Aprendizaje automático para predecir el riesgo de aislamiento social

Modelos de aprendizaje automático explicables para predecir el riesgo de aislamiento social en adultos mayores

El envejecimiento poblacional global ha incrementado la preocupación por el aislamiento social en adultos mayores, asociado con efectos adversos en la salud física y mental. La identificación temprana de individuos en riesgo es esencial para implementar intervenciones preventivas efectivas.

Un artículo publicado recientemente en la revista BMC Public Health presenta los resultados de un estudio llevado a cabo con el objetivo de desarrollar y validar modelos de aprendizaje automático explicables que predigan el riesgo de aislamiento social en adultos mayores.

Se analizaron varios modelos, encontrándose que uno de ellos, conocido como árbol de decisión de gradiente (GBDT), interpretado mediante el método SHAP es un modelo predictivo robusto y transparente, útil para identificar el riesgo de aislamiento social en adultos mayores.

Estos hallazgos pueden guiar intervenciones personalizadas y políticas públicas orientadas al fortalecimiento el apoyo intergeneracional y la participación social en esta población.

Referencia

Jiang M, Li X, YongLu. Explainable machine learning models predicting the risk of social isolation in older adults: a prospective cohort study. BMC Public Health. 2025;25:1999