Introducción:

La seguridad alimentaria en América Latina enfrenta desafíos significativos debido a factores como el cambio climático, la desigualdad social y la inestabilidad económica, lo que resalta la necesidad de herramientas avanzadas para su análisis y gestión. Este artículo revisa el estado actual de la literatura sobre modelos predictivos aplicados a la seguridad alimentaria en Latinoamérica, con énfasis en el contexto colombiano durante el período 2014- 2024.

Objetivo:

Describir los enfoques metodológicos, los algoritmos utilizados y sus aplicaciones prácticas en este ámbito.

Materiales y métodos:

Se realizó una revisión de alcance siguiendo los lineamientos PRISMA-ScR, que incluyó 65 estudios relevantes.

Resultados:

Los hallazgos destacan el predominio de variables climáticas, agrícolas y tecnológicas, mientras que las categorías socioeconómicas y sanitarias/ nutricionales estuvieron subrepresentadas. Los algoritmos más utilizados fueron Bosques Aleatorios y Redes Neuronales Artificiales, ambos con un 16,9%. Las principales áreas de enfoque fueron la gestión sostenible de recursos naturales (26,2%), la predicción del rendimiento agrícola (21,54%) y los impactos del cambio climático y la calidad y seguridad de los alimentos (13,85% cada una).

Conclusiones:

La integración de categorías de datos más amplias y el desarrollo de modelos más robustos son fundamentales para fortalecer la seguridad alimentaria en la región, contribuyendo a los objetivos de desarrollo sostenible y a políticas públicas más efectivas.