Effect of Physical Fitness on Body Mass Index through Artificial Intelligence in South Chinese College Students from 2013 to 2025

Resumen Técnico: Efecto de la Aptitud Física sobre el Índice de Masa Corporal mediante Inteligencia Artificial en Estudiantes Universitarios del Sur de China (2013–2025)

Planteamiento del Problema
La inactividad física y el aumento de las tasas de obesidad entre los estudiantes universitarios representan un desafío crítico para la salud pública, particularmente en China, donde la prevalencia de sobrepeso y obesidad entre los estudiantes ha ido en aumento. Si bien la aptitud física está teóricamente vinculada al Índice de Masa Corporal (IMC), el valor predictivo específico de la combinación de múltiples componentes de la aptitud física sigue sin estar claro. Los métodos estadísticos tradicionales suelen tener dificultades para capturar las interacciones complejas y no lineales entre diversas variables fisiológicas (por ejemplo, fuerza muscular, función pulmonar, flexibilidad) y el IMC. Además, los hallazgos inconsistentes en la literatura previa con respecto a las relaciones entre el IMC e indicadores específicos como la capacidad vital y la flexibilidad requieren un enfoque analítico más robusto. Este estudio tiene como objetivo investigar el efecto de los resultados de las pruebas de aptitud física sobre el IMC entre los estudiantes universitarios chinos utilizando Inteligencia Artificial (IA) para caracterizar con precisión estas relaciones.

Metodología
El estudio utilizó un conjunto de datos retrospectivo a gran escala que comprende 83,664 estudiantes de primer año de licenciatura (43,734 hombres y 39,930 mujeres) de la Universidad de Shenzhen, recopilados entre 2013 y 2025. Los participantes fueron filtrados para excluir valores extremos y datos faltantes.

• Recopilación de Datos: Las evaluaciones de aptitud siguieron los Estándares Nacionales de Aptitud Física para Estudiantes de China. La batería de pruebas incluyó:

  • Capacidad Vital (CV)
  • Salto de Longitud (SLJ)
  • Sentarse y Alcanzar (SR)
  • Sprint de 50 metros (50 m)
  • Carrera de larga distancia (1,000 m para hombres, 800 m para mujeres)
  • Resistencia muscular: Dominadas (hombres) o Abdominales (mujeres)
  • El IMC fue calculado y categorizado en bajo peso, peso normal, sobrepeso y obesidad según las directrices del Ministerio de Educación.

• Enfoque de Modelado de IA: El estudio empleó un marco de aprendizaje automático supervisado para predecir las categorías de IMC. Se implementaron y compararon cuatro algoritmos distintos:

  1. Regresión Logística (LR): Sirvió como una línea base lineal.
  2. Árbol de Decisión (DT): Un método de partición recursiva no lineal.
  3. Bosque Aleatorio (RF): Un método de ensamble que utiliza bagging para reducir el sobreajuste.
  4. XGBoost (eXtreme Gradient Boosting): Un algoritmo de potenciación de gradiente avanzado que utiliza la expansión de Taylor de segundo orden y regularización.

• Procesamiento de Datos: El conjunto de datos se sometió a un preprocesamiento que incluyó la eliminación de duplicados, imputación de la media para valores numéricos faltantes y normalización Z-score para manejar las variaciones de unidades. Los datos se dividieron en conjuntos de entrenamiento (80%) y prueba (20%) mediante muestreo estratificado. Se realizó una validación cruzada estratificada de cinco pliegues para asegurar la generalizabilidad del modelo.

• Métricas de Evaluación: El rendimiento del modelo se evaluó mediante Precisión (Accuracy), Precisión (Precision), Sensibilidad (Recall) y el F1-score ponderado. La importancia de las características se cuantificó mediante la métrica "Ganancia" (Gain), derivada de la reducción acumulada en la función objetivo de los modelos basados en árboles.

