MODELOS PREDICTIVOS DE OBESIDAD EN JÓVENES, IMPLICACIONES EN SALUD PÚBLICA

Carlos Eduardo Sarmiento Herrera; David Leonardo  Rodriguez Sarmiento; Mauricio Javier  Prada Rozo; Néstor Javier  Murcia Izquierdo; Mercedes  Mendoza Hinestroza

doi:10.22490/ECISA.10052

Vol. 8 Núm. 8 (2026): Vol. 8 Núm. 8 (2026).

Publicado 2025-11-10

Licencia

Derechos de autor 2025 Documentos de trabajo ECISA

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.

Artículos

MODELOS PREDICTIVOS DE OBESIDAD EN JÓVENES, IMPLICACIONES EN SALUD PÚBLICA

DOI: https://doi.org/10.22490/ECISA.10052

Carlos Eduardo Sarmiento Herrera Universidad Manuela Beltrán

David Leonardo Rodriguez Sarmiento Universidad Manuela Beltrán

Mauricio Javier Prada Rozo Universidad Manuela Beltrán

Néstor Javier Murcia Izquierdo Universidad Manuela Beltrán

Mercedes Mendoza Hinestroza Universidad Manuela Beltrán

PDF

Resumen
Referencias

La obesidad, que es una condición de salud crónica, se ha establecido como uno de los problemas más importantes de salud pública a nivel mundial. Su efecto es extenso, ya que no solo deteriora la calidad de vida de los afectados, sino que también hace que los costos a los que deben enfrentarse los sistemas sanitarios aumenten significativamente. Hoy en día, se considera a la población infantil y juvenil como uno de los sectores más vulnerables, pues la obesidad tiene el potencial de presentarse desde una edad temprana y causar problemas metabólicos, cardiovasculares y psicosociales durante todo el ciclo vital.

Con el objetivo de crear tácticas eficaces que traten tanto la prevención como la intervención precoz, este reto requiere respuestas completas y sostenidas de las ciencias de la salud y disciplinas relacionadas. La investigación reciente indica que, para tratar la obesidad infantil, es necesario entender en profundidad sus determinantes, que abarcan elementos de tipo socioeconómico, ambiental, conductual y genético.

Este documento presenta un estado del arte actualizado acerca de la obesidad en individuos menores de edad, destacando los progresos que se han hecho en los últimos cinco años en el desarrollo de modelos predictivos. Estos modelos han hecho posible la identificación de factores determinantes relacionados con el riesgo de obesidad, como los hábitos alimentarios, la actividad física, las medidas antropométricas y los entornos familiares y escolares.

Detectar estos predictores de manera anticipada es esencial para dirigir las intervenciones fundamentadas en evidencia que ayudan a mejorar el bienestar de las generaciones venideras. Paralelamente, estas estrategias tienen como objetivo tener un impacto positivo en la disminución de los costos que esta situación supone para la salud pública.

Palabras clave: Obesidad infantil, Obesidad juvenil, modelo predictivo, revisión sistemática, contexto educativo, tecnología en salud

Biadgilign, S., Mgutshini, T., Gebremichael, B., Berhanu, L., Cook, C., Deribew, A., Gebre, B., & Memiah, P. (2023). Association between dietary Intake, eating behavior, and childhood obesity among children and adolescents in Ethiopia. BMJ Nutrition, Prevention and Health, 6(2), 203–211. https://doi.org/10.1136/bmjnph-2021-000415

Bielik, V., Nosáľ, V., Nechalová, L., Špánik, M., Žilková, K., & Grendar, M. (2025). The prediction model of academic achievement based on cardiorespiratory fitness and BMI status for ninth-grade students. BMC Pediatrics, 25(1). https://doi.org/10.1186/s12887-024-05353-2

Boakye, N. F., O’Toole, C. C., Jalali, A., & Hannigan, A. (2025). Comparing logistic regression and machine learning for obesity risk prediction: A systematic review and meta-analysis. In International Journal of Medical Informatics (Vol. 199). Elsevier Ireland Ltd. https://doi.org/10.1016/j.ijmedinf.2025.105887

Calderón, I. O., Pizarro, Y. Á., Oyarzún, M. L., Arévalo, L. P., Armenta, J. G. L., & Álvarez, C. (2024). Association of cardiometabolic health of preschoolers and their parents with family sociodemographic characteristics. Archivos Latinoamericanos de Nutricion, 74(2), 83–96. https://doi.org/10.37527/2024.74.2.002

