UNIVERSIDAD
DE SANTIAGO
FACULTAD
Departamento
MODELAMIENTO
DINÁMICO
DE CHILE
DE INGENIERÍA
de Ingeniería Industrial
OS
DEL ÍNDICE DE MASA CORPORAL
POBLACIÓN
DE LA
EN CHILE
DENISSE ANDREA AVALOS
CASTILLO
PROFESOR GUIA:
ÓSCAR
TESIS
CARLOS VÁSQUEZ
DE GRADO
CONFORMIDAD
PARA
MAGISTER
INGENIERIA.
INDUSTRIAL
SANTIAGO
- CHILE
2015
PRESENTADA
A LOS
OBTENER
EN
PEREZ
EL
REQUISITOS
GRADO
CIENCIAS
MENCION
EN
DE
DE
LA
INGENIERIA
O Denisse Andrea Avalos
Castillo, 2016.
Todos los derechos reservados.
previa y por escrito.
Queda prohibida la reproducción total o parcial autorización
RESUMEN
El presente trabajo tiene por objetivo general desarrollar
basada
en
un
modelo
computacional,
que
describa
una herramienta
la dinámica
(IMC) de la población en Chile, contribuyendo a la medición
públicas,
orientadas
asociados.
de IMC
de gestión
(software)
del índice de masa
corporal
del impacto económico de políticas
a disminuir la prevalencia de la obesidad,
mediante
los factores de riesgo
Es por esta razón, que el modelo ha sido diferenciado por edad, sexo y cada unidad
del individuo, para evitar errores al usar las categorías establecidas por la Organización
Mundial
de
la
diferenciales
Salud
(OMS).
de primer
orden,
del software “PowerSim
Usando
la Encuesta
Alimentario
2010-2011,
por
IMC
de
poblacional.
Además,
se
a través
de
la
al
se
un
la literatura,
(ENS)
observa
población
realiza
y por medio
correspondientes
poblacional
las cuales serán
Nacional de Salud
(ENCA)
estos valores
dinámica
se
modela
implementadas
a
través
de
ecuaciones
computacionalmente
por medio
Studio 2009”, el cual permite una simulación continua del problema.
distribución
definidas
La
sistema
acotando
poblacional,
y la Encuesta
el comportamiento
inicial,
del complemento
traspaso
2009-2010
de
de
las
las soluciones
de
que
de la población
tasas
ecuaciones
Nacional de Consumo
de
con
con
mortalidad
una
serie
y
de
del
aumento
restricciones
mínimos
y máximos;
Excel llamado “Solver”,
se obtienen
los valores
minimiza
generado,
entregando
el error
valores
y a su vez la
total
valores promedio de un 4,87% en hombres y 3,22% para mujeres.
El modelo se valida estableciendo como año base la ENS 2003, siendo proyectada al año 2009,
lo que permite la comparar los resultados con la ENS 2009-2010.
proyección
generan
un error máximo
de un 4,29%;
Los resultados obtenidos de la
y valores mínimo
de un 3,89%.
resultados se verifica que las tasas obtenidas sean las adecuadas y que genera
cercana a la
realidad.
DESCRIPTORES
FACTORES
SISTEMA
BIBLIOGRÁFICOS
CAUSALES
DE ECUACIONES
MODELAMIENTO
DINÁMICO
Con
estos
una proyección
ABSTRACT
This
work
has
computer
Chile,
the
model
general
that describes
contributing
prevalence
objective
of the
the dynamics
to measuring
obesity,
to develop
the
with
modeled
by the World
associated.
by first order differential equations,
the
National
Consumption
BMI
Health
(NSFC)
Survey
2010-2011,
of the initial population,
system
of
bounding
add-in
equations
solutions
called
minimizes
is
"Solver",
the total error
(BMI)
policies,
this
on
a
of the population
in
aimed
reason,
based
to reduce
the model
has
the
been
of the person, to avoid the mistakes when it uses
(WHO).
The dynamic
which will be implemented
population ¡is
computationally through
continuous simulation of the problem.
(NHS)
2009-2010
mortality rates and
minimum
the
For
(software)
and
the
National
Survey
of
Food
the behavior of the population is observed and the distribution
performed
with
tool
index
Health Organization
"PowerSim Studio 2009" software, this allows
Using
mass
impact of public
differentiated by age, sex and each unit of BMI
the categories established
management
of body
economic
risk factors
a
with
and
a
number
maximum
corresponding
generated,
population
giving
of
are
average
are obtained.
constraints
values,
values
increase
these
obtained
values
defined
values
by
and
through
literature,
through
the
population
of 4,87%
and
In addition, a
transfer,
3,22%
Excel
which
in men
and
women.
The
model
compare
is validated
the
results with
mistake of 4,29%;
are adequate
by
setting
NHS
BIBLIOGRAPHIIC
values
FACTORS
SYSTEM
OF EQUATIONS
DYNAMIC
MODELING
base
The
year
2003
results of the
of 3,89%.
and
projected
projection
to 2009,
generate
allowing
a maximum
These results verified that the rates obtained
close projection to reality.
DESCRIPTORS
CAUSAL
NHS
2009-2010.
and minimum
and generates a
the
AGRADECIMIENTOS
Finalizar
esta
etapa
de
Roberto,
les agradezco
mi
vida
su apoyo
se
lo debo
a mi familia,
incondicional,
fueron
en especial
a mis
padres
Cecilia y
mi fuerza y sustento en todo momento,
gracias por creer en mí siempre y sobre todo por entregarme las herramientas para estar donde
estoy, con el compromiso
Agradezco
y responsabilidad que siempre me han inculcado.
a mi profesor guía Oscar Vásquez
por su constante apoyo, tiempo y dedicación
este trabajo; por siempre estar presente motivándome
A Cristóbal Cuadrado
SA141D0176
A todos ellos ¡Muchas
y dándome confianza para seguir.
por todos sus consejos y apoyo, junto al financiamiento
otorgado para realizar este proyecto.
gracias!.
en
FONIS CONICYT
Dedicatoria
Esta
tesis
quienes
está
han
dedicada
estado
a mis
conmigo
apoyándome incondicionalmente.
padres,
siempre
TABLA DE CONTENIDO
CAPÍTULO l: INTRODUCCIÓN coocoococcococococoococococcococoononnconocononoononnno
nono nnnnnnonin none nnninnnnnnnninss 1
1.1.- Antecedentes Generales. ....oooocccccooocccccccccnnccncccnnnncncnnnonnnnnncnnnnnnnnrncnnnnnnnnnnnnnnnnnnnnnnnnnness 1
AOS
5
1.2.1.- Objetivo General. .....ooooooncconcccocccocccoccnonccnonnoncnononononrnnnrnnnrrnnnnonnronnnnnnnnnnnrnnnrnnnnnnnnnns 5
Desarrollo de un modelo
predictivo de la dinámica del Índice de Masa Corporal (IMC) para
la población en Chile por SexO Y CUA. ...ooocccoccccoccccocccocccoocconcnnocnnnnnnnncnnncnnnnnonnnnnnnnnnnnnnnnnnons 5
1.2.2.- Objetivos ESPecÍfiCOS........oooccoocccocccocccoocccononncnononcnnnnnnnnnonnnnncnonononcnonnnnnnnnnnnnonnnnnnnnno 5
1.3.- MetodOlO0gÍA......ccooooccccooccccoocncconcnnconnnnonnnnnonnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnrnnnnnnnnnnninnnos 5
CAPÍTULO Il: LA OBESIDAD Y SUS PRINCIPALES FACTORES CAUSALES ...................... 7
A
7
2.2.- El mercado y la globaliZaciÓn............oooocconccconccocccocnoonnononnonnnonononnnnonnnnnnnnnnnnnnnnnnncnnnnnnns 10
2.3.- Ambiente ODESOYÉNICO ....oocccoccccccccocccnccnoncnoncnonnnnonnnonnnnncnonnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnn 11
2.4.- Influencia adultos Sobre lOS NIÑOS......occooooocccccccconcccccnononccncnnnonnnnccnnnonnnncnnnnnnncrcnnnnnnninos 12
CAPÍTULO lll: LA OBSEDIDAD Y MODELOS
DE SU DINÁMICA .....ooooocociococcccoccccocccccncno 14
3.1.- Modelo de Evangelista et al (2004) ......ooooocccoccconcccccconcconcccncncnncconnnonnncnnnnnnncconronnnnnninns 14
3.2.- Modelo de Jodar et al (2008) ......oooooccconcccocccocccccccoccconoconnnonnncnnnnonnnnnnnnonnnonnnnnnnnnnnnnnnnns 14
3.3.- Modelo de Ejima etal (2013). .....oooooncconccconccocccocccnocconcnonnnonnnnnnnnonnnnnnnnnnnnnnnnnnnnoncnnnnnnns 15
3.4.- Modelo de Frerichs et al (2013).......ooooooccoocccocccocccnocconcnoonncnnnnonononnnonncnnnnnoncnnnnnoncnnnncnn 16
3.5.- Modelo de Thomas et al (2013).......oocooncccocccocccocccoocconccoonnoncnnnnonnnnonnncnnnnnonnnnnnnnncnoncnnns 16
3.6.- Modelo Fallah et al (2014). ......ooooccooncconccoccccocccoononcccnnncnnccnncnonocnnnrnnnncnnnnnnnnnnnnnnnninnnnnns 17
CAPÍTULO IV: MODELAMIENTO
DE LA DINAMICA DE LA OBSEDIDAD EN CHILE .......... 21
CN
AUR MOMBÍO cooooccccccnnnnccccnnnononccononnnnncnnnn none
E
21
n nn nn nn nn rn nn nnnnnnrnnnnnnnrrnnennnnners 22
22
4.2.2.- Variables de estado ...ooocccooococcccccnonoccccnononcnnnonononnnnncnnnnnnncncnnnnnnnnnnnnnnnnnnncnnnnnnnniness 23
42.3. POTÁMERTOS cocooocccccccccccncnnnnnnnnonononnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnninccneness 23
4.2.4.- Sistema de Ecuaciones Diferenciales Ordinarias: ....ooooiiccccccccccccccncncnonononccnnnnnnnnnns 23
CAPÍTULO V: ESTIMACIÓN DE PARAMETROS Y CALIBRACIÓN DEL MODELO .............. 26
AS
26
5.2.- Calculo Mortalidad poblacional ..........oooccooncconcccccccocconcconononnncnnnnonnnonnnonnnnnnnonnnnonanonnnnns 27
5.3.- Tasa de Aumento Poblacional ......ooooonccccccoocccccccccnnncccnnnnnnncnccnnnnnnnnncnnnnnnnncnnnnnnnnncnnnnnns 30
5.4.- Población INicial.........ooooccccccnnnccccccccnoccnncnnononcccnnnononnnncnnnnnnnccnnnnnnnnnncnnnnnnnnccnnnnnnncnnnnnn 31
5.5.-Transiciones entre variables de estados .....ooooococcccccocccccocononccccnonnnnccnonononnccnnnnnnnnnnccnnnnns 32
AA A
Cabe
33
destacar que los valores negativos en los valores mínimos
no han sido considerados,
siendo modificados usando el valor mínimo existente en el análisis que corresponda. ...... 37
5.5.2.- Restricciones adicionales .........oocoocccooncconccnoncnononcncnnnconccnnnononcnnnnnnnnnnnnnnnncnnncnnnonnns 37
5.5.3.- Calculo errores de estimación de las taSaS........ooccoocccocccoccccocnononcnonnonnnoncnonocanonnnns 39
RAR RR RARA RAR R RR RRRnnnnnnnnnnnnnnnss 41
O.1. IMÍTOAUCCIÓN .ooooooccccnnnnnncccnnnnnnnnnnnnnnnnnnnnncnnn
non rnn rn nn nen nen nene nnrn nn nnnnnnnrnnnnnnnnrnnnnnnnncinnnnnn 41
6.2. Programación en Powersim Studio 2009 ......ooocoonccocccnccccocccncccncncnonnnnnnnnnnnnonnnnnnnnncnnnonns 41
6.3. Ingreso y Salida de InforMaciÓnN .......occconccocnccocccocccnoccnncnnnnnononononnnnnnnnnnnnnnnoncnnnnnnncnnncnnns 46
CAPITULO VII: VALIDACION DE MODELO ¿occccccoooooooocccncnccccccncccncnnnnncnnnanannnn
nono nn nnnnnnnnnnnnos 48
DAL IIMETOAUCCIÓN coooooooccccnnnnnnncnnnnnnnnnnnnnnnnnnnnnnnn
nono n rre nr nn nene r rn none nan nnrnnnnnnnnnnnnnnnnncnnnnnnn 48
7.2.- Calculo Tasa de Mortalidad ......oooooooocncccccccnoccccccnonnccncnnnnnnncncnnnnonannnonnnnncnnnnnnnnnnnccnnnnnns 48
7.3.- Tasa de Aumento Poblacional .......ooooocccccconcccccccncnnncncnnnonnncncnnnnnnnnnccnononnnncnnnnnnnnccnnnnnns 50
7.4.- Población iMiCial.......ooooonccccnnnnnccccccnonnnncccnnononccnnnnononnnncnnnnnnnncnnnnnnnnnnnnnnnnnnnncnnnnnnnnccnnnnn 51
7.5.- Calculo ProyecciÓnN ....oooocccoccccocccconnnocccocnnnnnnnncnonononcnononnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnncnnnnnns 52
CAPITULO VIII: RESULTADO
DE PROYECCIONES
AÑO 2010-2030.......ooooocoococococcoccicooo.-. 55
8.2.- Análisis ResulladOsS ....oooocccccconoccccconononccccnnonnccnnnnnnnnncnnnnnnnnnrncnnnnnnnnncnnnnnnnnnnnnnnnnnnnncnnnnns 58
CAPITULO IX: CONCLUSIONES
Y FUTURAS INVESTIGACIONES -.ooooocccccccccccocccoccccccccno: 59
9.1. CONMCIUSIONES ..ooooccccccnnnnccccnnnonnncncnnnnnnnnnncnnnnnnnrnnnnnnnnnn
nen nro nnnnrn nn nnnnnnnnnnnnnnnnnnnnnnnnnninnnnnn 59
REFERENCIAS BIBLIOGRÁFICAS ....oooooooocooccccoccocoocoococconcoccononnoononnonncononncnnnonnnncnconnoncnnnos 62
Anexo A: Número de defunciones año 2009. d.occcococccccccccnnccccnncnnncnccnnnnnncnconnnnnncccnnnnnnnnncnnnnnns 69
Anexo B: Población Estimada año 2009. .....ooococccncccccccccoccnccncconcnnccnccnnonononcnnnconcnnnonnnnncnncnnconos 70
Anexo C: Gráficos Ratios Riesgos de Muerte por sexo e IMC del individuo. ....................o....... 71
Anexo D: Estimación Ratios Riesgos de Muerte por IMC sexo femenino. .....ooccooccccccccccccncncnoo» 72
Anexo E: Estimación Ratios Riesgos de Muerte por IMC sexo masculino. ..........ocooccconncccnncc... 72
Anexo F: Categorías de IMC a los 23 y proporciones por cada categoría a los 33 años. .......... 73
Anexo G: Categorías de IMC a los 23 y % de traspaso a otras categorías a los 33 años ......... 74
Anexo
H:
Categorías
de
IMC
a los 23
y %
de traspaso
a otras
categorías
a los 33
años,
proporcionadas para qUe SUME UNO. .ooccoocccnoccccnccnncncnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnronnnoninenonnn 75
Anexo |: Prevalencia de cambio de peso, por sexo, en un intervalo de 2 añOS. ....coocccocccccccco... 76
Anexo J: Registro de valores de IMC, en participantes obesos de 1997-2009. ....oooocccnnccnnccco... 77
Anexo
K:
Porcentajes
de
individuos
que
a
los
31
años
tendrán
sobrepeso
y/o
obesidad,
considerando los percentiles de IMC a SUS 14 AÑOS. ...ooooocccoccccccconccnnccconcnonnncnnnnnncnnnnnonannnnnnnn 78
Anexo
L:
Número
de
registros
por
incremento y diminución de 1 Kg/m?
participantes
y
porcentajes
que
muestran
no
cambio,
rra nan r nn nn nnnnnnnnnnnnnnns 79
vii
ÍNDICE DE FIGURAS
Figura 2.1: Diagrama causal de la Obesidad ........ocoooccconcconccnocccncconononcnnnonnnnccnnononnnnnonnnonnnnnonnnos 8
Figura
2.2 : Diagrama
causal
de la transmisión
social
del sobrepeso
y obesidad
entre adultos,
niños y adultos SObre lOS NIÑOS. .......oooccoocccocccocccccncnnnnonononcnnnnononnnonnnnnnnnnnnnonnnonnnnnnnnnnnrnnnnennnnnnss 9
Figura 5.1: Gráfica transiciones Según edad Y SEXO. ..cooccooccccoccccocconcconcnconnnonnnonnnnonnnonnnonnnnnnnnnns 32
Figura 6.1: Pantalla de Trabajo Powersim Studio 2009. ......oooocccoccccccccccccoccnoccnonncncncnncnoncnononnn 41
Figura 6.2: Comandos de simulación de Powersim StUAIO Y. ...oooooocccccccnncccccnnnnnicccnnnnnncnnnnnnnnns 42
Figura 6.3: Barra de Selección de PantallaS.........oooooonccccnccccccccccoccnnnonononnnncnnnnnnnnnnnnnnnnnnnnnnnnnns 43
Figura 6.4: Diagrama Forrester del modelamiento IMC. .....ooooonccccocccccocccccoccnonocnncnonnnnnonnncnnnnnos ¿e
Figura 6.5: Diagrama Forrester del modelamiento de la influencia de los padres en los niños. . 44
Figura 6.6. : Diagrama Forrester del modelamiento del contagio social entre los adultos. ......... 45
Figura 6.7: Pantalla de inicio del SiSteMa .......ooooocccccnococccccnonnncccnnononcnnnnnonononnnnnnnnnnncnonnnnnaninnnns 46
Figura 6.8: Excel generado al abrir POWersSiM. .....oocconcccncccocccocccnocnonnnoncnnnnnonnnononononnnnnnnnnnnnninns 47
Figura 6.9: Salida de datos en Excel del programa Powersim studio 9. ........ocoocccocccconcconccconnos. 47
Figura 7.1: Gráfica valor pronosticado v/s el real de acuerdo a cada escenario y categorías de
Figura
8.1 : Proyecciones
de
la población
al año
2030,
según
OMS. co...
categorías
establecidas
por
la
RR RR RR RR RR RR RRE RR RR RR nn nnnnnnnannnnnnes 56
ÍNDICE DE TABLAS
Tabla 3.1: Revisión bibliográfica modelos estudiados parte 1. .....ooooccccocncccccnccccccoccccocnncnoninnnnno 18
Tabla 3.2: Revisión bibliográfica modelos estudiados parte 2. .....ooooocconcccoccccoccccoccnocconccononononons 19
Tabla 3.3: Revisión bibliográfica modelos estudiados parte 3. .....ooooccoccccocccccccccccccccnncnonononcnnns 20
Tabla 4.1: Notación índice “i” en el MOAeÍO. .....oooooocccccccccccccccnnnnncccnononanncnnnnnnncncnnnnnnnannnnnnnnnnnos 22
Tabla 4.2: Notación índice “j” en el modelo (NIÑOS). ..........oooccoocccocccncncconnoccconcnnnoncnonnnnnnnannnnnonos 22
Tabla 4.3: Notación índice “j” en el modelo (Adultos). ............oocooocccocccconccocccccnnconnnoncnonononcnnnonos 22
Tabla 4.4: Notación Índice “k” en el MOAEeÍO. .ooocccocccccoococaocoaococcccncnnnnnnnnnnnnnnnnnnannnnnnnnnnnnnnnnns 22
Tabla 5.1: Resumen
fuentes de infOrMAaciÓnN. ...ooooocccccncccccccccncnnnocnnnnnnnnnnnnnnnnononnnnnnnnnancncnnnnanos 27
viii
Tabla 5.2: Probabilidad de muerte según edad y sexo del individUO. ........ooccccoocccccoccccoonccconnnos 27
Tabla 5.3: Coeficientes riesgo de Muerte por IMC. .....ooocoocccoccccccccncccncncnccnonononcnonnncnncnoncnnnnnnnn 28
Tabla 5.4: Ponderaciones de riesgo de muerte según IMC y sexo del individuo. ..................... 28
Tabla 5.5: Datos de entrada, probabilidades de muerte según IMC, edad y sexo año 2009.
.... 29
Tabla 5.6: Estadísticas vitales de la población. ...........oocconccconccocccocccocnnnnccnnononcnnnncnonononcnnnnnnnn: 30
Tabla 5.7: Tasa de aumento poblacional según IMC y sexo estimada para el año 2009. ......... 30
Tabla 5.8: Población inicial año 2009 según IMC, edad y SOXO...oooccccoocccccocccccoocnccnonnononinonnnonos 31
Tabla 5.9: Revisión bibliográfica de variación de IMC en los hOMbrES.
