Saltar al contenido principal

Machine Learning: Soledad No Deseada en Personas Mayores

Análisis mediante técnicas de machine learning (árboles de decisión y Random Forest) para identificar los factores asociados a la soledad no deseada en personas mayores, utilizando la escala UCLA Loneliness Scale y la escala de redes sociales de Lubben (LSNS-6), a partir de los datos de la Encuesta Nacional de Calidad de Vida en la Vejez 2022.

¿Cuántas personas mayores se sienten solas? ¿Qué factores familiares, sociales, de salud y económicos se asocian a la soledad no deseada, y qué perfiles concentran el mayor riesgo?

Calidad de Vida en la Vejez 2022 · 1.789 personas mayores

1 de cada 2 personas mayores en Chile experimenta soledad no deseada

El 51% de las personas mayores declara algún grado de soledad no deseada, y un 12% la vive con un alto grado de intensidad. En ese sentido, la forma más recurrente de esta soledad tiene relación con sentir que le falta compañía familiar.

Soledad no deseada (escala UCLA)

  • 12%Alta intensidad
  • 39%Menor intensidad
  • 49%Sin soledad no deseada

Cada figura representa al 1% de las personas mayores

Hallazgos clave

  1. 8 de cada 10personas mayores que tienen una comunicación familiar insatisfactoria sienten soledad: es el factor más decisivo en el fenómeno de la soledad.→
  2. −18 puntosbaja la soledad predicha, de 62% a 44%, cuando la satisfacción con el tiempo compartido en familia es constante.→
  3. 44%de las personas mayores siente a veces o a menudo que le falta compañía, la forma más extendida de soledad.→
  4. 19%de las personas mayores se siente sola aun estando acompañada: lo que indica que la soledad y aislamiento no son equivalentes. Asimismo, tener compañía o una red de apoyo no es igual a participar de una comunicación.→
  5. 67,6%de acierto del árbol de decisión al clasificar casos nuevos (AUC 0,71), con perfiles de riesgo interpretables.→

Contexto

Chile atraviesa un proceso acelerado de envejecimiento demográfico, que plantea nuevos desafíos para el bienestar y la integración social de las personas mayores. En este contexto, la soledad no deseada constituye un fenómeno de especial relevancia, aunque no siempre visible ni suficientemente reconocido. Desde una perspectiva psicosocial, se entiende como una experiencia subjetiva y displacentera que surge cuando existe una discrepancia entre las relaciones sociales que una persona mantiene y aquellas que desearía o necesita, ya sea en términos de cantidad, calidad o significado de los vínculos (Perlman & Peplau, 1981; Ong et al., 2016; National Academies of Sciences, Engineering, and Medicine [NASEM], 2020). Este fenómeno debe distinguirse del aislamiento social, que refiere a una condición objetiva caracterizada por la escasez de contactos, interacciones o vínculos sociales. Por consiguiente, vivir solo no implica necesariamente experimentar soledad, del mismo modo que disponer de una amplia red de relaciones no garantiza sentirse acompañado o socialmente conectado (Ong et al., 2016; NASEM, 2020).

La evidencia científica ha asociado la soledad en las personas mayores con diversas consecuencias negativas para la salud, entre ellas una mayor prevalencia de síntomas depresivos, enfermedades cardiovasculares, deterioro cognitivo y riesgo de mortalidad (Hawkley & Cacioppo, 2010; Holt-Lunstad et al., 2015; Valtorta et al., 2016).

El estudio buscó responder dos preguntas:

  1. ¿Qué factores familiares, sociales, de salud y económicos se asocian a la soledad no deseada en las personas mayores?
  2. ¿Qué combinaciones de características permiten identificar a los grupos de mayor riesgo, para orientar la focalización de programas?

Datos

Fuente: Encuesta Nacional de Calidad de Vida en la Vejez 2022, elaborada por la Pontificia Universidad Católica de Chile y Caja Los Andes. Es una encuesta probabilística de alcance nacional, con 1.789 personas mayores.

