Este artículo presenta los resultados de la implementación de un modelo de pronóstico, para predecir los materiales de socorro necesarios para ayudar en las decisiones previas a desastres naturales, llenando así un vacío en la exploración de los Modelos Lineales Mixtos Generalizados (GLMM) en un contexto humanitario. Se utilizó información de demanda del Estado de Sao Paulo, Brasil para desarrollar el modelo Binomial Negativo Inflado en Cero Multinivel (ZINBM), que logra manejar el exceso de ceros en los datos de conteo y considera la estructura anidada del conjunto de datos. Las estrategias para seleccionar variables predictoras se basaron en la comprensión de las necesidades de suministros de socorro; en consecuencia, se derivaron de indicadores de vulnerabilidad, factores demográficos y ocurrencias de anomalías climáticas. El modelo presenta coeficientes estadísticamente significativos, y los resultados muestran la importancia de considerar la estructura anidada de los datos y la naturaleza inflada en ceros de la variable de resultado. Para validar la idoneidad del modelo ZINBM, se comparó con los modelos Poisson, Binomial Negativo (NB), Poisson Inflado en Cero (ZIP) y Binomial Negativo Inflado en Cero (ZINB).