Salud Pública de México

DEFICIT DE TALLA Y EMACIACION EN MENORES DE CINCO AÑOS EN DISTINTAS REGIONES Y ESTRATOS EN MEXICO

DEFICIT DE TALLA Y EMACIACION EN MENORES DE CINCO AÑOS EN DISTINTAS REGIONES Y ESTRATOS EN MEXICO

AUTORES


JUAN RIVERA-DOMMARCO, M. EN C., PH.D.(1) TERESA GONZALEZ-COSSIO, M. EN C., PH.D.(1) MARIO FLORES, M.C.(1) MAURICIO HERNANDEZ-AVILA, M.D., PH.D.(1) MIGUEL ANGEL LEZANA, M.C., M. EN C.(2) JAIME SEPULVEDA-AMOR. M.C., M.SC., PH.D.(3)

(1) Dirección de Investigación en Salud de la Mujer y el Niño, Centro de Investigación en Salud Pública (CISP), Instituto Nacional de Salud Pública (INSP), México.
(2) Dirección de Evaluación, Subsecretaría de Coordinación y Desarrollo, Secretaría de Salud, México.
(3) INSP, México.

RESUMEN

Se analizaron datos de la Encuesta Nacional de Nutrición de 1988, aplicada en una muestra probabilística de 13 236 viviendas y 7 426 menores de cinco años, con representatividad nacional y de cuatro regiones (Norte, Centro, Sur y Distrito Federal). Se obtuvieron riesgos de emaciación y de déficit severo de talla y razones de momios por región, por municipio según proporción de población indígena y grado de urbanización, por educación de la madre y del padre, por género y por diversas combinaciones de estos estratos. Se encontró un elevado riesgo de déficit de talla y un menor riesgo de emaciación. El déficit de talla es mayor en municipios predominantemente indígenas, rurales, en las regiones Sur y Centro y en familias de madres con baja educación formal y condiciones de vivienda pobres. Los resultados pueden ser útiles para el diseño de políticas de alimentación y nutrición y para la focalización de programas.

ABSTRACT

Data from a National Nutrition Survey conducted in 1988 in a probability sample of 13 236 households and 7 426 children under five, representative at the national level and for four regions (North, Center, South, and Mexico City), were analyzed. Risks for wasting and stunting and odds ratios were obtained by region, by district according to proportion of indigenous population and by level of urbanization, by level of education of both parents, by gender, and by various combinations of the former strata. A high risk of stunting and a low risk of wasting were found. The risk of stunting is greater in predominantly indigenous and rural districts, in the South and Center, and in families of mothers with low education and poor housing conditions. The results can be used for food and nutrition policy planning and for targeting nutrition intervention programs.

Introducción

A pesar de la transición epidemiológica que México ha experimentado en la última década, la desnutrición continúa siendo un importante problema de salud pública en niños menores de cinco años.1-3 De acuerdo con resultados de la Encuesta Nacional de Nutrición (ENN), realizada por la Secretaría de Salud (SSA) en 1988, el porcentaje de niños menores de cinco años con déficit severo de talla para la edad -valores menores a -2 desviaciones estándar del patrón de referencia de la OMS/NCHS4- fue de 22.9%.3 Al igual que en la mayoría de los países de América Latina,5 la prevalencia de déficit severo de talla es varias veces mayor que la prevalencia de emaciación (valores menores a -2 desviaciones estándar del patrón de referencia de peso para la talla), la cual fue de 6.3% en 1988.3

Durante la edad preescolar, el déficit severo de talla se asocia con mayor riesgo de muerte.6 Además, se ha documentado una asociación negativa del déficit severo de talla durante la edad preescolar con peso, talla, masa magra, rendimiento físico y desempeño intelectual de los mismos individuos durante la adolescencia y la edad adulta.7,8

En el presente artículo, basado también en datos de la ENN, se presentan riesgos (prevalencias) de déficit de talla y de emaciación, así como razones de momios (RM) crudas y ajustadas en diferentes regiones y estratos. Se incluyen, además, riesgos de déficit severo de talla para distintas combinaciones de las regiones y estratos. Los resultados pueden ser útiles para el diseño de políticas en alimentación y nutrición y para guiar la asignación efectiva de recursos a programas destinados a combatir la desnutrición.