Variables principales:

  • Soledad no deseada: escala abreviada UCLA Loneliness Scale (3 ítems: falta de compañía, sentirse excluido/a y sentirse aislado/a). Se dicotomizó en sin soledad (puntaje 0) y con soledad (puntaje 1 a 6).
  • Aislamiento social: escala de red social de Lubben (LSNS-6), con el punto de corte estándar de 12 puntos.
  • Factores explicativos: satisfacción con el vínculo familiar (comunicación, tiempo compartido, afecto, apoyo), apoyo de hijos e hijas, actividades sociales, salud autopercibida, situación económica y laboral, y características sociodemográficas (sexo, edad, escolaridad, convivencia y pareja).

Método

El análisis combinó estadística clásica y aprendizaje automático en tres etapas:

  1. Análisis descriptivo y bivariado. Pruebas χ², V de Cramér para medir la fuerza de cada asociación y residuos estandarizados para identificar dónde se concentra.
  2. Árbol de decisión (CART). Segmenta a la población en perfiles con distinta probabilidad de soledad. Se ajustaron los hiperparámetros y se podó el árbol por validación cruzada para evitar el sobreajuste.
  3. Random Forest. Combina múltiples árboles para validar los resultados, estimar la importancia de cada variable (Mean Decrease Accuracy) y la dirección de sus efectos (partial dependence).

Evaluación. Los datos se dividieron en una muestra de entrenamiento y una de prueba independiente, balanceadas en la variable respuesta. Los modelos se evaluaron sobre la muestra de prueba con exactitud, precisión, sensibilidad y área bajo la curva ROC (AUC).

Resultados

1. La soledad en la vejez se experimenta bajo la forma de falta de compañía

Porcentaje de personas mayores según la frecuencia con que experimentan cada ítem de la escala UCLA. Fuente: elaboración propia con datos de la Encuesta de Calidad de Vida en la Vejez 2022 (UC – Caja Los Andes).

Más de la mitad de las personas mayores, el 51%, declara algún grado de soledad, y un 12% la vive con alta intensidad. De las tres dimensiones de la escala, la más extendida es sentir que le falta compañía: un 44% lo experimenta a veces o a menudo, y un 14,4% lo siente a menudo. En cambio, los criterios de sentirse excluido/a, con 30,7%, o aislado/a, con 28,5%, son menos frecuentes.

Esto sugiere que la soledad en la vejez se expresa más como una “ausencia” de compañía significativa y menos como rechazo o exclusión, lo cual indica un dato relevante para diseñar intervenciones centradas en el acompañamiento y la calidad de los vínculos. Por su parte, las mujeres presentan una prevalencia mayor que los hombres, con 53,5% frente a 46%.

2. Cuando el vínculo familiar falla, la soledad se duplica

Cómo leer este gráfico
  1. Cada fila es un aspecto de la relación con la familia: tiempo compartido, afecto, apoyo para realizar nuevas actividades, comunicación y poder acudir a la familia por ayuda. Van ordenadas de la brecha mayor a la menor.
  2. El punto azul muestra el porcentaje de personas mayores con soledad entre quienes están satisfechas casi siempre o siempre con ese aspecto; el punto naranja, entre quienes lo están casi nunca o nunca.
  3. La línea entre ambos puntos es la brecha, y el número bajo ella indica cuántos puntos porcentuales los separan.
  4. Ejemplo: en el tiempo compartido con la familia, la soledad llega a 40,4% entre quienes están satisfechas casi siempre o siempre y a 82,5% entre quienes casi nunca lo están: una brecha de 42,1 puntos.
  5. En resumen: en los cinco aspectos el punto naranja queda muy a la derecha del azul, es decir, cuando el vínculo familiar falla, la soledad prácticamente se duplica.

Porcentaje de personas mayores con soledad no deseada según su satisfacción con cada dimensión del vínculo familiar. Las cinco asociaciones son estadísticamente significativas y de intensidad media (V de Cramér entre 0,29 y 0,34). Fuente: elaboración propia con datos de la Encuesta de Calidad de Vida en la Vejez 2022 (UC – Caja Los Andes).

Las cinco variables del vínculo familiar muestran el mismo patrón. Cuando la persona mayor está satisfecha casi siempre o siempre con su familia, la soledad ronda el 40%. Cuando casi nunca lo está, sube a entre 75% y 82,5%: prácticamente se duplica.

