Los investigadores de un artículo reciente publicado por Nature Food sugieren un método que, según afirman, permitirá a los responsables de la toma de decisiones tomar decisiones más oportunas e informadas sobre políticas y programas orientados a la lucha contra el hambre.
por Universidad Centroeuropea
En 2021, 193 millones de personas en 53 países padecían inseguridad alimentaria aguda. Este número ha ido aumentando constantemente durante los últimos años también como consecuencia de la pandemia de COVID-19. Para abordar este problema global, el seguimiento de la situación y su evolución es clave.
Los gobiernos y las organizaciones humanitarias realizan evaluaciones de la seguridad alimentaria de forma regular a través de encuestas telefónicas móviles presenciales y remotas. Sin embargo, estos enfoques tienen altos costos tanto en dinero como en recursos humanos y, por lo tanto, no siempre se dispone de datos primarios sobre la situación de la seguridad alimentaria para todas las áreas afectadas. Sin embargo, esta información es clave para los gobiernos y las organizaciones humanitarias .
Para abordar este problema, los investigadores del artículo Nature Food proponen un enfoque de aprendizaje automático para predecir el número de personas con un consumo insuficiente de alimentos cuando no se dispone de mediciones directas actualizadas. “También proponemos un método para identificar qué variables están impulsando los cambios observados en las tendencias previstas, lo cual es clave para hacer que las predicciones sean útiles para los tomadores de decisiones “, dice la profesora adjunta Elisa Omodei (Departamento de Redes y Ciencia de Datos, CEU, Viena).
El método propuesto utiliza un algoritmo de aprendizaje automático para estimar la situación actual de inseguridad alimentaria en un área determinada a partir de datos sobre los principales impulsores de la inseguridad alimentaria: conflicto, climas extremos y crisis económicas. Los resultados muestran que la metodología propuesta puede explicar hasta el 81% de la variación en el consumo insuficiente de alimentos.
Los investigadores afirman que su enfoque abre la puerta a la predicción inmediata casi en tiempo real de la seguridad alimentaria a escala mundial, lo que permite a los responsables de la toma de decisiones tomar decisiones más oportunas e informadas sobre políticas y programas orientados a la lucha contra el hambre, en un esfuerzo por intentar alcanzar los ODS. 2 de la Agenda 2030 para el Desarrollo Sostenible.
Más información: Giulia Martini et al, El aprendizaje automático puede guiar los esfuerzos de seguridad alimentaria cuando no hay datos primarios disponibles,
Nature Food (2022). DOI: 10.1038/s43016-022-00587-8
