Implementación de una solución de inteligencia de negocios y analytics para analizar y predecir el estado nutricional de niños menores de 5 años en Lima Norte en el primer semestre 2024 para el INS y CENAN

• Autor: Perez Silva, Christopher Rober
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Escuela de Educación Superior Tecnológica Privada Zegel
• Repositorio: ZEGEL - Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.zegel.edu.pe:20.500.13065/1080
• Enlace del recurso: https://hdl.handle.net/20.500.13065/1080
• Nivel de acceso: acceso abierto
• Materia: Negocios; Sistemas de información; Nutrición humana; Salud; Niños; https://purl.org/pe-repo/ocde/ford#5.02.04

En el presente estudio se abordó la desnutrición crónica infantil en los distritos de Lima Norte mediante un enfoque basado en Inteligencia Artificial, utilizando el modelo Random Forest con el propósito de predecir la cantidad de casos por distrito y así apoyar la toma de decisiones en salud pública. La investigación se desarrolló a través de la recolección y limpieza de datos provenientes de centros de salud, considerando variables como edad, peso, talla, distrito, afiliación a programas sociales (SIS, Juntos, Qaliwarm a), suplementación y consejería nutricional. La variable objetivo fue Dx_TE, transformada en un indicador binario que permitió identificar casos de desnutrición crónica. Posteriormente, se agruparon los datos por distrito y se entrenó un modelo Random Forest Regressor, generando predicciones para el año 2025. Los resultados evidenciaron que los distritos con mayor incidencia estimada de desnutrición crónica son Comas (593 casos), Puente Piedra (522), Los Olivos (427), Independencia (399) y Rímac (380), lo que permite enfocar los recursos y estrategias en zonas de mayor vulnerabilidad. Se concluye que la Inteligencia Artificial puede ser una herramienta valiosa en la planificación de intervenciones preventivas y en la optimización de recursos. Asimismo, se recomienda reforzar las acciones de suplementación y consejería nutricional en los distritos priorizados. Para futuras mejoras se propone incorporar variables socioeconómicas adicionales, explorar modelos predictivos más avanzados como redes neuronales y ampliar el estudio a nivel nacional para obtener una visión más integral de la problemática.