La brecha más amplia aparece en el tiempo compartido con la familia (+42,1 puntos), seguida del apoyo para realizar nuevas actividades y del afecto. En ese sentido, no basta con tener familia: lo que protege es la calidad del vínculo, es decir, sentirse escuchado, acompañado y apoyado.

3. Soledad y aislamiento social son fenómenos diferentes

Distribución de las personas mayores según riesgo de aislamiento social (escala de Lubben, punto de corte 12) y soledad no deseada (escala UCLA). El ancho de cada columna indica el porcentaje con y sin aislamiento; el área de cada bloque, el porcentaje del total en esa situación. Naranja: con soledad; azul: sin soledad. Tono oscuro: con aislamiento; tono claro: sin aislamiento. Fuente: elaboración propia con datos de la Encuesta de Calidad de Vida en la Vejez 2022 (UC – Caja Los Andes).

Según la escala de Lubben, más de la mitad de las personas mayores, el 55%, no cuenta con una red de apoyo suficiente y está en riesgo de aislamiento social. Soledad y aislamiento son analíticamente diferentes pero empíricamente asociados: entre quienes están aislados, un 58% siente soledad, frente a un 42% entre quienes tienen una red de apoyo.

Asimismo, un 32% de las personas mayores vive la doble vulnerabilidad de sentirse solo y estar aislado, sin embargo, un 23% está aislado y no se siente solo, y un 19% se siente solo aun teniendo una red de apoyo. Contar contactos no basta para identificar soledad: la experiencia subjetiva de los vínculos importa tanto como el número de contactos.

Modelos de machine learning

Con el propósito de identificar perfiles de riesgo, se entrenaron dos modelos de clasificación supervisada. Para ello, se siguieron las etapas convencionales del aprendizaje automático: separar datos para evaluar, controlar la complejidad y validar con un segundo método.

Datos1.789 personas mayores y 26 variables predictoras
DivisiónEntrenamiento y prueba independientes (70/30 en el árbol, 75/25 en el Random Forest)
Árbol de decisiónCART con ajuste de hiperparámetros
PodaValidación cruzada para elegir la complejidad óptima
Random ForestEnsamble de árboles con ajuste de hiperparámetros
EvaluaciónExactitud, sensibilidad y AUC en datos que el modelo no vio

4. Cómo decide el árbol: seis perfiles de riesgo

Árbol de decisión podado (CART). La barra de cada nodo muestra la mezcla de su grupo: naranja, con soledad; azul, sin soledad. Los recuadros grises son pasos intermedios; los recuadros con borde de color son los perfiles finales: naranja si su prevalencia de soledad supera el promedio de 51% y azul si está bajo él. Muestra de entrenamiento, n = 1.252. Fuente: elaboración propia con datos de la Encuesta de Calidad de Vida en la Vejez 2022 (UC – Caja Los Andes).

En particular, el árbol de decisión aprende de los datos respecto a qué preguntas separan mejor a quienes sienten soledad de quienes no, sin que se le indique de antemano la forma de esas relaciones. La primera pregunta, y la más decisiva, es la comunicación familiar: cuando es insatisfactoria, 8 de cada 10 personas mayores presentan soledad, un 78%, y es el grupo de riesgo más numeroso, con un 29% de la muestra.

Aun con buena comunicación, el poco tiempo compartido con la familia eleva la soledad a 68%. Con un buen vínculo familiar, la salud pasa a ser determinante: una buena salud define el perfil más protegido, con un 29%, mientras que ante una mala salud tener pareja amortigua el riesgo, con un 38% frente a un 55% sin pareja. Entre quienes no tienen pareja, la escolaridad básica vuelve a elevar la soledad a 63%. Así entonces, la soledad no surge de una simple suma de desventajas, sino de combinaciones específicas de vulnerabilidad y protección.