....ocoocccocccccccccccccccccoccos 34
Tabla 5.10: Revisión bibliográfica de variación de IMC en las Mujeres.......oooccconcccncccccccccncnoccos: 35
Tabla
5.11:
Revisión
bibliográfica
de
variaciones
de
IMC,
características
y
su
anexo
COMTESPONUIeNte. ...ooccoocccncccccocccoccnoncnnncnnncnnnnnnnnnnnnrnnnrnnnnnnnnnnnnrnnnrnnnrnnnnnonnnnnnnnnnnnnnnnnnanannnnnnnnnnns 36
Tabla 5.12: Cálculos de los escenarios CONSIAerados. .....ocooccocccccccccoccnccnoconccononoconicnnonaconinnnon 36
Tabla
5.13:
Porcentaje
promedio
de
personas
que
pasaran
al siguiente
rango
etario
según
TANgO EtariO Y SEXO. ..cooocccocccoccconcnononnnncnnnnnonnnnnnnnnnnnnnnnn
nn nro n nn nn nn nnrnnnnrnnnnnnnnnnnnnnnnnnnnnennnnnnnnnnnnn 38
Tabla
5.14:
Limites
de
los
valores
de
traspaso
al
siguiente
rango
etario
(f)
según
A
cada
39
Tabla 5.15: % de error de la estimación de las tasas según cada escenario.
....cooocconccccccccccco.. 40
Tabla 7.1: Probabilidad de muerte según edad y sexo del individuo año 2003. ........................ 49
Tabla 7.2: Datos de entrada, probabilidades de muerte según IMC, edad y sexo año 2003.
.... 49
Tabla 7.3: Estadísticas vitales de la población. .........oooocconcccocccocncncccocnconononnnnnnnnonononcnoncncnnnnon: 50
Tabla 7.4: Tasa de aumento poblacional según IMC y SOXO. ...cccooocccccocccccoccccconcnccncnnnnncnncnnnnnns 50
Tabla 7.5: Población inicial año 2003 según IMC, edad y SOXO. ..oooccccoocccccoccccconcncconcnononnncnnnnnos 51
Tabla 7.6: Errores generados en la proyección 2003-2009, con y sin datos nulos.................... 53
Tabla 8.1: Prevalencias sobrepeso y obesidad de la población total. .............oooocconccccncccccccccco.. 55
Tabla 8.2: Prevalencia sobrepeso y obesidad de población femenina. .......oooccconcccncccccccccncconcos: 55
Tabla 8.3: Prevalencia sobrepeso y obesidad de población masculina.
..........ooocconcccocccccnccncnos: 55
CAPÍTULO
I: INTRODUCCIÓN
1.1.- Antecedentes
Las enfermedades
Generales.
crónicas no transmisibles (ECNTs)
son la principal causa
de muerte a nivel
mundial y el manejo de sus factores de riesgo resulta una ardua tarea para las autoridades, con
intervenciones que, la mayor parte de las veces, resultan ser inadecuadas o inefectivas (Yach et
al, 2004).
Dentro
de
estos
definen
según
(IMC).
Este
kilogramos)
en
la
factores
de
la Organización
indicador,
riesgo
destaca
el sobrepeso
Mundial de la Salud (OMS)
también
llamado
índice
de
y la obesidad.
Estas
IMC = peso (kg)/talla” 2(m"2).
Quetelet,
Si
se
a través del índice de masa corporal
se
define
como
dividido por la talla (expresada en metros) y elevada al cuadrado,
ecuación:
patologías
bien,
no
mide
el
peso
(en
según se muestra
la
grasa
corporal
directamente, y por ende no permite distinguir en cuanto a la contribución de masa magra de la
masa
grasa,
ni tampoco los cambios que se producen en la grasa corporal a través de la edad;
las investigaciones
han
mostrado
que
tiene una
buena
correlación
con
el contenido
de grasa
corporal de mediciones directas (0,7 a 0,8), tales como los métodos de pesaje bajo el agua y
absorciometría dual de rayos X (Mei et al, 2002; OMS,
2000).
El IMC es el índice usado para clasificar el sobrepeso y obesidad en adultos según la OMS,
categorías definidas son las siguientes: "Bajo peso” con IMC<18,5;
24,9); "Sobrepeso”
la
las
"Normal” con IMC en [18,5-
con IMC en [25-29,9); "Obesidad grado l” con IMC en
[30-34,9), “Obesidad
tipo 1!” con IMC en [35-39,9) y "Obesidad !!l o Mórbida” con IMC > 40 (kg/m2) (Moreno, 2012).
Se constata que en los países de ingresos altos y medios,
ha provocado
de los costos en salud asociados al tratamiento de las enfermedades
crónicas
y en
muchas
oportunidades
invalidantes
(Rtveladze
un aumento sustancial
relacionadas,
et al, 2013).
las que son
Recientemente,
una
revisión sistemática de los costos directos de la obesidad realizada por Withrow y Alter (2011),
estima, de manera conservadora,
2,8%
de los gastos totales en salud de un país;
(2009) en Estados
peso
que los costos de la obesidad pueden variar entre el 0,7% y el
normal,
tienen
medicamentos.
Unidos,
27%
mientras que en el estudio de Finkelstein et al
estima que los obesos son 42%
más
de
consultas
médicas
más costosos que las personas con
y presentan
un
80%
más
de gasto
en
Todos
estos antecedentes
resultan
aún
más
relevantes si se considera que,
prevalencia de personas
con exceso de peso,
riesgo
el sedentarismo,
asociados,
como
a nivel mundial
seguirá incrementando junto con
la alimentación
no saludable
la
los factores de
y el tabaquismo,
entre
otros (Thorpe et al, 2004).
Chile
no
es ajeno
2009-2010)
afecta
de acuerdo
(Minsal, 2010), más de 67%
al 25,1%
básico,
a esta realidad,
de los mayores
de
a la última
a nivel
más de un 300%
latinoamericano
15 años;
mientras
posición
(OCDE)
entre
los
países
de
que
en
la
de Salud
(ENS
en sobrepeso
Organización
para
la población escolar de 1* año
en el año 2013* - lo cual representa un
respecto al año 1987 (JUNAEB,
en prevalencia
Nacional
de la población presenta exceso de peso y la obesidad
la prevalencia de la obesidad alcanza un 25,3%
incremento
Encuesta
2014), alcanzando el tercer lugar
infantil (9,5%)
(FAO,
la Cooperación
2013)
y la novena
y Desarrollo
Económico
en prevalencia de sobrepeso y obesidad en niños; y sexta posición en adultos (OCDE,
2013).
En
los últimos
años,
políticas públicas?
el Gobierno
que
buscan
de
Chile
controlar
ha
puesto
y mitigar
en
marcha
el sobrepeso
una
serie
de programas
y la obesidad
estudios y experiencias internacionales (US Preventing Service Task Force, 2003;
2004;
Summerbell
et al, 2005;
“eficiencia económica
las que
incorporan
costo-consecuencias
Sassi,
de manera
y costo-utilidad.
Lobtein y Swinburn,
y Temporelli,
2013).
Manson
en
et al,
Existen métodos y herramientas para determinar la
global”, también conocidas como “evaluaciones económicas”,
las metodologías
(Ganz, 2003;
2010).
basándose
y
de análisis de costos,
No obstante,
2007; John
costo-beneficio,
a la fecha
costo-efectividad,
no han sido aplicados en Chile.
et al., 2012; García-Rodríguez et al, 2010; Mussini
* En niños mayores de 6 años, la obesidad se define basada en curvas de crecimiento según sexo, IMC y
edad. La clasificación de obesidad en este grupo etario se basa en tablas que incluyen los percentiles de
IMC según edad y sexo, siendo necesario el uso de tablas generadas localmente, por lo cual en Chile se
han establecido las Normas Técnicas Ministeriales que incluyen estas tablas (Moreno, 2012; Moreno,
1997; Sánchez, 2012; Daza, 2002).Después de calcularse el IMC en los niños, dicha cifra se registra en
las tablas de crecimiento según su IMC por edad (para niños o niñas), obteniendo de esta manera la
categoría del percentil, esto permite indicar la posición relativa del número del IMC del niño entre niños del
mismo sexo. Entregando un valor normal si el IMC que se sitúa entre los percentiles 10 y 85. Si el IMC del
niño está entre los percentiles 85-95 tiene sobrepeso y si está sobre el percentil 95 es obeso (CDC 2015;
Kaufer-Horwitz y Toussaint, 2008).
Algunos ejemplos de programas son: Programa Alimentación Saludable y actividad física en atención
primaria (2004), Estrategia de intervención nutricional a través del ciclo vida (2005), inclusión al régimen de
GES la pesquisa de factores de riesgo cardiovasculares (2008), perfeccionamiento del reglamento
sanitario de los alimentos y etiquetado nutricional obligatorio (2006), entre otros.
En efecto,
Chile no presenta un método de costeo de impacto de la obesidad, y solo es posible
encontrar
Zarate
algunas
aproximaciones
et al (2009) en el rubro minero,
para
los trabajadores
normal,
situación
58,0%.
Dichos
obesos
bien
la
Levine,
en
el caso
de
los trabajadores
resultados
podrían
indicar
que
microcosteo
laboral,
como
el estudio
realizado
estimaron que el costo anual promedio
17%
mayor
que
al de
trabajadores
con
con
obesidad
la obesidad
estado
mórbida
constituye
una
por
en salud
nutricional
aumenta
carga
a un
económica
laboral del país.
señala
que
a la cuantificación
2010),
donde
un
literatura
aproximarse
de salud
era
importante en el segmento
Si
en el área
los
costos
de
la obesidad
son
significativos,
la forma
de
de los mismos presenta diferentes aproximaciones (Hammond
y
desde diseños epidemiológicos como estudios de cohorte, transversal, de casos,
etc.
hasta
formas
de
análisis
como
modelos
dinámicos,
análisis
de
regresión
y
simulaciones de proyección, entre otros.
En la práctica,
algunos
países optan
por construir un modelo
los costos de la obesidad, tales como Alemania,
y Bergemann,
(NOO,
2010)
2003)
(Zhao
(Wang
estas
mediciones.
para
Latinoamérica
Organización
et al,
2008)
et al, 2011);
Sin embargo,
y
(Withrow
mientras
que
(CEPAL)
Unidas
EEUU,
y Alter,
en
organizaciones
El Caribe
de las Naciones
China,
Reino Unido,
2011)
Latinoamérica
internacionales
y el Programa
(ONU)
específico para la estimación
han
análisis de los costos de la desnutrición o malnutrición
y Levine,
y El Caribe,
Mundial
desarrollado
entre otros (Sander
(Hammond
como
2010)
no se realizan
la Comisión
de Alimentos
propuestas
de
Económica
(PMA)
de modelos
de la
para el
por déficit y su impacto en educación,
salud y productividad (Mártinez y Fernández, 2007).
En todas estas propuestas,
es posible distinguir tres elementos comunes:
dinámica
¡¡) la relación
de
la obesidad;
consecuencias
económicas
directos)
otros
y
en
en
en
el
aspectos
entre
sistema
como
la obesidad
de
salud
lo laboral
del
con
gasto
(costos
¡) la descripción de la
algunas
en
patologías y
atención
indirectos)
que
médica
estas
iii)
la
(costos
patologías
implican.
En
este
contexto,
este
trabajo
de
investigación
propone
un
modelo
que
permite
predecir
la
dinámica de la obesidad a nivel poblacional en el futuro, según edad y sexo, con el propósito de
favorecer
el
control
y
prevenir
la
obesidad
en
Chile.
Este
modelo
es
susceptible
de
ser
empleado en la valorización de los costos directos e indirectos asociados y en posibles políticas
de intervención.
La adopción
distintos
riesgo
de controlar el IMC y no solo los puntos de cortes que defienen la obesidad y sus
niveles,
particular
responde
a que
esta
clasificación
no
siempre
agrupa
de una patología que presentan distintas poblaciones.
de origen
asiático se ha propuesto
obesidad,
ya
que
un
grupo
un punto de corte
significativo
de
sujetos
IMC
de
de
buena
En efecto,
igual a 25 kg/m”
este
origen
manera
el
para sujetos
para diagnosticar
étnico desarrolla
diabetes
mellitus tipo 2 y enfermedad cardiovascular,
con cifras de IMC por debajo de las observadas en
poblaciones
En
occidentales
(Moreno,
2012).
el estudio
de
Wong
et al (2013),
comparan
la
probabilidad de tener hipertensión y diabetes según el IMC y el grupo étnico al cual pertenecen.
Se muestra que por cada aumento de unidad en el IMC,
de probabilidades de hipertensión,
hispanas,
y 8%
diabetes
se
obtuvieron
probabilidad
blancos
de aumento
de
hispanos
tenían
entre
los negros
tendencias
similares.
hipertensión
no hispanos
con
una
en comparación
entre
IMC =27
mayor
los
Además
y en
probabilidad
IMC=30
kg/m.
Del
mismo
modo,
de
de Wong
propensos
mujeres.
línea argumentativa,
et al (2013),
a
tener
el caso de la evaluación de
dicho
en
estudio
kg/m',
IMC=28
categorías
se
es
observó
equivalente
kg/m?.
más
que
la
en
los
Los blancos no
bajas
de
IMC;
de
diabetes
en
asiáticos con
IMC=25
kg/m?.
la diferenciación por sexo y edad.
En el estudio
por cada aumento de una unidad en el IMC, los hombres eran 12%
hipertensión
en
la
kg/m? fue similar en los blancos no hispanos
el probabilidad
se considera
En
IMC=22
diabetes
kg/m? fueron similares a los negros con IMC=30
En la misma
con
en
más
entre las personas blancas no
los negros con
probabilidad de diabetes en asiáticos con IMC=28
con
con un 11%
y los hispanos.
asiáticos
kg/m?
personas asiáticas tenían un 15%
comparación
con
el 9%
Deurenberg et al (1998) establecieron una ecuación
más
de
probabilidades
en
más
las
para estimar el porcentaje total de
grasa en adultos, basado en el IMC, la edad y el sexo. De dicho estudio se obtuvo que para una
determinada talla y peso, el porcentaje existente de grasa corporal es alrededor de un 10%
alto en mujeres que en hombres.
la grasa
corporal
compartimentos
hombres
que
los
Esto se debe a que las mujeres tienen una mejor adaptación a
hombres,
subcutáneos
y
debido
periféricos
a que
(mamas,
gran
parte
glúteos,
el exceso de grasa tiende a depositarse en el abdomen,
grasa intrabdominal
más
(Moreno, 2012).
de
la grasa
muslos),
se distribuye
mientras
que
en
en
los
tanto grasa subcutánea como
1.2.- Objetivos.
1.2.1.- Objetivo
General.
Desarrollo de un modelo
predictivo de la dinámica del Índice de Masa
Corporal (IMC) para la
población en Chile por sexo y edad.
1.2.2.- Objetivos
Específicos.
Caracterizar la dinámica del IMC de la población en Chile.
Formular un modelo
c.
Programar
matemático
el modelo
de la dinámica del IMC de la población en Chile.
de la dinámica
del IMC
de la población
en Chile en un programa
de simulación.
d.
Validar el modelo de la dinámica del IMC de la población en Chile
e.
Estimar el modelo de la dinámica del IMC de la población en Chile.
1.3.- Metodología.
En la metodología
desarrollada
por este trabajo se despliega en seis etapas:
Etapa |: Estudio de trabajos relacionados.
En
esta
fase
relacionada
distinguen
chilena;
se
con
estudian
los
la definición
aquellas variables
y una
segunda
trabajos
relacionados
y caracterización
claves
área
que
que
de
podrían
considera
Se
procede
variables,
que
los
ambientales,
áreas
los factores
específicas:
causales
explicar la dinámica
propuestas
del
de
una
primera
la obesidad,
IMC
se
en la población
de modelos
matemáticos
la dinámica de la obesidad.
modelo matemático
a la construcción
diferenciales,
dos
las diversas
disponibles en la literatura, los cuales representan
Etapa Il: Formulación
en
permite
del
modelo
caracterizar
parámetros
y
las
matemático
la dinámica
ecuaciones
de
basado
en
un
de la obesidad
causa
efecto
de
sistema
en Chile.
de ecuaciones
Se determina
los factores
individuales
las
y
entre otros.
Etapa lll: Obtención de Parámetros.
Definido
el
modelo,
características
eliminan
se
construyen
particulares
registros con
de
bases
de
la población,
información
incompleta
datos
para
estableciendo
o errónea
albergar
la
los supuestos
información,
de
y se calibran algunos
con
las
modelación.
Se
parámetros del
modelo
a partir de
Consumo
la Encuesta
se procede
desarrollo
Studio
de
2009,
planillas
de Salud
(ENS
2009-2010)
y Encuesta
Nacional
de
Alimentario (ENCA 2010-2011).
Etapa IV: Programación
Luego,
Nacional
del modelo
a programar
la herramienta
en
y desarrollo de la herramienta.
las ecuaciones
una
fase
el cual permite incorporar
de
cálculo,
tales
como
en
prototipo,
un software
a través
especializado.
del
uso
del
Se
procede
software
PowerSim
información de parámetros y obtener los resultados
Microsoft
Excel,
así
el
gestor
puede
al
realizar
en
diversas
estimaciones de la dinámica de la obesidad en Chile.
Etapa V: Validación del modelo matemático
Se determina
la validación
Salud (ENS) 2003,
del modelo
considerando
como
año
base
la Encuesta
Nacional de
para luego obtener la proyección del año 2009; obteniendo el error predictivo
del modelo.
Etapa VI: Resultados y conclusiones.
Los
resultados
respecto
estimados
de
las
a la dinámica
estimaciones
que
presenta
en su poder predictivo.
realizadas
la obesidad
con
en
el modelo
son
estudiadas.
Se
concluye
Chile y la implicancia de los parámetros
CAPÍTULO
ll: LA OBESIDAD
Y SUS PRINCIPALES
FACTORES
CAUSALES
2.1.- Introducción.
La obesidad
Mundial
es un problema médico declarada como una epidemia mundial por la Organización
de la Salud
corporal,
debido
organismo
para
controlada
por
(OMS).
Se
define
a un desequilibrio
satisfacer
el índice
sus
de
como
la presencia
positivo de nutrientes,
necesidades
masa
de una cantidad
corporal
en
energéticas
(IMC)
relación
y
del individuo,
excesiva de grasa
a los requeridos
metabólicas.
Su
el cual debe
por el
medición
ser
mayor
es
a 30
kg/m?.
En la determinación de sus factores causales, varias líneas de investigación han descartado a
sobrealimentación
la
obesidad
como
como
una
un hecho constante en los individuos obesos,
entidad
heterogénea,
compleja
y
pasando
multifactorial
factores
genéticos,
metabólicos,
por Shift (2007), empresa
endocrinológicos,
ambientales entre otros.
a considerar a
(Moreno,
obesidad tiene múltiples causas y su desarrollo es el resultado de una compleja
la
1997).
La
interacción de
El trabajo realizado
belga dedicada a “clarificar la complejidad” de este y otros fenómeno
a través del estudio de sus
principales factores
medio de un diagrama causal tal como lo muestra
causales,
muestra
la Figura 2.1.
el caso de la obesidad
por
Figura 2.1: Diagrama causal de la obesidad.
shift? obesity SA
ld
Ds
o
Fuente: Shift (2007).
Las diferencias en la susceptibilidad de padecer obesidad
grupo
social,
los
individuos
con
menor
educación
y
son peculiares para cada persona y
más
bajos
ingresos,
son
los
que
en
promedio presentan mayor prevalencia de obesidad, comparados con los grupos afluentes de la
población. Sin embargo,
el sedentarismo,
calóricos
los trastornos sicológicos provocados por el mundo
el contagio
parecen
ser
social y la presión
los factores
Chueca et al, 2002; Moreno,
más
moderno,
así como
comercial por ingerir alimentos excesivamente
importantes
en la obesidad
hoy
en día (Daza,
2002;
1997; Moreno, 2012).
El estudio de Frerichs et al (2013) modela y prueba la hipótesis respecto a la transmisión social
de las conductas
no saludables,
Las
son
interacciones
Figura
los
2.2. Aca,
niños
elementos
en
para
que
causan
representadas
el sobrepeso
a través
y obesidad
de un diagrama
causal
en los niños y adultos.
tal como
los elementos correspondientes a los adultos se muestran
color
rosado.
indicar
las
Cada
elemento
relaciones
que
del
puedan
sistema
existir.
se
Las
incluye
flechas
con
lo muestra
la
en color verde y a
flechas
están
entre
marcadas
los
con
signos “+” si existe una relación positiva entre los elementos y el signo *-” si existe una relación
inversa.
niño
El diagrama
a niño
circulares
impacto.
(el valor de niño sobre
con
intervención
incluye elementos de transmisión social de adulto a adulto, adulto a niño y
una
"R"
poseen
muestran
diferentes
los bucles
anchuras,
Las líneas más gruesas
niño a niño.
los adultos
de
para
representan
Las líneas de espesor
se considera
nulo en el estudio).
retroalimentación.
indicar
Las
diferencias
en
líneas
de
la magnitud
Las flechas
impacto
de
relativa de
el impacto de adulto a adulto y los impactos de
medio describe el impacto de adulto a niño.
