Modelado de los ingresos hospitalarios relacionados con material particulado en suspensión empleando sistemas de información geográfica y de teledetección

RODRIGUEZ NUÑÉZ, M.; TAVERA BUSSO, IVÁN; MATEOS, ANA C.; CARRERAS, HEBE A.

Mar del Plata

Congreso; VIII Congreso Argentino de la Sociedad de Toxicología y Química Ambiental; 2022

Sociedad de Toxicología y Química Ambiental

Los modelos de regresión del uso de la tierra y la teledetección se han utilizadoampliamente para pronosticar los niveles de aerosoles atmosféricos. Recientemente, estasmetodologías se han combinado para predecir la influencia de este contaminante en lasalud humana. Sin embargo, los modelos tradicionales de regresión del uso de suelo nosuelen considerar las complejas interacciones entre predictores y la mayoría de ellos noincluyen variables socioeconómicas. Por lo tanto, el presente trabajo se propone estimarlas admisiones hospitalarias relacionadas con partículas suspendidas mediante el empleode parámetros de teledetección, meteorológicos, ambientales y demográficos. En esteestudio de cohorte, se analizaron 1.612.049 ingresos hospitalarios de la ciudad de Córdoba,Argentina, de 2005 a 2011, y se desarrollaron varios modelos de regresión de uso de sueloy aprendizaje automático para comparar sus poderes predictivos. Se comprobó que elgrupo etario ?Infancia? fue el que mayor número de ingresos hospitalarios presentó,principalmente debido a enfermedades del tracto respiratorio superior. Al predecir lasadmisiones hospitalarias con población normalizada, los modelos de aprendizajeautomático, en particular el modelo GBM (generalized boosted machine), revelaron unmejor rendimiento que los modelos de regresión, mostrando el error cuadrático medio(RMSE) más bajo (0,4264) en el conjunto de datos de prueba. Este modelo también logróel mejor R2 ajustado (0,6088) al graficar los casos normalizados predichos frente a losreportados. Los predictores más importantes fueron las variables meteorológicas, seguidasde la profundidad óptica del aerosol (AOD) y la altura de la capa límite. Otros predictores,tales como el nivel educativo, el valor de la tierra y las necesidades básicas insatisfechas,mostraron menos relevancia, pero mejoraron el poder de predicción del modelo. Por otraparte, el poder predictivo aumentó después de un día de rezago en los ingresoshospitalarios (RMSE = 0,4121), destacando la importancia de las variables meteorológicasy ambientales en la aparición de enfermedades respiratorias.