largo del periodo. Por lo tanto, la unidad de análisis de este estudio es el
registro
de
atención
con
diagnóstico,
no
el
paciente
(ver
Limitaciones).
La
columna
Tipo_Diagnostico
distingue
diagnóstico
nuevo
(“D”,
n=71,048),
reingreso
o
diagnóstico
repetido
(“R”,
n=497,987)
y
diagnóstico
presuntivo
o
provisional
(“P”,
n=14,355);
esta
distinción explica la relación entre el total del corpus (583,390) y el total de la Tabla 1, que
reporta específicamente los diagnósticos nuevos.
-
c)
Variables
analizadas
.-
Se
utilizaron
las
variables
demográficas
y
administrativas disponibles: edad del paciente, tipo de edad, provincia, distrito, red de salud,
categoría del establecimiento, y variables temporales (año, mes). La variable objetivo es la
categoría diagnóstica CIE-10 agrupada por capítulo
(10 clases), obtenida del
prefijo del
código
CIE-10
(CODIGO_ITEM),
no
del
texto
libre
de
la
descripción,
lo
que
la
hace
Technology
Rain
Journal
ISSN:
2953-464X
(2023)
3
https://technologyrain.com.ar/
-
reproducible y evita que la variable objetivo comparta información directamente con las
variables predictoras. El conjunto de datos no contiene una variable de zona urbana/rural;
los resultados se reportan según la categorización de establecimientos del MINSA (Categoría
I = establecimientos de primer nivel de atención; Categoría II = hospitales). La lectura de
estas categorías como aproximación de zona rural/urbana se emplea únicamente como proxy
indirecto
y
con
cautela
interpretativa,
dado
que
reflejan
nivel
de
complejidad
del
establecimiento y no una clasificación geográfica censal (ver Limitaciones).
-
d)
Prueba
estadística
.-
Se
entrenó
un
modelo
Random
Forest
(class_weight=“balanced_subsample”,
para
atenuar
el
desequilibrio
entre
categorías
diagnósticas, que va de 24.4% a 0.5% del corpus) con 100 árboles y profundidad máxima
18,
semilla
aleatoria
fija
(42).
Los
datos
se
dividieron
en
70%
entrenamiento
(408,373
registros)
y
30%
prueba
(175,017
registros),
con
partición
estratificada
por
categoría
diagnóstica,
y
se
realizó
adicionalmente
validación
cruzada
de
5
particiones
(StratifiedKFold) sobre el conjunto de entrenamiento. Ninguna de las variables predictoras
se deriva del texto o código del diagnóstico que define la variable objetivo, lo que descarta
la fuga de información (data leakage).
La
evaluación
del
modelo
se
realizó
con
Accuracy,
Precision,
Recall
y
F1-score
(macro y ponderado, dado el desequilibrio de clases) y matriz de confusión. La importancia
de
variables
se
calculó
mediante
el
atributo
feature_importances_
de
scikit-learn
(Mean
Decrease in Impurity, MDI) y se reporta en un gráfico independiente del desempeño del
modelo;
estos
valores
expresan
importancia
predictiva
relativa
dentro
del
modelo,
no
magnitudes de asociación, efectos
causales ni
proporción
de varianza explicada. Para la
segmentación
se
utilizó
K-Means
sobre
variables
numéricas
estandarizadas
(StandardScaler): edad, mes, año y categoría de establecimiento. Se evaluaron valores de K
entre 3 y 7, seleccionando el que maximiza el coeficiente de silueta; se documentan también
los parámetros de DBSCAN (eps=0.8, min_samples=15).
-
3.
RESULTADOS
La variable objetivo del modelo predictivo es la categoría diagnóstica CIE-10 agrupada (10
clases), obtenida del prefijo del código CIE-10. Esta variable es reproducible, clínicamente
interpretable y no comparte información con las variables predictoras, lo que evita la fuga
de datos (data leakage).
El modelo Random Forest, evaluado sobre el conjunto de prueba (175,017 registros),
obtuvo una Accuracy de 52.2%, Precision macro de 0.43, Recall macro de 0.57, F1-macro
de 0.44 y F1-ponderado de 0.54. La validación cruzada de 5 particiones confirmó un F1-
4
https://technologyrain.com.ar/
macro de 0.441 ± 0.003, consistente con el resultado de prueba. En el patrón temporal, las
atenciones de noviembre superaron el promedio mensual en 22.9%, el valor más alto del
periodo analizado, en línea con la importancia predictiva del mes de atención. El modelo
ofrece
una
estimación
honesta
del
poder
predictivo
real
de
las
variables
administrativas
disponibles.
