Utilize este identificador para referenciar este registo: https://rinacional.tecnm.mx/jspui/handle/TecNM/10642
Título: Detección automática de trastorno de ansiedad generalizada utilizando estrategias de historia de vida
Autor: Islas Ávila, Ana Luisa%1308110
metadata.dc.subject.other: Aprendizaje automático supervisado, Clasificación, Estrategias de historia de vida, Trastorno de Ansiedad Generalizada.
Data: 2025-08-07
Editora: Tecnológico Nacional de México
metadata.dc.publisher.tecnm: Centro Nacional de Investigación y Desarrollo Tecnológico
Descrição: Esta tesis presenta el desarrollo de un modelo para la detección del Trastorno de Ansiedad Generalizada (TAG) mediante algoritmos de aprendizaje automático supervisado. El objetivo principal de la investigación fue evaluar el desempeño de distintos modelos supervisados utilizando métricas clave bajo diversas configuraciones, incluyendo la selección de características y la optimización de hiperparámetros. Para ello, se analizaron 244 registros obtenidos a partir de cuatro cuestionarios que evaluaron variables sociodemográficas, estrategias de historia de vida y niveles de ansiedad. Tras un proceso de selección de características relevantes, se evaluaron siete algoritmos supervisados en dos condiciones: configuración de hiperparámetros por defecto y configuración optimizada. Entre ellos, el modelo Random Forest, ajustado mediante submuestreo aleatorio y búsqueda aleatoria de hiperparámetros, obtuvo el mejor desempeño, alcanzando una exactitud del 81% y una sensibilidad del 78 %. Los resultados destacan la relevancia de las estrategias de historia de vida como variables predictoras del TAG, en particular dimensiones como las relaciones interpersonales, la maduración precoz y la impulsividad, las cuales mostraron asociaciones significativas con dicho trastorno. Estos hallazgos respaldan la viabilidad de incorporar variables de historia de vida en modelos predictivos de TAG, aportando una perspectiva integral que considera factores conductuales, cognitivos y sociodemográficos.
metadata.dc.type: info:eu-repo/semantics/masterThesis
Aparece nas colecções:Tesis de Maestría en Computación

Ficheiros deste registo:
Ficheiro Descrição TamanhoFormato 
MC_Ana_Luisa_Islas_Avila_2025.pdfTesis2.04 MBAdobe PDFVer/Abrir
MC_Ana_Luisa_Islas_Avila_2025_c.pdf
  Restricted Access
Cesión de derechos502.7 kBAdobe PDFVer/Abrir Request a copy


Este registo está protegido por copyright original.



Este registo está protegido por Licença Creative Commons Creative Commons