Modelo Predictivo y Sistema de Alerta Temprana (SAT) para la Inseguridad Alimentaria en la Comunidad de Madrid
El objetivo central del proyecto fue desarrollar una metodología validada y un sistema de alerta temprana (SAT) que permitiera identificar de manera ágil y predictiva el crecimiento de la inseguridad alimentaria en la Comunidad de Madrid.
El fin último es estandarizar un modelo de alerta que, basado en la variación de consumo de alimentos y variables socioeconómicas, sirva para anticipar la toma de decisiones y la activación de acciones futuras con impacto en la lucha contra la malnutrición, especialmente en familias vulnerables y menores.
Metodología y Tecnología GIS Avanzada
Para la Recogida de datos, definición del patrón y sistema de visualización, aplicamos tecnologías de Big Data y métodos de Machine Learning a variables georreferenciadas.
- Integración de Variables Predictivas Clave
Se definieron y consolidaron tres conjuntos de variables con representatividad a nivel de distrito para el modelado:
- Variable Consumo (Dinámica): Datos obtenidos de Ministerio de Agricultura, Pesca y Alimentación, a nivel nacional por estrato económico, incluyendo series temporales, precios y disponibilidad.
- Variable Vulnerabilidad (Estática): Construcción de un índice de vulnerabilidad a nivel de distrito basado en fuentes secundarias socioeconómicas (como el modelo del Ayuntamiento de Madrid), con el desafío de garantizar su capacidad de extrapolación a otros municipios/regiones.
Variable Percepción (Validación): Uso de la Escala FIES (Escala de la Inseguridad Alimentaria basada en la Experiencia) del Estudio de Salud de Madrid para incorporar la percepción directa de la inseguridad alimentaria experimentada por los hogares.
2. Tecnologías de Modelado y Análisis Espacial
- Machine Learning y Definición de Patrones: Se utilizó el concepto de Machine Learning para automatizar la construcción de modelos analíticos. El objetivo fue clasificar los distritos en patrones definidos a partir del cruce de las tres variables: consumo, vulnerabilidad y percepción.
- Procesamiento GIS y Big Data: El proceso de trabajo implicó el uso intensivo de Sistemas de Información Geográfica (SIG) y manejo de grandes bases de datos para:
- Acceso a bases de datos en múltiples formatos (vectorial, ráster, BBDD espaciales).
- Conversión de formatos, estandarización, corrección de errores y georreferenciación de toda la información.
- Visualización Espacial: El sistema de visualización final se construyó sobre un SIG para permitir consultas interactivas, análisis espacial y la presentación de resultados, como la georreferenciación de los diferentes perfiles de vulnerabilidad obtenidos.