Coelho, L. S. V. A., Soares, S. G., Carvalho, G. D., Oliveira, V. J., Belo, V. S., & Romano, M. C. C. (2021). Association between violence in childhood and increase in the body mass index among adolescents. Texto e Contexto Enfermagem, 30. https://doi.org/10.1590/1980-265X-TCE-2020-0201

Collins, G. S., De Groot, J. A., Dutton, S., Omar, O., Shanyinde, M., Tajar, A., Voysey, M., Wharton, R., Yu, L. M., Moons, K. G., & Altman, D. G. (2014). External validation of multivariable prediction models: A systematic review of methodological conduct and reporting. In BMC Medical Research Methodology (Vol. 14, Issue 1). BioMed Central Ltd. https://doi.org/10.1186/1471-2288-14-40

Colmenarejo, G. (2020). Machine learning models to predict childhood and adolescent obesity: A review. In Nutrients (Vol. 12, Issue 8, pp. 1–31). MDPI AG. https://doi.org/10.3390/nu12082466

Danielsen, Y. S., Pallesen, S., Sivertsen, B., Stormark, K. M., & Hysing, M. (2021). Weekday time in bed and obesity risk in adolescence. Obesity Science and Practice, 7(1), 45–52. https://doi.org/10.1002/osp4.455

Gamboa-Gamboa, T., Fantin, R., Cordoba, J., Caravaca, I., & Gómez-Duarte, I. (2021). Relationship between childhood obesity and socio-economic status among primary school children in Costa Rica. In Public Health Nutrition (Vol. 24, Issue 12, pp. 3825–3833). Cambridge University Press. https://doi.org/10.1017/S1368980021002032

Gupta, M., Eckrich, D., Bunnell, H. T., Phan, T. L. T., & Beheshti, R. (2024). Reliable prediction of childhood obesity using only routinely collected EHRs may be possible. Obesity Pillars, 12. https://doi.org/10.1016/j.obpill.2024.100128

Hamann, S. A., Thorup, L., Patsche, C. B., Hohwü, L., Hjortdal, V. E., Gyawali, B., Neupane, D., & Kallestrup, P. (2023). Association between nutritional status and socio-economic status among school children aged 9–17 years in a semi-urban area of Nepal. Journal of Health, Population and Nutrition, 42(1). https://doi.org/10.1186/s41043-023-00392-4

Lehnhard, A. R., Sehn, A. P., de Castro Silveira, J. F., Burns, R. D., Reuter, C. P., & Franke, S. I. R. (2023). Longitudinal relationship between screen time, cardiorespiratory fitness, and waist circumference of children and adolescents: a 3-year cohort study. BMC Pediatrics, 23(1). https://doi.org/10.1186/s12887-023-04378-3

Lim, H., Lee, H., & Kim, J. (2023). A prediction model for childhood obesity risk using the machine learning method: a panel study on Korean children. Scientific Reports, 13(1). https://doi.org/10.1038/s41598-023-37171-4

Miranda, S. L., Serrano, M. D. M., & de Espinosa, M. G. M. (2023). Overweight and obesity in schoolchildren in the Magallanes and Chilean Antarctica Region, Chile, (2009 - 2019), and comparison of two methodologies for diagnosis. Archivos Latinoamericanos de Nutricion, 73(3), 180–190. https://doi.org/10.37527/2023.73.3.002

Ortega, R. M., Ortega, A. I. J., Martinez Garcia, R. M., Aguilar-Aguilar, E., & Estevan, C. L. (2022). Childhood obesity as a health priority. Guidelines for improving weight control. Nutricion Hospitalaria, 39(Ext3), 35–38. https://doi.org/10.20960/nh.04308

Osorio-Mejía, A. M., Martínez-Arbeláez, S., & Ramírez-Girón, N. (2022). Socioeconomic determinants of excess weight in Colombian preschool and school children. National Survey of Nutritional Situation 2015. Introduction. Archivos Latinoamericanos de Nutricion, 72(4), 243–252. https://doi.org/10.37527/2022.72.4.002

Radó, S. I., Molnár, M., Széll, R., Szőllősi, G. J., Törő, V., Shehab, B., Manios, Y., Anastasiou, C., Iotova, V., Tsochev, K., Chakarova, N., Giménez-Legarre, N., Miguel Berges, M. L., Schwarz, P. E. H., Rurik, I., & Sárváry, A. (2024). Association between Screen Time and Sociodemographic Factors, Physical Activity, and BMI among Children in Six European Countries (Feel4Diabetes): A Cross-Sectional Study. Children, 11(4). https://doi.org/10.3390/children11040458

