Análisis y predicción de la satisfacción vital en adolescentes mediante técnicas de aprendizaje automático

Abstract

[Resumen] La salud mental adolescente constituye una de las principales preocupaciones de salud pública en la actualidad. La identificación temprana de jóvenes con riesgo de desarrollar problemas de salud mental resulta fundamental para facilitar la adopción de medidas preventivas y de apoyo adaptadas a sus necesidades. Sin embargo, la detección de estas situaciones puede resultar compleja debido a la gran cantidad de factores personales, familiares, sociales y educativos que influyen en el bienestar de los adolescentes. En este contexto, el presente trabajo explora la aplicación de técnicas de aprendizaje automático para analizar la satisfacción vital adolescente a partir de los datos del estudio internacional Health Behaviour in School-aged Children (HBSC). A través del análisis de información relacionada con la salud, el entorno familiar, las relaciones sociales y la experiencia escolar, se busca desarrollar modelos capaces de identificar patrones asociados a bajos niveles de satisfacción vital y contribuir a la detección temprana de situaciones de vulnerabilidad psicológica.[Abstract] Adolescent mental health is currently one of the main public health concerns worldwide. The early identification of young people at risk of developing mental health problems is es sential to support the implementation of preventive measures and interventions tailored to their needs. However, detecting these situations is challenging due to the wide range of personal, family, social and educational factors that influence adolescent well-being. In this context, this work explores the application of machine learning techniques to analyse ado lescent life satisfaction using data from the international Health Behaviour in School-aged Children (HBSC) study. By examining information related to health, family environment, so cial relationships and school experience, the aim is to develop models capable of identifying patterns associated with low levels of life satisfaction and contributing to the early detection of psychological vulnerability among adolescents.