Material y Métodos

La ENN obtuvo mediciones antropométricas de niños menores de cinco años en una muestra probabilística de familias representativa para el nivel nacional y para cuatro regiones. A continuación se describe brevemente la metodología utilizada para la obtención de la muestra.1

MUESTRA


Como parte del Sistema Nacional de Encuestas de Salud, la Dirección General de Epidemiología de la SSA llevó a cabo la ENN en 1988. La muestra se basa en el marco muestral maestro del Sistema de Encuestas de Salud, el cual parte de una muestra maestra de viviendas, actualizada a partir de 1985 y generada con base en la información disponible en el Censo Nacional de Población y Vivienda de 1980. La base muestral y la cobertura geográfica de la encuesta fueron a nivel regional. El diseño muestral de la encuesta fue estratificado y polietápico, con un esquema de selección con probabilidades proporcionales al tamaño para las primeras dos etapas y sistemático con probabilidades iguales para la tercera etapa.1 Cada región se considera como un dominio de estudio, de tal forma que los resultados son representativos del nivel regional y la suma de resultados de las diversas regiones permite obtener información a nivel nacional. Las regiones quedaron conformadas de la siguiente manera: Norte, que comprende los estados de Baja California, Baja California Sur, Chihuahua, Coahuila, Durango, Nuevo León, Sonora y Tamaulipas; Centro, con Aguascalientes, Colima, Guanajuato, Jalisco, México (excepto municipios conurbados al D.F.), Michoacán, Morelos, Nayarit, Querétaro, San Luis Potosí, Sinaloa y Zacatecas; Sur, que incluye Campeche, Chiapas, Guerrero, Hidalgo, Oaxaca, Puebla, Quintana Roo, Tabasco, Tlaxcala, Veracruz y Yucatán; región Distrito Federal (D.F.), constituida por dicha entidad y los municipios conurbados.

La vivienda se definió como una estructura que tiene un acceso independiente y en la que una o más personas duermen y preparan generalmente sus alimentos. La población bajo estudio estuvo constituida por los menores de cinco años y las mujeres entre los 12 y los 49 años de edad que habitaban las viviendas seleccionadas. Este artículo presenta resultados para los menores de cinco años. En total se encuestaron 13 236 viviendas, en las cuales se obtuvo información de 7 426 menores de cinco años. En el presente trabajo se excluyeron los casos con valores faltantes o aberrantes de los indicadores antropométricos talla o longitud en relación con edad, y peso en relación con talla o longitud.

La ENN incluye zonas urbanas y rurales y, al utilizar un diseño de muestreo probabilístico, es representativa de los niveles regional y nacional.

METODOLOGIA DE OBTENCION DE DATOS

La ENN obtuvo información abundante sobre las familias estudiadas y sus niños menores de cinco años. A continuación se presenta la información que se utilizó en el presente artículo y se describe la metodología empleada en su obtención:

1. Medidas antropométricas en menores de cinco años. Peso (kg) y longitud supina (en menores de dos años) o talla (en niños entre dos y cinco años), ambas en centímetros. Se utilizaron métodos convencionales para las mediciones.9 El peso se obtuvo mediante básculas de "reloj" con suspensorio, con precisión de 100 g. La longitud supina se obtuvo mediante infantómetros de madera y la talla mediante estadímetros Nivotoise, ambos con precisión de 1 mm. Para la estandarización del personal en las técnicas antropométricas se siguió el protocolo de Habicht.10

Por entrevista con un informante, generalmente la madre o el jefe de familia, se obtuvo la siguiente información:

2. Edad y sexo de los menores de cinco años.

3. Características de las viviendas, incluyendo material del piso, fuente de agua, tipo de drenaje y posesión de los siguientes enseres domésticos: radio, televisor, refrigerador, teléfono y automóvil.

4. Educación del padre o jefe de familia y de la madre.

Además, se obtuvo información demográfica oficial sobre los municipios de residencia de las familias estudiadas. De ésta, se utilizó aquélla relativa al número de habitantes de las localidades y al de indígenas en los municipios.

METODOS DE ANALISIS

Se utilizaron modelos univariados y multivariados de regresión logística;11 todas las variables fueron dicotómicas. Se obtuvieron coeficientes de regresión logística, probabilidades o riesgos de emaciación y de déficit severo de talla, así como RM. Los riesgos provenientes de los modelos univariados son equivalentes a prevalencias no ponderadas, ya que en los modelos de regresión logística no se utilizaron factores de ponderación.

Debido a que la base de datos disponible no cuenta con información sobre probabilidades de selección, no se ajustaron las estimaciones de parámetros por el efecto de diseño de la muestra.

Con el objeto de evaluar posibles sesgos resultantes de la exclusión de casos con valores faltantes o aberrantes, se comparó la distribución en las diversas categorías de las variables independientes de los casos incluidos y de los excluidos en el análisis. Se utilizó la prueba chi cuadrada para evaluar las diferencias en las distribuciones entre categorías. En los casos con diferencias estadísticamente significativas entre categorías, se simularon valores de RM para dos escenarios extremos pero posibles, para los cuales se consideró la prevalencia máxima y la mínima observada en los diversos grupos estudiados. Para déficit de talla las prevalencias máxima y mínima fueron 0.49 y 0.07, respectivamente, mientras que para emaciación las prevalencias máxima y mínima fueron 0.09 y 0.04, respectivamente. Los escenarios considerados en la simulación fueron los siguientes: a) para los casos faltantes en la categoría de riesgo (por ejemplo, baja educación) se utilizó la prevalencia máxima, mientras que para los casos en la categoría de no riesgo (por ejemplo, alta educación) se consideró la prevalencia mínima; y, b) la situación opuesta: la mínima prevalencia para la categoría de riesgo y la máxima para la de no riesgo.

