Resumen: Uno de los problemas de salud mental importantes que afectan a las trabajadoras sexuales (TSF) son los trastornos mentales, especialmente la depresión. La exposición a la violencia, el estigma y las dificultades económicas aumenta aún más su riesgo psicológico. Los modelos actuales de aprendizaje automático (ML) suelen ser ineficaces para capturar los patrones de riesgo complejos y de alta dimensión que existen en este grupo marginado. Este artículo sugiere un modelo predictivo híbrido que fusiona una estrategia de selección de características de conjunto utilizando ANOVA e información mutua y regresión logística optimizada de Harris Hawks y representa una nueva aplicación de inteligencia de enjambre para predecir la salud mental en grupos vulnerables. Los métodos de IA explicable (XAI) se pueden utilizar para comprender los factores del trauma asociados con las predicciones del modelo. Cuando se aplica a un grupo de 3.005 FSW, se puede ver que el modelo propuesto es más efectivo que los clasificadores tradicionales, con una precisión del 95,78%, una puntuación F1 del 95,77% y un AUC de 0,96, e identifica el estrés postraumático, la violencia relacionada con el cliente y los factores ocupacionales como principales contribuyentes a la depresión. Este trabajo cierra las brechas entre los enfoques convencionales y de aprendizaje automático para desarrollar una herramienta XAI que permita a los grupos vulnerables recibir asistencia temprana, atención psicosocial específica basada en evidencia y planificación de la salud.
Publicado originalmente en export.arxiv.org el 23 de junio de 2026.
Ver fuente original