Resultos Clave

• Rendimiento del Modelo: XGBoost superó consistentemente a los otros algoritmos en ambos géneros.
  • Hombres: XGBoost alcanzó una precisión del 75.33% y un F1-score ponderado del 68.92%.
  • Mujeres: XGBoost alcanzó una precisión del 83.12% y un F1-score ponderado del 75.82%.
  • Los Árboles de Decisión arrojaron el rendimiento más bajo, mientras que la Regresión Logística y el Bosque Aleatorio mostraron resultados comparables pero ligeramente inferiores a los de XGBoost.
• Importancia de las Características:
  • Hombres: Las dominadas fueron el predictor dominante, representando el 45.27% de la importancia total de las características. A esto le siguieron la capacidad vital, el tiempo de carrera de 1,000 m, el salto de longitud, el sentarse y alcanzar, y el sprint de 50 m.
  • Mujeres: Ningún indicador único dominó. La capacidad vital fue el predictor más importante, seguida por el rendimiento de la carrera de 800 m, el salto de longitud, el sprint de 50 m, el sentarse y alcanzar, y los abdominales.
• Matices de Clasificación: Los modelos demostraron una alta precisión para clasificar a los estudiantes de "peso normal". Sin embargo, la sensibilidad fue menor para las clases minoritarias (bajo peso, sobrepeso y obesidad), una limitación atribuida al desequilibrio de clases inherente al conjunto de datos, donde la mayoría de los estudiantes se encuentran dentro del rango de IMC normal.

Contribuciones Clave

1. Aplicación de IA a Gran Escala: Este es el primer estudio en aplicar técnicas de aprendizaje automático para predecir el IMC utilizando datos de aptitud física de más de 83,000 adultos jóvenes recopilados durante un período de 13 años.
2. Comparación Algorítmica: El estudio proporciona una comparación rigurosa de los paradigmas de aprendizaje automático lineales y no lineales, demostrando que los métodos de ensamble (específicamente XGBoost) superan significativamente a los modelos estadísticos tradicionales al capturar las relaciones complejas entre la aptitud y el IMC.
3. Perspectivas Específicas por Género: La investigación identifica impulsores fisiológicos distintos para el IMC en hombres frente a mujeres. Destaca que la fuerza muscular del tren superior (dominadas) es el predictor principal para los hombres, mientras que la función pulmonar y la resistencia cardiorrespiratoria son predictores más equilibrados para las mujeres.
4. Utilidad Práctica: El estudio valida el uso de las pruebas de aptitud física rutinarias y obligatorias como herramientas de detección efectivas para identificar estudiantes en riesgo de niveles de IMC no saludables sin requerir equipo especializado adicional.

Significancia y Reivindicaciones
Los autores afirman que la aptitud física está estrechamente asociada con el IMC y que los modelos de IA pueden predecir eficazmente el IMC utilizando datos de aptitud rutinarios. El estudio concluye que estos hallazgos respaldan el uso de las evaluaciones de aptitud como herramientas prácticas para la detección y la promoción del control de peso entre los adultos jóvenes.

Específicamente, el artículo sugiere que:

• Los programas de salud universitaria pueden utilizar pruebas de aptitud física simples para identificar a estudiantes con niveles de IMC no saludables.
• Priorizar el entrenamiento en fuerza muscular (particularmente las dominadas para los hombres), la resistencia y la aptitud cardiorrespiratoria puede servir como estrategias de intervención prácticas para apoyar el control de peso.
• La alta precisión predictiva del modelo subraya la relevancia de estas seis medidas de aptitud para reflejar el estado de salud general, ofreciendo evidencia para que los responsables de la formulación de políticas desarrollen intervenciones dirigidas para la mejora de la salud pública.

Los autores mantienen un tono modesto respecto a la causalidad, reconociendo el diseño transversal del estudio. Afirman que, si bien el estudio identifica asociaciones fuertes, no establece relaciones causales, y recomiendan investigaciones longitudinales futuras para confirmar los vínculos causales entre la aptitud física y el IMC.