Para la construcción de un indicador de condiciones de la vivienda, se utilizó el método de análisis factorial por componentes principales.12 Los datos se analizaron con los paquetes estadísticos STATA Y SAS.13,14

Variables dependientes

Déficit severo de longitud o talla. Se asignó un valor de uno para los niños con longitud o talla para edad menor a -2 desviaciones estándar del patrón de referencia(4) y un valor de cero para el resto de los niños. En adelante la variable se denominará "déficit de talla", aun cuando se trate de longitud supina en los menores de dos años. Se eliminaron los casos con valores fuera del intervalo de -5 a +5 desviaciones estándar del patrón de referencia, por considerarlos valores aberrantes.

Emaciación. Se asignó un valor de uno para los niños con peso para talla menor a -2 desviaciones estándar del patrón de referencia4 y un valor de cero para el resto de los niños. Se eliminaron los casos con valores fuera del intervalo de -4 a +4 desviaciones estándar del patrón de referencia, por considerarlos valores aberrantes.

Variables independientes

Terciles de condiciones de vivienda. Se construyó un factor indicador de las condiciones de la vivienda utilizando el método de análisis factorial por componentes principales.12 Después de una prueba inicial, el modelo se restringió a un solo factor. Unicamente las variables con factor de carga (loading factor) superior a 0.5 fueron retenidas: material del piso, fuente de agua entubada, tipo de drenaje y posesión de los siguientes artículos: radio, televisor, refrigerador, teléfono y automóvil. La varianza explicada por el modelo, con un solo factor, fue de 65%. Como resultado del análisis factorial se generaron puntajes estandarizados para cada familia. En seguida, se crearon tres categorías de nivel de vida de acuerdo a los terciles de la distribución de los puntajes derivados del análisis factorial. Con base en estos terciles se crearon dos variables indicadoras: a) tercil bajo donde se asignó un valor de uno para el tercil bajo y cero para los otros dos terciles; b) tercil medio, en el cual se asignó un valor de uno para el tercil medio y cero para los otros dos terciles. El tercil alto, en consecuencia, se constituyó en el grupo de referencia. 

En algunos modelos se sustituyeron los terciles de condiciones de vida por las variables que se utilizaron en el análisis factorial para la creación de la variable socioeconómica, con el propósito de establecer el peso relativo de cada una de ellas en el riesgo de desnutrición. Dichas variables se convirtieron en dicotómicas de acuerdo con los siguientes criterios: piso, donde se asignó el valor de uno para piso de tierra y cero para los otros tipos de piso; agua, otorgando el valor de cero para viviendas con agua entubada dentro de la vivienda o en el patio, vecindad o edificio y uno para viviendas con fuente de agua proveniente de llave pública o que no tenían acceso a agua entubada; drenaje, con valor de uno para viviendas sin drenaje y cero para las que contaban con cualquier tipo de drenaje (red pública, fosa séptica, otros); enseres, con valor de uno para las familias que contaban con uno o menos de los enseres listados arriba y cero para los que poseían más de uno. Tipo de municipio. Cada familia estudiada fue clasificada, de acuerdo con el municipio de residencia, en: municipios predominantemente rurales, en los que más de la mitad de sus pobladores vivía en localidades menores de 15 000 habitantes; y, en municipios predominantemente urbanos, en los que más de la mitad de la población vivía en localidades iguales o mayores a 15 000 habitantes. Se asignó un valor de uno para municipios predominantemente rurales y de cero para los predominantemente urbanos.

Municipio, según el tamaño de la población indígena. Aunque se carece de información sobre el origen étnico de las familias estudiadas, los municipios se clasificaron según la importancia de la población indígena. Aquéllos en los que más del 40% de sus habitantes hablaba alguna lengua indígena, según el Censo Nacional de Población y Vivienda, se clasificaron como municipios predominantemente indígenas; el resto de los municipios se consideró como predominantemente no indígena. Cada familia se clasificó, de acuerdo con su municipio de residencia, como predominantemente indígena o no indígena. Se asignó el valor de uno para los municipios predominantemente indígenas y cero para los no indígenas.

Educación de la madre y del padre. Se asignó el valor de uno a las madres y a los padres que alcanzaron como nivel máximo la educación primaria y de cero al grupo con educación más allá de la primaria.

Género. Se asignó el valor de uno para los niños y de cero para las niñas.

