Ciencia de datos aplicada al análisis de asociación entre la necesidad de servicios de salud en población dependiente y el índice de marginación urbana por AGEB en 2020

En este estudio se realiza un análisis de los microdatos del Censo de Población y Vivienda 2020, en el que se procesaron 387,205,920 datos estatales a nivel de AGEB, que, bajo un proceso de curación, culminaron en una base de 49 mil
586 registros con 19 variables, con las que se generaron los indicadores del Índice de Necesidad de Servicios de Salud (INSS), el Índice de Marginación Urbana 2020 (IMU)
y el Promedio de Ocupantes por Vivienda. Utilizando técnicas de análisis espacial, ciencia de datos y aprendizaje automático, se implementaron cuatro algoritmos: multiple linear regression, support vector regression, random forest y gradient boosting, con validación cruzada K-Fold de los resultados. Se identifica una relación estadísticamente significativa entre los indicadores, pero débil, sugiriendo la consideración de otros factores y la aplicación de técnicas de ciencia de datos, destacando el uso de algoritmos ensamblados para mejorar niveles de precisión predictiva en explicabilidad y mayor exigencia computacional.