Clasificación de la desnutrición e inseguridad alimentaria en población infantil de los hogares del departamento de Antioquia, Colombia: un enfoque utilizando aprendizaje automático

Abstract

RESUMEN : La problemática de la desnutrición y la inseguridad alimentaria ha sido abordada desde diversos contextos: escolares, territoriales, sociodemográficos, y por medio de programas sociales. Así mismo, se han utilizado técnicas de análisis estadístico y predictivo para comprender los factores más relacionados con la problemática. En este artículo se presenta una estrategia para la construcción de bases de datos y se propone un modelo de machine learning capaz de clasificar la incidencia de desnutrición aguda en población menor de 5 años y la prevalencia de inseguridad alimentaria en los hogares del departamento de Antioquia. El modelo ha sido entrenado a partir de 67 indicadores recopilados por la Secretaría Seccional de Salud y Protección Social de Antioquia. Se trabajó con métricas comunes como: Accuracy, área bajo la curva ROC (AUC), recall, precisión, F1-Score, coeficiente kappa, Coeficiente de Correlación de Matthews (MCC) y matriz de confusión. Se compararon 16 modelos diferentes para cada indicador; entre los cuales el Random Forest Classifier presentó la mayor precisión. Luego, se realizó el tuning de este modelo para cada indicador, obteniendo un ROC de 84% para el indicador de inseguridad alimentaria y 79% para desnutrición infantil.