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.
Envíe este artículo por correo electrónico (Inicie sesión) 
