Modelo de clasificación de desnutrición aguda para niños de 6 a 59 meses a partir de variables climáticas en Perú

• Autor: Revilla Dominguez, Luis Carlos
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Peruana Cayetano Heredia
• Repositorio: UPCH-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.upch.edu.pe:20.500.12866/17273
• Enlace del recurso: https://hdl.handle.net/20.500.12866/17273
• Nivel de acceso: acceso abierto
• Materia: Machine Learning; Desnutrición Aguda; https://purl.org/pe-repo/ocde/ford#1.05.10; https://purl.org/pe-repo/ocde/ford#2.06.00; https://purl.org/pe-repo/ocde/ford#3.02.03; https://purl.org/pe-repo/ocde/ford#3.03.04

La desnutrición aguda es una condición de salud que afecta a una relevante cantidad de niños menores de 5 años. Anualmente se obtienen datos climatológicos y sociodemográficos que en la literatura han demostrado tener asociación con la desnutrición aguda infantil. Este estudio propone un modelo predictivo para la presencia de la desnutrición aguda en niños de 6 meses a 5 años en el Perú usando variables climáticas. La población y muestra de estudio seleccionada fueron los niños de entre 6 meses y 5 años en el Perú, durante el periodo de 2014 a 2019 elegibles para la ENDES INEI. Se emplearon modelos de Machine Learning como Random Forest y XGBoost con validación cruzada y evaluación por ventanas de tiempo. En el entrenamiento se obtuvo una precisión y AUC en validación de hasta 93% y 78% respectivamente, aunque en la evaluación se redujeron al 92% y 69%. Se aplicó un análisis desagregado por departamentos, donde la selva obtuvo los mejores resultados en sensibilidad (87% de promedio para los años de evaluación). Asimismo, se comparó un modelo base utilizando solo variables sociodemográficas, donde los resultados fueron comparables a los obtenidos por predictores climáticos. Como conclusión, se comprueba la capacidad de modelos basados en algoritmos de ML para utilizar datos secundarios climáticos y predecir la presencia de desnutrición aguda con un enfoque diferenciado en las regiones del Perú. Futuros estudios deberían incluir la temporalidad en el análisis, lo que favorece una herramienta de toma de decisiones en salud pública.