Perfiles de riesgo de salud mental en estudiantes universitarios mediante GHQ-28 y técnicas de Machine Learning

Doris Paola Sanabria Garcia; Jesus Antonio Villarraga

doi:10.22490/25394088.10120

Vol. 19 Núm. 2 (2025)

Publicado 25-11-2025

Licencia

Derechos de autor 2025 Publicaciones e Investigación

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.

Cuando PUBLICACIONES E INVESTIGACIÓN recibe la postulación de un original por parte de su autor, ya sea a través de correo electrónico o postal, considera que puede publicarse en formatos físicos y/o electrónicos y facilitar su inclusión en bases de datos, hemerotecas y demás sistemas y procesos de indexación. PUBLICACIONES E INVESTIGACIÓN autoriza la reproducción y citación del material de la revista, siempre y cuando se indique de manera explícita el nombre de la revista, los autores, el título del artículo, volumen, número y páginas. Las ideas y conceptos expresados en los artículos son responsabilidad de los autores y en ningún caso reflejan las políticas institucionales de la UNAD

Artículo de Investigación

Perfiles de riesgo de salud mental en estudiantes universitarios mediante GHQ-28 y técnicas de Machine Learning

DOI: https://doi.org/10.22490/25394088.10120

Doris Paola Sanabria Garcia Universidad Nacional de Colombia

Jesus Antonio Villarraga Universidad Nacional de Colombia

Pre-print

Resumen
Referencias

El bienestar psicológico de los estudiantes universitarios es clave para su permanencia y rendimiento académico. Este estudio tuvo como objetivo identificar y caracterizar perfiles de riesgo psicológico en estudiantes de Ingeniería Agronómica y Ciencias Sociales de la Universidad de Cundinamarca, utilizando el cuestionario GHQ-28, que evalúa cuatro subescalas: somatización, ansiedad/insomnio, disfunción social y depresión. La investigación, de tipo cuantitativo con enfoque descriptivo, exploratorio y predictivo, incluyó a 227 estudiantes que diligenciaron voluntariamente el instrumento. Las respuestas fueron codificadas con el método Likert (0-1-2-3) y analizadas junto con variables sociodemográficas. Se aplicaron análisis descriptivo, reducción de dimensionalidad mediante Análisis de Componentes Principales (PCA) y agrupamiento no supervisado con K-Means, identificando tres perfiles de riesgo: bajo, intermedio y alto. Para la clasificación predictiva, se implementaron modelos de regresión logística y Random Forest, evidenciando un mejor desempeño del modelo logístico (AUC = 0.96) frente al Random Forest (AUC = 0.57). Los hallazgos permiten proponer estrategias de intervención diferenciadas y resaltan la utilidad del GHQ-28 como herramienta de cribado en entornos universitarios.

Palabras clave: Salud Mental, GHQ-28, somatización, ansiedad, disfunción social, depresión, PCA, K-Means, regresión logística

Cifuentes Madrigal, A. N. D. R. E. A., Gómez Méndez, T. S., & Jiménez Zapata, M. A. R. I. T. Z. A. (2024). Analítica predictiva como apoyo en la salud pública: Modelos de pronóstico con series de tiempo aplicados a la conducta suicida. Revista EIA, 21(42).

García, J. A. (1999). [Referencia completa no disponible].

Goldberg, D. (1972). The detection of psychiatric illness by questionnaire. Oxford University Press.

Goldberg, D., & Hillier, V. F. (1979). A scaled version of the General Health Questionnaire. Psychological Medicine, 9(1), 139–145. https://doi.org/10.1017/S0033291700021644

Lee, K. S., & Ham, B. J. (2022). Machine learning in the early diagnosis of depression. Psychiatry Investigation, 19(8), 597–604. https://doi.org/10.30773/pi.2022.0109

Lee, KS y Ham, BJ (2022). Aprendizaje automático en el diagnóstico temprano de la depresión. Psychiatry Investigation , 19 (8), 597.

Osorio Castrillón, S. (2022). Machine learning aplicado a la predicción y clasificación de la depresión, un enfoque hacia la gestión de la salud mental.

Posada, José A. (2013). La salud mental en Colombia. Biomédica, 33(4), 497-498. Retrieved August 04, 2025, from http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-41572013000400001&lng=en&tlng=es

Sarokhani, D., Delpisheh, A., Veisani, Y., Sarokhani, MT, Esmaeli Manesh, R. y Sayehmiri, K. (2013). Prevalencia de la depresión en estudiantes universitarios: Una revisión sistemática y un metaanálisis. Investigación y tratamiento de la depresión , 2013 (1), 373857.

Silva-Gutiérrez, B. N., & De la Cruz-Guzmán, U. O. (2017). Autopercepción del estado de salud mental en estudiantes universitarios y propiedades psicométricas del Cuestionario de Salud General (GHQ28). Revista Iberoamericana de producción académica y gestión educativa, 4(8), 1-26

Licencia

Cómo citar

Sanabria Garcia, D. P., & Villarraga, J. A. (2025). Perfiles de riesgo de salud mental en estudiantes universitarios mediante GHQ-28 y técnicas de Machine Learning. Publicaciones E Investigación, 19(2). https://doi.org/10.22490/25394088.10120

Descargar cita

Almétricas