Figura 1. Porcentaje de diagnósticos nuevos (tipo D) más frecuentes
Nota. El gráfico de barras muestra el porcentaje de los diez diagnósticos nuevos (Tipo_Diagnostico = “D”) más frecuentes,
calculado sobre el total de diagnósticos nuevos (n=71,048). Estos valores corresponden exactamente a la Tabla 1.
Tabla 1. Diagnósticos nuevos (tipo D) más frecuentes en el corpus (n=71,048)
|
Diagnóstico
|
Frecuencia Absoluta
|
Frecuencia Relativa (%)
|
|
Depresivo leve
|
9,830
|
13.84
|
|
Depresivo moderado
|
6,255
|
8.80
|
|
Ansiedad no especificada
|
5,120
|
7.21
|
|
Mixto ansiedad/depresión
|
5,020
|
7.07
|
|
Estrés agudo
|
3,942
|
5.55
|
|
Uso nocivo de alcohol
|
2,217
|
3.12
|
|
Esquizofrenia paranoide
|
2,199
|
3.10
|
|
Ansiedad generalizada
|
2,006
|
2.82
|
|
Trastornos de adaptación
|
1,791
|
2.52
|
|
Depresivo no especificado
|
1,561
|
2.20
|
|
Otros diagnósticos nuevos
|
31,107
|
43.78
|
|
Total
|
71,048
|
100.00
|
Nota.
La
Tabla
1
reporta
los
diez
diagnósticos
nuevos
(Tipo_Diagnostico
=
“D”)
más
frecuentes,
con
porcentajes
calculados sobre el total de diagnósticos nuevos (n=71,048), no sobre la totalidad del corpus (583,390 registros, que incluye
además reingresos y diagnósticos presuntivos). La categoría “Otros diagnósticos nuevos” agrupa los diagnósticos fuera de
los diez más frecuentes. Los porcentajes pueden no sumar exactamente 100 por redondeo.
Technology
Rain
Journal
ISSN:
2953-464X
(2023)
5
https://technologyrain.com.ar/
Segmentación de la población atendida en grupos con perfiles diagnósticos y
demográficos diferenciados
Se utilizó K-Means sobre variables numéricas estandarizadas (edad, mes, año, categoría de
establecimiento). Se evaluaron valores de K entre 3 y 7 sobre una muestra de 30,000 registros (por
costo computacional), seleccionando K=5 por maximizar el coeficiente de silueta (0.547), seguido
de
K=6
(0.528)
y
K=4
(0.489).
DBSCAN
(eps=0.8,
min_samples=15)
se
usó
como
método
complementario para identificar registros atípicos.
Figura 2. Importancia de variables predictivas (Random Forest)
Nota. El gráfico muestra únicamente la importancia relativa de las variables predictoras (Random Forest), sin mezclarla
con métricas de desempeño del modelo. La variable más importante fue la edad del paciente (60% de la importancia
relativa),
seguida
del
mes
de
atención
(11%)
y
el
año
(6%);
las
variables
geográfico-administrativas
tuvieron,
individualmente,
una
contribución
menor
al
3%
cada
una.
La
importancia
corresponde
al
método
Mean
Decrease
in
Impurity (feature_importances_ de scikit-learn) y expresa
importancia predictiva relativa dentro del modelo; no debe
interpretarse como magnitud de asociación, efecto causal ni proporción de varianza explicada.
Los clústeres 1 y 2 concentran la mayoría de los registros y están dominados por
diagnósticos de ansiedad/estrés, diferenciándose principalmente por tipo de establecimiento
(primer nivel vs. hospitales). El clúster 3, de menor edad promedio (23 años), concentra
proporcionalmente más trastornos del desarrollo psicológico, consistente con diagnósticos
típicamente detectados en la niñez y adolescencia. Los clústeres 4 y 5, ambos concentrados
en establecimientos de primer nivel, concentran la mayor proporción relativa de trastornos
del ánimo (40.0% y 26.9% respectivamente). Estos resultados deben interpretarse como
patrones asociados, no como categorías clínicas discretas.