5. Cómo se evitó el sobreajuste: poda por validación cruzada

Error relativo del árbol según su número de divisiones (1 = error de un modelo sin predictores). Error en entrenamiento y error estimado por validación cruzada, con su banda de ± 1 error estándar. Tabla de complejidad del árbol (parámetro CP). Fuente: elaboración propia con datos de la Encuesta de Calidad de Vida en la Vejez 2022 (UC – Caja Los Andes).

Un árbol más grande siempre se ajusta mejor a los datos con que se entrena: el error en entrenamiento baja sin parar. Pero eso no significa que prediga mejor casos nuevos. La validación cruzada estima el error en datos no vistos, y muestra que este llega a su mínimo con 5 divisiones y luego vuelve a subir: más allá de ese punto, el árbol empieza a memorizar ruido. Por eso se podó en 5 divisiones, un modelo simple, interpretable y con mejor capacidad de generalización.

6. Qué tan bien clasifican los modelos de Machine Learning

Matrices de confusión en la muestra de prueba. Cada celda muestra el porcentaje dentro del grupo real: en la fila de personas con soledad, la proporción detectada (sensibilidad); en la de personas sin soledad, la proporción correctamente descartada (especificidad). Azul: aciertos del modelo; naranja: errores. Fuente: elaboración propia con datos de la Encuesta de Calidad de Vida en la Vejez 2022 (UC – Caja Los Andes).

Ambos modelos se evaluaron con datos que no vieron durante el entrenamiento. El árbol podado clasifica correctamente al 67,6% y es más preciso cuando alerta un caso, ya que el 73% de sus alertas son correctas, mientras que el Random Forest detecta más casos reales de soledad, con un 64% frente a un 59%, a costa de más falsas alarmas.

Desempeño en la muestra de prueba
Modelo Exactitud Precisión Sensibilidad Especificidad AUC
Árbol de decisión podado 0,68 0,73 0,59 0,76 0,71
Random Forest optimizado 0,66 0,69 0,64 0,69 0,70

Con un AUC cercano a 0,70, la capacidad discriminante es aceptable. El valor de los modelos no está en diagnosticar casos individuales, sino en ordenar los factores de riesgo y describir perfiles interpretables que orienten una decisión de políticas públicas.

7. Qué variables son más importantes según el Random Forest

Importancia de cada variable en el Random Forest optimizado, medida como Mean Decrease Accuracy (cuánto empeora la predicción si la variable deja de aportar información) y expresada en relación con la más importante (= 100). Se muestran las 12 variables más importantes de 26. Fuente: elaboración propia con datos de la Encuesta de Calidad de Vida en la Vejez 2022 (UC – Caja Los Andes).

El Random Forest entrena muchos árboles sobre muestras aleatorias de los datos y combina sus predicciones, lo que lo hace más estable que un árbol individual. Su ranking de importancia confirma el hallazgo central: las tres variables más predictivas de la soledad están asociadas a la familia (comunicación, poder acudir a la familia y tiempo compartido) y superan con amplitud al resto. El modelo incorpora además factores que el árbol no captó, como vivir solo y la suficiencia de ingresos, con un peso cercano a la mitad.

8. Reducción de soledad: el vínculo familiar debe ser permanente

Reducción de la probabilidad de soledad predicha por el Random Forest (dependencia parcial) al pasar de una satisfacción no constante con la familia (“a veces” o “casi nunca”) a una satisfacción constante (“casi siempre o siempre”), manteniendo constantes las demás variables. Fuente: elaboración propia con datos de la Encuesta de Calidad de Vida en la Vejez 2022 (UC – Caja Los Andes).

La importancia dice cuánto pesa una variable, pero no hacia dónde se orienta. La dependencia parcial responde esa pregunta: estima cómo cambia la probabilidad de soledad cuando cambia una variable y todo lo demás se mantiene igual. Cuando la satisfacción con el tiempo compartido en familia es constante, la soledad predicha baja 17,9 puntos, de 62% a 44%. Le siguen el apoyo para nuevas actividades (−11,6) y la comunicación familiar (−10,7).

El modelo revela además un patrón de umbral: estar satisfecho solo “a veces” predice casi la misma soledad que “casi nunca”. La reducción aparece únicamente cuando la satisfacción es sostenida. Para la política pública, esto significa que no basta con un contacto familiar ocasional: lo protector es un vínculo constante en el tiempo.

