Predicción del bajo peso al nacer en Argentina : comparación de enfoques predictivos y análisis de determinantes socioeconómicos

Abstract

El bajo peso al nacer (BPN) es uno de los principales factores de riesgo de mortalidad infantil y repercute en resultados a lo largo del ciclo de la vida de las personas como el rendimiento educativo, el empleo y la longevidad. El mismo puede resultar en costos sustanciales para la sociedad y constituye un mecanismo que compromete la productividad y el desarrollo económico de largo plazo. El presente trabajo se propone predecir el bajo peso al nacer en Argentina utilizando regresión logística y métodos de machine learning lasso y random forest. Los resultados de dichos modelos se comparan para encontrar el estimador de mayor consistencia y poder predictivo. Adicionalmente, se indaga la influencia que las características socioeconómicas de las madres y del hogar tienen sobre dicha probabilidad. Se utilizan datos de la Encuesta Nacional de Niñas, Niños y Adolescentes (MICS) 2019-2020 (UNICEF, 2021). Los resultados indican que la regresión logística mejora significativamente la predicción del bajo peso al nacer comparado con los demás modelos, identificando como determinantes clave la edad de la madre, la región, su estado civil, entre otros factores. Estos resultados permitirían implementar políticas públicas focalizadas para prevenir la prevalencia del bajo peso al nacer.