Resultados

En los cuadros I y II se presentan los riesgos de baja talla o de emaciación en menores de cinco años y número de casos, para las distintas regiones y estratos estudiados. Los riesgos se obtuvieron a partir de modelos univariados de regresión logística, en los que las variables dependientes fueron el déficit de talla o la emaciación. Asimismo, se presentan RM crudas (no ajustadas), provenientes de los modelos univariados y RM ajustadas que proceden de los modelos multivariados. Entre paréntesis se incluyen los intervalos de confianza de 95% de las RM.





Para la variable déficit de talla se eliminaron 373 casos del análisis (4.97% del total): 319 por tener valores faltantes y 54 por tener valores aberrantes. Por lo tanto, el número máximo de casos para los análisis relativos a déficit de talla fue de 7 053. Para emaciación se eliminaron 491 casos (6.56% del total): 398 por tener valores faltantes y 93 por contener valores aberrantes. El número máximo de casos para los análisis sobre emaciación fue de 6 935. Otras variables tuvieron valores faltantes: educación materna (n = 212), terciles de condiciones de vivienda (n = 221) y educación del padre (n = 615). Se compararon las proporciones de casos entre las diversas categorías de regiones y estratos estudiados, para sujetos con y sin valores de déficit de talla y emaciación. No se encontraron diferencias en la distribución de casos con y sin valores de déficit de talla para las variables región, tercil de condiciones de vivienda, tipo de municipio según población indígena o rural y género. En cambio, se encontraron mayores proporciones de casos con valores faltantes en las categorías de baja educación de la madre y del padre (p < 0.05). Las RM resultantes de las simulaciones para educación de la madre para los escenarios a) y b) descritos en la sección de Material y Métodos fueron 3.41 y 2.64, respectivamente, mientras que para educación del padre fueron 3.06 y 2.36. Todas las RM resultantes de las simulaciones fueron estadísticamente significativas (p < 0.05).

En las comparaciones de casos con y sin datos de emaciación, se encontraron mayores proporciones con valores faltantes para la categoría de baja educación materna y, en contraste, para el tercil superior de condiciones de vivienda (p < 0.05). No hubo otra diferencia estadísticamente significativa. Las RM resultantes de las simulaciones para educación de la madre, para los escenarios a) y b), fueron 1.07 y 0.94, respectivamente, mientras que para el tercil inferior de condiciones de vivienda fueron 0.96 y 0.88. Ninguna de las RM resultantes de las simulaciones fue estadísticamente significativa (p > 0.05).

En el cuadro I se presentan riesgos (prevalencias no ponderadas) y RM de déficit de talla. Se muestran resultados por región, por tipo de municipios, según tamaño de las localidades en las que vivía más de la mitad de la población (menores o iguales o mayores a 15 000 habitantes) y según el tamaño de su población indígena (predominantemente indígena o no indígena), por educación de la madre y del padre, por género, por terciles de condiciones de la vivienda y para las cuatro variables utilizadas en el análisis factorial que produjo la variable de condiciones de la vivienda: piso, agua, drenaje y enseres. Los modelos multivariados incluyeron como variables independientes: región, tipo de municipios, educación de la madre y el factor condiciones de vivienda, excepto para agua, piso, drenaje y enseres, en los que no se ajustó por factor de condiciones de vivienda. No se ajustó por educación del padre y género debido a que el género no fue factor de riesgo de baja talla y a que la variable educación del padre contenía un número elevado de casos con valores faltantes (n = 615), por lo que su inclusión hubiera mermado considerablemente el tamaño de la muestra en los modelos multivariados.

Los riesgos fluctuaron entre 0.07 y 0.49 y las RM no ajustadas entre 1.04 y 6.71. El máximo valor de RM no ajustada se observó para el tercil de condiciones inferiores de vivienda (6.71), seguido de municipios predominantemente indígenas (4.53), de la región Sur (4.37), de madres con educación baja (3.23), de padres con educación baja (2.85), de la región centro (2.47) y del tercil medio de condiciones de vivienda (2.25). La RM cruda para municipios predominantemente rurales fue de alrededor de dos y la de género fue de cerca de uno. Las RM ajustadas fueron menores que las no ajustadas y tuvieron valores menores a dos, excepto para condiciones de vivienda, variable en la que alcanzaron valores de 4.02 y 2.04 para los terciles bajo y medio, respectivamente. Como era de esperarse, dado el elevado tamaño de las muestras, casi todas las RM fueron estadísticamente significativas. Las únicas excepciones fueron la región Norte y el género.

En el cuadro II se presentan los riesgos y la RM de emaciación para los mismos estratos presentados en el cuadro I. Tanto los riesgos como las RM fueron notablemente inferiores para emaciación que para déficit de talla. Los riesgos fluctuaron entre 0.04 y 0.09 y las RM no ajustadas entre 0.87 y 2.72. Las RM ajustadas no difirieron de las no ajustadas en forma importante, a diferencia de lo sucedido para déficit de talla. La única variable en la que hubo diferencias importantes en riesgos de emaciación entre sus categorías fue la región, para la que se encontró un riesgo francamente mayor de emaciación para las regiones Norte y Centro. A excepción de las RM para estas variables, ninguna otra RM fue estadísticamente significativa.

