Multidimensional Determinants of Childhood Wasting among Children Under Five in West Africa

Resumen Técnico: Determinantes Multidimensionales de la Desnutrición Aguda Infantil entre Niños Menores de Cinco Años en África Occidental

Planteamiento del Problema
La desnutrición aguda infantil (wasting), definida como la desnutrición aguda, sigue siendo un desafío crítico de salud pública en África Occidental, siendo la región responsable de más del 27% de la carga mundial. Si bien investigaciones previas han identificado factores socioeconómicos (p. ej., educación materna, riqueza del hogar) y problemas ambientales aislados como impulsores, existe evidencia limitada respecto a la influencia combinada del cambio climático, la degradación ambiental, los recursos hídricos y los factores del sistema de salud sobre la prevalencia de la desnutrición aguda en los dieciséis países de África Occidental. Además, los estudios existentes suelen basarse en la regresión logística estándar o centrarse en naciones individuales, fallando al capturar patrones regionales o la naturaleza acotada de los datos de desnutrición aguda (proporciones entre 0 y 1).

Metodología
Este estudio utilizó datos de panel de los Indicadores de Desarrollo del Mundo (WDI) del Banco Mundial, cubriendo el periodo 2000–2023 para dieciséis países de África Occidental. La variable dependiente fue la prevalencia de la desnutrición aguda (% de niños menores de cinco años). Los autores emplearon un enfoque metodológico dual para abordar las limitaciones de los modelos estadísticos tradicionales:

1. Modelo Lineal Generalizado Beta (BGLMM): Dado que la desnutrición aguda es una proporción acotada entre 0 y 1, los autores utilizaron un BGLMM con una función de enlace logit. Este modelo incluyó efectos fijos para diversas covariables (clima, medio ambiente, recursos hídricos, factores socioeconómicos y del sistema de salud) y un efecto aleatorio a nivel de país para dar cuenta de la heterogeneidad no observada. Se computaron Efectos Marginales Promedio (AME) para interpretar los coeficientes como cambios en la prevalencia.
2. Bosque Aleatorio (Random Forest - RF) con SHAP: Para capturar relaciones no lineales e interacciones sin supuestos de distribución estrictos, se entrenó un modelo de Bosque Aleatorio (división de entrenamiento-prueba de 70:30). El rendimiento del modelo se evaluó mediante RMSE, MAE y R². Para asegurar la interpretabilidad, se aplicaron Explicaciones Aditivas de Shapley (SHAP) para clasificar la importancia de los predictores y determinar la dirección de la influencia de las variables más significativas.

El preprocesamiento de datos incluyó el manejo de valores faltantes utilizando el algoritmo MissForest, y la multicolinealidad se evaluó mediante Factores de Inflación de la Varianza (VIF), los cuales se encontraron dentro de límites aceptables.

Resultados Clave
El estudio identificó conjuntos de determinantes distintos pero superpuestos a través de marcos tanto estadísticos como de aprendizaje automático:

• Hallazgos del BGLMM: El modelo reveló asociaciones estadísticamente significativas entre la desnutrición aguda y diversos factores. La extracción de agua para la agricultura y las emisiones de N₂O se asociaron positivamente con una mayor prevalencia de desnutrición aguda. Por el contrario, el gasto en salud, el acceso a agua potable básica, el área forestal y la variable de año (indicando un descenso general a lo largo del tiempo) se asociaron negativamente con la desnutrición aguda. Curiosamente, el saneamiento básico mostró una asociación positiva, lo que los autores atribuyen a factores de confusión como la rápida urbanización y la persistente inseguridad alimentaria en áreas donde se están produciendo mejoras en el saneamiento.
• Hallazgos de Random Forest y SHAP: El modelo RF clasificó la extracción de agua para la agricultura como el predictor más informativo, seguido por la población urbana, la precipitación promedio, la exposición a PM2.5, el acceso a agua potable básica y la productividad del agua. Los gráficos de dependencia SHAP confirmaron que una mayor extracción de agua para la agricultura y la exposición a PM2.5 se correlacionan con un aumento de la desnutrición aguda, mientras que una mayor población urbana, precipitación y acceso a agua potable básica se correlacionan con una reducción de la desnutrición aguda.
• Convergencia: Ambos modelos identificaron consistentemente la extracción de agua para la agricultura y el acceso a agua potable básica como áreas prioritarias críticas.

Contribuciones Clave

• Avance Metodológico: El artículo contribuye a la literatura al aplicar la regresión Beta (específicamente BGLMM) a los datos de desnutrición aguda infantil, un enfoque analítico más apropiado para resultados basados en proporciones que la regresión logística estándar.
• Modelado Híbrido: Integra el modelado econométrico tradicional con el aprendizaje automático (Random Forest) y la IA explicable (SHAP) para proporcionar una visión robusta y multiperspectiva de los determinantes de la desnutrición aguda.
• Alcance Regional: A diferencia de estudios previos centrados en una sola nación, esta investigación proporciona un análisis exhaustivo de toda la región de África Occidental, destacando los patrones regionales impulsados por choques climáticos y ambientales.

Significancia y Reivindicaciones
Los autores sostienen que sus hallazgos subrayan la necesidad de integrar los factores ambientales y climáticos en las estrategias nutricionales. El estudio postula que la desnutrición aguda en África Occidental no es meramente el resultado de la ingesta dietética, sino que es impulsada por un "círculo vicioso" de choques ambientales y estructurales.

Específicamente, el artículo argumenta que:

1. La gestión del agua es central: La identificación consistente de la extracción de agua agrícola y el acceso al agua potable como los principales predictores sugiere que las políticas deben priorizar el uso eficiente del agua en la agricultura (p. ej., riego por goteo, recolección de lluvia) y el mantenimiento de los sistemas de suministro de agua comunitaria.
2. Vínculo Clima-Nutrición: Existe un vínculo directo entre la acción climática (ODS 13) y el hambre cero (ODS 2). Reducir las emisiones de N₂O y gestionar la contaminación del aire (PM2.5) se presentan como estrategias indirectas pero vitales para mejorar la nutrición infantil.
3. Implicaciones de Política: Los autores sugieren que los gobiernos deben promover la agricultura climáticamente inteligente, cultivos tolerantes a la sequía y estufas de cocción mejoradas para reducir la exposición de los hogares al humo. Enfatizan que abordar la desnutrición aguda requiere enfoques integrados que simultáneamente fortalezcan la seguridad alimentaria, la sostenibilidad ambiental y la gestión de los recursos hídricos (ODS 6).

El artículo concluye modestamente, reconociendo limitaciones como el uso de datos a nivel de país que pueden enmascarar variaciones dentro de cada país (p. ej., prácticas de alimentación específicas) y la falta de efectos aleatorios espaciales, sugiriendo estos como áreas para futuros modelos longitudinales y espaciales.