Conclusiones

La soledad no deseada es un fenómeno extendido y se vive, sobre todo, como falta de compañía. El 51% de las personas mayores declara algún grado de soledad y un 12% la vive con alta intensidad. La dimensión más frecuente es sentir que falta compañía, que un 44% experimenta a veces o a menudo, mientras que sentirse excluido/a o aislado/a es menos frecuente. Las mujeres presentan una prevalencia mayor que los hombres, con 53,5% frente a 46%.

El vínculo familiar es el factor más decisivo. En los cinco aspectos de la relación con la familia, la soledad ronda el 40% cuando hay satisfacción casi siempre o siempre, y sube a entre 75% y 82,5% cuando casi nunca la hay. El árbol de decisión y el Random Forest coinciden: la comunicación familiar, poder acudir a la familia y el tiempo compartido son las variables más predictivas, y superan con amplitud al resto. Lo que protege no es solo tener familia, sino la calidad del vínculo: sentirse escuchado, acompañado y apoyado.

Soledad y aislamiento social son fenómenos diferentes. Se asocian, pues entre quienes están aislados un 58% siente soledad, frente a un 42% entre quienes tienen una red de apoyo. Pero un 23% está aislado y no se siente solo, y un 19% se siente solo aun teniendo una red de apoyo. Contar contactos no basta para identificar la soledad: importa la experiencia subjetiva de los vínculos.

El riesgo surge de combinaciones de vulnerabilidad y protección, y requiere un vínculo sostenido. El árbol de decisión muestra que, cuando la comunicación familiar es satisfactoria, la salud, tener pareja y la escolaridad definen perfiles de mayor o menor riesgo. Además, la dependencia parcial indica que la soledad predicha baja 17,9 puntos, de 62% a 44%, cuando la satisfacción con el tiempo compartido en familia es constante, y que estar satisfecho solo “a veces” predice casi la misma soledad que “casi nunca”. Por eso importa un vínculo permanente y no un contacto ocasional.

Implicancias para política pública: poner el foco en la calidad del vínculo familiar y no solo en la cantidad de contactos; focalizar en personas mayores con comunicación familiar deficiente, y no usar “vivir solo” como único criterio de riesgo.

Limitaciones: diseño transversal, dicotomización de la escala UCLA por falta de un punto de corte consensuado y poder predictivo moderado de los modelos.

Herramientas

  • R 4.2: procesamiento de datos, pruebas estadísticas, árbol de decisión y Random Forest.
  • Plotly para R: visualizaciones interactivas para la web.
  • Quarto: publicación de esta página.

Bibliografía

Hawkley, L. C., & Cacioppo, J. T. (2010). Loneliness matters: A theoretical and empirical review of consequences and mechanisms. Annals of Behavioral Medicine, 40, 218–227. https://doi.org/10.1007/s12160-010-9210-8

Holt-Lunstad, J., Smith, T. B., Baker, M., Harris, T., & Stephenson, D. (2015). Loneliness and social isolation as risk factors for mortality: A meta-analytic review. Perspectives on Psychological Science, 10(2), 227–237. https://doi.org/10.1177/1745691614568352

Ong, A. D., Uchino, B. N., & Wethington, E. (2016). Loneliness and health in older adults: A mini-review and synthesis. Gerontology, 62(4), 443–449. https://doi.org/10.1159/000441651

Valtorta, N. K., Kanaan, M., Gilbody, S., Ronzi, S., & Hanratty, B. (2016). Loneliness and social isolation as risk factors for coronary heart disease and stroke: Systematic review and meta-analysis of longitudinal observational studies. Heart, 102(13), 1009–1016. https://doi.org/10.1136/heartjnl-2015-308790

Zhou, X., Yang, F., & Gao, Y. (2023). A meta-analysis of the association between loneliness and all-cause mortality in older adults. Psychiatry Research, 328, 115430. https://doi.org/10.1016/j.psychres.2023.115430

Boss, L., Kang, D. H., & Branson, S. (2015). Loneliness and cognitive function in the older adult: A systematic review. International Psychogeriatrics, 27(4), 541–553.