Finalmente las
líneas más estrechas representa el impacto niño a adulto.
Figura 2.2: Diagrama causal de la transmisión social del sobrepeso y obesidad entre adultos,
niños y adultos sobre los niños.
Adultos con sobrepeso y
obesidad que tienen comportamientos
de pérdida de peso
——
Impacto de las intervenciones
de tratamiento de sobrepeso
y la obesidad en adultos .
A
-
Probabilidad de transmisión
social de sobrepeso y
obesidad entre adultos
Impacto de las intervenciones
de prevención de la
NX
,
-
——-———
=
Ádultos con sobrepeso
y obesidad
»”
12)
obesidad en adultos
Adultos con peso Normal
Probabilidad de transmisión social
de sobrepeso y obesidad de
adultos hacia los niños
Impacto de las intervencione:
de prevención de la
+
obesidad infantil
Probabilidad de transmisión
social de sobrepeso y obesidad
a
4)
_——
entre niños
Niños con sobrepeso
y obesidad
—
Impacto de las intervenciones
de tratamiento
de sobrepeso
y la obesidad infantil
Niños con
peso normal
Niños con sobrepeso y obesidad
que tienen comportamientos
.
de pérdida de peso
_A
€ —_—__———
Fuente: Frerichs et al (2013).
Otro factor es Como
grasa
visceral
genotipo
que
factor genético
sobre
es el responsable
se sabe
el tejido adiposo
de
efecto térmico de los alimentos
que
el genotipo
subcutáneo.
las diferencias
tiene mayor
Existen
individuales
estudios
en el gasto
influencia sobre la
que
indican
energético
y el gasto energético por actividad física (Moreno,
que
el
de reposo,
1997).
Como
factor endocrinológico sólo un 2 a 3%
de
patología.
su
hipotiroidismo,
de
síndrome
hipotalámicas.
ejemplo:
Algunos
En
los factores
de
los niños,
de origen
Cushing,
la obesidad
de los obesos tendrían este factor como causante
endocrinológico
Hipogonadismo,
puede
que
Ovario
asociarse
se destacan
Poliquístico
a síndromes
y
son:
el
lesiones
congénitos
como
el síndrome de Prader Willi, la distrofia adiposo genital, entre otros (Moreno,
1997).
por
A continuación describen los principales factores causales encontrados en la literatura.
2.2.- El mercado y la globalización
La globalización ha modificado
la perspectiva de la obesidad
en la actualidad.
Antiguamente
el
exceso de peso solía indicar riqueza y poder, en cambio hoy en día ocurre todo lo contrario; los
individuos
cuales
de
menores
poseen
un
recursos
mayor
solo
contenido
pueden
de
acceder
grasa
a los alimentos
y azúcar,
con
un
más
menor
económicos,
nivel
de
los
nutrientes
y
vitaminas (por ejemplo la comida rápida); en cambio las personas que poseen mayores ingresos
tienen mayor
educación
de alimentos
Según
sobre nutrición y salud, y mayores recursos para acceder al consumo
más nutritivos,
estudio
realizado
logrando
por
una vida más sana (FAO, 2002).
la Organización
Mundial
de la Salud
(OMS)
antecedentes sobre la influencia de la desregularización del mercado,
proporciona
nuevos
en el consumo de comida
rápida y la asociación con el IMC existente, los investigadores calcularon el número de compras
de
comida
rápida
compararon
tiempo.
con
por habitante
la variaciones
entre
de
1999
IMC
existente
Los resultados indicaron un aumento
rápida por habitante;
Aumentar
en
condicionando
una
el
y 2008,
en
en 25 de países
dichos
países,
de ingresos
durante
el número
aumento
en
medio
0,0329
del
periodo
de
del número medio de compras anuales de comida
el cual también produjo un incremento en el IMC promedio.
unidad
ese
altos y los
de
compras
IMC
durante
de comida
el
rápida
periodo
de
Resultado que
por habitante
estudio.
Los
está
datos
entregados dan a conocer que las compras de comida rápida se incrementaron en los 25 países
analizados (De Vogli, 2014).
Algunos de los factores causantes del incremento de la obesidad existente
en la sociedad son:
-Los bajos precios de los alimentos con mayor aporte calórico, ricos en grasas y azúcares, y
aumento
del
precio
de
los alimentos
saludables
como
Darmon,
2005; French, 2003; Peña y Bacallao, 2000).
las frutas
y verduras
(Drewnowski
y
10
-El
aumento
además
de
las
actividades
considerando
sedentarias
lo sedentario
que
como
son
televisión,
computación
los trabajos de las personas
o
videojuegos,
provoca
que
sea
casi nulo el gasto energético por actividad física (Philipson y Posner, 2003).
-Existe
un
aumento
incremento
número
de
restaurantes
síntesis,
de
comidas
rápidas,
y a su
vez
un
et al, 2007; Chou et al, 2004).
de publicidades destinadas a difundir e incrementar el consumo de alimentos
procesados,
(Temporelli,
En
el
de las comidas fuera de la casa (Powell
-La masificación
ultra
en
ricos
en
azúcar
y grasa,
a toda
la población
especialmente
en
los niños
2010).
los individuos están
incitados
energético, ecuación que conlleva
a consumir
más
calorías
y a tener un menor
al incremento del peso corporal (Mussini y Temporelli,
gasto
2013).
2.3.- Ambiente obesogénico
En
la sociedad
están
se
destinadas
consumiendo
usan
a
diversas
que
menos
cada
azúcar,
estrategias
individuo
para
combatir
cambie
sus
y reducir
malos
la obesidad,
hábitos
sal, grasas etc., y/o a su vez aumentando
las cuales
alimenticios,
ya
sea
la actividad física que
realiza. Si bien estas medidas son certeras, ya que es la manera de revertir la obesidad, se está
dejando de lado un factor muy
importante:
el ambiente en el que los hábitos se llevan a cabo y
en el cual se desean modificar.
Existen
estudios
en
algunos
países,
como
México
y Estados
Unidos,
donde se ha definido un
factor muy importante para la obesidad existente hoy en día que es el ambiente obesogénico en
el cual se convive.
como:
“la suma
tienen
en
la
Townshend,
En
los
comemos
Según
de
Lake y Townshend
(2006) un ambiente obesogénico se puede definir
las influencias que el entorno,
promoción
de
la
obesidad
de
los
las oportunidades y las condiciones
individuos
o
de
las
poblaciones”
de vida
(Lake
y
2006).
últimos
50
años
ha
cambiado
drásticamente
nuestros
hábitos
alimenticios,
lo
que
y a su vez el esfuerzo físico asociado en nuestras rutinas, el cual se ve reflejado en el
cambio de una sociedad
agrícola a una de consumo,
este cambio
se han condicionado
por el
ambiente obesogénico
existente hoy en día, aquí
los individuos poseen una gran facilidad para
acceder
de
nutricional.
a la ingesta
comida
determinante
en estos cambios,
hortalizas
una
a
anteriormente
es
con
gran
la disminución
de
bajo
ya que
contenido
del
aporte
La
importación
hizo pasar de una alimentación
de
gasto
grasas
energético
y
azucares.
Otro
también
ha
sido
a base de cereales y
factor
ya que el trabajo en zonas
mencionado
urbanas
a
11
menudo exige menos actividad física del individuo, esto se ve reflejado tanto en el hecho de que
deben
recorrer
indispensable
estando
grandes
el uso
las ocho,
la OCDE,
trabaja
de
tiempo
rurales se ven
agrícolas
se
locomoción
para
llegar
colectiva,
a
sus
o bien
trabajos
y/o
casas,
por lo sedentario
que
lo
son
cual
hace
sus trabajos,
nueve o diez horas diarias frente a un escritorio (según la última encuesta de
el mexicano
más
distancias
promedio
en el mundo)
igualmente
han
trabaja
(Berthoud,
afectadas
mecanizado
9.37
horas
al día,
2012;
FAO,
por la obesidad;
y han
permitido
que
siendo
2002).
debido
éste el país en
Cabe
se
destacar que las zonas
a la industrialización
los alimentos
el que
sean
adquiridos
los trabajos
de manera
fácil, sin mayor esfuerzo (FAO, 2002).
Un estudio de los registros de salud del Reino
muestra
la probabilidad
278.982
participantes
de
disminución
(129.194
de
hombres
Unido dirigido por Kings College de Londres,
peso
y
en
individuos
149.788
obesos.
mujeres)
entre
excluyendo tantos a los pacientes que recibieron cirugía bariátrica,
menos
que
Se
los
siguió el peso
años
como
se
2004
y
de
2014,
aquellos que poseen
de tres registros de IMC para estimar los cambios de peso. Se obtuvo la probabilidad de
una
persona
obesa
para los hombres
alcance
un peso
normal,
y 1 en 124 para las mujeres,
la cual resulto ser baja, siendo de 1 en 210
en el caso de individuos con obesidad mórbida
las estadísticas disminuyen aún más a 1 en 1290 para los hombres y 1 en 677 para las mujeres
(Fildes et al, 2015).
El estudio también
del 5%
cada
evaluó
la probabilidad
en el peso corporal,
10 para las mujeres.
cuyos
mantener
demuestran
los pacientes obesos tuvieran una reducción
resultados fueron de 1 de cada
12 para los hombres y 1 de
Para las personas que lograron reducir su peso, el 53%
este peso dentro de dos años y el 78%
resultados
de que
lo difícil
incluso pequeñas
que
es
lo habían
para
las
recuperado
personas
recuperaron
dentro de los cinco años.
con
obesidad
lograr
Estos
disminuir
y
cantidades de pérdida de peso (Fildes et al, 2015).
2.4.- Influencia adultos sobre los niños
Las conductas y hábitos en un ambiente
la serie científica Latinoamérica
se
generan
donde
preferencia
los niños aprenden
porciones)
y
la
cantidad
por
obesogénico
influyen incluso antes del nacimiento,
en
(2013) se indica que inclusive a partir de la etapa embrionaria
ciertos
alimentos.
Además
se
señala
que
es en el seno familiar
los hábitos alimenticios (calidad de lo que ingerimos y tamaño de las
de
actividad
física
que
realizan,
ya
que
los
padres
son
los
que
incentivan a los niños a tener tanto conductas activas (jugando en una plaza, basquetbol, futbol,
12
etc.)
o bien
televisión,
Según
los
conductas
sedentarias
(permitiéndoles
muchas
horas
en
el computador,
viendo
o los videojuegos).
estudio realizado por Bouchard y Perusse (1988) se estimó que entre el 25%
casos
existentes
normal,
aunque
cabe
obesos.
El riesgo asociado a que un niño sea obeso al crecer es cuatro veces mayor si uno de
dicho
familias
riesgo
en
las que
es
obesidad
que
en
de
de
considerar
ocurren
al 35%
aumenta
el peso
de
los padres
si los padres
de
los
niños
son
sus padres es obeso; y si ambos padres son obesos este riesgo es ocho veces mayor (Chueca
et al, 2002).
Además
el estudio
reveló
que
la distribución de la grasa corporal en los niños sigue la misma
tendencia que el patrón observado
ser obeso,
directamente
Se
ha
demostrado
en
hermanos
gemelos
En consecuencia
casos
de obesidad.
como
por ejemplo:
individuos,
que
el peso
que
poseen
en la familia genéticamente
niños
adoptados
se
relacionada
con el peso de sus padres genéticos (Stunkard et al, 1986). Otras investigaciones
similitud tanto en el peso como
al, 2002).
Por tanto, se puede concluir que el riesgo de
se puede deber a los hábitos similares de alimentación
predispuesta.
realizadas
en los padres.
Esta
en
demostraron
los
gemelos
en la grasa subcutánea,
según
herencia
genética
la preferencia
de obesidad
por determinados
univitelinos
muestran
mayor
que los gemelos bivitelinos (Chueca et
estudio existe una herencia
su patrón de crecimiento,
de los alimentos
que
poligénica en un 40-80%
de los
se ve reflejada en diversos aspectos
comidas,
en el gasto energético de los
la distribución de la grasa corporal, el efecto termogénico
y grado de actividad física (Chueca et al, 2002).
13
CAPÍTULO
lll: LA OBSEDIDAD Y MODELOS
DE SU DINÁMICA
Existe en la literatura diversos estudios y modelos para mostrar la dinámica de la obesidad.
3.1.- Modelo de Evangelista
Evangelista
obesidad
con
et al (2004)
como
el peso,
entre otras.
consumo
modelo
una
et al (2004)
considera
epidemia,
siendo
las
a EE.UU.
además
más
de comida
rápida,
matemático
de comida
rápida.
variables demográficas
edad,
el papel
género,
potencial
educación,
de la presión
Se modela
ingresos,
edad-genero,
de los compañeros
como:
Se construye
normal (N), como aquellos susceptibles que inicialmente no comen
rápida;
los que
pueden
pasar a ser obesos (O2) por el mismo comportamiento.
siguen
en el
un
el cual separa a los individuos según clasificaciones
de IMC,
posteriormente
la
que tienen relación
así como su efecto en el peso de una persona.
de tipo epidemiológico
peso
la nación
de estudiar
significativas:
El objetivo fue estudiar
como
comiendo
pasando
a sobrepeso
(01),
comida
los que a su vez
Se considera que dichas clases
pueden dejar de comer comida rápida y luego pueden cambiar de estado. Se define RO como el
número
este
promedio
un
de casos
indicador
que
secundarios
muestra
cuan
producidos
propicio
es
por una típica infección
el ambiente
a
individual, siendo
la obesidad
en
desarrollo,
dependiente de la presión de los pares (fB), la velocidad a la que los individuos en sobrepeso y
obesos
dejan
de
consumir
individuo con sobrepeso
de
mortalidad
(uu).
comida
hábitos.
se
Finalmente
Sin
compañeros
deben
y
a2
respectivamente),
la tasa
a la cual
un
mediante
una
serie
de
simulaciones,
se
obtiene
que
f es el
RO seguido de af, es por ello, que para reducir la tasa actual de
centrar
embargo
(at
pasa a ser obeso por continuar comiendo comida rápida (y), y la tasa
parámetro más sensitivo para
obesidad
rápida
en
la reducción
controlar
de
la presión
f es difícil, para
de
los pares
ello se aconseja
que
controlar
poseen
malos
la presión
de los
debido a su frecuente consumo de comida rápida, los medios de comunicación,
condición social y económica.
la
Por lo tanto, se debe poner atención en incrementar la presión de
grupo para dejar de comer comida rápida, af.
3.2.- Modelo de Jodar et al (2008)
Jodar
et al
modelo
estudiar
Valencia.
(N),
(2008),
proponen
matemático
de
la evolución
Se
divide
los individuos
de
un
análisis
tipo epidemiológico,
la obesidad
la población
latentes,
estadístico,
usando
infantil en
mediante
ecuaciones
los próximos
infantil en 6 subpoblaciones:
es decir,
las personas
una
con
regresión
diferenciales
años
en
y un
ordinarias
para
la región
los individuos
el hábito
logística
con
de consumo
española
peso
de
normal
de panadería,
14
comidas
fritas y refrescos
sobrepeso
(BFS),
pero siguen teniendo un peso normal
(S), los individuos obesos
obesos en dieta (DO).
(O), individuos con sobrepeso
Se considera una población homogénea,
(L), las personas
con
en dieta (DS) e individuos
es decir, cada par de individuos
tiene igual probabilidad de entrar en contacto uno con el otro y además que el consumo de BFS
aumenta
el peso
adicto al BFS
pueden
de los niños.
Una
vez que
el niño comienza
a consumir
BFS
pasa a ser un
(L), y se inicia una progresión a S, después de un período (período de latencia)
pasar a O). Los niños de ambas clases pueden dejar de consumir BFS, y luego pasar a
clases de dieta DS y DO.
consumo de BFS
considerar
Luego de un estudio estadístico, se obtuvo que la alta frecuencia de
es el factor predominante en la obesidad
la obesidad
como
una
enfermedad
infantil. Además
de transmisión
realiza por los hábitos nutricionales poco saludables,
social,
el consumo
este análisis permite
donde
de BFS,
la transmisión
se
los cuales dependen
tanto de la característica sociocultural como el nivel de educación de los padres.
3.3.- Modelo de Ejima et al (2013).
Ejima et al (2013),
el empleo
de un
contagiosos
realizan un estudio que permita describir una epidemia de obesidad mediante
modelo
de
la
matemático
obesidad,
simple que explique tanto el contagio social y peligros no
comparando
así
la
eficacia
de
los
diferentes
tipos
de
intervenciones.
Se usan las ecuaciones diferenciales ordinarias (ODE) que capturan la dinámica
poblacional
la obesidad,
de
enfermedades
individuos
susceptibles
recuperados
una
tasa
la cual
como
contagiosa
simplista,
que
de
la
denotados
compuesta
genética,
viene
obesos,
en
por
estilo de
definida
por
denotados
R) como
la obesidad
está
referencia
su
una
vida,
el clásico
se describe
modelo
epidemiológico
la evolución
S) , infecciosos (obesos,
una función del tiempo.
conjunto
tasa
hábitos
la transmisión
no
o bien
también
contagiosa,
alimenticios,
social.
Se
temporal
denotados
Posteriormente
llamada
para
de los
l) y los
se define
la fuerza
de
la
a la cual le influye algunos
etc. y además
demuestra
por una
mediante
un
tasa
modelo
que el contagio social de la obesidad debe ser una de las principales preocupaciones
en la salud
eficaces
riesgo
como
transmitidas directamente,
(nunca
(ex obesos,
de
infección,
factores
infecciosas
usando
pública
para
la toma de decisiones,
ya que el diseño de los programas
de control
nos obliga a captar y entender la dinámica poblacional de la obesidad de una manera
explícita, y por otra parte, empíricamente cuantificar la transmisibilidad de la obesidad.
15
3.4.- Modelo de Frerichs et al (2013)
En
el estudio
dinámico,
adultos
realizado
que
por
muestre
jóvenes
Frerichs
la transmisión
sobre
los niños
peso
adultos.
normal,
Los
sobrepeso
sobrepeso
análisis
de
social
para
intervenciones sobre la Obesidad
como:
et al (2013),
se construyen
de
conductas
la evaluación
Infantil.
la prevención
que
la obesidad
y el tratamiento
infantil
en las tasas de transmisión
adultos y pares. Además que la prevalencia de la obesidad
cambios
y la influencia
de
de
las
tanto para definir el estado nutricional de niños como
revelaron
son sensibles a los cambios
saludables,
un modelo
Separa a los individuos según clasificaciones de IMC,
y obesos,
sensibilidad
de
no
y se parametriza
y
la prevalencia
sociales de ambos
de
niveles,
infantil puede ser más sensible a los
en las tasas de transmisión social, entre adultos y niños en comparación con las tasas
de niño a niño.
3.5.- Modelo de Thomas
et al (2013).
En el estudio realizado por Thomas
dinámico
que
parámetros
permita
múltiples
en el índice de masa
corporal,
tanto influencias sociales y no sociales en el aumento de peso, además
incorpora
parámetros
crecimiento
de
modelamiento
permitiendo
tienen
como
obesidad
epidemiológico
recuperados
(clásico
modelo
asociados
que
afectan
en
la
el mayor
considerando
SIR).
obesidad,
la tendencia
a
de
los
La aplicación
impacto en la evolución
a
población
infectada
sobrepeso
los individuos
susceptibles
compuesta
(25<IMC<30),
con sobrepeso
consideran
cada
de
se
modelan
la obesidad
país.
Este
individuos
como
de modelos
SIR
recuperados.
y
que
estudio
se
provoca
basó
susceptibles,
el
en
un
infectados
refleja la dinámica
y
general,
la prevalencia
actuales;
extrema
se
como
aquellos
que
y
En la población no infectada se
nunca
según
han
tenido
sobrepeso.
clasificaciones
extremadamente
obeso
de
IMC
La
como:
(40<IMC).
Las
el peso suficiente para volver a IMC normal (IMC<25)
se
Se concluyó que la prevalencia de obesidad es una función de la tasa
simulan
prevención
En el estudio se divide una población
e infectados (IMC225).
(30<IMC<40),
que pierden
y la probabilidad
que
de la epidemia.
de tres clases diferentes
obeso
de natalidad
obesidad
la
a los cambios
población
individuos no infectados (IMC<25)
personas
a
de
realizar predicciones de resultados a largo plazo e identificando los parámetros que
considera
de
prevalencia
conocidos
conocidos
la
la
el cual tuvo como objetivo construir un modelo
los
poblacionales
considerando
otros
predecir
et al (2013),
de haber
nacido en un entorno propicio a la obesidad;
de la obesidad
y la prevalencia
estabilizará
en
se pondrá
de
Estados
alrededor
del
estable
independiente
Unidos
del sobrepeso,
año
2030
en
un
además
de las estrategias
la obesidad
28%,
32%
y la
y
9%
respectivamente.
16
3.6.- Modelo Fallah et al (2014).
