En el estudio en el que participa nuestra investigadora Anita Moncayo, se aborda el desafío global de reducir las tasas de mortalidad infantil, especialmente en regiones con alta desigualdad, como América Latina. Empleando algoritmos de aprendizaje automático (ML), se exploró la relación entre determinantes sociales y las tasas de mortalidad infantil menores de 5 años (U5MR) en Brasil, Ecuador y México durante dos décadas. Utilizando un modelo de bosque aleatorio (RF), se identificó que la pobreza, el analfabetismo y el índice de Gini eran las variables más relevantes para predecir la U5MR. Además, se destacó la existencia de relaciones no lineales, especialmente entre el índice de Gini y la U5MR. El análisis sugiere que las políticas públicas a largo plazo en América Latina deben concentrarse en reducir la pobreza, el analfabetismo y las desigualdades socioeconómicas para abordar eficazmente este problema de salud pública.

Este enfoque innovador, que incorpora algoritmos de ML y datos longitudinales extensos, permite una evaluación más detallada de los efectos de los determinantes sociales en la salud en comparación con los modelos tradicionales.

Los hallazgos resaltan la importancia de considerar factores como la pobreza y el nivel educativo al diseñar políticas de salud pública a largo plazo en la región. En última instancia, este estudio proporciona valiosas perspectivas sobre la relación entre determinantes sociales y tasas de mortalidad infantil en América Latina, contribuyendo al conocimiento necesario para abordar eficazmente este desafío de salud pública global.

Te invitamos a leer más sobre este tema aquí: https://www.nature.com/articles/s41598-023-47994-w