Análisis funcional de datos de ingresos urgentes en psiquiatría

Abstract

En este Trabajo Fin de Grado se analiza la relación entre condiciones ambientales y los ingresos urgentes psiquiátricos desde la perspectiva del Análisis de Datos Funcionales. Se analiza un conjunto de datos formado por 4104 pacientes ingresados en la Unidad de Psiquiatría del Hospital de León (2011-2022), con registro de temperaturas, humedad y contaminantes desde el día del ingreso hasta 20 días previos. Estas series temporales se modelizan como funcionaes continuas, capturando la dinámica completa en lugar de valores aislados. Se realiza un análisis descriptivo funcional de las variables permitiendo identificar tendencias temporales, zonas de mayor o menor dispersión y patrones de dependencia entre los días previos a la hospitalización. A continuación, se aplican técnicas de reducción de la dimensionalidad para extraer los principales patrones de variación. En esta fase exploratoria, se identifican perfiles funcionales diferenciados por nivel, variabilidad local y momentos de mayor exposición. En conjunto, estos patrones explican una gran parte de la variabilidad observada y sientan las bases para futuras estrategias de modelización predictiva más elaboradas.

This Final Degree Project analyzes the relationship between environmental conditions and emergency psychiatric admissions from the perspective of Functional Data Analysis. A dataset consisting of 4104 patients admitted to the Psychiatric Unit of León Hospital (2011-2022) is analyzed, with records of temperature, humidity, and pollutants from the day of admission up to 20 days prior. These time series are modeled as continuous functions, capturing the complete dynamics rather than isolated values. A descriptive functional analysis of the variables is performed, allowing for the identification of temporal trends, areas of greater or lesser dispersion, and patterns of dependence between days prior to hospitalization. Dimensionality reduction techniques are then applied to extract the main patterns of variation. In this exploratory phase, functional profiles are identified, differentiated by level, local variability, and times of greatest exposure. Together, these patterns explain a large part of the observed variability and lay the groundwork for more sophisticated predictive modeling strategies in the future.