6
https://technologyrain.com.ar/
Tabla 2. Perfil de los clústeres identificados (K=5, muestra de 30,000 registros)
|
Cluster
|
Descripción
|
Características principales
|
Diagnósticos más
frecuentes
|
|
Cluster 1
|
Grupo mayoritario en
establecimientos de primer
nivel
|
n=23,136 (muestra); edad promedio
30 años, sin banda etaria
diferenciada
|
Ansiedad, estrés y
somatomorfos (25.3% del
grupo)
|
|
Cluster 2
|
Grupo en hospitales, perfil
similar al Cluster 1
|
n=3,186 (muestra); edad promedio
28 años
|
Ansiedad, estrés y
somatomorfos (22.6% del
grupo)
|
|
Cluster 3
|
Grupo en hospitales con
mayor proporción de
trastornos del desarrollo
|
n=1,982 (muestra); edad promedio
23 años, el más joven de los 5
grupos
|
Trastornos del desarrollo
psicológico (29.3% del
grupo)
|
|
Cluster 4
|
Grupo de primer nivel con
mayor concentración relativa
de trastornos del ánimo
|
n=1,354 (muestra); edad promedio
30 años
|
Trastornos del
ánimo/depresivos (40.0%
del grupo)
|
|
Cluster 5
|
Grupo de primer nivel,
pequeño, también con
predominio de trastornos del
ánimo
|
n=342 (muestra); edad promedio 30
años
|
Trastornos del
ánimo/depresivos (26.9%
del grupo)
|
Nota.
La Tabla 2 presenta el perfil de los cinco clústeres identificados mediante K-Means sobre una muestra de 30,000
registros. Los clústeres no muestran una separación etaria limpia (todas las edades se distribuyen en rangos amplios y
superpuestos); la variable más diferenciadora entre grupos es la categoría de establecimiento y la categoría diagnóstica
dominante.
El
desempeño
moderado
del
modelo
(F1-macro=0.44)
es
consistente
con
la
naturaleza de los datos disponibles: variables puramente administrativas y demográficas, sin
información clínica de severidad, comorbilidad o tratamiento.
Esto no invalida el hallazgo
de que la edad y las variables temporales presentan la mayor importancia predictiva relativa
para la clasificación de la categoría diagnóstica dentro del modelo.
De forma exploratoria y complementaria, se procesó el texto de las descripciones
diagnósticas para identificar los términos más frecuentes (nube de palabras). Esta técnica de
minería de texto descriptiva tiene menor poder inferencial que el modelo predictivo y la
segmentación reportados arriba, y se presenta únicamente con fines exploratorios.
Los
términos
más
prominentes
incluyen
“trastorno”,
“depresivo”
y
“episodio”,
consistentes con el predominio de trastornos depresivos y de ansiedad ya reportado en la
Tabla 1 y la Tabla 2.
En
síntesis,
la
segmentación
con
K-Means
(K=5,
silueta=0.547)
permite
una
caracterización reproducible de subgrupos de registros de atención, mientras que la nube de
palabras
se
mantiene
únicamente
como
exploración
descriptiva,
sin
sustento
inferencial
formal.
Technology
Rain
Journal
ISSN:
2953-464X
(2023)
7
https://technologyrain.com.ar/
Discusión
Este estudio aporta a la literatura sobre la aplicación de Big Data en salud mental en
regiones con recursos limitados como Puno, Perú (Ristevski & Chen, 2018; Palacios-Ariza
et
al.,
2023;
Madububambachu
et
al.,
2024).
En
el
modelo
final,
la
edad
del
paciente
concentra
la
mayor
parte
de
la
importancia
predictiva
relativa
(60%,
según
MDI),
un
resultado
clínicamente
coherente
con
la
distribución
etaria
conocida
de
los
trastornos
mentales. La diferencia relativa en la
proporción de registros diagnósticos
de trastornos
psicóticos
entre
establecimientos
de
primer
nivel
y
hospitales
(21.4%
vs.
10.3%)
es
consistente en dirección con estudios previos sobre mayor carga de trastornos psicóticos
graves en zonas con menor acceso a servicios especializados (Gonzalez Cieza & Chavez
Monteza, 2023; Rosenfeld et al., 2019), aunque la magnitud no es directamente comparable
por tratarse de definiciones distintas de “zona”.
