Aplicación de técnicas de aprendizaje automático para perfilar el comportamiento de fumar de las adolescentes en...

Área de la Ciencia:

• Salud pública
• Ciencia de los datos
• Ciencias del comportamiento

Sus antecedentes:

• El consumo de tabaco entre los adolescentes, especialmente entre las niñas de los países de ingresos bajos y medios, es una preocupación creciente debido a la reducción de las brechas de género.
• Los programas de marketing social ofrecen una vía potencial para las intervenciones para prevenir y reducir el consumo de tabaco en este grupo demográfico.
• Comprender las vías específicas que influyen en los comportamientos de fumar es crucial para desarrollar estrategias efectivas de prevención.

Objetivo del estudio:

• Evaluar un programa de comercialización social destinado a desalentar el consumo de tabaco entre las adolescentes en Ghana.
• Identificar los principales factores predictivos del inicio del tabaquismo mediante técnicas de aprendizaje automático (ML).
• Descubrir oportunidades programáticas para un mayor impacto en los comportamientos de fumadores adolescentes.

Principales métodos:

• Se llevó a cabo un ensayo aleatorizado de grupo de cuña escalonado y una encuesta de panel en la que participaron 9000 niñas de 13 a 19 años.
• Se emplearon técnicas de aprendizaje automático (ML), incluida la técnica de sobremostraje de minoría sintética (SMOTE), para construir modelos predictivos.
• Se utilizó el análisis de la importancia de las características para clasificar las variables que influyen en el inicio y la continuación del tabaquismo.

Principales resultados:

• Los modelos de ML diferenciaron con precisión entre fumadores adolescentes y no fumadores.
• Los predictores clave del inicio del tabaquismo incluyeron la independencia de las niñas, la conectividad, el entorno social y la influencia de los compañeros.
• Estos hallazgos se alinean con las ideas de investigación cualitativa derivadas de los principios de la ciencia del comportamiento.

Conclusiones:

• El aprendizaje automático ofrece un nuevo enfoque para obtener información programática a partir de datos de evaluación rigurosos.
• La ciencia de datos, cuando está informada por la teoría del comportamiento, puede mejorar la comprensión de comportamientos complejos de salud.
• La identificación de características críticas que influyen en los comportamientos de fumar puede ayudar significativamente en la planificación de programas y en los esfuerzos de divulgación específicos.