Explorando los factores de riesgo y el modelado predictivo de la desnutrición infantil en Pakistán utilizando el...

Área de la Ciencia:

• Nutrición pediátrica
• Epidemiología computacional
• Informática de la salud pública

Sus antecedentes:

• La desnutrición infantil, que abarca el retraso en el crecimiento, el desgaste y el bajo peso, sigue siendo un problema crítico de salud pública en Pakistán.
• Los factores sociodemográficos y relacionados con la salud influyen significativamente en la prevalencia de la desnutrición en los niños menores de cinco años.

Objetivo del estudio:

• Identificar los factores de riesgo asociados con la desnutrición infantil en Pakistán.
• Desarrollar y evaluar modelos de aprendizaje automático para predecir la desnutrición infantil (retraso en el crecimiento, pérdida de peso, bajo peso).
• Informar sobre las intervenciones específicas de salud pública.

Principales métodos:

• Análisis transversal de los datos de la Encuesta Demográfica y de Salud de Pakistán (PDHS) 2017-2018.
• Regresión logística para la identificación de factores de riesgo.
• Aplicación y evaluación del rendimiento de los modelos de Bosque aleatorio, SVM, Naïve Bayes y AdaBoost utilizando validación cruzada y divisiones de prueba de trenes.

Principales resultados:

• Los matrimonios consanguíneos, la menor riqueza, la baja educación materna y las disparidades regionales (Sindh, Baluchistán) se identificaron como factores de riesgo significativos.
• El modelo Random Forest logró la mayor precisión y especificidad para predecir los indicadores de desnutrición.
• La Máquina Vectorial de Apoyo (SVM, por sus siglas en inglés) demostró una sensibilidad superior para los niños con pérdida de peso y bajo peso.

Conclusiones:

• La desnutrición infantil en Pakistán está vinculada a una compleja interacción de factores sociodemográficos.
• El aprendizaje automático ofrece un enfoque poderoso para predecir la desnutrición infantil.
• Las intervenciones deben dar prioridad a la educación materna, el saneamiento y la reducción de la pobreza en las zonas de alto riesgo.