El uso de registros administrativos recolectados rutinariamente comparte, además,
los retos de calidad de datos y de desempeño predictivo descritos en otros dominios clínicos
(Shillan et al., 2019). Asimismo, la identificación de patrones en salud mental mediante Big
Data exige salvaguardas éticas explícitas para evitar la estigmatización de posibles pacientes
(Palomino & Berdugo, 2023).
Como línea futura, la integración de variables clínicas y de instrumentos de tamizaje
validados para población peruana (Vega Dienstmaier, 2024) permitiría mejorar el
poder
predictivo y la utilidad sanitaria de estos modelos.
Limitaciones:
(1) no fue posible identificar pacientes únicos, por lo que los resultados corresponden
a registros de atención, no a personas, y un mismo paciente puede estar representado por
más de un registro;
(2)
la
variable
de
zona
urbano/rural
es
un
proxy
de
nivel
de
complejidad
del
establecimiento (Categoría I/II), no una clasificación
geográfica censal,
y puede reflejar
patrones de referencia de pacientes hacia hospitales más que diferencias epidemiológicas
geográficas puras;
(3) el corpus no incluye variables clínicas de severidad, comorbilidad ni tratamiento,
lo
que
limita
el
desempeño
predictivo
del
modelo
(F1-macro=0.44)
a
lo
explicable
por
variables administrativas y demográficas;
8
https://technologyrain.com.ar/
(4)
la
ausencia
de
un
identificador
de
paciente
impide
analizar
trayectorias
diagnósticas longitudinales individuales;
(5) las técnicas de UMAP, modelado de tópicos (LDA), detección de comunidades
(Louvain)
y
modelos
tipo
Transformers
no
se
aplicaron
de
forma
reproducible
en
este
estudio y se identifican como líneas de trabajo futuro; y
(6) la importancia de variables reportada corresponde al método MDI, que puede
favorecer
a
variables
de
mayor
cardinalidad,
y
no
se
contrastó
con
la
importancia
por
permutación, lo que se plantea como verificación futura.
-
4.
CONCLUSIONES
En el corpus analizado (583,390 registros de atención de salud mental en Puno, 2021-
2023), la edad del paciente fue la variable con mayor importancia predictiva relativa respecto
de la categoría diagnóstica registrada (60%, según MDI), seguida de las variables temporales
(mes y año de atención).
El modelo predictivo alcanzó una exactitud de 52.2% y un F1-macro de 0.44 para la
clasificación en diez categorías diagnósticas CIE-10, un desempeño moderado pero honesto,
con salvaguardas explícitas contra la fuga de información (data leakage).
La
segmentación
en
cinco
grupos
mediante
K-Means,
con
K
justificado
por
coeficiente de silueta (0.547), permite una caracterización reproducible de subgrupos de
pacientes atendidos.
Los trastornos psicóticos y de esquizofrenia mostraron una
proporción de registros
diagnósticos
relativa
notablemente
mayor
en
establecimientos
de
primer
nivel
que
en
hospitales, un patrón que amerita mayor investigación con datos geográficos censales antes
de
derivar
recomendaciones
de
política
sanitaria
específicas.
Estos
resultados
deben
interpretarse como variables asociadas y de valor predictivo, no como relaciones causales,
dado el diseño observacional del estudio.
AGRADECIMIENTOS
Se
agradece
a
la
Dirección
Regional
de
Salud
(DIRESA)
Puno
por
autorizar
institucionalmente el
acceso a los
datos
administrativos anonimizados
utilizados en este
estudio,
y
a
la
Universidad
Nacional
del
Altiplano
por
el
marco
institucional
para
su
realización.
Technology
Rain
Journal
ISSN:
2953-464X
(2023)
9
https://technologyrain.com.ar/
DECLARACIÓN ÉTICA
El
estudio
utilizó
registros
administrativos
de
atenciones
de
salud
mental
anonimizados, sin variables identificatorias directas. El acceso a los datos fue autorizado
institucionalmente por DIRESA Puno para fines de investigación académica. El estudio no
contó con evaluación de un comité de ética de investigación formalmente constituido, al
tratarse de un análisis secundario de datos administrativos ya anonimizados por la entidad
de origen.