En el cuadro III se muestran los riesgos de déficit de talla en menores de cinco años para las cuatro regiones del país, por tipo de municipios. Se observan riesgos muy superiores (casi del doble) en municipios predominantemente indígenas en relación a los no indígenas, y riesgos moderadamente superiores en municipios predominantemente rurales en relación con los urbanos.



En el cuadro IV se presentan los riesgos de déficit de talla para combinaciones selectas de regiones y municipios, según la proporción de población indígena, por categorías de educación de la madre y de condiciones de la vivienda. Dado que el riesgo de déficit de talla en el tercil superior de condiciones de vivienda es muy bajo y con el fin de reducir el número de categorías de éste y el siguiente cuadro, se presentan resultados exclusivamente para los terciles inferior e intermedio.

El cuadro V muestra riesgos de déficit de talla para combinaciones selectas de regiones y municipios, según el tamaño de las localidades en las que vivía más de la mitad de su población, por categorías de educación de la madre y de condiciones de la vivienda, tal y como se describió en el cuadro IV.

Como era de esperarse, los riesgos más elevados de déficit de talla en los cuadros IV y V se encuentran en las combinaciones de las regiones Sur y Centro, de municipios predominantemente indígenas o rurales, de baja educación materna y de tercil inferior de condiciones de vivienda.

Discusión

El diseño del estudio, de carácter transversal y no experimental, impide hacer inferencias de tipo causal. En cambio, dado el diseño muestral, la encuesta permite la obtención de resultados extrapolables a nivel nacional y para las cuatro regiones. En rigor, los parámetros obtenidos para los diversos estratos, a excepción de las regiones, no son extrapolables, dado que el diseño muestral no garantiza representatividad a nivel de dichos estratos. Sin embargo, debido al tamaño de la muestra estudiada (7 426 menores de cinco años), la amplia cobertura geográfica del estudio, la representatividad nacional de los datos y la gran cantidad de información obtenida, la encuesta ofrece la oportunidad de estudiar riesgos de desnutrición para diversos estratos, reconociendo que dichos riesgos, más que parámetros precisos, marcan tendencias que permiten evaluar diferencias entre estratos. El elevado costo de una encuesta nacional como la analizada, hace imperativa la máxima utilización de los datos para orientar la política de alimentación y nutrición en el país.

La base de datos disponible no cuenta con información sobre probabilidades de selección, por lo que fue imposible ajustar las estimaciones de parámetros por el efecto de diseño de la muestra. El ajuste no modificaría la magnitud de los riesgos y la RM, pero aumentaría los intervalos de confianza. Como se discute más adelante, se considera que la falta de ajuste por el efecto del diseño no modifica las conclusiones, dada la magnitud de las diferencias encontradas.

En contraste con las marcadas diferencias regionales y entre estratos encontrados para la prevalencia de déficit de talla, el riesgo de emaciación no fue distinto entre las categorías de las variables estudiadas, a excepción de las diferencias regionales (cuadro II). Una posible fuente de sesgos en la estimación de la RM es la exclusión de casos con valores faltantes. Sin embargo, las simulaciones de los escenarios extremos resultaron en RM muy cercanas a 1.00 y estadísticamente no significativas (p > 0.05), indicando que las conclusiones no varían al considerar el efecto de posibles sesgos causados por los valores faltantes. En conclusión, mientras que el retardo en talla se asocia claramente con indicadores de pobreza, no sucede lo mismo entre la emaciación y dichos indicadores. Este hallazgo refuerza el consenso de que en América Latina el principal efecto del complejo desnutrición-infección es el retardo en el crecimiento lineal.5,15

El 6.3% de los niños fue clasificado como emaciado a nivel nacional.3 El punto de corte utilizado para dicha clasificación fue -2 desviaciones estándar del patrón de referencia. Por abajo de este punto de corte se encuentra el 2.28% de los niños de la población de referencia,4,16 correspondiente a niños bien nutridos. Es decir, más de la tercera parte (2.28%) de los niños clasificados como emaciados en México son probablemente falsos positivos. Es posible que en la elevada proporción de falsos positivos radique la falta de asociación entre nuestra medida de emaciación y los factores conocidos como determinantes de desnutrición.