En
el estudio
como
de
Fallah
et al (2014),
la ingesta
media
diaria
se define la diferencia del desequilibrio energético
exceso
de
energía,
definida
como
la ingesta
(ElG)
energética
total
menos el gasto total de energía en alguna unidad de tiempo y es un parámetro de control crítico
en el sistema de energía;
Un
concepto
que condiciona
mencionado
captura la mayor
es
la velocidad
la diferencia
ingesta de energía
de
necesaria
de los cambios
la energía
de
en el IMC del individuo.
mantenimiento
(MEG),
la cual
para mantener altos pesos corporales promedio
en comparación
con
uno inicial y la distribución de peso corporal (es decir, los individuos más
pesados
más
energía
gastan
como
resultado de su masa
corporal y por lo tanto necesitan
mayor consumo de energía para mantener su peso en equilibrio). El MEG
cambio
en
el consumo
de
energía
que
se
necesita
para
hacer
un
capta la magnitud del
retroceder
la epidemia
de
obesidad,
y como tal se refiere a la acumulación a largo plazo del desequilibrio energético en el
índice
masa
de
subpoblación
de
obesidad
energético
corporal
mostró
sigue
a través
y es a menudo
más
grande
que
los ElG.
Según
los resultados
la
una diferencia de energía negativa o cero, lo que sugiere que la epidemia
empeorando.
de
Finalmente
las subpoblaciones
se
concluye
y el tiempo,
que
sugiere
la
que
diferencia
del
las intervenciones
balance
deben
adaptarse a las necesidades de las subpoblaciones.
Las tablas 3.1, 3.2 y 3.3, se presenta un cuadro resumen
los modelos
de la dinámica de la obesidad
con las principales características de
estudiados desde la literatura.
17
en la
18
Fuente:
2013)
Propia.
Construiry
parametrizar un
modelo de sistema
dinámico de la
transrrisión social
de la obesidad de
comportamientos
hasta adultos
jóvenes y la
influencia.
Estudiar la
evolución de la
obesidad en los
próximos años en la
región española de
Valencia.
de BFS.
enfermedad de
transtrision social
causada por el
elevado consumo
coro una
Demostrar que se
puede considerar
la
obesidad infant
Objetivo
Elaboración
Modelado de
trans rrisión social
Dinámica de
Conductas no
saludables para la
Evaluación de la
Prevencióny el
Tratarriento de las
intervenciones sobre
la Obesidad Infantil
(Frerichs y otros,
España. (Jódar y
otros, 2008)
región de Valencia,
Modelando la
dinárrica de la
obesidad infantil
Título
Seis subpoblaciones:
N(0 peso normal, Sít)
sobrepeso, O(t) obesos;
definidos para adultos
coro para niños.
(1.
Seis subpoblaciones:
peso normal N (t);
latentes L (t); sobrepeso
S (t); obesos O (t);
sobrepeso en dieta DS
(t) y obesos en dieta DO
Variables y Niveles
modelo y poner
a prueba las
hipótesis
dinámicas y
supuestos.
simular el
sistemas,
Vensim PLE
para construir,
dinámica de
Modelo de
Modelo
matemático de
tipo
epidemiológico
(ecuaciones
diferenciales
ordinarias).
regresión
logística
análisis de
Estudio
estadístico de
Método
Tabla 3.1: Revisión bibliográfica modelos estudiados
Asume la
transrrisión de
niño a adulto de
estos
comportamientos
no saludables es
insignificante.
Poblacion
homogénea.
Población
homogénea. El
consumo de BFS
aumenta el peso
de los niños.
Supuestos
parte 1.
Datos de la
encuesta de la
Salud Nacionaly
Nutricion 20092010 (NHANES), en
combinación con
los datos de
investigaciones
recientes.
Base de datos de
1.187 niños de 3-5
años
pertenecientes a
diferentes farrilias
de la Encuesta de
Salud de la
Comunidad
Valenciana 20002001.
Informe técnico
publicado por el
Departamento de
Salud de Valencia,
que posee datos de
la obesidad infantil
de 1999y 2005.
Datos usados
Se simula
semanalmente,
Un
total de 25
simulaciones
utilizando cada
corrbinación
potencial de
tasas de
transmisión
social adultos a
niño, y niño a
niño en 10 años
(520 semanas).
EEUU
España.
de Valencia,
Se simula el
comportamiento
de los niños de
Valencia
semanalmente,
de 1999-2010
(600 semanas)
Periodo
Simulación
Niños región
Niños región
de Valencia,
España.
Aplicación
Dos vías análisis de
sensibilidad sobre las
tasas de transrrisión
sociales de adulto a
niño y de niño a niño,
Seis escenarios
variando elfactor de
impacto intervención,
tanto en la obesidad
adultay como en la
infantil
Se realizan varias
simulaciones para
diferentes valores de
Py k, conel finde
hallar los valores que
minirrizan el error
medio cuadrado
Escenarios
analizados
que es mas
sensible la tasa de
transrrisión social adultoniño en corrparación con
la tasa niño a niño.
Estrategias más
integrales (corrbinando
tratamiento y
prevención) condujeron
auna tendencia a la
disrrinución en la
prevalencia al final de
los 10 años
reveló
Los análisis de
sensibilidad de dos vías
ser enfrentado a través
de programas de salud
pública,
La obesidad infantil debe
Los parámetros f3, yLy k
son los más importantes
en el modelo propuesto,
enfermedad de
transrrisión social,
transrritiendose hábitos
nutricionales poco
saludables, que
dependen tanto de la
característica
sociocultural cormo el
nivel de educación de
los padres.
Resultados
Arrpliar los límites
de modelos para
incluir elementos
de implementación
de la intervención
(es decir, los
recursos de
intervención,
costo, la demanda
y la oferta).
Es más adecuado
utilizar diferentes
parámetros que
pueden ser
modelados a
través de
parámetros
dependientes del
tiempo.
Observación
19
Fuente:
2013)
Variables significativas:
edad, género,
educación, ingresos,
edad- género, edadeducación, géneroeducación, género-
Encontrar algunas
variables
demográficas
particulares que
tienen una relación
con el peso.
respectivamente.
Susceptibles,
infectados, recuperados
(SIR) y 3 poblaciones
clasificadas con
diferente Índice de masa
corporal (IMC):
Sobrepeso, Obeso,
Extremadamente obeso.
Modelar parámetros
poblacionales
múltiples conocidos
asociados con los
establecer las
condiciones en las
que la prevalencia
de obesidad se
mantendrá estable.
cambios del IMC y
01 y 02
persona.
Peso normal N (t),
Sobrepeso 01(t) y
obeso 02(t). Ambas
clases pueden dejar de
comer comida rápida, y
luego pueden moverse,
Qi(t), parai= 1,2 para
Estudiar el papel
potencial de la
presión de los
compañeros en el
consumo de corrida
rápida, así como su
correo efecto en el
peso de una
educación-ingresos.
ingresos y entre género-
Variables y Niveles
Objetivo
Sistema de
ecuaciones
diferenciales. El
modelo
considera tanto
influencias
sociales y no
sociales en el
aumento de
peso.
Matlab.
Modelo
matemático de
tipo
epiderriológico.
Programado en
Matriz de
correlación
(ANOVA), con
nivel de
significancia de
un 5%.
Método
bibliográfica modelos estudiados
Elaboración Propia.
de prevalencia.
(Thomas y otros,
extrema Tenden
Dinámico sobrepeso,
obesidad y obesidad
Predecir Modelo
2004)
EE.UU. la Nación de
Corrida Rápida: La
obesidad corm una
Epiderria.
(Evangelista y otros,
Título
Tabla 3.2: Revisión
No hay flujo de la
clase inmune, por
ello una ecuación
del. modelo no es
necesaria para
esta subpoblación.
las tasas de
mortalidad natural.
Supuestos
parte 2.
Unido.
1998 para Estados
Unidos y de 19931997 para el Reino
información 1988-
Utiliza la tasa de
natalidad a partir de
los datos de
encuestas
publicadas para el
Reino Unido. Se
utilizo sólo
Datos de 20012002 NHANES, en
combinación con
los datos de
investigaciones
recientes.
Datos usados
Reino Unido
EEUUy
Población de
EEUU (300
millones de
personas
aprox.)
Población de
EEUU
(11.039
personas de
todas las
edades)
Aplicación
Evaluación anual,
en Estados
Unidos de 19882030y en Reino
Unido 19932033.
Evaluación
mesual, durante
120 meses.
Periodo
Simulación
simuló modelo para
para 4 valores de
probabilidad.
obesidad materna
simulación del modelo
con respecto a la
individuos. La
nacimientos por 1000
14, 20y 50
tasas de natalidad; 1,
cuatro diferentes
Se
modelo (f, 01 y 02).
simulaciones con los
parametros mas
RO, Se hacen
P (presión de los
pares) es el parámetro
más sensitivo para
Escenarios
analizados
La prevalencia
de
obesidad es una función
de la tasa de natalidad y
la probabilidad de haber
nacido en un entorno
propicio a la obesidad, la
prevalencia de EEUU del
sobrepeso, la obesidad
y la obesidad extrema se
estabilizará alrededor del
año 2030.
Para reducir la obesidad
deben centrarse en la
reducción de [3, se
aconseja controlar la
presión de los
compañeros, mediante
los medios de
comunicación, la
condición social y
económica.
Las variables
demográficas de edad,
la raza (etnia), la
educación y el ingreso,
se correlacionan
positivamente con el
peso, mas no así el sexo
delindividuo.
Resultados
mantengan
estables.
obesidad a la
periodo de 40
años aprox. para
los porcentajes de
necesita un
Usar la tasa de
natalidad en
función del tiermpo.
Las simulaciones
revelan que se
Añadir la tasa de
mortalidad por
estas
enfermedades
crónicas o
mortales y analizar
córm esta nueva
tasa afecta
nuestros modelos.
Observación
20
Fuente:
bibliográfica modelos estudiados
adulta en
diferencia
Propia.
entre las
subpoblaciones de
género y raciales.
Estados Unidos
des equilibrio
energético
responsable de la
epidemia de
obesidad adulta de
subpoblaciones según
género, raza/etnicidady
elíndice de masa
corporal (IMC).
Se divide a la población
Cuantificar la
Modelo de
dinárrica de
sistemas
Ecuaciones
diferenciales
ordinarias.
Además emplea
el modelo
aditivo para la
fuerza de la
infección.
Modelo SIR:
Susceptiblesínunca
obesos), infectados
(obesos), recuperados
(ex obesos).
Describir la
epidemia de
obesidad mediante
el empleo de un
modelo matemático
simple que explica
tanto el contagio
socialy peligros no
contagiosos.
del
Método
Variables y Niveles
Objetivo
Elaboración
Modelando la
tendencia de la
Obesidad en adultos
estadounidenses: Un
Modelo de Sistemas
Dinámicos para la
estimación del
Desequilibrio Energía
Gap. (Fallahy otros,
2014)
Modelarriento de la
epiderria de la
obesidad: el contagio
social y sus
implicaciones para el
control, (Ejima y
otros, 2013)
Título
Tabla 3.3: Revisión
de mantenimiento
(MEG)
Diferencia
desequilibrio
energético (ElG),
brecha de energía
Ex-obesos no son
contagiosos. Los
rles gos
contagiosos y no
contagiosos son
independientes el
uno del otro, al
utilizar el modelo
aditivo.
Supuestos
parte 3.
Datos Nacionales
de Salud y
encuestas de
examen de
Nutrición (NHANES)
2009-2010, para
estimar el EIG el
cual es consistente
con la prevalencia.
personas. Datos del
Frarringham Heart
Study y la literatura.
de 100.000
Uso de datos
empiricos
publicados (como el
promedio de la
esperanza de vida
de cada país).
Considera un
población hipotetica
Datos usados
hasta 2010
Inicia en 1971
(NHANES |) para
los negros y
blancos no
hispanos, y 1988
(NHANES 111)
para los
mexicanoamericanos,
simulado hasta el
año 2010.
Se estima que en
200 años se
llegara a un
equilibrio
Periodo
Simulación
sexo.
del índice de masa
corporal de población
no hispanos blancosy
negros, como la
población mexicanoamericano,
diferenciando por
Sirrula la distribución
Simulaciones de dos
tipos: 1) donde varia
solo un parametro y
varia una corrbinaci ó
de parámetros.
Escenarios
analizados
en la distribución del IMC
en el
tiempo y elespacio
de los que ingresan a la
población frente a los
que lo abandonan.
conduce tanto a cambios
subpoblaciones. El
desequilibrio energético
necesidades de las
Se sugiere que las
intervenciones deben
adaptarse a las
La elección óptima de
los programas de
intervención varía
considerablemente con
el coeficiente de
transtrisión de la
obesidad, fp.
Resultados
de los aspectos de
costo-beneficio y
costo-efectividad
de la intervención.
La identificación
de programas
óptimos
requeririan un
Observación
CAPÍTULO
IV: MODELAMIENTO
DE LA DINAMICA
DE LA OBSEDIDAD
EN CHILE
4.1.- Introducción.
Para
modelar
ecuaciones
la dinámica
la obesidad
diferenciales ordinarias,
en
un software
de
este
tipo
literatura
de
específico,
de
sistemas
metodológica,
complejos,
representados y su comportamiento
El modelo
propuesto
resolución
chilena,
se formula
será obtenida
mediante
una vez incorporado todos los parámetros
aproximación
donde
cuya
de la población
a diferencia
como
estimado
de
se
sustenta
el
que
en
requeridos.
la
de
su programación
la evidencia
representa
un sistema
La adopción
encontrada
obesidad,
en
pueden
la
ser
en forma significativa (ver capítulo 3).
lo encontrado
en
la literatura
presenta
como
variable de
estado el rango unitario de IMC, según sexo y edad, basado en que los puntos de cortes que de
IMC
que
clasifican
la obesidad
particular
que
puedan
entregue
información
presentan
útil para
(ver capítulo 1, antecedentes
El modelo
considera
y sus
que
tienen
los cambios
o disminuyendo
manteniendo
su
que
según
el riesgo
que
el modelo
esto se busca
a la obesidad
su
su
índice
IMC
en
el mismo
de
masa
rango
o disminuyéndolo.
obesogénico
en
de estados son debido a los
de la obesidad según la literatura (ver capítulo 2),
en
aumentando
el ambiente
distintos
e indirectos asociado
variables de estado.
ambiente social en el que se mueven,
propician
directos
Con
ser
de las diferentes variables
la dinamica
comportamientos
IMC,
pueden
generales).
aumentando
como
los costos
como tasas sobre las mismas
diversos
niveles,
las distintas poblaciones.
estimar
principales factores que explican
expresados
distintos
Lo
Se considera que los individuos
corporal
etario
anterior,
a
lo
largo
considerado
se
explica
de
su
vida,
o
bien
crecer
en
los adultos,
el mercado,
la publicidad y un conjunto de factores
los adultos,
en el cual individuos
con
mayor
peso
influencian a los de peso
inferior, y a su vez se considera que los de menor peso influencian a
los de mayor
En los niños, se suma
en
peso
la literatura,
bajen.
si el padre
presenta
sobrepeso
linea, tanto por los habitos alimenticios,
la comida
la influencia de los padres,
u obesidad
como se menciona
influenciará a su hijo a seguir esa
que ingieren, la actividad física que realizan,
etc.
A continuación se presenta
la formalización del modelo
propuesto.
21
4.2. Modelo
4.2.1. Índices
+ ¡= 1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20 (IMC).
+ ¡= 1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16 (Edad).
+ k=0,
1 (Sexo).
-El índice i denotará a los diferentes rangos de IMC considerados
Tabla
4.1: Notación
índice “i” en el modelo.
Índice "i"
1
IMC (kg/m?)
en el modelo:
2
[0,18)
Fuente: Elaboración
3
4
|[18,19)|[19,20)|[20,21)|
...
---
17
|[33,34)
18
19
20
|[34,35) | [35,36) | [36,51)
Propia.
Así, el i=1 denota un IMC < 18 kg/m,
¡=2 denota un IMC=18
kg/m?,..., ¡=19 denota un IMC=35
kg/m? y finalmente ¡=20 indica un IMC > 36 kg/m.
-El índice j define
los rangos etarios usados en el modelo:
Tabla 4.2: Notación índice *“j' en el modelo
Índice "j" Niños
Rango Etario
Fuente:
(niños).
4
2
3
4
5
6
7
8
[o-0) | [1-27 | [3-4) | [5-6) | [7-8) | [9-10) | [11-12) | [13-14)
Elaboración Propia.
Tabla 4.3: Notación índice “j” en el modelo
Índice "j" Adultos
Rango
9
Etario
Fuente:
10
(Adultos).
11
12
13
14
15
16
[15-24) | [25-34) | [35-44) | [45-54) | [55-64) | [65-74) | [75-84) | [85 o +
Elaboración Propia.
Así, el índice j=1
denota
a los menores
de un año,
un índice j=2 denota una edad entre uno y
dos años,..., j=16 denota los individuos mayores o igual a 85 años de edad.
-Finalmente
Tabla
el índice k denotara el sexo del individuo:
4.4: Notación
Índice "k"
Sexo
Fuente:
índice “k” en el modelo.
0
1
Mujer | Hombre
Elaboración
Propia.
22
4.2.2.- Variables de estado
I¡¡x(t): Número
de Individuos de IMC ¡, edad j y de sexo k.
4.2.3.- Parámetros
Aika: Tasa a
la cual individuos con IMC ¡, edad j y sexo k, pasan a tener un IMC a, con a>i.
Bika: Tasa a la cual individuos con IMC ¡, edad j y sexo k pasan a tener un IMC a, con asi.
Vijka: Tasa a la cual individuos con IMC ¡, edad j y sexo k, pasan a la edad j+1 con IMC a.
Opcxi: Tasa de trasmisión de buenos
hábitos de los padres que hacen
que sus hijos de IMC b,
edad c y sexo k, pasen a tener un IMC ¡ (b>i).
€bcki. Tasa de trasmisión de la obesidad de los padres que hacen que sus hijos de IMC b, edad
Cc y sexo k, pasen a tener un IMC ¡ (i>b).
Gx: Proporción de individuos padres de edadj y sexo k.
Mbcki
Tasa
de buena
influencia del mercado
provocando
que pase a tener un IMC ¡ (b>i).
Obcxi:
de mala
Tasa
provocando
influencia
del mercado
sobre los individuos de
sobre
los individuos
de
IMC
b, edad
c y sexo k,
IMC
b, edad
c y sexo k,
que pase a tener un IMC ¡ (i>b).
lamk. Proporción de individuos con IMC a, edad m, sexo k que son influidos por el mercado.
Kiy: Tasa de muerte de un individuo con IMC ¡, edad j y sexo k.
4.2.4.- Sistema de Ecuaciones Diferenciales Ordinarias:
Se
generan
representan
320
ecuaciones
de
estados,
tanto
en
adultos
como
en
niños,
las
cuales
se
a continuación:
23
El primer sistema queda definido por las ecuaciones diferenciales ordinarias para adultos (j29).
dls (07
= y
Cajki*? La,j¡ (8) = >
a<i
Uijka * Li jr (6) + y Bajri* Laja (0) _ y Pojx,a* lijx (0)
a>i
+
a>i
Yaya O *Laj-y(e) — y
a€lN
+ y
c=j
y
*
y
Obc ki
E Dojk (t)
* |
b<i
b>i
y
y
y
c=) j+1b<i
y
meP,
azi
meP,
ax<i
|
Oucrp * |
c=j,j+1b>i
*
Vijra (E) +1; jo (E) — Ki joto Li ¡7 (0)
a€lN
+ y Y Meri * Loja
Ct) +
c=j
a<i
meP,
Mickb
* |
* lamo (t)
+
lama
* lama
(Lamo
* lam,o
+
lama
* lam)
(8)
CUamo
* Llamo (t)
+
Lama
* lama
0)
Carmo
* lam,o
+
tama
* lama
0)
>
0)
>
Li jr Ct)
Li jr (0)
azi
y
meP,
(amo
(t)
axi
24
El segundo
sistema queda definido por las ecuaciones definidas para los niños (j < 8)
dl, a ¿yAZ
(8) ÓN y Casi
"Law (0) — Y Uira* lija (0) + y Bajri *Lajy(t) = y Bojka *Lija(0
a<i
a>i
+
Y
a>i
Yayo)
* Lagar (e — y
aEelN
+
y
y
y
Ebc ki
* Lb,jk (e)
*
|
>
meP,
O bc ki * To,j
(0) * |
c=j,j-1b>i
+
y
Y
c=j,j+1
08)
y
Ecko
* |
>
b<i
ero
meP,
a>i
meP,
a<i
* |
(Sm,
* Llamo (t)
+
Sm
(Sm,
+ Lamo(t)
+ £m,1
* lama 0]
a>i
y
meP,
c=j,j+1 b>i
+
Yijra (E) *L¿jg(0) — Ki ge + Li
a€lN
c=),j-1b<i
+
a<i
+ lama o]
_
0)
a<i
Co
+ Llamo (t) + Em
* Lama 0)
(Sm.o
* Llamo (t)
+ lama
+
Sm,1
> Lx (8)
o]
25
CAPÍTULO V: ESTIMACIÓN
DE PARAMETROS
Y CALIBRACIÓN
DEL MODELO
5.1.- Introducción
Para
la estimación
de parámetros
con una estrategia de búsqueda
nacional,
general.
regional
Del
mismo
desagregado,
modo,
del modelo
y uso que considera
luego
idealmente
niveles agregados
Dada
para
y calibración
dirigir
se
la
adopta
por sexo,
búsqueda
la
año
se consideraron
variadas fuentes,
primero la información
disponible a nivel
sobre
estrategia
y unidad
aquella
de
de
búsqueda
IMC;
disponible,
se consideró
para ese año en base a la proyección
estadísticas vitales del anuario 2009,
nacidos vivos. Cabe
Nacional
los
de
2010-2011.
la
información
literatura
a
nivel
si esto no es posible se procede a
destacar,
como
año
base
el 2009;
parámetros
Salud
(ENS)
se estima la población
más actualizada disponible en el INE, además se usan las
para determinar el número de defunciones y el número de
que todos los cálculos realizados están considerados a partir de
los 15 años de edad, debido a la escasez de información en edades
estimar
de
en
de información.
la información
Para
disponible
se
utiliza
2009-2010
y
principalmente
Encuesta
las
Nacional
bases
de
inferiores.
de
datos
Consumo
de
la
Alimentario
Encuesta
(ENCA)
Cabe destacar que de estas encuestas se usan sólo 3 variables principales: el sexo,
la edad y el IMC
del individuo.
variables analizadas,
La tabla 5.1,
y el número
muestra el número
de datos considerados,
de encuestados,
el número de
donde los datos son eliminados por 4
motivos
1.