CONFLICTO DE INTERESES
Los Autores declaran que no existe conflicto de interés en el desarrollo de este estudio. No
se ha recibido financiamiento de ninguna entidad con intereses comerciales relacionados con el tema
de investigación. El rol de “adquisición de fondos” consignado en la matriz de contribución de autoría
corresponde
a
la
gestión
de
apoyo
institucional
no
comercial
(acceso
a
datos
y
recursos
de
la
universidad), no a financiamiento externo.
CONTRIBUCIÓN DE AUTORÍA
|
|
Chambi M.
|
Cruz E.
|
Mestas D.
|
Zuaña A.
|
Huanca J.
|
|
Participar activamente en:
|
|
|
|
|
|
|
Conceptualización
|
|
X
|
|
X
|
|
|
Análisis formal
|
X
|
X
|
|
|
X
|
|
Adquisición de fondos
|
X
|
|
X
|
|
|
|
Investigación
|
X
|
X
|
|
|
X
|
|
Metodología
|
|
|
X
|
|
X
|
|
Administración del proyecto
|
X
|
|
X
|
|
|
|
Recursos
|
X
|
X
|
X
|
X
|
X
|
|
Redacción –borrador original
|
X
|
|
|
|
|
|
Redacción –revisión y edición
|
|
|
|
X
|
X
|
|
La discusión de los resultados
|
X
|
X
|
X
|
X
|
X
|
|
Revisión y aprobación de la versión final del trabajo.
|
X
|
X
|
X
|
X
|
X
|
REFERENCIAS
Ahidar Tarhouchi, B., & Ortiz de Urbina Criado, M. (2024). Temas de investigación sobre Big Data en el
sector
salud.
ESIC
Market
Economic
and
Business
Journal
,
54
(2),
e316.
https://doi.org/10.7200/esicm.54.316
Chávez Fernández, F. A. (2018).
Factores de Riesgo del Síndrome Burnout en los Alumnos de las Clínicas
Odontológicas de las Universidades de la Región Puno 2017
. Universidad Nacional del Altiplano,
Escuela de Posgrado.
Chekroud, A. M., Zotti, R. J., Shehzad, Z., Gueorguieva, R., Johnson, M. K., & Trivedi, M. H. (2021).
Cross
-
trial
prediction
of
treatment
outcome
in
depression:
a
machine
learning
approach.
The
Lancet
Psychiatry
,
8
(6), 449
–
456. https://doi.org/10.1016/S2215
-
0366(21)00066
-
1
Gandomi,
A.,
&
Haider,
M.
(2015).
Beyond
the
hype:
Big
data
concepts,
methods,
and
analytics.
International
Journal
of
Information
Management
,
35
(2),
137
–
144.
https://doi.org/10.1016/j.ijinfomgt.2014.10.007
10
https://technologyrain.com.ar/
Gonzalez Cieza, A. E., & Chavez Monteza, G. (2023).
Sistema para el mapeo, control y monitoreo de
síntomas
depresivos
en
escolares
[Universidad
Peruana
de
Ciencias
Aplicadas].
https://repositorio.upc.edu.pe/handle/10757/659890
Goodfellow,
I.,
Bengio,
Y.,
&
Courville,
A.
(2016).
Deep
Learning
.
MIT
Press.
https://mitpress.mit.edu/books/deep
-
learning
Hudson, C., Branjerdporn, G., Hughes, I., Todd, J., Bowman, C., Randall, M., & Stapelberg, N. J. C. (2023).
Using
machine
learning
to
mine
mental
health
diagnostic
groups
from
emergency
department
presentations
before
and
during
the
COVID
-
19
pandemic.
Discover
Mental
Health
,
3(1),
22.
https://doi.org/10.1007/s44192
-
023
-
00047
-
0
Kimball, R., & Caserta, J. (2004).
The Data Warehouse ETL Toolkit: Practical Techniques for Extracting,
Cleaning, Conforming, and Delivering Data
. Wiley.
Madububambachu, U., Ukpebor, A., & Ihezue, U. (2024). Machine learning techniques to predict mental
health diagnoses: A systematic literature review.
Clinical Practice and Epidemiology in Mental Health
,
20
, e17450179315688. https://doi.org/10.2174/0117450179315688240607052117
Palacios-Ariza,
M.
