Clustering aplicado a la prevención: síntomas respiratorios en recicladores informales de Colombia

En el V Congreso Internacional Prevencionar, celebrado en Madrid los días 24, 25 y 26 de septiembre de 2025, Yenny Andrea Rozo Silva presentó la ponencia “Análisis comparativo de la prevalencia de síntomas respiratorios a través de métodos de clustering en un grupo de recicladores informales colombianos: de K-means a modelos de mezcla gaussiana”

2. Análisis Comparativo de la Prevalencia de
Síntomas Respiratorios A Través de
Métodos De ClusteringEn Un Grupo De
Recicladores Informales Colombianos: De
K-MeansA Modelos De Mezcla Gaussiana

3. Se generan 0,95 kg de residuos sólidos urbanos por
persona al día, recolección selectiva cubre el 17,2%
de los materiales recuperables.
Los recicladores informales enfrentan riesgos
ocupacionales significativos, como la exposición
a sustancias peligrosas y contaminantes.
Estudios recientes han identificado la respiratorios
como tos, sibilancias y congestión nasal,
destacando la necesidad de mejorar la salud y
seguridad de estos trabajadores.
La Agenda 21 y el Objetivo 12 de la Agenda 2030
destacan la importancia de reducir la generación de
residuos mediante la prevención, reciclaje y reutilización.
El reciclaje conserva recursos naturales, reduce el
consumo de energía y las emisiones de carbono,
extendiendo la vida útil de los vertederos y disminuyendo
costos de gestión.
América Latina, más de 40 millones de personas carecen
de acceso a servicios básicos de recolección de
residuos, y el reciclaje es limitado. Muchas personas de
bajos ingresos dependen de recolectar y vender
materiales reciclables en condiciones precarias.
La ONU los reconoce como “ambientalistas invisibles”
Introducción

4. 2 31 4 5
Corte Transversal
descriptivo
Estudio
(n=335)Reciclado
res informales
(n=179) Elegibles
Población
No probabilístico
por conveniencia.
Muestreo
Cuestionario
epidemiológico
estandarizado para SR
ATS-DLD-78-A1
método ERBIO
Instrumentos
Metodología
Bogotá
Tocancipa
Cajicá
Funza
Municipios
6
Softwareestadístico R
y Rstudio
14librerias
Procesamiento
datos

5. El análisis aplicó K-meanspara agrupar a los recicladores
informales colombianos en 4 clústeres, definidos mediante el
método del codo y evaluados con el índice de silueta, que
mostró cohesión moderada. Los datos fueron escalados y las
variables categóricas codificadas para evitar sesgos. La
caracterización de los grupos se apoyó en PCA y t-SNE,
identificando diferencias en síntomas respiratorios y
permitiendo formular recomendaciones específicas según las
características de cada clúster.
Análisis de datos
Clustering K-means

6. El análisis utilizó K-modespara agrupar variables
categóricas, seleccionando tres clústeres óptimos
según su cohesión e interpretabilidad. Los centroides
se definieron por valores modales y la caracterización
de los grupos se apoyó en gráficos de barras y mapas
de calor, lo que permitió identificar patrones y
diferencias entre categorías.
Clustering K-modes

7. Clustering Jerárquico

8. DBSCAN
(Density-Based Spatial
Clustering)

9. Modelos de mezcla gaussiana (GMM)

10. FuzzyC-Means

11. Para determinar el
método de clustering
más adecuado para
analizar los datos de los
recicladores informales
colombianos
Se realizó una evaluación
comparativa utilizando la
biblioteca clValiden R.
Este análisis comparativo
permitió evaluar
diferentes enfoques de
clustering(K-means, K-
modes, clustering
jerárquico, DBSCAN y
GMM)
Con base en métricas internas y
externas, optimizando la
interpretación de los resultados
y garantizando la robustez de
las agrupaciones obtenidas.
Comparación de
métodos de
clustering

12. Resultados
Método de codo
Clúster 1: 42 individuos (23.8% con
síntomas respiratorios)
Clúster 2: 78 individuos (17.9% con
síntomas respiratorios)
Clúster 3: 54 individuos (20.4% con
síntomas respiratorios)
Se aplicó el algoritmo K-meanscon k = 3
Características sociodemográficas
El Clúster 1 agrupa personas de
mayor edad (media: 64.8 años).
El Clúster 2 concentra
principalmente jóvenes (26.8
años).
El Clúster 3 reúne adultos
intermedios (46.2 años) con
mayoría femenina.
El análisis de validación interna mostró un
Silhouettede 0.639, confirmando una
estructura de clústeres adecuada.

13. •La representación mediante
MCA evidenció una
separación clara,
especialmente del Clúster 3.
•El Clúster 3 representa un
grupo de riesgo claramente
diferenciado
La visualización con t-SNE
mostró clústeres bien
separados.
El Clúster 3 mostró la mayor
prevalencia de síntomas
respiratorios.

14. •La representación en t-SNEmostró una
estructura dispersa, con un grupo pequeño
claramente separado (ruido).
•El ruido (clúster 0)presentó la mayor
prevalencia de síntomas respiratorios.
•La representación en t-SNE mostró
una separación clara entre ambos
grupos.
•El clúster 1 presentó una mayor
prevalencia de síntomas respiratorios.

15. •La visualización en t-SNEmostró agrupamientos diferenciados, aunque con
algunas superposiciones, características de la naturaleza difusa del modelo.
•El clúster 1presentó la mayor prevalencia de síntomas respiratorios.
•En términos de calidad de clusteringinterna
(conectividad, índice de Dunn y silueta), K-means
y Jerárquicoobtuvieron los mejores valores,
especialmente para tres clústeres.
•K-means, Jerárquico y K-modesofrecieron
soluciones robustas para caracterizar perfiles de
riesgo respiratorio en la muestra analizada,
mientras que DBSCAN, GMM y FuzzyC-means
revelaron estructuras más específicas o
solapadas.

16. Conclusiones

17. Conclusiones

18. YennyAndrea Rozo Silva
[email protected]