Modelo predictivo de desnutrición infantil en el Ecuador: distrito zona 5
Authors
Loading...
Date
2024
Directors
Journal Title
Journal ISSN
Volume Title
Publisher
Quevedo: UTEQ
Abstract
En Ecuador, la desnutrición infantil se ha convertido en un desafío en el área de salud pública, marcando el desarrollo de los niños. Esta incidencia no solo afecta en lo físico sino también en lo cognitivo, emocional y social, siendo una desventaja para el ciclo de su vida. La implementación de programas sociales y el disponer de herramientas para combatir el aumento, la evaluación de factores y la predicción de la desnutrición infantil han sido un reto para las autoridades del país.
Ante esta situación, este trabajo persigue disponer de un modelo que ayude en la predicción de la desnutrición infantil, centrándose en una zona concreta de Ecuador, la zona 5 (Santa Elena, Guayas, Los Ríos, Galápagos). Para ello, se empleó una base de datos otorgada por el Ministerio de Salud Pública que incluye registros de pacientes infantiles de 2021 y 2022. La recolección, unificación de datos, limpieza, tratamiento de valores perdidos y normalización de variables están entre las técnicas utilizadas en el estudio. Para disponer del modelo se utilizaron algoritmos de Aprendizaje Automático como regresión logística, Random Forest, K-Nearest Neighbors, Árbol de clasificación y XGBoost. Los resultados indican que XGBoost tiene la mayor precisión en la predicción de la desnutrición infantil. Los indicadores clave como edad, peso, talla e índice de masa corporal fueron identificados a través del análisis de los datos; estos son esenciales para evaluar el estado nutricional de los niños. El modelo obtenido ha demostrado ser una herramienta útil para identificar la desnutrición temprana, lo que ayudaría en la implementación de intervenciones preventivas y terapéuticas más efectivas
Description
In Ecuador, child malnutrition has become a public health challenge, impacting children's development. This incidence affects not only the physical aspect but also the cognitive, emotional, and social dimensions, posing a disadvantage throughout their life cycle. The implementation of social programs and the availability of tools to combat the rise, evaluate factors, and predict child malnutrition has been a challenge for the country's authorities.
In response to this situation, this work aims to provide a model that helps predict child malnutrition, focusing on a specific area of Ecuador, zone 5 (Santa Elena, Guayas, Los Ríos, Galápagos). To achieve this, a database from the Ministry of Public Health, including child patient records from 2021 and 2022, was used. Data collection, unification, cleaning, treatment of missing values, and normalization of variables are among the techniques used in the study. Machine learning algorithms such as logistic regression, Random Forest, K-Nearest Neighbors, classification tree, and XGBoost were used to evaluate the model.
The results indicate that XGBoost has the highest accuracy in predicting child malnutrition. Key indicators such as age, weight, height, and body mass index were identified through data analysis; these are essential for assessing children's nutritional status. The predictive model has proven to be a useful tool for identifying early malnutrition, which would help in implementing more effective preventive and therapeutic interventions
Keywords
Desnutrición Infantil, Modelo predictivo, Aprendizaje automático, Salud pública
Citation
Carrión González, Angélica Neomí (2024). Modelo predictivo de desnutrición infantil en el Ecuador: distrito zona 5. Quevedo. UTEQ. 122 paginas