Por ser datos nulos, es decir, no definen el IMC o la edad del individuo.
2.
Por ser datos extremos,
alejados
3.
Por ser datos extremos
con valores de IMC <15 kg/m?.
4.
ENS
2009-2010,
efecto
que
solo considera
del modelamiento,
sólo aplica
de la realidad, con IMC >52 kg/m.
individuos
se ha considerado
a la ENCA
2010-2011,
mayores
a 15 años,
sólo la población
debido
a la escasa
por esta razón y para
mayor o igual 15 años,
disponibilidad de datos en
niños.
26
Tabla
5.1: Resumen
fuentes de información.
Mujer
ENS
1386
2009-2010
ENCA
2150
215
3
0
1932
Total
5293
489
8
0
4796
Mujer
2988
121
8
5
376
2478
1932
136
0
6
359
1431
4920
257
8
11
735
3909
Hombre
Total
Fuente: Elaboración
Propia
A
detalla
continuación
se
calibración ante la escasez
5.2.- Calculo Mortalidad
el cálculo
de
los valores
15 años,
obtenidas
existente,
de acuerdo
B).
reflejados
Estos
en
parámetros
anuario
2009
(Anexo
agrupados
5.2 en
demográficas
según
la columna
A). Además
los
rangos
“fallecidos”
se consideró
por sexo,
etarios
según
usados
y “población
0-4
1.295
1.020
5-9
252
173
10-14
1.391
471
15-24
1.709
580
25-34
2.638
1.143
35-44
4.756
2.556
45-54
7.240
4.386
55-64
10.372
7.030
65-74
12.670 | 11.974
75-84
1.285
13.024
85omas|
1.295
1.020
Fuente: Elaboración Propia
considera
el estudio
el
de
modelo
|
|
|
|
|
607.988 |
1.304.125 |
1.477.846 |
1.268.818 |
[1.247.803 |
|1.106.710|
711.263 |
408.982 |
185.380 |
35.873
607.988 |
requiere
Berrington
582.614
1.249.179
1.430.090
1.250.216
1.254.985
1.134.364
763.642
492.576
257.791
106.522
582.614
datos
et al (2010),
|
|
|
|
0,0021
0,0002
0,00094
0,00135
0,00211
0,00430
0,01018
0,02536
0,06835
0,20308
0,0021
distribuidos
del mismo
el modelo,
total”. Con
Tabla 5.2: Probabilidad de muerte según edad y sexo del individuo.
Fallecidos
Población total
Probabilidad
que
de
la población total
edad
en
obtiene las probabilidades de muerte según edad y sexo, que se observan
Considerando
y la estrategia
las tablas de defunciones por sexo y edad desde los
a las proyecciones
la tabla
inicio,
poblacional
del INE,
datos
de
de datos.
Para el cálculo de la mortalidad se ocupó
(Anexo
0
| Hombre
252
2010-2011
5
se
estos valores
año
ven
se
en la misma tabla.
muerte
0,0018
0,0001
| 0,00033
| 0,00046
| 0,00091
| 0,00225
| 0,00574
| 0,01427
| 0,04645
| 0,12227
0,0018
según
el
IMC
del
individuo,
se
en el cual se utiliza la regresión de Cox para
estimar los coeficientes de riesgo (Hazard Ratio) con intervalos de confianza del 95%,
para una
27
asociación
entre el IMC y la mortalidad
19 estudios prospectivos que abarca
de edad.
(Ver anexo
por todas sus causas,
a través de datos agrupados de
1,46 millones de adultos de raza blanca, de 19 a 84 años
C). A continuación
en
la tabla 5.3 se muestra
los resultados del estudio
según sexo y edad del individuo (Ver anexo D y E)
Tabla 5.3: Coeficientes riesgo de Muerte por IMC.
Mujer
Hombre
2,02
1,98
1,34
1,6
1,06
1,18
1
1
1,03
0,97
1,11
1,03
1,25
1,16
1,59
1,44
1,99
1,93
Fuente: Berrington et al (2010).
Debido a que los rangos de IMC utilizados para la obtención de los riesgos, no coincide con los
valores de entrada
cual posee
para
los
que se necesita
un buen
hombres.
en el modelo,
ajuste de la línea con
Posteriormente
se
se realiza
un ajuste
respecto a los datos:
hace
una
ponderación
polinómico
grado 3, el
96,3 % para mujeres y 98,4%
de
dichos
valores
según
lo
necesitado (Tabla 5.4) y posteriormente se multiplican por cada probabilidad de muerte según la
edad, obteniéndose
las tasas de muerte según
IMC, edad y sexo (Tabla 5.5).
Tabla 5.4: Ponderaciones de riesgo de muerte según
IMC | HR
Ponderación | HR
<18 | 1,98
18
1,79
19
1,63
20
1,51
21
1,42
22
1,36
23
1,33
24
1,32
25
1,34
26
1,38
27
1,44
28
1,52
29
1,62
30
1,74
31
1,87
32
2,01
33
2,16
34
2,32
35
2,48
>35 | 2,65
34,85
Fuente: Elaboración
0,057
0,051
0,047
0,043
0,041
0,039
0,038
0,038
0,038
0,040
0,041
0,044
0,047
0,050
0,054
0,058
0,062
0,066
0,071
0,076
1,00
Propia.
2,13
1,97
1,83
1,73
1,66
1,61
1,59
1,60
1,63
1,69
1,76
1,86
1,98
2,12
2,27
2,44
2,63
2,82
3,04
3,26
41,61
IMC y sexo del individuo.
Ponderación
0,051
0,047
0,044
0,042
0,040
0,039
0,038
0,038
0,039
0,041
0,042
0,045
0,048
0,051
0,055
0,059
0,063
0,068
0,073
0,078
1,00
28
Tabla 5.5: Datos de entrada,
Sexo
IMC
1 (<18
Hombre | 1 (<18)
probabilidades de muerte según
15-24
,
|25-34
,
|35-44
,
|45-54
,0001
IMC, edad y sexo año 2009.
|55-64
,
|65-74
,
1
|75-84
0,
0,00004 | 0,00006 | 0,00010 | 0,00020 | 0,00048 | 0,00120 | 0,00323 | 0,00960
0,00004 | 0,00006 | 0,00009 | 0,00019 | 0,00045 | 0,00112
,
1
,
,
,
1
,
,
|0,00301 | 0,00895
,
1
,
0,00001 | 0,00002 | 0,00004 | 0,00009 | 0,00023 | 0,00058 | 0,00189 | 0,00497
0,00004 | 0,00005 | 0,00008 | 0,00017 | 0,00041 | 0,00101 |0,00272 | 0,00808
Hombre
,
,
,
,
0,00001 | 0,00002 | 0,00003
,
,
,
,
,
,
|0,00009 | 0,00022 | 0,00054
,
,
,
,
|0,00177 | 0,00465
,
,
0,00004 | 0,00005 | 0,00008 | 0,00017 | 0,00039 | 0,00097 | 0,00263 | 0,00780
0,00004 | 0,00005 | 0,00008 | 0,00017 | 0,00040 | 0,00099 | 0,00268 | 0,00796
0,00001 | 0,00002 | 0,00004 | 0,00009 | 0,00023 | 0,00056 | 0,00184 | 0,00484
,
,
,
,
1
,
1
,
,
,
0,00001 | 0,00002 | 0,00004 | 0,00009 | 0,00024 | 0,00059 | 0,00192 | 0,00506
0,00004 | 0,00006 | 0,00009 | 0,00018 | 0,00043 | 0,00107 | 0,00290 | 0,00860
0,00002 | 0,00002 | 0,00004 | 0,00010 | 0,00027 | 0,00066 | 0,00216 | 0,00569
,
3
,
,
0,00005 | 0,00007 | 0,00011
,
,
,
,
[0,00022 | 0,00052 | 0,00129 | 0,00348 | 0,01033
0,00005 | 0,00007 | 0,00012 | 0,00023 | 0,00056 | 0,00138 | 0,00373 | 0,01108
0,00002 | 0,00003 | 0,00005 | 0,00013 | 0,00033 | 0,00082 | 0,00268 | 0,00704
,
,
,
1
,
,
,
1
,
1
,
1 1
0,00002 | 0,00003 | 0,00006 | 0,00014 | 0,00036 | 0,00088 | 0,00288 | 0,00757
,
,
,0001
,
,
¿001
,
,
,
,
,
,
,
,
0,00002 | 0,00003 | 0,00006
,
,
,
0,00007 | 0,00011 | 0,00017
uente:
1
|0,01281
,
|0,00016 | 0,00041 | 0,00102 | 0,00331 | 0,00871
,
,
,
|0,00034 | 0,00080 | 0,00199
,
,
|0,00535 | 0,01591
a
29
1
5.3.- Tasa de Aumento
Para
la obtención
de
Poblacional
esta tasa
se
usa
el número
de
nacidos
vivos
diferenciados
por
sexo,
entregado por el INE en el anuario del año 2009 (Equivalente a 252.240 nacidos, ver Tabla 5.6).
Luego
se
finalmente
calculan
usando
las
tasas
la ENS
de
aumento
2009-2010
se
poblacional
obtiene
con
respecto
la distribución
a
la población
de la población
en
total;
y
el primer
rango etario, dicho rango es el considerado para calcular la distribución de aumento poblacional
según
IMC (ver Tabla 5.7).
Tabla 5.6: Estadísticas vitales de la población.
Población Total 2009:
16.876.767
Nacidos vivos 2009:
252.240
Nacidos según sexo:
Tasas nacim. s/sexo
Fuente:
128.659
123.581
0,00762344 | 0,00732255
INE.
Tabla 5.7: Tasa de aumento
poblacional según
Mujer
|1(<18)
|7
Mujer
|2(18)
[18
Mujer
|3(19)
10
Mujer
|4(20)
|24
Mujer
|5(21)
[33
Mujer
|6(22)
[40
Mujer
|7(23)
|32
Mujer
[|8(24)
[40
Mujer
|9(25)
[34
Mujer
|10(26)
|36
Mujer | 11 (27)
|20
Mujer
|12(28)
[15
Mujer
|13(29)
|20
Mujer
[14(30)
|10
Mujer
|15(31)
|11
Mujer
|16(32)
|11
Mujer |17 (33)
|6
Mujer
|18(34) | 12
Mujer
|19(35)
|4
Mujer
|20(>35) | 12
Total:
401
0,0175|
0,0449|
0,0249|
0,0599|
0,0823|
0,0998|
0,0798|
0,0998|
0,0848|
0,0898|
0,0648|
0,0374|
0,0499|
0,0249|
0,0274|
0,0274|
0,0150|
0,0299|
0,0100|
0,0299|
1
Fuente:
Elaboración Propia.
IMC y sexo estimada
para el año 2009.
0,00013|Hombre | 1 (<18)
|1
0,00033| Hombre | 2 (18)
|8
0,00018| Hombre [3 (19)
[14
0,00044 | Hombre | 4 (20)
[15
0,00060| Hombre [5(21)
[33
0,00073| Hombre |6 (22)
[28
0,00058 | Hombre [7 (23)
|29
0,00073| Hombre | 8 (24)
[28
0,00062| Hombre | 9 (25)
[34
0,00066| Hombre | 10 (26)
|24
0,00047| Hombre | 11 (27)
|20
0,00027| Hombre | 12 (28) | 18
0,00037 | Hombre | 13 (29)
|16
0,00018| Hombre | 14 (30)
|12
0,00020| Hombre | 15 (31)
|9
0,00020| Hombre | 16 (32)
|6
0,00011|Hombre | 17 (33)
|3
0,00022| Hombre | 18 (34)
[3
0,00007 | Hombre | 19 (35)
|2
0,00022 | Hombre | 20 (>35) | 9
0,0073| Total:
312
0,0032
0,0256
0,0449
0,0481
0,1058
0,0897
0,0929
0,0897
0,1090
0,0769
0,0641
0,0577
0,0513
0,0385
0,0288
0,0192
0,0096
0,0096
0,0064
0,0288
1
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,00002
0,00020
0,00034
0,00037
0,00081
0,00068
0,00071
0,00068
0,00083
0,00059
0,00049
0,00044
0,00039
0,00029
0,00022
0,00015
0,00007
0,00007
0,00005
0,00022
0,0076
5.4.- Población
Para obtener
Inicial
la distribución de la población
del año 2009-2010,
factor
usado
estimada
en
chilena según
IMC,
sexo y edad,
se utiliza la ENS
considerando el factor de expansión asociado al IMC, el cual corresponde al
el formulario
2
(fexp2).
Este
resultado
se
ajustó
respecto
a
la
población
para el año 2009.
Tabla 5.8: Población inicial año 2009 según
IMC, edad y sexo.
1 (<18
1 (<18
46.344 |
Hombre
31.864
1.190
173.870|
164.002|
30.594|
50.731|
36.476
56.035
129.626|
74.775|
51.128
126.353 | 121.203 | 147.082|
61.805|
43.098|
101.866
80.261|
69.990
117.632|
61.443
1
76.744 | 121.073|
¿1
37.381
29.921
32.725
31
7.688
Mujer
20 (>35)|37.717
Hombre | 20 (>35)|20.332
Fuente: Elaboración
17.418
|74.241
|15.454
|12.456
[108.330
[54.824
entre variables
de estados
Existen
de transiciones
utilizadas
tipos
siguiente rango etario y el movimiento
Considerando
asume
que
la
en
|24.835 | 1.941
2.078
|123.210|71.069 | 18.352
[32.468
|12.986
[14.991
|0
[5.091
|0
Propia
5.5.-Transiciones
dos
|16.747
|96.407
|25.429
escasa
un
año
el modelo:
las transiciones
poblacional en el mismo
disponibilidad
la variación
en
de
de
datos
IMC
(ENS
puede
en el
rango etario.
2009-2010
variar
que derivan
y
a lo más
ENCA
en
2010-2011),
una
unidad
se
(kg/m?),
supuesto razonable, ya que esta variación por año representa un incremento anual promedio de
2,89 kilos y más
(5,78 kilos en el peor de los casos),
alcanza 1,70 metros
Además
para
en la talla del chileno medio que
(ENS 2009-2010).
se ha establecido
un rango
basado
etario dado,
como
supuesto
obteniéndose
que
las proporciones
6 constantes:
(B's), y 3 de traspaso en el mismo rango (9's) tal como
que
3 de traspaso
se usarán
serán
válidas
al siguiente nivel etario
los muestra la Figura 5.1:
Figura 5.1: Gráfica transiciones según edad y sexo.
2.2
hier tx
/eq
YN
La
a
Edad
N
zn
Sexo
Fuente: Elaboración Propia
32
En donde:
>
Bak: siguiente rango etario disminuyendo de IMC, edad j y sexo k.
”
Bas: siguiente rango etario manteniendo
de IMC, edad j y sexo k.
>”
Bajy: siguiente rango etario aumentando
de IMC, edad j y sexo k.
+
Ox
+
Oy: mismo
rango etario aumentando
de IMC, edad j y sexo k.
+
Ozy: mismo
rango etario manteniendo
de IMC, edadj y sexo k.
+
Kiki Tasa de muerte de un individuo con IMC ¡, edad j y sexo k.
mismo
rango etario disminuyendo de IMC, edad j y sexo k.
El cálculo de la tasas de transición
para
el cual no existen
donde
se
ha
datos
supuesto
dos
relación
a
presenta el desafío de resolver un sistema de ecuaciones,
disponibles.
Por eso,
poblaciones:
las
una
encuestas
de
se considera
10
un método
mil hombres
poblacionales
y otra
utilizadas.
Se
de calibración en
de
10
realizó
mil mujeres,
distribuidas
en
un
sistema
de
ecuaciones
que minimice el error cuadrático existente entre: los valores estimados con respecto
al valor “correcto”, entregado a través de los dos puntos considerados (ENS 2009-2010 y ENCA
2010-2011).
Para
su resolución
se usó el complemento
de Excel
llamado
Solver,
que entrega
soluciones factibles que minimizan el error cuadrático Las soluciones encontradas por el método
de resolución de Solver pueden
usaron
10
puntos
variar según
de inicio distintos,
con
el punto de partida que se use, por esta razón se
valores aleatorios
definido por los límites que tienes las tasas de aumento,
una
población
dada.
Cada
escenario
posee
entre O y 1 para
mantención
9 instancias,
donde
cada
y disminución
una
minimiza
escenario
del IMC de
el error
total
obtenido y las otras 8 minimiza el error por cada rango etario considerado.
5.5.1.-Escenarios
Los escenarios considerados son definidos como sigue:
-Escenario
1:
Estará
dado
por
2:
Tendrá
como
el valor
máximo
y
mínimo
que
se
encontró
de
la revisión
una
desviación
bibliográfica.
-Escenario
cota
superior
el promedio
estándar y como cota inferior el promedio menos
de
los
una desviación
valores
más
estándar.
-Escenario 3: Su cota superior será el promedio de los valores más dos desviaciones estándar y
como
inferior el promedio
los valores negativos
menos
dos desviaciones estándar.
Cabe
destacar que
en este caso
se consideraran como cero, ya que las tasas son no negativas.
33
Los
tres
escenarios
porcentaje
de
la
considerados
población
que
se
deben
aumenta,
a
la
disminuye
literatura
o
disponible,
mantiene
su
donde
IMC,
estudian
dicha
el
revisión
bibliográfica se muestra a continuación resumida en las siguientes tablas según sexo:
Tabla 5.9: Revisión
bibliográfica de variación de IMC en los hombres.
peso 4
peso 5
peso s
4
5
normal s
7
8
sobrepeso
epeso
epeso
sobrepeso
epeso
epeso
epeso
,
4
5
;
;
s
y
0
0,360
0,088
4
5
obeso 5
7
8
obeso :0
Fuente: Elaboración
Propia.
* Power C. et al (1997).
? Orpana H. M. et al (2007).
* Booth H. et al (2012).
7 Laitinen J. et al (2001).
$ Fildes A. et al (2015).
? Srinivasan S. R. et al (1996)
19 Juonala M. (2006).
34
Tabla 5.10: Revisión
peso 4
peso 5
peso ;
normal 4
,
,
,
0,045
5
,
,
,
0,596
>
normal $
normal >
>
0,429
,
,
4
;
e
7
s
y
0
,
!
y
0,359
,
0,255
8
sobrepeso
sobrepeso
epeso
epeso
sobrepeso
epeso
epeso
obeso 4
bibliográfica de variación de IMC en las mujeres.
0,316
,
0,009
0,130
0,323
,
,
,
5
obeso 5
obeso ;
8
obeso :0
Fuente: Elaboración
Propia.
* Power C. et al (1997).
? Orpana H. M. et al (2007).
* Booth H. et al (2012).
7 Laitinen J. et al (2001).
$ Fildes A. et al (2015).
? Srinivasan S. R. et al (1996)
19 Juonala M. (2006).
A
continuación
se
muestra
estudios considerados
una
tabla
resumen,
en las variaciones de IMC
seguimiento,
el tamaño de la muestra considerada,
mencionado
en la misma
donde
se
presenta
las características
(Tablas anteriores) como:
de
los
el país, los años de
etc. En cada revisión se puede ver su anexo
tabla.
35
Tabla 5.11: Revisión
bibliográfica de variaciones de IMC, características y su anexo
correspondiente.
PL de
4
Power [E GH|1997 | UK.
C. et al.
cohorte
5
Orpana
[penal
1
[2007|canadá :
PL
|Booth
y
(2012 luk
|Laitinen|
£-
|2001|Fintandia |PL 1966
|Fildes
L—|2015|UK.
6
H. et al.
7
et al.
g
9
10
A. et al.
Sriniva
Isanet |
al.