Se carece de una explicación concluyente para las notables diferencias regionales en riesgo de emaciación, especialmente para el Norte (RM 2.72). En la literatura se han descrito grandes diferencias entre continentes en las prevalencias relativas de emaciación y retardo en talla, sin encontrar hasta el momento ninguna explicación concluyente.5,15 Algunas de las posibles causas de estas diferencias entre regiones serían: a) distintos patrones de crecimiento y de relación de las masas grasa y magra, debidas a diferencias étnicas, dietéticas o ambientales entre regiones;17 b) posibles diferencias en deficiencias de nutrimentos específicos causadas por diferencias en patrones dietéticos. Por ejemplo, la deficiencia de algunos minerales como el zinc afecta el crecimiento lineal18 y el depósito de masa magra, pero no la de masa grasa,19 mientras que déficits en energía afectarían en mayor medida el depósito de grasa; c) diferencias en el peso relativo de las infecciones y la inadecuada alimentación en la etiología de la desnutrición; d) sesgos causados por errores sistemáticos en las mediciones antropométricas. La información disponible no permite explorar la veracidad de las posibles explicaciones enunciadas.

Hay marcadas diferencias regionales y entre los distintos estratos estudiados en el riesgo de déficit de talla (cuadro I). Estas diferencias parecen tener su explicación en variables socioeconómicas asociadas a las regiones y estratos estudiados.

Casi todas las RM crudas para déficit de talla tuvieron valores de alrededor de dos o más, considerados importantes en términos de salud pública, y fueron estadísticamente significativas. Cabe destacar las diferencias entre los terciles extremos de condiciones de vivienda con una RM cruda mayor a seis y las de la región Sur y los municipios predominantemente indígenas con valores mayores a cuatro. Las únicas RM crudas cuyas magnitudes se consideran pequeñas en términos de salud pública y que no alcanzaron significancia estadística, fueron las correspondientes a la región Norte y a género (cuadro I). Es decir, a excepción de las diferencias entre la región Norte y el D.F. y entre géneros, todas las demás diferencias regionales y entre estratos se consideran de importancia para la salud pública y fueron estadísticamente diferentes a la unidad. Dada la magnitud de las RM y de los intervalos de confianza, el ajuste por efectos del diseño difícilmente podría modificar las conclusiones.

Las únicas diferencias en la distribución de casos con y sin valores de déficit de talla fueron las mayores proporciones de casos sin información en las categorías bajas de educación de los padres. Las RM resultantes de las simulaciones para los escenarios extremos descritos en la sección de Material y Métodos, todas ellas significativas (p < 0.05), indican que las conclusiones no variarían al considerar el posible efecto de sesgos provocados por los valores faltantes sobre las estimaciones de RM.

Estos resultados no son estrictamente comparables con otras encuestas nacionales, dado que la ENN es la única con diseño probabilístico y que incluye tanto zonas urbanas como rurales. Además, otras encuestas proporcionan información sobre prevalencia de déficit de peso, mientras que en este artículo se muestra información sobre déficit de talla. Sin embargo, la Encuesta Nacional de Alimentación realizada en zonas rurales en 1988 tuvo resultados consistentes con la ENN en la distribución de peso en relación con la edad.2

Las asociaciones vigorosas entre déficit de talla y distintas regiones y estratos, medidas a través de RM crudas, permiten la identificación de criterios para la adecuada selección de regiones, municipios y familias con alto riesgo de desnutrición, lo que podría facilitar la asignación racional de los recursos que México utiliza en programas de alimentación y nutrición. Sin embargo, las RM crudas no deben interpretarse como una medida de magnitud de asociación causal, debido a la naturaleza del diseño del estudio. Aun cuando los diseños no experimentales como éste no permiten inferir causalidad, el control estadístico de variables potencialmente confusoras permite hacer sugerencias sobre los principales factores de riesgo de déficit de talla. Estas sugerencias cobran fuerza en la medida en que son consistentes con resultados de otros estudios. Debido a que existe alta correlación entre algunas de las variables independientes, éstas son factores potencialmente confusores de la relación entre déficit de talla y diversas regiones y estratos. Por esta razón se ajustaron las RM por los factores potencialmente confusores, encontrando que las magnitudes de las mismas disminuyeron al realizar los ajustes y que la importancia relativa de las variables estudiadas se modificó, aunque no se modificaron las conclusiones sobre la significancia estadística de las mismas. Así, las condiciones de vivienda se mantienen como la variable más importante para distinguir riesgos de desnutrición. El tercil bajo de condiciones de vivienda, con el mayor valor de RM ajustada (4.02), se encuentra muy por arriba de las RM ajustadas del resto de las variables. Las RM para estas variables (excluyendo condiciones de vivienda) mantuvieron valores similares al ser ajustadas únicamente por las condiciones de vivienda (resultados no presentados). La interpretación de estos hallazgos es que una parte importante de las fuertes diferencias entre los estratos y regiones estudiados tiene su explicación en las diferencias en condiciones de vivienda entre dichos estratos o regiones. En nuestra opinión, de las variables incluidas en el análisis, la relativa a las condiciones de vivienda es la que más fielmente refleja la situación socioeconómica de la familia. Los resultados confirman el ya conocido efecto de la pobreza en el estado de nutrición y enfatizan la necesidad de mejorar las condiciones de vida para corregir la desnutrición.

