Modelos de Machine Learning para la predicción de muerte materna en Colombia

Abstract

Objetivo: Desarrollar y comparar modelos de aprendizaje automático supervisado (Machine Learning) para predecir la ocurrencia de muertes maternas en Colombia, a partir de la base de datos del DANE de mortalidad materna del 2022. Métodos: Se realizó un estudio transversal con enfoque correlacional utilizando registros de defunciones. La variable de interés presentó un fuerte desbalance: el 99.84% (n = 286,786) son muertes no maternas y solo el 0.16% (n = 464) a casos con muerte materna. Para el preprocesamiento, se llevaron a cabo tareas de limpieza, transformación y selección de variables. Se aplicaron técnicas para el tratamiento de datos faltantes y balanceo de clases, utilizando el método Sobremuestreo Aleatorio (ROS). Se entrenaron y evaluaron los modelos de Regresión Logística, Random Forest, Máquinas de Soporte Vectorial (SVM), Bagging Classifier y Naive Bayes, utilizando la validación cruzada. Los rendimientos de los modelos se compararon con las métricas de Precisión, Sensibilidad, F1-Score y Exactitud. Resultados: Random Forest fue el modelo con mejor desempeño para la predicción de muertes maternas, con un F1-score elevado y buena combinación de precisión y sensibilidad, seguido por Bagging Classifier que mostró un rendimiento similar pero ligeramente inferior. Estos modelos superan métodos lineales (Regresión Logística, SVM) y a modelos probabilísticos o basados en distancias (Naive Bayes, KNN). Las variables con mayor peso en el modelo fueron la causa básica, la edad y el estado civil. Estos hallazgos son coherentes con la evidencia que vincula factores demográficos, sociales y territoriales con la mortalidad materna y sugieren un posible papel adicional del estado civil como factor asociado. Conclusiones: Random Forest fue el modelo con mejor desempeño para predecir muertes maternas, destacándose por su alta precisión, sensibilidad y F1-score, incluso en un contexto de desbalance extremo. Este rendimiento superior sugiere que los enfoques basados en árboles de decisión son efectivos para la identificación temprana de riesgos maternos, lo que proporciona una herramienta valiosa para la toma de decisiones en salud materna.