Jounala
M. et
al
|
5700
|. 10
-
1958
años
[ips
Datos de | 12
cohorte | años
|?!
años
PL
9
|PL
12-14
PL
91
cohorte | años
-
|1o06|EEuU
-
2006 | Finlandia
5512 | 11212 | 33
-
8051 | 35
30519 | 27481 | 67000 | 43
3404 |
2878 |
6280 |
31
149788 | 129194 | 278082 | 52
cohorte | años
cohorte | años
-
-
-
-
783 | 29
2260
32
Fuente: Elaboración Propia.
PL: Prospectiva longitudinal.
NPHS: Encuesta Nacional de Salud de la Población.
Finalmente,
muestran
Tabla
los
resultados
obtenidos
por
cada
escenario
con
sus
valores
respectivos
se
a continuación:
5.12:
Cálculos
min
de los escenarios considerados.
Xin
max
|Xmax
0,7839
0,5926|
0,7665|
0,7075
0,5818|
0,8908
min
Xorom = O
0,2395
0,1063|
0,3565|
0,2359
0,1346|
0,3469
:
max
| Xprom +0
0,5705
0,4167|
0,6913|
0,5425
0,4257|
0,6970
a
min
Xorom- 20
0,0740|
-0,0489|
0,1892|
0,0826|
-0,0109|
0,1718
max
| Xprom + 20
0,7360
0,5720|
0,8587|
0,6957
0,5712|
0,8720
Fuente: Elaboración propia
36
Cabe destacar que los valores
siendo modificados usando
negativos
en los valores mínimos
no han sido considerados,
el valor mínimo existente en el análisis que corresponda.
5.5.2.- Restricciones adicionales
Una vez considerado los límites de las tasas de transición entre las variables de estado, bajo los
supuestos
considerados,
se
incorporan
las
siguientes
restricciones
para
las
soluciones
del
sistema de ecuaciones:
1)
La
suma
de
todas
las
salidas,
es
decir,
los
f's,
los 9's
más
la probabilidad
de
muerte
considerada en dicho año es 1.
2) Las tasas están condicionadas
de acuerdo a cada escenario
a las cotas superiores e inferiores obtenidas en la literatura,
como
se mostró anteriormente
(Tabla 5.12).
Los valores de esta
tabla serán las cotas consideradas para los U's.
3) Se ha restringido la suma de los betas, considerando el porcentaje promedio de la población
que
se encuentra
en
el extremo
superior
de su rango
individuos pasaran al siguiente rango etario (ver Tabla
etario,
es decir, se supone
que dichos
5.13).
A continuación se muestra el cálculo para la tercera restricción, aquí se considera la proporción
de
personas
que
pasa
al siguiente
rango
etario,
según
IMC,
categoría
de
edad
y sexo.
Se
calcula el número de personas que se encuentra en la cota superior del rango, es decir, para el
primer rango [15-24),
consideramos
las personas que tienen 24 años según la ENS 2009-2010
(encuesta base), y se calcula su proporción de acuerdo al IMC y al rango etario en el que se
encuentre, y se obtiene un promedio en esa edad, que será utilizado en la tabla siguiente.
37
Tabla 5.13: Porcentaje promedio de personas que pasaran al siguiente rango etario según
rango etario y sexo.
15-24
F
EF
F
M
M
M
E
F
E
< =|=|MnmnZ
==
mim
M
M
Fuente: Elaboración
Propia.
En la siguiente tabla se restringe las tasas de traspaso al siguiente rango etario, distribuidas de
acuerdo
a
la
proporción
de
aumento,
disminución
o
mantención
según
cada
escenario
considerado:
38
Tabla 5.14: Limites de los valores de traspaso al siguiente rango etario (fB) según cada
escenario.
Escenario
min
[0,006
max [| 0,082
min [| 0,
max [| 0,
min
[0,004
max
min [ 0,
0,033 | 0,031
0,125 |0,100
max [| 0,043
0,066 | 0,052
,
0,021
Escenario 2
Escenario 3
0,019 | 0,049 | 0,033
0,060 | 0,098 | 0,076
0,006 | 0,024 | 0,012
0,080 | 0,123| 0,098
,
,
0,020
0,012 | 0,031 | 0,021
0,032 | 0,052 | 0,040
,
,
[0,019
,
,
0,012 | 0,031 | 0,021
,
,
1
,
0,004 | 0,016 | 0,007
,
,
0,042 | 0,065 | 0,052
,
0,004
,
,
0,015 | 0,007
0,048
de las tasas
A continuación se muestra el error promedio,
complemento
,
,
errores de estimación
y sexo, mostrando
,
,
min [| 0,
,
max [| O,
min [| 0,004 0,020
max
min
max
min
max
min
max
min
max
min
max
64
min
max
74
min
0,044
max
84
min
max [| O,
Fuente: Elaboración Propia
5.5.3.- Calculo
1
máximo
y mínimo obtenido según cada escenario,
el error porcentual de la solución del sistema de ecuaciones, entregado por
Solver de Excel utilizado.
39
Tabla 5.15: % de error de la estimación de las tasas según cada escenario.
masculino
escenario 1
escenario 2
escenario 3
uente:
% Error
,
,
,
femenino
% Error
,
3,18%
,
3,18%
,
3,19%
masculino
% Error
z
,
4,92%
,
4,92%
,
4,92%
femenino
,
,
% Error
masculino
,
483,079
,
483,053
% Error
femenino
% Error
aci
opia
4,83
,
,9041
,
483,1436
,
,
Con los resultados obtenidos en cada escenario, es posible cargar al modelo todos los valores
iniciales y parámetros
requeridos por el modelo.
40
CAPITULO VI: PROGRAMACION
DEL MODELO
Y DESARROLLO
conjunto
el
DE LA HERRAMIENTA.
6.1. Introducción
La
programación
considera
software
del
modelo
dos grandes
PowerSim
el sistema
de
en
bloques:
con
desarrollo
de
la herramienta
de
gestión,
¡) la programación de las ecuaciones diferenciales utilizando el
Studio 2009, el cual permite la fácil programación del modelo representando
ecuaciones
diferenciales
de
forma
gráfica
y el uso de métodos
numéricos
de
integración; ¡¡¡) el desarrollo de una interfaz que permita el manejo del programa para un usuario
cualquiera,
software
y
permita
la interacción
Microsoft Excel
2010,
para
con
las planillas
de cálculos,
la lectura de los parámetros
en
particular,
y condiciones
utilizando
el
de entrada
y
escritura de los resultados.
6.2. Programación
en Powersim Studio 2009
Al iniciar el programa
donde se observan
Powersim Studio 2009, aparece una pantalla inicial de trabajo (Figura 6.1),
sus componentes
fundamentales.
Figura 6.1: Pantalla de Trabajo Powersim Studio 2009.
3 SS Componente 1
«12 Gooal Ranges
Ventana
e,
¿26 Gobal Units
de
Barra de
Herramientas
Proyecto
Barras de
[==»>
4
[M4
Desplazamientos
LD 5 Diagrama 1 (E) Dizgrama 23 Diacrama 3 /
=
e
4
=
T
9
paa
ar
CIMA
¡Ev i 8019
¿8 All commercial use probibited
Fuente: PowerSim
»
3 1610
0
Studio 2009.
41
Si se activa la Ventana de Proyecto, esta aparecerá en la parte izquierda de la pantalla principal
(por defecto).
En ella se muestra todo el contenido del proyecto que se encuentra abierto como
una estructura de árbol. Permite la organización de la simulación del proyecto. Permite de forma
inmediata e intuitiva el control sobre
los componentes
En esta ventana
se tienen los siguientes componentes:
e
Compartidos
Diagramas
lado
derecho
de
simulación.
diagramas
modelo
1:
la
Los
pantalla,
diferentes
presentación,
como
los
diagramas
compartidos
crear
estructuras
enlaces,
controles,
y
rangos y conjuntos de datos.
doble click en este símbolo,
todos
diagramas
permiten
de
al hacer
del modelo,
son
de
los
marcos,
los
enlaces.
componen
Diagramas
modelos
flujos.
que
Para
todas
proyecto
las
de
Estos
variables
del
objetos
de
ver y utilizar el modelo
del
pueden
poder
el
en el
Constructores.
utilizando
También
se mostrarán,
contener
índice de masa corporal de la población es necesario situarse en este botón.
+
Ecuaciones“:
simulación.
este
componente
La “Vista Ecuaciones”
definiciones,
dimensiones
y
contiene
la
implementación
ofrece un completo acceso
valores
de
cada
una
de
estas
actual
del
modelo
de
a todas las variables y las
variables
en
el
modelo.
Haciendo doble clic en la entrada se abre la “Vista Ecuaciones”, o haciendo clic derecho y
seleccionando
ver en el menú
contextual.
En la barra de herramientas se encuentran
control sobre la simulación del modelo.
Figura 6.2: Comandos
de simulación,
Los más utilizados se muestran
de simulación de Powersim
Reestablecer
y4d
los comandos
los cuales permiten el
en la Figura 6.2.
Studio 9.
la simulación.
Permite reiniciar la simulación.
Play
Permite iniciar la simulación del proyecto.
>
También
permite
detener
la
simulación,
presionando
nuevamente
el
botón. Cuando el botón está oprimido la simulación se está ejecutando.
Progreso de la Simulación
dl
Fuente: PowerSim
de un paso
Permite avanzar en la simulación de paso a paso.
Studio 2009.
42
La barra
de desplazamiento vertical permite moverse
la pantalla.
La barra
de desplazamiento
horizontal
en sentido ascendente y descendente
permite
moverse
de
izquierda
en
a derecha
y
4
viceversa.
Figura 6.3: Barra de Selección de Pantallas
Fuente:
Como
PowerSim
se
opciones,
l
Il
|
J
Studio 2009.
puede
una
TU
Pob f
I
| B
A
WE
Ll
modelo ¿> pee AZ na
;
opl m4 [+]5
observar
pestaña
una
en
llamada
segunda
la figura
6.4),
pestaña
padres
en
denota
la influencia de la sociedad
general
en
donde
se ve
“modelo”
(figura
la dinámica
anterior,
llamada
“Padres”,
(figura 6.5)
el
menú
del
la dinámica
donde
se
, una tercera pestaña
programa
se
presentan
completa
de
la población
muestra
la influencia
llamada “Mercado”
de
los
donde se
en los adultos y la interacción entre ellos (figura 6.6) y por
último la pestalla “Pob” donde se observa variados gráficos con la proyección de la obesidad de
la población, según edad y genero.
En
estas
pantallas
caracterización
(Sterman
J,
se
presenta
propuesta
2000;
Tarride
por
la
et al,
deferenciado por: edad, sexo e IMC.
y de forma
vertical aumenta
en
la
modelación
dinamica
2010).
de
Aquí
del
sistema
sistema
cada
caja
de
ecuaciones
denomina
representa
diagrama
una
utilizando
de
varible
la
Forrester
de
estado
De forma horizontal incrementa el rango etario considerado
una unidad
el IMC del individuo.
Cada
variable de nivel es un
vector bidimensional del sexo del individuo (mujer y hombre).
43
Figura 6.4: Diagrama
Forrester del modelamiento
IMC.
EDAD (25-34)
AÑOS
p [
el /L
ic
Fuente:
En
la figura 6.4 se observa
del
Ebo.
SAO
Elaboración propia.
poblacion de indice ¡=1
sexo
|
individuo
tanto la global,
(IMC
la variable de estado
<18),
(mujer,hombre).
como
la de contagio
bidimensional
indice j=10(edad
Aquí
se
muestran
25-34)
todas
| 1-10,
la cual caracteriza
a la
y la bidimensionalidad dada por el
las tasas
de traspaso
asociadas,
social y la tasa de muerte que la caracteriza.
Esto se ve
replicado 20 veces hacia abajo (aumento de IMC), y 16 veces hacia el lado (aumento en el rago
etario).
Figura 6.5: Diagrama
Forrester del modelamiento
de la influencia de los padres en los niños.
AMY
Fuente:
Elaboración propia
44
En
la figura 6.5 se observa el contagio social asociado a
niños,
considerando
aumento
de
peso
que
de
si
él.
los
Asi
padres
mismo
poseen
en
mayor
el caso
de
la influencia de los padres sobre los
IMC
tener
que
el
niño,
menor
IMC,
influenciará
en
el
influenciarán
en
la
disminución de su peso.
A continuación
que
poseen
se observa
mayor
IMC
el contagio
social en
que el adulto analizado,
los adultos,
considerando
que
influenciarán en el aumento
los individuos
de peso de él. O
bien en el caso contrario, los individuos que poseen menor peso influenciarán en la disminución
del peso del individuo correspondiente.
Figura 6.6.: Diagrama
IMNT 1-9(
Forrester del modelamiento
del contagio social entre los adultos.
PE
macro
ls
ImnT20Í
PA
ha
7
e
IMET294_
MET
0d
Ar
EN
so
IMET39 t
Fuente: Elaboración propia
.
Presentación
proyecto 3:
resultados del proyecto,
IMC
de los individuos.
con
este
botón
puede
acceder
a
la
presentación
a través de diversos gráficos dependientes de la edad,
La presentación
del programa
de
los
sexo e
en la que se muestra en la figura
6.7.
45
Figura 6.7: Pantalla de inicio del sistema
A
Proyeccción
Población Total
EROS EME
Proyeccción
Población Edad-Sexo
Edad
Según Edad
15-24
años
Edad
Según sexo
25-34
años
Edad
Tota!
35-44
años
Edad 45-54
años
Edad
55-64
años
Edad
65-74
años
Edad 75-84
años
Edad 85 o
más años
Fuente:
Elaboración Propia.
A continuación se presentan
los submenús
de la pantalla de inicio del sistema:
.
a
“Modelo”
Modelo:
al
observado
ingresar
en
la Figura
la
opción
6.4,
donde
se
el
puede
sistema
presenta
observar
el modelo
el
modelo
global
del
completo
Índice
de
masa corporal de la población.
.
Proyección
población total: aquí se presenta
los gráficos asociados considerando a toda
la población sin diferencia etaria, tanto por sexo como el total generalizado.
.
Proyección
población
Edad-Sexo:
aquí
se
presenta
los
gráficos
de
la
población
diferenciados según su edad en 8 categorías.
6.3. Ingreso y Salida de Información
Al
abrir
el archivo
correspondiente
al modelo
que
muestra
la dinámica
del
Índice
de
masa
corporal en Chile en el software Powersim Studio 9, automáticamente se abrirá la aplicación en
Excel 2010,
llamada
“BD” (Figura 6.8).
46
Figura 6.8: Excel
Fuente:
ado al abrir Powersim.
Elaboración propia
A continuación se muestra la salida del modelo,
llamado
a través de la pestaña “Output” del mismo
“DB”.
Figura 6.9: Salida de datos en Excel del programa
3
2003
2004
2005
=
2006
F
2007
a
2008
H
2009
1
2010
Powersim
studio 9.
1
2011
K
20
1
Fab ida
hatek=d ] output
2013
nl
2014
4
2015
a
2016
»
2017
a
2018
E
2019
n=
8
11-9[ Mier]
TO
LB Meer
1-2! lombrel
18 MU er
1 59! lombre]
120 Mon
12 a 4cmbrr]
13 0/ML>
150]
15-9/Mu;20]
159 Hu nloel
Les Me
1 4-3! lombrel
13-91 MU er
13-91 lombre]
10 9/Mu2n
10 apdembrr]
E
ela [x[3 05 ]e es
la fafs[s]1 Jeje «
a amlalo
lis
A
Excel
Fuente:
arica Dorcertual
Elaboración Propia
En la columna
“A”, se muestra el vector generado,
l ¡-j[sexo], con IMC ¡ y edad j¡.
47
CAPITULO VII: VALIDACION
DE MODELO
7.1. Introducción
Una
vez
realizada
principal supuesto
IMC
la programación,
que dada
-proporcionales
práctica,
a
se fija el año 2003 como
2003
de transición
estimados.
a validar
el modelo
el cual
considera
como
se
mantienen
constantes
base para la comparación
a
lo largo
del
y se compara
tiempo.
En
la
con los resultados
La obtención de los parámetros para el año 2003 — a excepción de
estimados
Además
procede
una población de sexo y edad definida, sus tasas de transición de
la población-
estimados para el año 2009.
los tasa
se
anteriormente-
se usó el anuario
2003
se utilizan la ENS
del
2003,
Instituto Nacional
de
y los datos
Estadísticas
del año
(INE),
para la obtención de las tasas de mortalidad y aumento poblacional. A continuación el detalle de
los cálculos realizados y los resultados
7.2.- Calculo
obtenidos.
Tasa de Mortalidad
Para el cálculo de la mortalidad se ocupó las tablas de defunciones por sexo y edad entre O y 85
o más
años,
obtenidas del INE, anuario 2003. Además
se consideró la población total existente,
de acuerdo a las proyecciones demográficas por sexo y grupos etario del mismo
Estos
tabla
datos
7.1
en
agrupados
la columna
según
los rangos
“Defunciones”
etarios usados
y “Población
en el modelo,
total”.
probabilidades de muerte según edad y sexo, que se observan
Con
estos
año.
se ven reflejados en la
valores
en la misma
se
obtiene
las
tabla.
48
Tabla 7.1: Probabilidad de muerte según edad y sexo del individuo año 2003.
Defunciones
0-4
5-9
10-14
15-24
25-34
35-44
45-54
1.279
352
1.250
1.808
2.712
4.120
6.821
Población
1.052|
216|
365 |
543 |
1.211|
2.356|
4.168|
629.458|
1.443.038
1.347.732
1.230.561
1.226.640
887.204|
568.393|
|
|
|
|
total
Probabilidad
603.325
1.385.767
1.308.912
1.219.023
1.235.858
914.592
622.341
muerte
0,0020
0,0002
0,0009
0,0015
0,0022
0,0046
0,0120
0,0017
0,0002
0,0003
0,0004
0,0010
0,0026
0,0067
55-64
10.226
7.146|
332.800|
415.344
0,0307
0,0172
65-74
10.933|
10.618|
149.011|
209.097
0,0734
0,0508
75-84
5.981|
10.515
27.563
81.177
0,2170
0,1295
85 o mas
1.279
1.052|
629.458|
603.325
0,0020
0,0017
Fuente: INE, estadísticas vitales, 2002 y proyección actualizada de la población INE.
Para
la
distribución
de
las
probabilidades
ponderaciones del riesgo de muerte según
de
calibración.
Posteriormente
etario, obteniéndose
Hombre
muerte
según
multiplican
por
las probabilidades
25-34
se
usan
las
mismas
|35-44
de
muerte
según
rango
reflejados en la siguiente tabla:
probabilidades de muerte según
15-24
1 (<18)|0,
1 (<18
0,00001
0,00004
IMC,
IMC de Berrington et al (2010), usadas en el capítulo
los datos de entrada del modelo
Tabla 7.2: Datos de entrada,
Sexo
se
de
IMC, edad y sexo año 2003.
|45-54
,0001
|55-64
,
|65-74
,
75-84
850+
,
0,00002
0,00007
0,00005
0,00010
0,00013
0,00022
0,00034
0,00057
0,00088
0,00145
0,00260
0,00347
0,00664
0,01026
0,00004
,
1
0,00006
0,00010
0,00020
,00011
0,00053
0,00135
0,00323
0,00956
0,00001
0,00002
0,00004
0,00010
0,00027
0,00070
0,00207
0,00527
0,00004
0,00006
0,00009
0,00018
0,00046
0,00119
0,00284
0,00840
0,00192
0,00490
0,00287
0,00850
1
,
,
,
0,00001
0,00002
0,00004
,
0,00010
,
0,00004
0,00006
1
0,00009
,
0,00025
,
0,00018
,0001
0,00047
,
,
,
0,00065
,
0,00120
,00011
49
Hombre
12
0,00004 | 0,00007 | 0,00010 | 0,00021 | 0,00054 | 0,00137 | 0,00328 | 0,00971
0,00004
0,00007 | 0,00011 | 0,00022 | 0,00057 | 0,00146 | 0,00349 | 0,01032
,
,
,
,
,
,
,
,
0,00001 | 0,00002 | 0,00005 | 0,00014 | 0,00036 | 0,00092 | 0,00272 | 0,00694
,
,
0,00005
,
,
,
,
20
Hombre | 20
Fuente:
ación Propia
de Aumento
Se usa el número
del año
aumento
2003
,
,
,
,
,
,
,
,
,
,
,
,
1
,
,
1 1
>
,
,
0,01273
,
0,00088 | 0,00224 | 0,00535 | 0,01583
,
,
3
,
Poblacional
de nacidos vivos diferenciados
(Equivalente
poblacional
3
0,00009 | 0,00013 | 0,00027 | 0,00070 | 0,00180 | 0,00430
0,00007 | 0,00011 | 0,00016
7.3.- Tasa
,
con
a 234.486
respecto
nacidos,
ver Tabla
a la población
obtiene la distribución de la población
para calcular la distribución de aumento
por sexo,
entregado
7.3).
total;
Luego
y finalmente
por el INE en el anuario
se calculan
usando
las tasas de
la ENS
2003
se
en el primer rango etario, dicho rango es el considerado
poblacional según
IMC (ver Tabla 7.4).