A pesar del fuerte peso de las condiciones de vivienda para explicar las diferencias entre estratos y regiones, persisten algunas diferencias importantes en salud pública que indican posibles efectos más allá de los estrictamente explicados por las condiciones materiales de la vivienda. Por ejemplo, en la región Sur los municipios predominantemente indígenas y las familias de madres con baja educación tienen RM ajustadas superiores a 1.5, consideradas por estos autores como importantes en términos de salud pública, lo que puede interpretarse de una de las siguientes dos maneras o en una combinación de ellas: a) bajo el supuesto de que las condiciones de vivienda son un fiel reflejo de la situación socioeconómica de la familia, la región Sur, las zonas indígenas, y las familias de madres con baja educación tienen mayor riesgo de desnutrición, ajustando por situación socioeconómica. Es decir, más allá de la situación socioeconómica, estas variables son factores independientes de riesgo de déficit de talla; o, más probablemente, b) la variable "condiciones de la vivienda" no permite captar la situación socioeconómica de la familia en forma completa. Las variables región Sur, áreas indígenas y familias de madres con educación baja agregan a la variable sobre condiciones de vivienda capacidad para identificar familias de baja situación socioeconómica. Es decir, la situación socioeconómica es la única variable de riesgo de desnutrición y las diferencias regionales, étnicas y de educación sólo le agregan capacidad para capturar diferencias socioeconómicas.

Mención especial merece la elevada magnitud y significancia estadística de la RM ajustada para los residentes en municipios predominantemente indígenas, a pesar de que se trata de un indicador grueso que clasifica a las familias en función del municipio de residencia. Cabría esperar una mayor RM si se contara con información sobre el origen étnico a nivel familiar. El valor relativamente pequeño de la RM ajustada para área rural puede deberse a que la clasificación se basa en el municipio y no en la localidad de residencia, o bien al criterio utilizado de menos de 15 000 habitantes para la clasificación de localidades rurales. Posiblemente la RM hubiera sido mayor de haberse utilizado un menor número de habitantes como criterio para la definición de zona rural.

Entre las variables estudiadas, las condiciones de vivienda parecen ser el mejor indicador para la selección de familias con niños en riesgo de déficit de talla; sin embargo, para la asignación de recursos destinados a combatir la desnutrición a nivel nacional, se requieren datos sobre divisiones geográficas que permitan la asignación de recursos a nivel de las mismas antes de llegar a la identificación local de familias. Es decir, para la asignación de recursos resultaría útil la combinación de indicadores que permitiera identificar riesgos a niveles regional, municipal y familiar. Los cuadros III, IV y V permiten seleccionar las áreas geográficas y las familias beneficiarias de programas para combatir la desnutrición.

El cuadro III permite la selección de regiones y municipios de acuerdo con el tamaño de su población indígena (predominantemente indígena o no indígena) o al tamaño de las localidades en las que vivía más de la mitad de su población (predominantemente urbana o rural), de acuerdo con la información disponible. Dependiendo de los recursos disponibles, puede seleccionarse un distinto número de áreas para la asignación de recursos.

Una vez identificados los municipios y regiones, la distribución al interior de los municipios podría hacerse con base en los riesgos asociados a la combinación de educación materna y tercil de condiciones de vivienda (cuadros IV y V). En un ejemplo hipotético, utilizando la información del cuadro IV para guiar la distribución de recursos al interior de la región Sur, podría optarse por las siguientes combinaciones: a) municipios indígenas, familias de educación baja, tercil inferior; b) municipios indígenas, familias de educación alta, tercil inferior; y, c) municipios no indígenas, familias de educación baja, tercil inferior, asignando los recursos de manera proporcional a los riesgos de déficit de talla: 0.59, 0.46 y 0.45 para las combinaciones a, b y c, respectivamente.

Dado que la variable tercil de condiciones de vivienda no puede hacerse operativa a nivel comunitario, se presentan riesgos de déficit de talla y RM no ajustadas y ajustadas para cada una de las variables utilizadas en la construcción de los factores de condiciones de vivienda (cuadro I). El indicador al que corresponde el mayor valor de las RM es la posesión de un enser o menos, comparado con la posesión de más de uno. El uso de una o más de las variables sobre condiciones de la vivienda incluidas en el cuadro I permitiría aproximarse a la selección de familias del estrato socioeconómico inferior a nivel local.

