Sociología y drogodependencia: la mirada ténica en la intervención social. Fundamentos para la constitución de una sociología de las drogodependencias

Almost thirty years have passed since the City Council of Madrid approved the first Municipal Plan against Drugs, thus laying the foundations of the current commitment to offer assistance to drug addicts. A Service that has been continuously growing (in funding), maturing (in organizations) and diversifying (in actions) during these decades, in the same manner as the scenario in which these actions are deployed has been evolving. But, what can be said today about the status of drugaddiction intervention? This study adopts a sociological approach that starts with and is focused on what has been defined as the hegemonic vision on drug addiction, with the aim of studying (precisely and progressively) the different and most widely accepted theoretical-practical developments and to understand how certain conceptions or positions determine the form of this social fact. Therefore, the main objective of this study is to understand and evaluate the performative effects of certain practices, techniques and professionals on defining and addressing a reality that is in question and/or in conflict, as a social problem. In addition, this study is focused on identifying a series of fundamental elements to address what is understood as the state of the issue of drug addiction in depth (discourse of drugs Vs. discourse on drugs) in order to offer a series of sociological questions and insights to focus attention onto this reality. For this purpose, once its intentions have been defined and due to the social nature of the object under study, the present research deploys qualitative methodology as a tool for approximation, delimiting the scope that professional technicians assume regarding the issue in question as well as their own professional practices within their organizations. Thus, we have contacted certain public as well as non-governmental organizations with long-term experience in drug addiction, so as to find out first hand, in addition to their writings, the different meanings they find in the performance of their specific practice (micro) as well as the framework within which their practice is defined and materialised (macro) on a population defined or characterised by (drug) addiction...

Integración de datos y análisis predictivo en tratamiento de drogodependencia

El análisis de datos actual se enfrenta a problemas derivados de la combinación de datos procedentes de diversas fuentes de información. El valor de la información puede enriquecerse enormemente facilitando la integración de nuevas fuentes de datos y la industria es muy consciente de ello en la actualidad. Sin embargo, no solo el volumen sino también la gran diversidad de los datos constituye un problema previo al análisis. Una buena integración de los datos garantiza unos resultados fiables y por ello merece la pena detenerse en la mejora de procesos de especificación, recolección, limpieza e integración de los datos. Este trabajo está dedicado a la fase de limpieza e integración de datos analizando los procedimientos existentes y proponiendo una solución que se aplica a datos médicos, centrándose así en los proyectos de predicción (con finalidad de prevención) en ciencias de la salud. Además de la implementación de los procesos de limpieza, se desarrollan algoritmos de detección de outliers que permiten mejorar la calidad del conjunto de datos tras su eliminación. El trabajo también incluye la implementación de un proceso de predicción que sirva de ayuda a la toma de decisiones. Concretamente este trabajo realiza un análisis predictivo de los datos de pacientes drogodependientes de la Clínica Nuestra Señora de la Paz, con la finalidad de poder brindar un apoyo en la toma de decisiones del médico a cargo de admitir el internamiento de pacientes en dicha clínica. En la mayoría de los casos el estudio de los datos facilitados requiere un pre-procesado adecuado para que los resultados de los análisis estadísticos tradicionales sean fiables. En tal sentido en este trabajo se implementan varias formas de detectar los outliers: un algoritmo propio (Detección de Outliers con Cadenas No Monótonas), que utiliza las ventajas del algoritmo Knuth-Morris-Pratt para reconocimiento de patrones, y las librerías outliers y Rcmdr de R. La aplicación de procedimientos de cleaning e integración de datos, así como de eliminación de datos atípicos proporciona una base de datos limpia y fiable sobre la que se implementarán procedimientos de predicción de los datos con el algoritmo de clasificación Naive Bayes en R.