Tabla 7.3: Estadísticas vitales de la población.
Población Total 2003:
15.837.836
Nacidos vivos 2003:
234.486
Nacidos según sexo:
119.963
114.523
Tasas nacim. s/sexo
0,0076
0,0072
Fuente:
INE.
Tabla 7.4: Tasa de aumento
1 (<18
2 (18
3 (19)
4 (20
5 (21
6 (22
7 (23
poblacional según
0,0051
0,0253
0,0202
0,0404
0,0960
0,1566
0,1414
0,0002
0,0007
,0011
IMC y sexo.
Hombre
Hombre
Hombre
Hombre
Hombre
Hombre
Hombre
1 (<18
2 (18
3 (19)
4 (20
5 (21
6 (22
7 (23
50
Mujer] 8 (24)
Mujer| 9(25)
Mujer| 10 (26)
Mujer| 11(27)
Mujer| 12 (28)
Mujer| 13 (29)
Mujer| 14 (30)
Mujer| 15 (31)
Mujer| 16(32)
Mujer| 17 (33)
Mujer| 18 (34)
Mujer| 19(35)
Mujer[20(>35)|
Total:
17
[| 22
| 15
| 6
| 8
| 11
| 5
| 6
| 4
| 2
| 2
| 1
3
198
Fuente: Elaboración
7.4.- Población
Para obtener
del
año
factor
2003,
usado
|0,0859|
[o,/1111|
[o0,0758|
[0,/0303|
[0,0404|
[oj0556|
[0,0253|
[0,0303|
[0,0202|
[o,o101|
[ojo101|
[0,0051|
[0,0152|
7
0,0006
0,0008
0,0005
0,0002
0,0003
0,0004
0,0002
0,0002
0,0001
0,0001
0,0001
0,0000
0,0001
0,0072 |
|Hombre] 8 (24)
22
|0,1095|
|Hombre| 9(25)
25 [o 1244|
|Hombre| 10(26) | 15
[o0,0746|
|Hombre| 11 (27)
5
[0,0249|
|Hombre| 12 (28)
7
[0,0348]
|Hombre| 13(29) | 10
[oj0498|
|Hombre| 14 (30)
3
[ojo0149|
|Hombre| 15 (31)
8
[0,0398]
|Hombre| 16 (32)
2
[o,0100|
|[|Hombre| 17 (33)
3
[o.o149|
[Hombre| 18 (34)
2
[ojo100|
|Hombre| 19(35)
1
—[o0,0050|
|Hombre|20(>35)|
1
[0,0050|
Total:
201
7
0,0008
0,0009
0,0006
0,0002
0,0003
0,0004
0,0001
0,0003
0,0001
0,0001
0,0001
0,0000
0,0000
0,0076
Propia.
inicial
la distribución de la población
considerando
en
el formulario
el factor
de
chilena según
expansión
2 (fact_af2).
Este
IMC,
asociado
resultado
se
sexo y edad,
al IMC,
ajustó
se utiliza la ENS
el cual corresponde
respecto
al
a la población
considerada para el año 2003.
Tabla 7.5: Población inicial año 2003 según
Hombr
1 (<18)|
|1(<18)|
E)
19.643 | 3.936 |
3.870 | 10.634
IMC, edad y sexo.
12
19.228
0
20.258 | 25.186 | 6.071
1.
10.
197
1.524
1.231
725
475
1.521
196.37 | 48.742 | 32.622 | 22.341
14
7.484
4.184
883
3.287 | 12.108 | 1.096
150.61 | 146.627 | 111.172 | 93.024 | 40.816 | 25.516 |
890
9.503 | 12.383
111.50 | 88.048 | 106.131 | 72.693 | 43.994 | 29.745 | 17.272 | 947
119.01
.
94.4
.
1
.
.
3.704
51
42.208 | 60.581 | 132.375 | 143.231 | 42.684 | 25.697 |
1.019 | 2.871
36.098 | 115.764 | 87.687 | 113.133 | 53.433 | 32.163 | 20.522 | 2.008
34.963 | 75.961 | 54.379 | 57.698 | 54.880 | 33.727 | 10.215 | 2.088
8.634 | 63.977 | 90.672 | 14.941 | 24.362 | 30.365 | 16.038
17.
2.968
20
8.520 | 23.237 | 25.285 |
1.
.
.
8.700
.
0
.51
11.897 | 64.998 | 111.004 | 89.161 | 72.838 | 34.501 | 9.247
Fuente: Elaboración
Propia
7.5.- Calculo Proyección
Usando
estos datos como entrada del modelo y además
capítulo de calibración,
incorporando las tasas calculadas en el
se obtienen los siguientes errores según cada escenario e instancia que
se evalúa.
En la tabla 7.6 se puede observar los errores obtenidos de la proyección,
2009;
para
estimación
la obtención
de
del error se compara
parámetros)
con
el valor
el año
proyectado
2009
en
ese
(Población
mismo
año.
desde el año 2003 al
inicial considera
Se
en
consideraron
la
los
errores generados con todos los datos de la encuesta y a su vez sin considerar los datos nulos.
52
AjoO|O|Bajw|in|=|O
Tabla 7.6: Errores generados en la proyección 2003-2009,
4,2340% |
3,8994% |
[| 3,8918% |
,
,
,
,
,
,
,
,
,
,
,
3,8996%
,
4,2883%
4,2222%
,
;
4,2041%
;
1
4,2818%
,
,
8
[| 4,2260%
,
4,2302%
Máximo
Mínimo
Promedio
4,2902%
con y sin datos nulos.
,
3,8920% || 4,2800%
,
:
3,8994%
;
uente:
a.
Se puede observar que existe una variación pequeña en el porcentaje de error, entre considerar
o no
los datos
máximo
es
en
nulos
el
de
las encuestas.
escenario
3.
Además
El menor
se
error
observa
generado
que
las
es en
el escenario
soluciones
encontradas
2 y el
en
el
escenario 2 varían muy poco, ya que se obtiene el casi el mismo % de error en las instancias de
este escenario, en relación por ejemplo al escenario 1.
En
la figura
(Encuesta
7.1
se puede
2009-2010)
observar
y el valor
la distribución
pronosticado
por
de la población,
el modelo,
de
de acuerdo
acuerdo
al valor base
a cada
escenario
considerado y a las categorías de IMC establecidas por la OMS.
53
categorías de
el real de acuerdo a cada escenario y
v/s
do
stica
prono
valor
ca
Gráfi
7.1:
a
Figur
IMC.
—
% Población
—
40,00%
35,00%
1% Escenario 1-2009
m% Escenario 2-2009
E
30,00%
25,00%
m % Escenario 3-2009
O
1% Base 2002
20,00%
15,00%
10,00%
5,00%
0,00%
Bajo peso — yormal
Sobrepeso
Obesidau |
Obesidad
'
Figura: Elaboración Propia.
Se
que
observa
escenarios
las tasas
evaluados,
US adas
en
el modelo
tienen
error
inferior
al 5%
en todos
los
la
ana a la realidad chilena, pese a
lo cual permite una proyección cerc
2 como el
. Se considera el escenari o número
su evaluación
escasa disponibilidad de datos para
, ya que posee
mejor para realizar una proyección
consideradas
un
el menor
error
en
todas
las instancias
CAPITULO VIII: RESULTADO
En
2010
este capítulo se muestran
DE PROYECCIONES
las proyecciones
realizadas de las prevalencias,
hasta el año 2030 en intervalos de 5 años.
las categorías
prevalencia
obesidad
de
establecidas por la OMS,
sobrepeso,
mórbida
obesidad
respectivamente;
AÑO 2010-2030
Los resultados son presentados de acuerdo a
en un total de 20 gráficos.
general
siendo
a partir del año
(obesidad
diferenciados
tipo
Se presenta
| y
según
tipo
rango
ll),
un gráfico de
obesidad
etario
y
tipo
sexo
| y
de
población.
Los gráficos presentados corresponden al escenario 2, el cual posee menor error.
Tabla 8.1: Prevalencias sobrepeso y obesidad de la población total.
Normal
35%
34%
31%
29%
28%
21%
Sobrepeso
39%
39%
38%
35%
31%
28%
Obesidad |
18%
18%
21%
24%
25%
26%
Obesidad Il
1%
8%
9%
12%
15%
18%
Fuente: Elaboración propia.
Tabla 8.2: Prevalencia sobrepeso
y obesidad de población femenina.
Normal
36%
34%
25%
18%
14%
10%
Sobrepeso
33%
34%
35%
32%
28%
24%
Obesidad |
20%
21%
25%
29%
32%
34%
11%
15%
20%
26%
32%
Obesidad Il
11%
Fuente: Elaboración propia.
Tabla 8.3: Prevalencia sobrepeso
y obesidad de población masculina.
Normal
35%
35%
38%
41%
44%
47%
Sobrepeso
46%
45%
41%
38%
35%
33%
Obesidad |
15%
16%
17%
18%
17%
17%
4%
3%
3%
3%
3%
Obesidad Il
4%
Fuente: Elaboración propia.
la
|
l
40%
20%
Prevabacia
10%
10%
DA
40%
Mujeres
30%
30%
20%
Prevalencia
10%
10%
20%
30%
40%
30%
her: Bbaadón haga
40%
Honor
20%
10%
Prevaenca
10%
20%
30%
per
40%
Prevalencia de Sobrepeso por sexoy edad, año 2020
Fuerte: Baboración Prepa.
56
30%
Prevalencia de Sobrepeso por sexo y edad, año 2015
Fuerds: Baboración Prepa
40%
Homb
Prevalencia de Sobrepeso por sexo y edad, año 2010
|
l
30%
10%
Prenedlencia
10%
20%
Mujeres
304
40%
l
Hombres
20%
10%
Prenalencia
10%
20%
Mujeres
Prewaencia
10%
20%
20%
10%
Preralencia
10
20%
Mujeres
l
Fuerke: Haborción Pregta
IN
20%
10%
10%
20%
Prevalencia
30%
40%
|
25-34
A0%
25-34
35-44
40%
Y
Hombres
Funk: Baborción Prepla
15-244
35-44
45-54
es
45-54
55-64
15-24
65-74
55-64:
65-74:
20%
10%
Prevalencia
10%
20%
30%
40%
Mujeres
|
30%
Hombres
40%
30%
Hombres
40%
Funk: Baborción oga
15-244
25-34
35-44
45-54.
55-64
65-74
10
'
Preralencia
10%
D%4
40%
Myeres
30%
20%
10%
Prevalencia
10%
20%
40%
Mujeres
20%
20%
10%
Prevalencia
10%
20%
20%
40%
Prevalencia obesidad mórbida por sexo y edad, año 2020
Baborción hopta.
85+
Funk:
15-244
75-84
o
85+
Prevalencia de obesidad por sexo y edad, año 2020
30%
75-84
]Horrbres
D%
Funk: Eaboradón Propia.
40%
75-34
BS+'
40%
Prevalencia obesidad general por sexo y edad, año 2020
Fuents: Eboración Propia
230%
15-244
15-24] Hombres
30%
25-24
25-34
25-34
40%
35-44
354
35-44
45-54
55-64
45-54
55-64:
55-64
DA
Prevalencia obesidad mórbida por sexo y edad, año 2015
45-54
75-24
65-74
85+
75-94
Hombres
DA
Hombres
40%
Funk: Baboración Mrogta
15-244
65-74
10%
40%
Prevalencia de obesidad por sexo y edad, año 2015
304
75-24
20%
30%
65-74
85+
Mugeres
40%
Funk: Baboración Prepla.
15244
85+
Prevalencia obesidad general por sexo y edad, año 2015
Fuerds: Elaboración Propia
40%
15-24 4 Hombres
B-44
25-34:
35.44
25-34:
35-44
25-34
£6-64
45-54
5564:
45:54.
55-64
45-54
75-84
65-74:
75-84
6574:
75-84
Prevalencia obesidad mórbida por sexo y edad, año 2010
65-74
20%
85
B5+
Prevalencia de obesidad por sexo y edad, año 2010
por la OMS.
+
Prevalencia obesidad general por sexo y edad, año 2010
Figura 8.1: Proyecciones de la población al año 2030, según categorías establecidas
|
|
l
l
40%
Hor
310%
Prevalencia
10%
20%
30%
40%
Hombre
30
20%
10%
Prevalencia
10%
20%
Mujeres
|
|
Hibaadós hoga.
57
Fuente: Elaboración Propia.
Hurd:
Puente:
40%
20%
230% 20%
Bboración Propia
15-24
15-244
40%
35-44
25-34
35-44
25314
55-64:
45-54
55-64
45-54
75-94:
65-74
75-84
30%
230%
10%
10% 20%
Prevalencia
230%
40%
10%
10% 20% 30%
Prewalencia
40%
Prevalencia obesidad general por sexo y edad, año 2030
65-74
40%
40%
Prevalencia obesidad general por sexo y edad, año 2025
Fuerds: Exaboración Prop
85+
he
10%
Prevalencia de Sobrepeso por sexoy edad, año 2030
20%
Prevalencia de Sobrepeso por sexo y edad, año 2025
Fun: Elatcrción Pipi
15-244
25-14
35-44
45-54
56-44
05-74
76-14
15
3
|
|
20%
10%
Prevalencia
10%
20%
Y
Fund:
30%
Horrbres
40%
Haborción Propia
15244
2534
3544
45-54
5564
6574
7584
B5+
20%
10%
Prevelencia
10%
20%
30%
40%
Mujeres
Prevalencia de obesidad por sexoy edad, año 2030
Funk: Baborción Preta
40%
|
]
30%
Hombres
AO
75-24
a35+
Funk:
0
Bibaración Propia
40%
15-24 +) Hombres
25-34
35-44
45-54
55-64
65-74
20%
10%
Prevalencia
10%
20%
30%
40%
Mujeres
210
Prevalencia
10%
20%
30%
40%
Prevalencia obesidad mórbida por sexo y edad, año 2030
Fuente: Elbaración Progta
15-244
25-34
25-34
30%
35-44
35-44
A
45-54
45-54:
Mujeres
55-64
55-64
15-244
75-24
Prevalencia obesidad mórbida por sexo y edad, año 2025
65-74
35+
75-84
Hombres
Prevalencia de obesidad por sexoy edad, año 2025
65-74:
es
8.2.- Análisis Resultados
A nivel general
se observa
34%
al año 2020
63%.
Comparando
En
el caso
al año 2030.
Se observa
que
la población
la obesidad
sobrepeso
aumento
se ve una
una disminución
que
y obesidad
de
de la obesidad,
tendencia
aumentará
a la disminución
en
mórbida
un
15%
tipo Il respectivamente
la obesidad
serian 48%
masculina tiene una tendencia
en la obesidad
será
11%
y
y tendrá
y 147%
del
un aumento del
11%
una
respectivamente.
al año 2020
disminución
del
27%
de un
y 28%
en la obesidad
En efecto al año 2020 se
Comparando
disminución
mórbida
a un leve aumento
y el sobrepeso.
dicho año.
una
con
y en el caso de la obesidad
respecto al año 2030 estos aumentos
del sobrepeso
tipo |, con
en el aumento
con respecto al año base 2009,
relacionado
estima
una tendencia
y
del
17%
y 18%
en
respecto al año 2030 el
23%
en
el sobrepeso
y
obesidad tipo Il respectivamente.
En la población femenina se observa una gran tendencia al aumento en la obesidad tipo | y tipo
Il, con
una leve disminución
tipo | femenina,
aumentará
en el sobrepeso.
en un 47%
En efecto al año 2020 se estima que la obesidad
y en el caso de la obesidad tipo ll será 88%,
leve disminución en el sobrepeso de un 3%.
respectivamente.
Observando
5
las
variaciones
existentes
cada
la
disminución
de
a
población
los
años,
en la cual se observa un aumento en la variación existente.
observa
que
la menor
tendencia
las
a la disminución
con
categoría
obesidad
de
un
en
el año
2020,
producida
es en
el 2015
con
femenina,
excepto
un
con
en
se
ve
una
la categoría
de
Se observa que la mayor
valor
del
respecto
35%.
Además
al año
2010,
se
en
la
con un valor de 2,7%
variaciones
establecidas,
obesidad
variación
categoría de sobrepeso,
Observando
de
de
la
sobrepeso
la categoría
largo
en
a
en
lo
años
tendencia
variación
una
En relación al año 2030 se observa un aumento del
72% y 195%, en obesidad y obesidad mórbida,
estas
con
existentes
de
estas
leve aumento
cada
a lo largo
en
tipo |. Además
en
la población
masculina,
se
ve
una
las categorías
de
IMC
de
los años
en todas
la variación
existente
entre el año 2025
se observa
obesidad tipo ll entre los años 2010 y 2015,
que la menor variación producida
5 años
con
que
la mayor
un valor 14%
es en el 2025 con
variación
en
y 2030
la categoría
(negativo), Además
respecto al año 2020,
en
la
de
se observa
en la categoría de
sobrepeso con un valor de 0,9% (negativo).
58
CAPITULO
IX: CONCLUSIONES
Y FUTURAS
INVESTIGACIONES
9.1.- Conclusiones
Este
trabajo da cuenta
gestión,
basada
población,
en
con
que
un
es posible diseñar
modelo
el propósito
matemático
de
una
que
contribuir
herramienta
integre
computacional
factores
a la medición
del
individuales
impacto
de apoyo
a la
y sociales
económico
de
de la
políticas
públicas, orientadas a disminuir la prevalencia de obesidad en Chile.
El modelo
así
ha sido diferenciado
mayor
información
enfermedades,
Salud
(OMS)
como
muestra
ya
no
La dinámica
que
se
poblacional
de
estimar
las categorías
correlaciona
2009”,
el cual permite
se modela
implementadas
del problema
sexo y por cada
los
consideró
año
(INE).
costos
establecidas
con
los “odd
directos
ratio” o la razón
una
el año 2009
Para
la
de Salud
computacionalmente
simulación
como
estimación
(ENS)
continúa
base
y
por
medio
2009-2010
del
software
a través de métodos
utilizando
calibración
de las cuales se usaron
sistema de ecuaciones,
por cada
escenario
los parámetros
La validación
riesgos
de la
relativos,
de
“PowerSim
numéricos
las
Studio
de integración
que la soporte
las estadísticas
y la Encuesta
parámetros,
proyectadas
se
para ese mismo
consideraron
Nacional de Consumo
las variables edad,
Los
resultados
analizado
mientras que el mínimo valor es 4,83%
se obtienen
Mundial
las
sexo e IMC.
la
Alimentario
Además,
Encuesta
(ENCA)
se establecieron
con lo cual se llega a un
cuya resolución es obtenida a través del complemento de Excel “Solver”
el error total generado.
las tasas
de
a
diferenciales de primer orden,
los límites de los parámetros a partir de la literatura en 3 escenarios,
minimiza
asociados
por la Organización
a través de ecuaciones
y soporta el desarrollo de una herramienta
Se
kg/m? del individuo, proporcionando
la literatura.
serán
2010-2011,
momento
el usar
siempre
cuales
Nacional
al
por edad,
del modelo
obtenidos
es de un 4,87%
en hombres
necesarios y se procede a
considera
como
muestran
en
y 3,17%
hombres
que el error promedio de
y 3,22%
en mujeres.
para
mujeres,
Con estos resultados
la validación.
año base la ENS
2003,
siendo
proyectada
al año al
2009 en donde los resultados obtenidos de la proyección generan un error máximo de un 4,29%
en
el año
2009;
y valor
obtenidas son adecuadas
mínimo
de un 3,9%.
Con
estos
resultados
y que la simulación del modelo genera
se verifica que
una proyección
las tasas
cercana
a la
realidad.
59
Finalmente,
se obtiene la simulación
completo en el Powersim
rescatando
2010-2030,
Studio 2009,
los datos leídos desde
con año base 2009.
demoró
La simulación del modelo
35 minutos (Intel Core ¡5; 2,5 GHz; 4 GB
el libro de Excel 2010
llamado “DB”;
RAM),
esta demora se debe a
que la herramienta propuesta requiere un número
elevado de datos de entrada para alimentar el
modelo,
necesarios de la población.
estos corresponden a todos los traspasos
Considerando
solo
la
existentes,
es decir,
traspaso
natural
del
problema
en
traspaso
realizar
apropiado
para
influenciado
una
el
proyección
propósito
herramienta
computacional
En
a la interfaz gráfica generada,
relación
encuentra
en
la barra
inicio al sistema.
acceder
edad,
Aquí
ingresar
a la base
carpeta
y modificar
debido
a
la
escasez
de
datos
de
por
el
ambiente),
demora
al año 2030.