En resumen, los resultados del análisis indican que el déficit de talla es un problema nutricio de gran importancia en México, mientras que la emaciación es uno de menor magnitud. Los resultados sugieren que las condiciones socioeconómicas de la familia son el principal determinante del déficit de talla, mismo que es mayor en los municipios predominantemente indígenas, en los rurales, en las regiones Sur y Centro del país, en familias de madres con baja educación formal y en las de peores condiciones de vivienda. Los resultados pueden servir de guía para la identificación de áreas geográficas, municipios y familias de preescolares con alto riesgo de déficit de talla y, en consecuencia, para el diseño de políticas de alimentación y nutrición y para la focalización de programas.

Bibliografía

1. Sepúlveda-Amor J. Estado nutricional de los preescolares y las mujeres en México: Resultados de una encuesta nacional probabilística. México, D.F.: Academia Nacional de Medicina, 1989.
2. Avila-Curiel A, Chávez A, Shama-Levy T, Madrigal H. La desnutrición infantil en el medio rural mexicano: Análisis de las encuestas nacionales de alimentación. Salud Publica Mex 1993; 35:658-666.
3. Rivera J, Long K, González de Cossío T, Parra S, Rivera M, Rosado JL. Nutrición y salud. México, D.F.: Cuadernos de Salud, Secretaría de Salud, 1994.
4. Organización Mundial de la Salud. Medición del cambio del estado nutricional. Ginebra: OMS, 1983.
5. Victora CG. The association between wasting and stunting: An international perspective. J Nutr 1992;122: 1105-1110.
6. Chen LC, Chowdhury A, Huffman SL. Anthropometric assessment of energy-protein malnutrition and subsequent risk of mortality among preschool aged children. Am J Clin Nutr 1980; 33:1836-1845.
7. Martorell R, Rivera J, Kaplowitz H. Consequences of stunting in early childhood for adult body size in rural Guatemala. Ann Nestle 1990; 48:85-92.
8. Martorell R, Rivera J, Kaplowitz H, Pollitt E. Long term consequences of growth retardation during early childhood. En: Hernández M, Argente J, ed. Human growth: Basic and clinical aspects. Amsterdam, The Netherlands: Elsevier Science Publishers B.V., 1992:143-149.
9. Jordán JR. Desarrollo humano en Cuba. La Habana: Editorial Científico-Técnica, 1979.
10. Habicht JP. Estandarización de métodos epidemiológicos cuantitativos sobre el terreno. Bol Oficina Sanit Panam 1974; 76:375-385.
11. Kleinbaum DG, Kupper LL, Morgenstern H. Epidemiologic research: Principles and quantitative methods. Belmont, California: Lifetime Learning Publications, 1982.
12. Kleinbaum DG, Kupper LL, Muller KE. Applied regression analysis and other multivariate methods. 2a. edición. Boston: PWS-Kent Publishing Company, 1988.
13. Computing Resource Center. STATA Reference Manual. Santa Monica, CA: Computing Resource Center, 1992.
14. SAS Institute Inc. SAS/STAT user's guide, Versión 6. 4a. edición. Cary, NC: SAS Institute Inc., 1989:Vol 2.
15. Martorell R, Ho TJ. Malnutrition, morbidity and mortality. Popul Devel Rev 1984; 10 Suppl:49-68.
16. Mora JO. A new method for estimating a standardized prevalence of child malnutrition from anthropometric indicators. Bull World Health Organ 1989; 67:133-142.
17. Trowbridge FL, Marks JS, López de Romana G, Madrid S, Boutton TW, Klein PD. Body composition of Peruvian children with short stature and high weight-for-height. II Implications for the interpretation for weight-for-height as an indicator of nutritional status. Am J Clin Nutr 1987; 46:411-418.
18. Walravens PA, Hambidge KM. Growth of infants fed with a zinc supplemented formula. Am J Clin Nutr 1976; 29:1114- 1121.
19. Golden MNH, Golden BE. Effect of zinc supplementation on the dietary intake, rate of weight gain, and energy cost of tissue deposition in children recovering from severe malnutrition. Am J Clin Nutr 1981; 34:900-908.

Enlaces refback





Salud Pública de México es una publicación periódica electrónica, bimestral, publicada por el Instituto Nacional de Salud Pública (con domicilio en Avenida Universidad núm. 655, col. Santa María Ahuacatitlán, Cuernavaca, Morelos, C.P. 62100, teléfono 329-3000, página web, www.insp.mx), con ISSN: 1606-7916 y Reserva de Derechos al Uso Exclusivo con número: 04-2012-071614550600-203, ambos otorgados por el Instituto Nacional del Derecho de Autor. Editor responsable: Carlos Oropeza Abúndez. Responsable de la versión electrónica: Subdirección de Comunicación Científica y Publicaciones, Avenida Universidad núm. 655, planta baja, col. Santa María Ahuacatitlán, Cuernavaca, Morelos, C.P. 62100, teléfono 329 3000. Fecha de última modificación: 11 de abril de 2019. D.R. © por el sitio: Instituto Nacional de Salud Pública.

Gestionando el conocimiento