A.,
Morales-Mendoza,
E.,
Murcia,
J.,
Arias-Duarte,
R.,
Lara-Castellanos,
G.,
Cely-
Jiménez, A., Rincón-Acuña, J. C., Araúzo-Bravo, M. J., & McDouall, J. (2023).
Prediction of patient
admission and readmission in adults from a Colombian cohort with bipolar disorder using artificial
intelligence.
Frontiers in Psychiatry
,
14
, 1266548. https://doi.org/10.3389/fpsyt.2023.1266548
Palomino, K., & Berdugo, C. (2023). Big Data Analytics and Mental Health: Would Ethics Be the Only
Safeguard Against the Risks of Identifying “Potential Patients”?
IEEE Intelligent Systems
,
38
(5), 37
–
44. https://doi.org/10.1109/MIS.2023.3287409
Passos, I., Lemos Ballester, P., Vinícius Pinto, J., & Mwangi, B. (2019). Big Data and Machine Learning
Meet the Health Sciences: Big Data Analytics in Mental Health.
In
Personalized Psychiatry
(pp. 1–13).
Springer. https://doi.org/10.1007/978-3-030-03553-2_1
Quispe Pari, M. D. (2021).
Factores de riesgo en la salud mental de los estudiantes de la Facultad de
Ingeniería Estadística e Informática de la UNA Puno ante la pandemia de COVID-19
[Universidad
Nacional del Altiplano]. https://repositorio.unap.edu.pe/handle/20.500.14082/3848
Reategui Monge, S. K. (2022).
Información digital frente al COVID y riesgos en salud mental en adultos
mayores
en
un
centro
de
salud
–
Chiclayo
2021
[Universidad
Señor
de
Sipán].
https://repositorio.uss.edu.pe/handle/20.500.12826/4478
Reddy, C. K., & Aggarwal, C. C. (2015).
Healthcare Data Analytics
(C. K. Reddy & C. C. Aggarwal, Eds.).
CRC Press. https://doi.org/10.1201/b18588
Ristevski, B., & Chen, M. (2018). Big data analytics in medicine and healthcare.
Journal of Integrative
Bioinformatics
,
15
(3), 20170030. https://doi.org/10.1515/jib
-
2017
-
0030
Rosenfeld, A., Benrimoh, D., Armstrong, C., Mirchi, N., Langlois
-
Therrien, T., Rollins, C., Tanguay
-
Sela,
M., Mehltretter, J., Fratila, R., Israel, S., Snook, E., Perlman, K., Kleinerman, A., Saab, B., Thoburn,
M., Gabbay, C., & Yaniv
-
Rosenfeld, A. (2019).
Big Data Analytics and AI in Mental Healthcare. arXiv.
https://doi.org/10.48550/arXiv.1903.12071
Shatte, A. B. R., Hutchinson, D. M., & Teague, S. J. (2019). Machine learning in mental health: A scoping
review
of
methods
and
applications.
Psychological
Medicine
,
49
(9),
1426
–
1448.
https://doi.org/10.1017/S0033291719000151
Technology
Rain
Journal
ISSN:
2953-464X
(2023)
11
https://technologyrain.com.ar/
Shillan, D., Sterne, J. A. C., Champneys, A., & Gibbison, B. (2019). Use of machine learning to analyze
routinely
collected
intensive
care
unit
data:
A
systematic
review.
Critical
Care
,
23
(1),
284.
https://doi.org/10.1186/s13054
-
019
-
2564
-
9
Shmueli, G., Bruce, P. C., Yahav, I., Patel, N. R., & Lichtendahl, K. C., Jr. (2018).
Data Mining for Business
Analytics: Concepts, Techniques, and Applications in R
. Wiley.
Stewart,
R.,
&
Davis,
K.
(2016).
“Big
Data”
in
Mental
Health
Research:
Current
Status
and
Emerging
Possibilities.
Social
Psychiatry
and
Psychiatric
Epidemiology
,
51
,
1055
–
1072.
https://doi.org/10.1007/s00127
-
016
-
1266
-
8
Vega Dienstmaier, J. M. (2024).
Construcción y validación de un instrumento para detección de trastornos
de
ansiedad
y
depresión
[Universidad
Peruana
Cayetano
Heredia].
https://repositorio.upch.edu.pe/handle/20.500.12866/10340
12
https://technologyrain.com.ar/