Factores de riesgo multiescalares para un marco de evaluación de vulnerabilidad al calor mediante algoritmos de aprendizaje automático

Por qué el aumento del calor es un problema de todos

En los trópicos, los días más calurosos y las noches más pegajosas ya no son solo incómodos: se están convirtiendo en una silenciosa crisis de salud pública. Este estudio se centra en Malasia como una ventana para entender cómo el calor, la contaminación del aire y la desigualdad social se combinan para aumentar el riesgo de muerte, especialmente entre las personas mayores y las comunidades más pobres. Al integrar grandes conjuntos de datos procedentes de satélites y registros gubernamentales con técnicas modernas de aprendizaje automático, los investigadores muestran qué factores importan más y ofrecen una vía práctica para que las autoridades de muchos países tropicales identifiquen primero los barrios que necesitan ayuda.

Calor, ciudades y personas en riesgo

Muchas regiones tropicales y subtropicales, incluida el sudeste asiático, se están calentando más rápido y experimentan periodos de calor más largos. En las ciudades densas, el hormigón y el asfalto retienen el calor, mientras que los espacios verdes limitados y la mala calidad de la vivienda dejan a la población expuesta. Las personas mayores, los bebés, quienes padecen enfermedades crónicas del corazón o de los pulmones y los hogares con bajos ingresos son los que tienen más dificultad para soportar el calor extremo. En los centros urbanos de rápido crecimiento de Malasia, estas vulnerabilidades coinciden: poblaciones densas, envejecimiento de la población y dificultades económicas aumentan las probabilidades en contra de muchas comunidades cuando suben las temperaturas.

Construir una puntuación de vulnerabilidad comunitaria

Para desenredar este panorama complejo, los autores construyeron un Índice de Vulnerabilidad al Calor, o IVC, para las 13 provincias y las tres territorios federales de Malasia entre 2010 y 2020. En lugar de considerar solo la temperatura, combinaron dieciséis indicadores, incluidos el porcentaje de residentes ancianos, niveles de pobreza, educación, acceso a agua limpia y atención sanitaria, y la cantidad de vegetación. Se utilizó un método estadístico para condensar estas medidas en una única puntuación que refleja la dificultad que tendría una comunidad para soportar el calor peligroso. La composición étnica y el acceso a servicios básicos surgieron como componentes especialmente influyentes de este índice.

Añadir el entorno: tierra frente a atmósfera

El equipo planteó entonces una pregunta clave: al predecir muertes vinculadas a condiciones de calor, ¿qué tipo de información ambiental funciona mejor junto con el IVC? Compararon dos capas. La primera usó características locales del territorio, como la cobertura vegetal y la diferencia entre la temperatura superficial del suelo diurna y nocturna, que puede indicar cuánto se enfría un área después del anochecer. La segunda capa se centró en condiciones atmosféricas más amplias: una medida de confort térmico que combina temperatura, humedad, viento y radiación solar, además de niveles de partículas finas en el aire y ozono. Estos datos procedieron de productos satelitales y de reanálisis y se promediaron anualmente para coincidir con los recuentos de muertes a nivel estatal.

Dejar que decidan los algoritmos

Usando múltiples modelos de aprendizaje automático, incluido un enfoque Random Forest, los investigadores probaron qué tan bien distintas combinaciones de variables sociales y ambientales podían explicar las variaciones en la mortalidad por todas las causas de un año a otro. La configuración más fiable combinó el IVC con la capa atmosférica —estrés por calor, partículas finas y ozono— en lugar de usar solo medidas basadas en el suelo. En este modelo ganador, el IVC fue con diferencia el predictor más fuerte, seguido por el ozono y la medida de confort térmico, con las partículas finas desempeñando aún un papel significativo. Herramientas avanzadas de interpretación revelaron que estas influencias no eran uniformes: en el este de Malasia, por ejemplo, el aire más contaminado y una alta vulnerabilidad se reforzaban mutuamente, mientras que algunas regiones occidentales mostraron patrones más complejos en los que valores muy altos de ozono a veces coincidían con un riesgo medido más bajo, probablemente reflejando la química local y efectos meteorológicos.

Calor desigual en un mundo que se calienta

Al observar la evolución temporal, el estudio encontró que tanto el estrés por calor como la mortalidad han aumentado en Malasia, y que la vulnerabilidad comunitaria también ha ido incrementándose desde 2018. En otras palabras, no solo el clima se está volviendo más adverso, sino que la red de seguridad social que ayuda a las personas a soportarlo se está debilitando. Algunos estados con vulnerabilidad muy alta aún no registran los recuentos de muertes más elevados, lo que sugiere una ventana de oportunidad para actuar antes de que futuras olas de calor golpeen. El análisis también mostró que el marco se mantuvo estable a lo largo de diferentes años, incluso durante interrupciones como el periodo de COVID-19, aunque eventos inusuales pueden cambiar temporalmente los patrones de mortalidad.

De los números a la acción

Para el lector no especializado, el mensaje principal es claro: el calor es peligroso no solo por la temperatura, sino por quién está expuesto y qué otras tensiones enfrentan, especialmente el aire contaminado y el acceso débil a servicios. El estudio demuestra que combinar una puntuación de vulnerabilidad social con medidas amplias de calor y calidad del aire ofrece una forma potente y transferible de detectar comunidades de alto riesgo. Para las grandes ciudades, eso significa endurecer los controles de contaminación atmosférica y ampliar la sombra y los espacios verdes frescos. Para las regiones más pobres y remotas, implica reforzar la atención sanitaria, la vivienda y los sistemas de alerta temprana. A medida que los países tropicales continúen calentándose, herramientas como este marco pueden ayudar a convertir riesgos climáticos abstractos en mapas y prioridades concretas que salvan vidas.

Cita: Li, Z., Fong, C.S., Aghamohammadi, N. et al. Multi-scalar risk drivers for a heat vulnerability assessment framework using machine learning algorithms. Sci Rep 16, 10594 (2026). https://doi.org/10.1038/s41598-026-44880-z

Palabras clave: vulnerabilidad al calor, clima tropical, contaminación del aire, aprendizaje automático, riesgo para la salud pública