Machine learning aplicado en la clasificación y predicción de la depresión: Una revisión sistemática

The main challenge for health insurers is to properly manage the disease as well as the health of its members, emphasizing the prevention and implementation of actions that allow the anticipation and prediction of the disease. Adicionalmente, cuáles son las variables que aportan mayor significancia a la precisión de los modelos utilizados. 2. Machine learning - depresión prediction y que cumpliera las siguientes condiciones: - Artículos - Estado finalizado - Últimos 6 años (incluyendo 2021) - Mayor relevancia (número de citaciones) - Artículos con mínimo una citación - Idioma inglés - Áreas de ciencia computacional y medicina Con lo cual resulta la siguiente ecuación: ( TITLE-ABS-KEY ( depression AND prediction ) AND TITLE-ABS-KEY ( machine AND learning ) ) AND ( LIMIT-TO ( OA , "all" ) ) AND ( LIMIT-TO ( PUBSTAGE , "final" ) ) AND ( LIMIT-TO ( PUBYEAR , 2021 ) OR LIMIT-TO ( PUBYEAR , 2020 ) OR LIMIT-TO ( PUBYEAR , 2019 ) OR LIMIT-TO ( PUBYEAR , 2018 ) OR LIMIT-TO ( PUBYEAR , 2017 ) OR LIMIT-TO ( PUBYEAR , 2016 ) OR LIMIT-TO ( PUBYEAR , 2015 ) ) AND ( LIMIT-TO ( SUBJAREA , "MEDI" ) OR LIMIT-TO ( SUBJAREA , "COMP" ) ) AND ( LIMIT-TO ( DOCTYPE , "ar" ) ) AND ( LIMIT-TO ( LANGUAGE , "English" ) ) Implementando dicha ecuación en la BD definido (SCOPUS), se obtuvieron como resultado un total de 146 artículos. Por la naturaleza y complejidad de la depresión, se vuelve indispensable validar, probar y mezclar diferentes metodologías que ayuden a integrar variables de diferente índole para poder obtener los resultados más precisos posibles a la hora de apoyar al sector salud en el diagnóstico/gestión de la salud mental.