Acceso usuarios
Raúl Emilio Real Delor, Alberto Guevara Tirado
Resumen Introducción el uso problemático de internet puede impactar el rendimiento académico de estudiantes de Medicina, pero pocos estudios en Latinoamérica han explorado esta relación mediante minería de datos. El objetivo fue clasificar el rendimiento académico según el uso problemático de internet en estudiantes de Medicina Humana latinoamericanos. Material y métodos análisis transversal utilizando el algoritmo de árbol de decisión CHAID en estudiantes de Medicina Humana de Perú, Paraguay y Cuba (n = 176). Se evaluó la capacidad predictiva del modelo mediante matriz de clasificación, calculándose sensibilidad, especificidad, valores predictivos positivos y negativos (VPP, VPN), razones de verosimilitud y odds ratio (OR). Se emplearon pruebas t de Student para comparar puntuaciones de autovaloración académica entre estudiantes con y sin uso problemático de internet, complementándolo con el cálculo del tamaño del efecto (d de Cohen). Resultados el algoritmo CHAID identificó que la principal variable asociada al rendimiento académico fue la frecuencia con la que perciben que su desempeño académico se ve afectado por el uso de internet (p < 0,001). El modelo clasificó correctamente 79,80 y 59,60% de estudiantes con bajo y buen rendimiento, respectivamente, con una precisión global del 73,30%. La sensibilidad fue 79,80%, especificidad 59,60%, VPP = 80,50% y OR = 5,85 (IC 95%: 2,66–12,87). Además, los estudiantes no afectados por el uso problemático de internet reportaron puntuaciones significativamente más altas en indicadores de rendimiento académico percibido (p < 0,001), con tamaños del efecto moderados a grandes. Conclusiones el árbol CHAID identificó una fuerte asociación entre la percepción de afectación del rendimiento académico por uso problemático de internet y bajo desempeño en estudiantes de Medicina Humana.
Introduction Problematic internet use can impact the academic performance of medical students, but few studies in Latin America have explored this relationship using data mining. The objective was to classify academic performance according to problematic internet use in Latin American medical students. Material and methods A cross-sectional analysis was conducted using the CHAID decision tree algorithm among medical students from Peru, Paraguay, and Cuba (n = 176). The model's predictive ability was assessed through a classification matrix, calculating sensitivity, specificity, positive and negative predictive values (PPV, NPV), likelihood ratios, and odds ratio (OR). Student's t-tests were used to compare academic self-assessment scores between students with and without problematic internet use, complemented by effect size calculations (Cohen's d). Results The CHAID algorithm identified the frequency with which students perceived their academic performance to be affected by internet use as the main variable associated with performance (p < 0.001). The model correctly classified 79.80% of students with low performance and 59.60% with good performance, with an overall accuracy of 73.30%. Sensitivity was 79.80%, specificity 59.60%, PPV = 80.50%, and OR = 5.85 (95% CI: 2.66–12.87). Additionally, students not affected by problematic internet use reported significantly higher perceived academic performance scores (p < 0.001), with moderate to large effect sizes. Conclusions The CHAID tree identified a strong association between the perception of academic performance being affected by problematic internet use and poor academic outcomes in medical students.
