Estimación del peso en menores de cinco años a partir de la estatura y la edad mediante redes neuronales tipo perceptrón multicapa
Palabras clave:
peso corporal; desarrollo infantil; toma de decisiones asistida por computador; redes neurales de la computación.Resumen
Introducción: El peso corporal en niños es importante para las valoraciones nutricionales y de desarrollo normal.
Objetivo: Estimar el peso corporal en niños menores de cinco años a partir de la estatura y la edad utilizando redes neuronales tipo perceptrón multicapa.
Métodos: Se realizó un estudio analítico y transversal de la Encuesta Demográfica de Salud Familiar de 2022 y 2023. La población fue de 21 995 menores de cinco años, en 2022, y de 21 111, en 2023. Se emplearon redes neuronales tipo perceptrón multicapa y gráficos de dispersión para calcular el coeficiente de determinación R2.
Resultados: En 2022 el perceptrón multicapa tuvo un coeficiente de determinación R2 de 0,893 entre los valores de peso corporal pronosticados y los valores medidos con báscula, lo que significa que el 89 % de los valores predichos por el perceptrón se ajustaron al peso corporal en menores de cinco años. En 2023 el coeficiente de determinación R2 fue de 0,902, lo que significa que el 90 % de los valores predichos por el perceptrón se ajustaron al peso corporal en menores de cinco años. El modelo mostró alta precisión y confiabilidad, con diferencias mínimas entre los pesos estimados y reales, márgenes de error aceptables y fuerte correlación (0,960, en 2022; y 0,958, en 2023).
Conclusiones: El uso de redes neuronales tipo perceptrón multicapa permitió la estimación del peso corporal a partir de la estatura y la edad en menores de cinco años de la población peruana.
Descargas
Citas
1. Chkirate M, Mammad K, Chtabou G, Mdaghri Alaoui A, Ahami OTA. Early childhood development (0-6 years old) from healthy to pathologic: A review of the literature. Open J Med Psychol. 2020;09(03):100-22. DOI: https://doi.org/10.4236/ojmp.2020.93009
2. Tirthani E, Said MS, Rehman A. Genetics and Obesity. Treasure Island: StatPearls Publishing; 2023 [acceso 26/07/2024]. Disponible en: https://www.ncbi.nlm.nih.gov/books/NBK573068/
3. Calculators: Percentiles de peso infantil para la longitud según la OMS (< 24 meses)-Manual MSD versión para profesionales [acceso 25/07/2024]. Disponible en: https://www.msdmanuals.com/es-pe/professional/multimedia/clinical-calculator/percentiles-de-peso-infantil-para-la-longitud-seg%C3%BAn-la-oms-24-meses
4. Vinueza Veloz MF, Vinueza Veloz AF, Carpio Arias TV, Robalino Valdivieso MP, Vallejo Andrade KC, Puchaicela Namcela SR. Estimation of weight based on age in Ecuadorian boys and girls: a validation of the APLS formula. Nutr Hosp. 2021;38(2):345-51. DOI: https://doi.org/10.20960/nh.03410
5. Rashedi KA, Ismail MT, Al Wadi S, Serroukh A, Alshammari TS, Jaber JJ. Multi-Layer Perceptron-based classification with application to outlier detection in Saudi Arabia stock returns. J Risk Fin Manag. 2024;17(2):69. DOI: https://doi.org/10.3390/jrfm17020069
6. Instituto Nacional de Estadística e Informática. Encuesta Demográfica y de Salud Familiar-ENDES 2022: Ficha Técnica. Lima: INEI; 2022 [acceso 22/01/2025]. Disponible en: https://proyectos.inei.gob.pe/endes/2022/DOCUMENTOS/FICHA_TECNICA_ENDES_2022.pdf
7. The Reporting of Studies Conducted Using Observational Routinely-Collected Health Data (RECORD) Statement. Equator-network.org. http://www.equator-network.org/reporting-guidelines/record/
