Aplicación web basada en Machine Learning para la identificación del trastorno por déficit de atención e hiperactividad (TDAH) en estudiantes de primaria de colegios públicos de Lima sur

Abstract

El trastorno por déficit de atención con hiperactividad (TDAH) es una condición médica que se caracteriza por la falta de atención, la hiperactividad y la impulsividad, afectando el rendimiento académico de los estudiantes a nivel mundial. Esta investigación presenta una aplicación web con aprendizaje automático destinada a mejorar la detección del TDAH en niños de primaria. Tras revisar varios algoritmos de aprendizaje automático, se determinó que Random Forest ofrecía el mejor rendimiento, logrando una precisión del 96.08%. El modelo emplea 27 variables seleccionadas, lo que optimiza la recolección de datos y el proceso de entrenamiento. Los niños responden un cuestionario a través de la aplicación y los psicólogos pueden acceder a los resultados, facilitando así la detección temprana del TDAH. En el estudio participaron 189 niños, lo que resultó en una alta precisión del modelo Random Forest. Esta solución innovadora puede tener un impacto significativo en la identificación temprana del TDAH, beneficiando tanto la salud como el proceso educativo de los niños.

Attention deficit hyperactivity disorder (ADHD) is a medical condition characterized by inattention, hyperactivity and impulsivity, affecting the academic performance of students worldwide. This research presents a machine learning web application aimed at improving the detection of ADHD in elementary school children. After reviewing several machine learning algorithms, it was determined that Random Forest offered the best performance, achieving an accuracy of 96.08%. The model employs 27 selected variables, which optimizes the data collection and training process. Children answer a questionnaire through the application and psychologists can access the results, facilitating early detection of ADHD. The study involved 189 children, resulting in a high accuracy of the Random Forest model. This innovative solution can have a significant impact on the early identification of ADHD, benefiting both the health and educational process of children.