Food insecurity, caloric intake and nutritional status among children under 5 years old: a predictive modelling analysis of the MAL-ED multi-country cohort

Planteamiento del Problema
En entornos humanitarios y de crisis, la toma de decisiones con respecto a la asignación de recursos y el diseño de servicios para la prevención de la desnutrición aguda infantil depende de estimaciones robustas de la prevalencia y las tendencias de la desnutrición. Si bien existen modelos mecanísticos para proyectar las trayectorias de peso y la evolución de la desnutrición, estos requieren críticamente la ingesta calórica como un insumo. Sin embargo, la ingesta calórica es notoriamente difícil de medir en entornos de recursos limitados y en tiempo real, lo que a menudo requiere extensos recordatorios de dieta de 24 horas. Los autores investigaron si los modelos predictivos estadísticos podrían servir como un "atajo", pronosticando con precisión la ingesta calórica o los cambios antropométricos (específicamente la puntuación Z de peso para la talla, WHZ) basándose en predictores más fácilmente disponibles, como la inseguridad alimentaria de los hogares, la prevalencia de enfermedades infecciosas y factores demográficos. La cuestión central era si los modelos estadísticos podrían ofrecer predicciones precisas a lo largo de la vía causal desde la inseguridad alimentaria hacia la ingesta calórica y, posteriormente, hacia el estado nutricional, reemplazando o complementando potencialmente la recolección de datos de campo.

Metodología
El estudio realizó un análisis secundario de la cohorte de nacimiento multinacional Malnutrition and Enteric Disease (MAL-ED) (2009–2014), que incluyó niños de Bangladesh, Brasil, India, Nepal, Pakistán, Perú, Sudáfrica y Tanzania. El conjunto de datos proporcionó datos longitudinales sobre la inseguridad alimentaria de los hogares (utilizando un cuestionario de 9 ítems alineado con la Escala de Experiencias de Inseguridad Alimentaria de la FAO), la ingesta dietética (recordatorios de 24 horas), la antropometría y los síntomas de enfermedades infecciosas para niños de 9 a 35 meses de edad.

Los autores preprocesaron los datos para alinear las variables alrededor de los momentos de medición antropométrica, calculando el cambio diario absoluto promedio en la WHZ. Excluyeron las observaciones con covariables clave faltantes (país, residencia, peso al nacer, estado de lactancia materna, prevalencia de enfermedades) y aquellas donde las mediciones caían fuera de ventanas de tiempo específicas (por ejemplo, la ingesta calórica o los datos de inseguridad alimentaria con una diferencia de más de 7 días respecto a la medida antropométrica).

Se probaron tres modelos predictivos:

• M1: Predicción del cambio en la WHZ en función de la inseguridad alimentaria del hogar.
• M2: Predicción del cambio en la WHZ en función de la ingesta calórica.
• M3: Predicción de la ingesta calórica en función de la inseguridad alimentaria del hogar.

Todos los modelos incluyeron predictores adicionales: edad, sexo, peso al nacer, residencia urbana/rural, estado de lactancia materna y la prevalencia longitudinal de diarrea, infección respiratoria aguda (IRA) y fiebre. Se evaluaron cuatro métodos estadísticos y de aprendizaje automático para cada modelo: Bosques Aleatorios (Random Forests), regresión Lasso, Modelos Aditivos Generalizados (GAM) y Regresión Potencializada Generalizada (GBM). El rendimiento se evaluó mediante validación cruzada de 100 pliegues (100-fold cross-validation), utilizando métricas que incluyeron el Error Cuadrático Medio (RMSE), el sesgo absoluto y la dilución de la línea de regresión (dilución de la regresión). Se realizaron análisis de sensibilidad ajustando los modelos a conjuntos de datos de países individuales.

Resultados Clave
El análisis arrojó resultados negativos respecto a la viabilidad de la predicción estadística en este contexto:

• Baja Correlación: Hubo una baja correlación entre las variables clave de interés (inseguridad alimentaria, ingesta calórica y WHZ) tanto a nivel de país como a nivel individual.
• Bajo Rendimiento de los Modelos: Los tres modelos (M1, M2 y M3) demostraron un bajo rendimiento predictivo en todos los métodos probados.
  • M1 (Inseguridad alimentaria → cambio en WHZ): Mostró una extrema dilución de la regresión (pendientes cercanas a cero) y un alto sesgo relativo (por ejemplo, de -87.3% a -58.4% según el método).
  • M2 (Ingesta calórica → cambio en WHZ): También exhibió una dilución de la regresión significativa (71.4% a 95.0%) y un sesgo variable.
  • M3 (Inseguridad alimentaria → ingesta calórica): Aunque este modelo mostró el rendimiento más prometedor con un error relativo menor (5.3% a 11.6%), también sufrió de una sustancial dilución de la regresión (48.9% a 66.3%), lo que indica que la inseguridad alimentaria fue un predictor débil de la ingesta calórica real.
• Importancia de los Predictores: El análisis de importancia de las características reveló que la inseguridad alimentaria era menos importante que el peso al nacer y la edad para predecir los cambios en la WHZ (M1) y significativamente menos importante que el estado de lactancia materna para predecir la ingesta calórica (M3). Por el contrario, la ingesta calórica fue el predictor más importante para los cambios en la WHZ (M2), aunque el modelo aún no logró predecir el resultado con precisión.
• Sensibilidad: El bajo rendimiento persistió incluso cuando los modelos se ajustaron a cohortes de países individuales o al excluir países específicos como Bangladesh.

Significancia y Conclusiones
El artículo concluye que la predicción estadística de variables clave a lo largo de la vía causal hacia la desnutrición aguda infantil —específicamente la predicción de los cambios antropométricos a partir de la inseguridad alimentaria o de la ingesta calórica a partir de la inseguridad alimentaria— es probablemente no factible utilizando los enfoques y conjuntos de datos probados. Los autores atribuyen estos hallazgos negativos a varios factores:

1. Error de Medición: Las inexactitudes en la medición de los predictores (por ejemplo, la información reportada por cuidadores sobre enfermedades, las limitaciones de los recordatorios de dieta de 24 horas y los sesgos del cuestionario FIES) probablemente causaron una dilución de la regresión significativa.
2. Rango de Datos: La cohorte MAL-ED, aunque rigurosa, no abarcó los escenarios extremos de inseguridad alimentaria y hambruna comunes en entornos de crisis agudas. El rango estrecho de los valores de los predictores y los resultados en el estudio limita la capacidad del modelo para capturar las dinámicas severas observadas en emergencias humanitarias.
3. Complejidad: La relación entre la inseguridad alimentaria, los mecanismos de afrontamiento y la desnutrición es probablemente no lineal y compleja, desafiando el modelado estadístico simple.

Los autores afirman que estos hallazgos implican que los modelos mecanísticos que requieren la ingesta calórica como insumo no pueden depender de atajos estadísticos derivados de los datos de inseguridad alimentaria. En su lugar, dichos modelos deben depender de datos empíricos (recordatorios de dieta que requieren muchos recursos) o de supuestos de escenarios. El documento sugiere que los esfuerzos futuros para mejorar la predicción requerirían la recolección de datos prospectivos ad hoc en entornos con extrema variabilidad, acompañados de mediciones repetidas para corregir la dilución de la regresión. Hasta entonces, los modelos mecanísticos o la elicitación de expertos, potencialmente combinados con una medición de campo limitada, siguen siendo los enfoques más prometedores para anticipar la evolución de la desnutrición en entornos de crisis.