Predicción de la deserción en un programa público de educación nutricional: un enfoque de aprendizaje automático

Área de la Ciencia:

• Salud Pública
• Educación Nutricional
• Aplicaciones de Aprendizaje Automático

Sus antecedentes:

• La deserción de participantes en programas de educación nutricional como EFNEP puede limitar la efectividad del programa.
• La identificación de personas en riesgo es crucial para intervenciones específicas y asignación de recursos.

Objetivo del estudio:

• Desarrollar y evaluar modelos de aprendizaje automático para predecir la deserción entre los participantes adultos de EFNEP utilizando datos previos al programa.
• Identificar los predictores clave de la deserción para informar las estrategias de retención.

Principales métodos:

• Análisis de datos secundarios de 339.335 participantes adultos de EFNEP en todo el país (2013-2022).
• Desarrollo y comparación de modelos de regresión logística, random forest y eXtreme Gradient Boosting.
• Predicción de la deserción basada en comportamientos alimentarios previos al programa, ingesta dietética, datos demográficos y características del programa.

Principales resultados:

• El modelo eXtreme Gradient Boosting mostró el mejor rendimiento predictivo (puntuación F1=0.68, recall=70%).
• Los predictores significativos de deserción incluyeron la región de Cooperative Extension, el nivel de financiación de EFNEP, el año de inscripción, los ingresos, la edad, la raza, la residencia, el número de hijos y los niveles de dieta/actividad previos al programa.

Conclusiones:

• El aprendizaje automático identifica eficazmente los patrones asociados con la deserción en programas de educación nutricional.
• Estos modelos pueden guiar intervenciones específicas para mejorar la retención de participantes y el impacto del programa.