8. Montesinos López OA, Montesinos López A, Crossa J. Fundamentals of artificial neural networks and deep learning. En: Multivariate Statistical Machine Learning Methods for Genomic Prediction. Cham: Springer International Publishing; 2022. p. 379-425. DOI: https://doi.org/10.1007/978-3-030-89010-0_10
9. Chan KY, Abu-Salih B, Qaddoura R, Al-Zoubi AM, Palade V, Pham D-S, et al. Deep neural networks in the cloud: Review, applications, challenges and research directions. Neurocomputing. 2023;545(100):126327. DOI: https://doi.org/10.1016/j.neucom.2023.126327
10. Hamilton DF, Ghert M, Simpson AHRW. Interpreting regression models in clinical outcome studies. Bone Joint Res. 2015;4(9):152-3. DOI: https://doi.org/10.1302/2046-3758.49.2000571
11. World Medical Association. Declaration of Helsinki: Ethical Principles for Medical Research Involving Human Subjects. JAMA. 2013;310(20):1-95. DOI: https://doi.org/10.1001/jama.2013.281053
12. Instituto Nacional de Estadística e Informática. Encuesta Demográfica y de Salud Familiar-ENDES 2022. Lima: INEI; 2022 [acceso 22/01/2025]. Disponible en: https://www.datosabiertos.gob.pe/dataset/encuesta-demogr%C3%A1fica-y-de-salud-familiar-endes-2022-instituto-nacional-de-estad%C3%ADstica-e
13. Instituto Nacional de Estadística e Informática. Encuesta Demográfica y de Salud Familiar-ENDES 2023. Lima: INEI; 2023 [acceso]. Disponible en: https://www.datosabiertos.gob.pe/dataset/encuesta-demogr%C3%A1fica-y-de-salud-familiar-endes-2023-instituto-nacional-de-estad%C3%ADstica-e
14. Nguyen K, Krieser D, Kerr D, Jolley D, Clooney M, Kelly A-M. Failed validation of the argall weight formula for estimating children’s weight in an Australian emergency department. Acad Emerg Med. 2007;14(5):486-8. DOI: https://doi.org/10.1197/j.aem.2006.12.009
15. Flannigan C, Bourke TW, Sproule A, Stevenson M, Terris M. Are APLS formulae for estimating weight appropriate for use in children admitted to PICU? Resuscitation. 2014 [acceso 26/07/2024];85(7):927-31. Disponible en: https://linkinghub.elsevier.com/retrieve/pii/S0300957214004572
16. Sihuay-Torres K, Cosar-Quiroz J, Huamán-Aguilar L, Alata-Jimenez S, Turriate-Vivar C, Castro-Rodríguez Y. Estimación del peso según la edad. Comparación de las fórmulas en una muestra peruana. Odontol Sanmarquina. 2018 [acceso 26/07/2024];21(1):35. Disponible en: https://revistasinvestigacion.unmsm.edu.pe/index.php/odont/article/view/14432
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Alberto Guevara Tirado
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Avisos de derechos de autor propuestos por Creative Commons
1. Política propuesta para revistas que ofrecen acceso abierto
Aquellos autores/as que tengan publicaciones con esta revista, aceptan los términos siguientes:
- Los autores/as conservarán sus derechos de autor y garantizarán a la revista el derecho de primera publicación de su obra, el cuál estará simultáneamente sujeto a la Licencia de reconocimiento de Creative Commons que permite a terceros compartir la obra siempre que se indique su autor y su primera publicación esta revista.
- Los autores/as podrán adoptar otros acuerdos de licencia no exclusiva de distribución de la versión de la obra publicada (p. ej.: depositarla en un archivo telemático institucional o publicarla en un volumen monográfico) siempre que se indique la publicación inicial en esta revista.
- Se permite y recomienda a los autores/as difundir su obra a través de Internet (p. ej.: en archivos telemáticos institucionales o en su página web) antes y durante el proceso de envío, lo cual puede producir intercambios interesantes y aumentar las citas de la obra publicada. (Véase El efecto del acceso abierto).
