EcoSalud
El proyecto busca integrar información sobre condiciones de salud de la población mexicana, incluyendo biomarcadores clínicos e informes de bienestar, con datos ambientales de contaminantes atmosféricos como material particulado fino (PM2.5), ozono (O₃) y dióxido de nitrógeno (NO₂). El propósito es desarrollar un modelo probabilístico que permita identificar y cuantificar la influencia de factores ambientales en indicadores de salud, con énfasis en enfermedades respiratorias, cardiovasculares y metabólicas.
Este modelo ofrecerá evidencia científica que contribuya a comprender los vínculos entre contaminación del aire y la salud de la población, proporcionando insumos sólidos para la formulación de políticas públicas, estrategias de prevención y medidas de mitigación en materia de salud ambiental.
- Recopilar información de fuentes oficiales (ej. INEGI, INSP, SEMARNAT, SIMAT, OMS).
- Realizar un proceso ETL: Curar y organizar información de salud y ambiental.
- Procesar los datos: Limpieza, imputación, feature engineering/selection, etc.
- Realizar análisis descriptivos de biomarcadores y contaminantes.
- Identificar patrones de correlación iniciales entre variables.
- Generar visualizaciones (mapas, series temporales, diagramas de dispersión, etc.).
- Implementar un modelo probabilístico de redes bayesianas.
- Evaluar supuestos, ajustar parámetros y validar el modelo con datos reales.
- Comparar el desempeño con distintos enfoques de modelado.
- Redactar un reporte con hallazgos clave.
- Preparar visualizaciones intuitivas para tomar decisiones.
- Proponer lineamientos para políticas públicas basados en la evidencia obtenida.
3
Javier Edgardo Garrido Guillén
javier.garridog@tec.mx
Ciencia de datos
Machine learning
Modelación probabilística
Contaminación atmosférica
Salud
Redes bayesianas
Inteligencia artificial
