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

Enunciado do Problema
Em contextos humanitários e de crise, a tomada de decisão relativa à alocação de recursos e ao desenho de serviços para a prevenção da desnutrição infantil aguda depende de estimativas robustas da prevalência e das tendências da desnutrição. Embora existam modelos mecanísticos para projetar trajetórias de peso e a evolução da desnutrição, estes requerem criticamente a ingestão calórica como um dado de entrada. No entanto, a ingestão calórica é notoriamente difícil de medir em ambientes de recursos escassos e em tempo real, muitas vezes exigindo longos recordatórios de 24 horas de dieta. Os autores investigaram se modelos preditivos estatísticos poderiam servir como um "atalho", prevendo com precisão a ingestão calórica ou as alterações antropométricas (especificamente o escore-z peso-para-altura, WHZ) com base em preditores mais prontamente disponíveis, tais como a insegurança alimentar doméstica, a prevalência de doenças infecciosas e fatores demográficos. A questão central era se os modelos estatísticos poderiam oferecer previsões precisas ao longo do caminho causal da insegurança alimentar para a ingestão calórica, da ingestão calórica para o estado nutricional, potencialmente substituindo ou suplementando a recolha de dados de campo.

Metodologia
O estudo realizou uma análise secundária da coorte de nascimento multi-país Malnutrition and Enteric Disease (MAL-ED) (2009–2014), que incluiu crianças de Bangladesh, Brasil, Índia, Nepal, Paquistão, Peru, África do Sul e Tanzânia. O conjunto de dados forneceu dados longitudinais sobre a insegurança alimentar doméstica (utilizando um questionário de 9 itens alinhado com a Escala de Experiência de Insegurança Alimentar da FAO), ingestão dietética (recordatórios de 24 horas), antropometria e sintomas de doenças infecciosas para crianças de 9 a 35 meses de idade.

Os autores pré-processaram os dados para alinhar as variáveis em torno das instâncias de medição antropométrica, calculando a mudança média diária absoluta no WHZ. Foram excluídas as observações com covariáveis ausentes (país, residência, peso ao nascer, estado de amamentação, prevalência de doenças) e aquelas onde as medições ocorreram fora de janelas temporais específicas (por exemplo, ingestão calórica ou dados de insegurança alimentar com mais de 7 dias de diferença da medida antropométrica).

Três modelos preditivos foram testados:

• M1: Predizer a alteração no WHZ em função da insegurança alimentar doméstica.
• M2: Predizer a alteração no WHZ em função da ingestão calórica.
• M3: Predizer a ingestão calórica em função da insegurança alimentar doméstica.

Todos os modelos incluíram preditores adicionais: idade, sexo, peso ao nascer, residência urbana/rural, estado de amamentação e a prevalência longitudinal de diarreia, infeção respiratória aguda (IRA) e febre. Quatro métodos estatísticos e de machine learning foram avaliados para cada modelo: Random Forests, regressão Lasso, Modelos Aditivos Generalizados (GAMs) e Regressão de Boosting Generalizado (GBM). O desempenho foi avaliado através de validação cruzada de 100 dobras, incluindo métricas como o Erro Quadrático Médio (RMSE), viés absoluto e diluição da linha de regressão (diluição de regressão). Foram realizadas análises de sensibilidade ajustando os modelos a conjuntos de dados de países individuais.

Principais Resultados
A análise gerou resultados negativos quanto à viabilidade da previsão estatística neste contexto:

• Baixa Correlação: Houve uma baixa correlação entre as principais variáveis de interesse (insegurança alimentar, ingestão calórica e WHZ) tanto ao nível do país como ao nível individual.
• Baixo Desempenho dos Modelos: Todos os três modelos (M1, M2 e M3) demonstraram um baixo desempenho preditivo em todos os métodos testados.
  • M1 (Insegurança alimentar → Alteração no WHZ): Apresentou uma extrema diluição de regressão (inclinações próximas de zero) e alto viés relativo (ex.: -87,3% a -58,4%, dependendo do método).
  • M2 (Ingestão calórica → Alteração no WHZ): Também exibiu uma diluição de regressão significativa (71,4% a 95,0%) e viés variável.
  • M3 (Insegurança alimentar → Ingestão calórica): Embora este modelo tenha apresentado o desempenho mais promissor, com um erro relativo mais baixo (5,3% a 11,6%), ainda sofreu de uma diluição de regressão substancial (48,9% a 66,3%), indicando que a insegurança alimentar era um preditor fraco da ingestão calórica real.
• Importância dos Preditores: A análise de importância de variáveis revelou que a insegurança alimentar era menos importante do que o peso ao nascer e a idade para prever as alterações no WHZ (M1) e significativamente menos importante do que o estado de amamentação para prever a ingestão calórica (M3). Inversamente, a ingestão calórica foi o preditor mais importante para as alterações no WHZ (M2), embora o modelo ainda não tenha conseguido prever o resultado com precisão.
• Sensibilidade: O baixo desempenho persistiu mesmo quando os modelos foram ajustados a coortes de países individuais ou ao excluir países específicos como Bangladesh.

Significado e Conclusões
O artigo conclui que a previsão estatística de variáveis fundamentais ao longo do caminho causal para a desnutrição infantil aguda — especificamente a previsão de alterações antropométricas a partir da insegurança alimentar ou da ingestão calórica a partir da insegurança alimentar — é provavelmente inviável utilizando as abordagens e os conjuntos de dados testados. Os autores atribuem estes resultados negativos a vários fatores:

1. Erro de Medição: Imprecisões na medição dos preditores (ex.: relatos de doenças por parte dos cuidadores, limitações dos recordatórios dietéticos de 24 horas, enviesamentos do questionário FIES) provavelmente causaram uma diluição de regressão significativa.
2. Amplitude de Dados: A coorte MAL-ED, embora rigorosa, não abrangeu os cenários extremos de insegurança alimentar e fome comuns em contextos de crises agudas. A amplitude estreita dos valores dos preditores e dos resultados no estudo limita a capacidade do modelo de capturar as dinâmicas severas observadas em emergências humanitárias.
3. Complexidade: A relação entre a insegurança alimentar, os mecanismos de coping e a desnutrição é provavelmente não linear e complexa, desafiando a modelação estatística simples.

Os autores afirmam que estes resultados implicam que os modelos mecanísticos que requerem a ingestão calórica como entrada não podem depender de atalhos estatísticos derivados de dados de insegurança alimentar. Em vez disso, tais modelos devem depender de dados empíricos (recordatórios dietéticos que exigem muitos recursos) ou de pressupostos de cenários. O artigo sugere que esforços futuros para melhorar a previsão exigiriam a recolha de dados prospectivos ad-hoc em contextos de elevada variabilidade, acompanhada de medições repetidas para corrigir a diluição de regressão. Até lá, os modelos mecanísticos ou a elicitação de especialistas, potencialmente combinados com medições de campo limitadas, continuam a ser as abordagens mais promissoras para antecipar a evolução da desnutração em contextos de crise.