Modelos predictivos para la estimación de adolescentes con tendencia al alcoholismo

Abstract

Una de las drogas más consumidas a nivel mundial, es sin lugar a duda el alcohol. Según algunas evidencias, los jóvenes suelen tomar contacto con el alcohol entre los 12 y 17 años, esto ha llevado a la realización de diferentes investigaciones con el fin de entender los patrones que pueden condicionar en los jóvenes el consumo de alcohol. El presente artículo tiene como objetivo analizar tres diferentes modelos predictivos basados en Machine Learning, con el fin de entender cuál de los modelos analizados responden de mejor manera al estudio de la predicción de la tendencia al alcoholismo en jóvenes. Para la realización del análisis, se ha tomado como base un dataset de 521 registros, obtenido de Kagle como modelo, el cual fue sometido al análisis de los tres modelos. Según las pruebas realizadas con los modelos predictivos, el modelo de Regresión Lineal posee una mayor precisión con un accuracy de 1.00 frente al 0.95 del modelo KNN y 0.98 del Árbol de Decisión. El estudio nos determina en las curvas ROC analizadas que el modelo de regresión lineal alcanza mejores resultados entre la sensibilidad de los verdaderos positivos y la especificidad de los falsos positivos. Por otro lado, debemos mencionar que según el dataset analizado, se tendría que los indicadores de predicción son: la zona donde vive el adolescente, el estado familiar en el que crece y la disposición de tiempo libre. Si bien el estudio no pretende ser concluyente, refleja la importancia de reconocer los factores psicosociales protectores en el diseño e implementación de programas de promoción y prevención asociados al consumo responsable de alcohol y de conducta no violenta con adolescentes desde una perspectiva salutogénica.