La Universidad de Ingeniería y Tecnología (UTEC) y la Universidad de Harvard desarrollarán una metodología de estimación en áreas pequeñas (SAE, por sus siglas en inglés) para elaborar mapas de alta precisión sobre la prevalencia de anemia y desnutrición crónica infantil a nivel distrital en todo el Perú. El proyecto, denominado "Maps We Can Trust", cuenta con un financiamiento de 80.000 dólares proveniente del Fondo UTEC-Harvard 2026 y se extenderá durante dos años.
La iniciativa apunta a un problema sanitario persistente: casi cuatro de cada diez niños peruanos de entre 6 y 35 meses padecen anemia infantil, según cifras oficiales. En las zonas rurales del país, la condición alcanza al 43,2% de los menores.
La brecha entre el campo y la ciudad
De acuerdo con la Encuesta Demográfica y de Salud Familiar (ENDES) del Instituto Nacional de Estadística e Informática (INEI), en 2025 el 34,9% de los niños de 6 a 35 meses presentó anemia en el Perú. La diferencia entre el ámbito rural y el urbano resultó notoria: mientras que en las áreas rurales la incidencia llegó al 43,2%, en las zonas urbanas se ubicó en 31,5%.
Las encuestas nacionales como la ENDES ofrecen inferencias sólidas cuando se analizan a nivel regional o departamental, pero pierden precisión cuando se busca desagregar la información a escala distrital. En esos territorios, el número de observaciones suele ser limitado o directamente inexistente, lo cual impide obtener estimaciones directas confiables para el diseño de políticas públicas focalizadas.
El desafío de medir a escala distrital
El problema central radica en la escasez de datos representativos cuando se reduce la escala geográfica de análisis. Una encuesta diseñada para representar a un departamento o una región puede carecer de la cantidad de casos necesarios para generar una estimación estadísticamente robusta en un distrito específico, sobre todo en aquellos con poca población o baja tasa de muestreo.
Esta limitación técnica tiene consecuencias directas sobre la gestión pública, dado que los programas de nutrición infantil y los planes de intervención sanitaria suelen diseñarse y ejecutarse a nivel distrital o provincial. Sin estimaciones confiables en esa escala, los tomadores de decisiones corren el riesgo de asignar recursos con base en información imprecisa o de desconocer la magnitud real del problema en zonas específicas del país.
Imágenes satelitales y modelos estadísticos
Para resolver esta limitación, el equipo de investigadores aplicará modelos de regresión y de aprendizaje automático sobre covariables geoespaciales, entre las que se incluyen imágenes satelitales, la densidad de redes viales y datos censales. Esta información se integrará con modelos espaciales de áreas pequeñas, con el objetivo de reducir varianzas, corregir sesgos y cuantificar el grado de incertidumbre asociado a cada resultado obtenido a nivel local.
En el reparto de responsabilidades, UTEC aportará su experiencia en econometría espacial y en el análisis de encuestas complejas como la ENDES y la Encuesta Nacional de Hogares (ENAHO), además de su trabajo previo en modelamiento espacial para áreas pequeñas. Harvard contribuirá con desarrollos teóricos en estadística de alta dimensión, aprendizaje automático no paramétrico y técnicas de cuantificación de la incertidumbre.
"El objetivo es ir más allá de las estimaciones tradicionales. Mediante la integración de modelos de área espacialmente estructurados e información geoespacial proxy, podemos prestar fuerza estadística a distritos con muestras pequeñas o nulas. Esto nos permite mapear el riesgo con mayor precisión y, sobre todo, proveer intervalos de confianza calibrados que diferencien dónde la evidencia empírica es contundente de dónde se requiere mayor recolección de datos", afirmó el doctor José J. Cerda Hernández, profesor e investigador de UTEC y líder del proyecto.
En la iniciativa también participa el doctor Yue M. Lu, profesor de Ciencias de la Computación e Ingeniería Eléctrica en la Harvard John A. Paulson School of Engineering and Applied Sciences. Su incorporación refuerza el componente de modelamiento computacional avanzado que exige este tipo de estimaciones a gran escala.
Resultados esperados y transferencia al sector público
Entre los resultados esperados del proyecto se incluye el desarrollo de un marco metodológico reproducible de mapeo de pobreza y salud infantil adaptado a la geografía peruana, así como un análisis de las condiciones teóricas bajo las cuales las covariables proxy optimizan o distorsionan las estimaciones distritales.
Además, está previsto un taller de transferencia tecnológica organizado por UTEC, en el que los investigadores presentarán sus hallazgos a los equipos técnicos del Ministerio de Economía y Finanzas (MEF), el Ministerio de Desarrollo e Inclusión Social (MIDIS) y el Ministerio de Salud (MINSA). La fuente no precisa la fecha de ese taller ni el cronograma detallado de los dos años de trabajo.
Comentarios
Comparte tu opinión de manera respetuosa.
Inicia sesión para dejar un comentario.