Ríos-Reyna C, Díaz-Ramírez G, Castillo- Ruíz O, Pardo-Buitimea NY, & Alemán-Castillo SE. (2022). politicas y estrategias para combatir la obesidad en latinoamérica. Rev Med Inst Mex, 60, 666–674. https://pmc.ncbi.nlm.nih.gov/articles/PMC10395955/

Shinoda, G., Nagaoka, Y., Ueno, F., Kurokawa, N., Takahashi, I., Onuma, T., Noda, A., Murakami, K., Ishikuro, M., Obara, T., Metoki, H., Sugawara, J., & Kuriyama, S. (2023). Association between being Overweight in Young Childhood and during School Age and Puberty. Children, 10(5). https://doi.org/10.3390/children10050909

Siontis, G. C. M., Tzoulaki, I., Castaldi, P. J., & Ioannidis, J. P. A. (2015). External validation of new risk prediction models is infrequent and reveals worse prognostic discrimination. Journal of Clinical Epidemiology, 68(1), 25–34. https://doi.org/10.1016/j.jclinepi.2014.09.007

Solorzano, M., Granfeldt, G., Ulloa, N., Molina-Recio, G., Molina-Luque, R., Aguayo, C., Petermann-Rocha, F., & Martorell, M. (2023). Comparison of Diagnostic Models to Estimate the Risk of Metabolic Syndrome in a Chilean Pediatric Population: A Cross-Sectional Study. Metabolites, 13(2). https://doi.org/10.3390/metabo13020293

Torres-Martos, Á., Bustos-Aibar, M., Ramírez-Mena, A., Cámara-Sánchez, S., Anguita-Ruiz, A., Alcalá, R., Aguilera, C. M., & Alcalá-Fdez, J. (2023). Omics Data Preprocessing for Machine Learning: A Case Study in Childhood Obesity. Genes, 14(2). https://doi.org/10.3390/genes14020248

Wang, Q., Guo, H., Chen, S., Ma, J., & Kim, H. (2023). The Association of Body Mass Index and Fat Mass with Health-Related Physical Fitness among Chinese Schoolchildren: A Study Using a Predictive Model. International Journal of Environmental Research and Public Health, 20(1). https://doi.org/10.3390/ijerph20010355

Welten, M., Wijga, A. H., Hamoen, M., Gehring, U., Koppelman, G. H., Twisk, J. W. R., Raat, H., Heymans, M. W., & de Kroon, M. L. A. (2020). Dynamic prediction model to identify young children at high risk of future overweight: Development and internal validation in a cohort study. Pediatric Obesity, 15(9). https://doi.org/10.1111/ijpo.12647

Wu, W. J., Chen, P. H., Huang, Z. N., Lei, X. L., Wang, C., Zhang, C. H., Wang, P., Huang, C. C., Luo, Q., & Fan, L. C. (2024). Prevalence of overweight and obesity among preschool children in Hainan: a cross-sectional study in China’s largest free-trade zone. Frontiers in Pediatrics, 12. https://doi.org/10.3389/fped.2024.1476231

Ziauddeen, N., Roderick, P. J., Santorelli, G., & Alwan, N. A. (2023). Prediction of childhood overweight and obesity at age 10–11: findings from the Studying Lifecourse Obesity PrEdictors and the Born in Bradford cohorts. International Journal of Obesity, 47(11), 1065–1073. https://doi.org/10.1038/s41366-023-01356-8

Ziauddeen, N., Roderick, P. J., Santorelli, G., Wright, J., & Alwan, N. A. (2022). Childhood overweight and obesity at the start of primary school: External validation of pregnancy and early-life prediction models. PLOS Global Public Health, 2(6). https://doi.org/10.1371/journal.pgph.0000258

Licencia

Cómo citar

Sarmiento Herrera, C. E., Rodriguez Sarmiento, D. L. ., Prada Rozo, M. J. ., Murcia Izquierdo, N. J. ., & Mendoza Hinestroza, M. . (2025). MODELOS PREDICTIVOS DE OBESIDAD EN JÓVENES, IMPLICACIONES EN SALUD PÚBLICA. Documentos De Trabajo ECISA, 8(8). https://doi.org/10.22490/ECISA.10052

Descargar cita

Almétricas

Métricas

Cargando métricas ...