Este tiempo
este
contribuir
trabajo,
10
minutos
de procesamiento
al
desarrollo
de
se
una
de apoyo a la gestión del costo de la obesidad en Chile.
de
herramienta
se encuentra
a la presentación
sexo e IMC,
propuesto,
solo los adultos y una tasa de influencia global (no hace diferencia en el
del
aproximadamente
considera
reducción
del
mediante el botón
programa
PowerSim,
si lo desea acceder
de datos
del modelo,
los datos
se
un panel con varios botones,
de los resultados del proyecto,
o bien,
“presentación
de entrada
con
“DB”
del modelo,
mostrará
pantalla
los gráficos dependientes
Además
(libro de Excel),
como
una
que se
de
que le permitirán al usuario
al modelo completo.
llamada
proyecto”,
de la
el usuario puede
ubicado
en
las tasas de aumento
la misma
poblacional,
muerte o traspasos de los individuos y ver con estas modificaciones como varían los resultados.
Con
los
resultados
obtenidos
de
respecto
al año
base
2009,
y en
respecto
al año
2030
estos
aumentos
2030.
a nivel
puede
aumento
sobrepeso
la obesidad
se
de
un
poblacional,
el caso
de
serian
existe
con
una
un
aumento
la obesidad
48%
y
tendencia
147%
mórbida
preocupante
del 34%
al año
de un 63%.
respectivamente.
se ve una tendencia a la disminución del 11% al año 2020 y 28%
en
2020
el
con
Comparando
En
el caso
del
relacionado al año
Estas cifras resultan muy preocupantes por la salud de la población chilena, sobretodo en
el caso de la población femenina
47%
concluir
en la cual se estima que la obesidad tipo |, aumentará en un
y en el caso de la obesidad tipo Il será 88%,
3%.
En
relación
obesidad mórbida,
Además
al año
2030
se
observa
un
aumento
del 72%
y
195%,
en
obesidad
y
respectivamente.
se observó que las proyecciones tienden a
categorías
con una leve disminución en el sobrepeso de
analizadas,
considerando
la población
la estabilización en el tiempo, en todas las
total,
como
la población
diferenciada
por
Sexo.
60
Como
futuras
encuestas
investigaciones,
nacionales
modelo
y que
hoy
anular
algunos
que
se
tienen
supuestos
se
realicen,
valor
que
debería
cero,
ajustar
las
permitiendo
de
abarcar
por la escasez
se usaron
tasas
más
de datos
(los traspasos
traspaso
tasas
existente.
solo pueden
a través
de
incorporadas
Asimismo
aumentar
otras
en
el
se podría
o disminuir
en
una unidad de IMC, o bien, que estos valores sean válidos en todo el rango etario considerado).
Con
esto
se
lograría
influencia
externa
dinámica
poblacional,
distinguir
o la de los padres
para
que posean
resultados obtenidos,
Teniendo
cálculo,
en
una
una
del modelo.
una
mayor
sus
asociados
hijos y a su vez incorporar
proyección
También
cantidad
al aumento
más
se puede
de datos,
robusta
y
que
del
IMC,
como
la
a los niños en la
incorpore
todo
lo
considerar aplicar este modelo en
permitiendo proyectar y comparar
los
enriqueciendo el modelo propuesto.
consideración
mejora
los factores
sobre
obtener
diseñado en la programación
otros países,
entre
la gran
significativa
cantidad
sería
de
es estudio
datos
de
entrada
de representación
que
requiere
la planilla de
de estos a partir de una
función de distribución que permita obtener con cierta significancia y de manera
rápida todo los
datos de entrada en función de ciertos parámetros que definen la función.
61
REFERENCIAS
Berrington
Thun
M.
England
BIBLIOGRÁFICAS
de Gonzalez A., Hartge P., Cerhan J. R., Flint A. J., Hannan
J.
(2010).
Body-mass
index
and
mortality
among
1.46
L., MaclImnnis R. J. ... 84
million
white
adults.
New
Journal of Medicine, 363(23), 2211-2219.
Berthoud
H.
R.
(2012).
The
neurobiology
of
food
intake
in
an
obesogenic
environment.
Proceedings of the Nutrition Society, 71(04), 478-487.
Booth
H. P., Prevost A. T., 8 Gulliford M. C. (2012).
Epidemiology
of clinical body
mass
index
recording in an obese population in primary care: a cohort study. Journal of Public Health, 35(1),
67-74.
Bouchard
C., 8 Perusse
L. (1988).
Heredity and body fat. Annual review of nutrition, 8(1), 259-
277.
Centers for Disease Control and Prevention CDC
linea]
Atlanta.
U.S.
Department
<http://www.cdc.gov/
Chile
linea]
8 Human
Services.
Recuperado
10 Mayo
2016
[en
de:
nccdphp/dnpa/bmi/childrens_ BMI/about_childrens_BMI.htm>
Ministerio de Salud
[en
of Health
(2015). About BMI for Children and Teens.
MINSAL
Santiago
(2011).
Encuesta
MINSAL.
Nacional de Salud
Recuperado
1
ENS
Chile 2009-2010.
mayo
2016
de:
<http://web.minsal.cl/portal/url/item/bcb03d7bc28b64dfe040010165012d23.paf>
Chou
S, Grossmann
the Behavioral
Chueca
An
Economic
Analysis of Adult Obesity:
Risk Factor Surveillance System. Journal of Health
M., Azcona
Sis San Navarra,
Daza
M, Saffer H (2004).
C.
8 Oyarzábal
M. (2002).
Obesidad
Results from
Economic 23(3): 565-587.
infantil Childhood
obesity.
In Anales
un desorden metabólico de alto riesgo para la salud.
Colombia
25(1), 1-15.
C. H. (2002).
La obesidad:
Médica, 33(2), 72-80.
De Vogli R., Kouvonen A. 8 Gimeno D. (2014). The influence of market deregulation on fast food
consumption
Health
and
body
Organization,
Deurenberg
index:
a cross-national time series analysis.
Bulletin of the World
92(2), 99-107A.
P., Yap M. 8 Van Staveren, W. A. (1998). Body mass index and percent body fat: a
meta analysis among
Drewnowski
mass
different ethnic groups. International journal of obesity, 22, 1164-1171.
A., 84 Darmon
N. (2005).
Food
choices and diet costs: an economic
analysis. The
Journal of nutrition, 135(4), 900-904.
62
Ejima K., Aihara K. 8 Nishiura H. (2013). Modeling the obesity epidemic: social contagion and its
implications for control. Theor Biol Med
Model,
10(1), 17.
Evangelista A. M., Ortiz A. R., Rios-Soto K. R. 8 Urdapilleta A. (2004).
Obesity as an epidemic. Los Alamos
Fallah-Fini S., Rahmandad
National
H., Huang
Laboratory.
T. T. K., Bures
adult obesity trends: A system dynamics
USA the fast food nation:
R. M. 8 Glass T. A. (2014).
model for estimating energy
Modeling US
imbalance gap.
American
journal of public health, 104(7), 1230-1239.
Fildes
A.,
Charlton
J.,
Rudisill
C.,
Littltejonns
P.,
Prevost
A.
T.
4
Gulliford
M.
C.
(2015).
Probability of an obese person attaining normal body weight: cohort study using electronic health
records. American journal of public health, 105(9),
e54-e59.
Finkelstein
8 Dietz W.
E. A.,
Trogdon
J. G.,
Cohen
J. W.
(2009).
attributable to obesity: payer-and service-specific estimates. Health
Annual
medical
spending
affairs, 28(5), w822-w831.
French S. A. (2003). Pricing effects on food choices. The Journal of nutrition, 133(3), 841S-843S.
Frerichs L. M., Araz O. M. 8 Huang
unhealthy
behaviors for evaluating
T. T. K. (2013).
prevention
and
Modeling social transmission dynamics of
treatment interventions on childhood obesity.
PloS one, 8(12): e82887. doi:10.1371/journal.pone.0082887
Ganz
M (2003).
The Economic
Evaluation of Obesity
Interventions:
lts Time Has Come.
Obesity
research 1(11): 127-77.
García-Rodríguez
Dimensión
Tabasco
Hammond
J,
García-Fariñas
económica
A,
Rodríguez-León
del sobrepeso y la obesidad
GA
8
Gálvez-González
AM
(2010).
como problemas de salud pública. Salud en
16(1): 891-896.
R. A.
8
Levine,
Diabetes, metabolic
Instituto
Nacional
vitales
2012.
R.
(2010).
The
economic
impact
of obesity
in the United
States.
syndrome and obesity: targets and therapy, 3: 285-295.
de
[en
Estadísticas
línea]
INE
Santiago.
(2012).
Demográficas
INE.
Recuperado
y vitales.
1
Anuario
de
estadísticas
mayo
2016
de:
<http://wwvw.ine.cl/canales/chile_estadistico/familias/demograficas_vitales.php>
Instituto
Nacional
vitales
2002.
de
[en
Estadísticas
línea]
INE
Santiago.
(2002).
INE.
Demográficas
y vitales.
Recuperado
1
Anuario
de
estadísticas
mayo
2016
de:
<http://www.ine.cl/canales/chile_estadistico/familias/demograficas_vitales.php>
Instituto
Nacional
proyecciones
de
Estadísticas
2013-2020.
[en
INE.
línea]
Actualización
Santiago.
y proyección
INE.
de población
Recuperado
1
de
2002-2012
mayo
2016
y
de:
<www.ine.cl/canales/chile_estadistico/familias/demograficas_vitales.php>
63
Jódar L., Santonja F. J. 4 González-Parra G. (2008).
region of Valencia, Spain. Computers
John
J, Wolfenstetter
Recent findings
on
S 8 Wenig
Modeling dynamics of infant obesity in the
8 Mathematics with Applications, 56(3), 679-689.
CM
(2012).
cost of ¡illness and
An
economic
cost effectiveness
perspective on childhood obesity:
of interventions.
Nutrition 28(9):
829-
839.
Junta Nacional de Auxilio Escolar y Becas JUNAEB
linea]
Santiago
JUNAEB.
Recuperado
1
(2014).
mayo
Informe Mapa Nutricional 2013.
2016
de:
<
[en
http://ww.junaeb.cl/wp-
content/uploads/2013/03/Informe-Mapa-Nutricional-201 3.paf>
Juonala
M.,
Raitakari
M.,
independent
predictor
of carotid
Study. Atherosclerosis,
Viikari
J. S.
8
IMT
Raitakari
in adulthood:
body
C.
mass
the
(2006).
Obesity
Cardiovascular
in youth
Risk
is not an
in Young
Finns
Indicadores antropométricos para evaluar sobrepeso y
obesidad en pediatría. Boletín médico del Hospital
childhood
T.
185(2), 388-393.
Kaufer-Horwitz M. 8 Toussaint G. (2008).
Laitinen J., Power
O.
8 Járvelin M. R. (2001).
Infantil de México, 65(6), 502-518.
Family social class,
index, and age at menarche
maternal body
mass
index,
as predictors of adult obesity. The American
journal of clinical nutrition, 74(3), 287-294.
Lake
A.
8
Townshend
environments.
(2006).
Obesogenic
environments:
exploring
The Journal of the Royal society for the Promotion of Health,
Lobtein T £ Swinburn
Global
T.
B (2007).
Perspectives on Health
Health Promotion to Prevent Obesity.
Promotion
Effectiveness.
the
built
and
food
126(6), 262-267.
In McQueen
D £ Jones C.
New York Springer. pp 125-150.
Manson J. E., Skerrett P. J., Greenland P. 8 Vanltallie T. B. (2004). The escalating pandemics of
obesity
and
sedentary
lifestyle:
a call to action
for clinicians.
Archives
of internal
medicine,
164(3), 249.
Martínez
R.
desnutrición
8
Fernández
A.
(2007).
infantil en Centroamérica
144 (LC/W.144/Rev.1),
El costo
del hambre:
y República
Santiago de Chile, Comisión
impacto
Dominicana.
social y económico
Documentos
de la
de proyectos,
N”
Económica para América Latina y el Caribe
(CEPAL).
Mei
Z., Grummer-Strawn
Validity
of body
assessment
mass
of body
L. M.,
Pietrobelli A., Goulding A., Goran
index compared
fatness
with other
in children
and
M.
body-composition
adolescents.
The
|. 8 Dietz W.
screening
American
H. (2002).
indexes for the
journal
of clinical
nutrition, 75(6), 978-985.
64
Moreno
G. M.
|. (1997).
Diagnóstico de obesidad
y sus métodos de evaluación.
Bol. Esc. Med,
26(1), 9-13.
Moreno
G.
M.
(2012).
Definición
y clasificación
Condes,
23(2), 124-128.
Mussini
M. 8 Temporelli K. L. (2013).
Obesidad:
de
la obesidad.
Revista
Médica
Clínica
un desafío para las políticas públicas.
Las
Estudios
sociales, 21(41), 165-184.
National
Obesity
Observatory
Kingdom,
NOO
NOO.
(2010).
The
economic
Recuperado
burden
1
of obesity
[en linea].
mayo
United
2016
de:
<http://www.noo.org.uk/uploads/doc/vid_8575 Burdenofobesity151110MG.pdf>
Organización de las naciones unidas para la Agricultura y Alimentación,
de
la
nutrición
y
desarrollo:
obesidad
la
[en
línea].
obesidad.
Roma
FAO.
Focus
Recuperado
La
FAO (2002). Transición
nueva
14
carga
marzo
del
mundo
2016
en
en:
<http://www.fao.org/focus/s/obesity/obes2.htm>.
Organización
Panorama
de
las
naciones
de la Seguridad
unidas
para
la
Alimentación
y
Alimentaria y Nutricional en América
América Latina y el Caribe: acercándose a los Objetivos
Organización Mundial de la Salud OMS
la Agricultura,
FAO
Latina y el Caribe.
del Milenio. Roma
(2013).
Hambre en
FAO.
(2000). The Asia-Pacific perspective: redefining obesity.
Ginebra, OMS.
Organización
2013
para la Cooperación
[en linea].
Paris OCDE.
y el Desarrollo Económico
Recuperado
20 mayo
OCDE
(2013).
Health at a glance
2016 de: <https://www.oecd.org/els/health-
systems/Health-at-a- Glance-2013.paf>
Orpana
adults.
Peña
H. M.,
Health
M,
Américas.
en
Tremblay
M.
S. 8 Finés
P.
(2007).
Trends
in weight change
among
Canadian
reports, 18(2), 9-16.
Bacallao
En:
J
Peña
la pobreza:
(2000).
La
Obesidad
en
la
M, Bacallao J, Organización
un
nuevo
reto
para
la salud
pobreza:
un
Panamericana
pública.
problema
emergente
de la salud OPS.
Washington,
D.
C.:
en
las
La obesidad
OPS.
Publicación
Científica 576, pp. 3-11.
Philipson
T.
J.
4
Posner
technological change.
Powell L. M., Auld
fast food
among
and
food
adolescents.
R.
A.
(2003).
The
long-run
growth
in
obesity
as
a function
of
Perspect Biol Med, 46(3): S87-S107.
M. C., Chaloupka
prices:
F. J., O'Malley
relationship
Adv Health
with
P. M. 8 Johnston
fruit and
Econ Health Serv Res,
vegetable
L. D. (2007). Access to
consumption
and
overweight
17, 23-48.
65
Power
C.,
Lake
J.
K.
8 Cole
T.
J.
(1997).
Body
mass
index and
height from
childhood
adulthood in the 1958 British born cohort. The American journal of clinical nutrition, 66(5),
to
1094-
1101.
Rtveladze K., Marsh T., Webber
L., Kilpi F., Levy D., Conde W.
8 Brown,
M. (2013). Health and
economic burden of obesity in Brazil. PLoS One,8(7), e68785.
Sánchez
Echenique
M.
(2012).
Aspectos
epidemiológicos
de
la obesidad
infantil.
Pediatría
Atención Primaria, 14, 9-14.
Sander
B.
84
Germany.
Bergemann
R.
(2003).
Economic
The European Journal of Health
burden
of obesity
and
Economics, formerly: HEPAC,
its complications
in
4(4), 248-253.
Sassi F (2010). Obesity and the Economics of Prevention: Fit not Fat. Paris Organización para la
Cooperación y el Desarrollo Económico OCDE.
Serie
científica
Recuperado
Latinoamerica
el 2
mayo
2016
(2013).
de:
¿Qué
es
un
ambiente
obesogenico?
[en
linea].
<http://seriecientifica.org/es/serie-cientifica-latinoamericana-
2013/que-es-un-ambiente-obesogenico>
Shif.
(2007).
Obesity
System
Influence Diagram
[en línea].
Recuperado
el 2 mayo
2016 de: <
http://www. visualcomplexity.com/vc/project.cfm?id=622>
Srinivasan
S. R., Bao W., Wattigney W. A., 8 Berenson
associated
with
adult overweight and
Heart Study. Metabolism,
Sterman
J.
D.
Stunkard,
risk factors:
the Bogalusa
dynamics:
systems
thinking
and
modeling
for
a
complex
Irwin/McGraw-Hill.
A. J., Sorensen,
Schulsinger,
multiple cardiovascular
45(2), 235-240.
(2000). Business
world (Vol. 19). Boston:
related
G. S. (1996). Adolescent overweight is
F. (1986).
T. l., Hanis,
An adoption
C., Teasdale,
study of human
T. W.,
Chakraborty,
obesity.New England
R., Schull, W. J., 8
Journal of Medicine,
314(4), 193-198.
Summerbell
CD,
Waters
E, Edmunds
LD,
Kelly S, Brown
T, Campbell KJ. (2005).
for preventing obesity in children. Cochrane Database of Systematic
Tarride
visit
MI, Vásquez
network
Health/Revista
within
OC,
a
Gonzalez J (2010).
Chilean
public
Computer
health
service.
modeling
Pan
Reviews,
Interventions
20(3):CD001871.
and simulation of the patientAmerican
Journal
of
Public
Panamericana de Salud Pública 27(3):203-210.
66
Temporelli,
obesidad
K.
L. (2010).
en
el mundo.
Económicas.
Thomas,
Análisis económico
Buenos
Universidad
de
Buenos
Aires,
Facultad
de
y la
Ciencias
7p.
D. M., Weederman,
Bouchard
Aires.
de las causas del incremento del sobrepeso
C.
(2013).
M., Fuemmeler,
Dynamic
model
B., Martin,
predicting
C., Dhurandhar,
overweight,
obesity,
N., Bredlau, C., ... 8
and
extreme
obesity
prevalence trends. The FASEB Journal, 27(1), 360-366.
Thorpe
K. E., Florence C. S., Howard
medical spending.
U.S.
affairs-miliwood va then bethesda
Preventive Services Task Force
and Rationale.
Wang
Health
D. H. 8 Joski P. (2004). The impact of obesity on rising
Screening for Obesity in Adults (2003).
Annals of Internal Medicine
Y. C., McPherson
ma-, 23, 283-283.
Recommendations
139:930-932.
K., Marsh T., Gortmaker S. L. 8 Brown M. (2011). Health and economic
burden of the projected obesity trends in the USA and the UK. The
Lancet, 378(9793), 815-825.
Withrow D. 8 Alter D. A. (2011). The economic burden of obesity worldwide: a systematic review
of the direct costs of obesity. Obesity reviews,
12(2), 131-141.
Wong,
A., 8 Ahmed,
R. J., Chou,
C., Sinha,
S. R., Kamal,
A. (2014).
Ethnic disparities in the
association of body mass index with the risk of hypertension and diabetes. Journal of community
health, 39(3), 437-445.
Yach
D., Hawkes C., Gould C. L. 4 Hofman
overcoming
Zarate
A.,
impediments
Crestto
M.,
to prevention
Maiz
A.,
K. J. (2004). The global burden of chronic diseases:
and control. Jama,291(21),
Ravest
G.,
Pino
M.
l., Valdivia
2616-2622.
G.
...
8 Villarroel L. (2009).
Influencia de la obesidad en los costos en salud y en el ausentismo laboral de causa médica en
una cohorte de trabajadores.
Zhao
W.,
Zhai
Revista
Y., Hu J., Wang
médica de Chile,
J., Yang
Z., Kong
137(3), 337-344.
L. 8 Chen
C. (2008).
obesity-related chronic diseases in Mainland China. Obesity reviews,
Economic
burden of
9(s1), 62-67.
67
68
ANEXOS
Anexo
A: Número de defunciones
año 2009.
Defunciones
TOTAL
49.608|
42.357|
91.965
0
1119
878|
1.997
1-4
176
142
318
5-9
107
82
189
10-14
145
91
236
15-19
537
227
764
20-24
854
244|
1.098
25-29
864
259|
1.123
30-34
845
321
1.166
35-39
1.096
448|
1.544
40-44
1.542
695|
2.237
45-49
2.139
1.073|
3.212
50-54
2.617
1.483|
4.100
55-59
3.167
1.877|
5.044
60-64
4.073
2.509|
6.582
65-69
4.977
3.189|
8.166
70-74
5.395
3.841|
9.236
75-79
6.436
5.399|
11.835
80-84
6.234
6.575|
12.809
85 o mas
7.285
13.024|
20.309
Fuente: INE. Anuario 2009, Defunciones.
Anexo
B: Población
TOTAL |16.876.767
0-4
1.190.602
5-14
[2.553.304
15-24
[2.907.936
25-34
[2.519.034
35-44
[2.502.788
45-54
[2.241.074
55-64
[1.474.905
65-74
[901.558
75-84 | 443.171
85+
142.395
Fuente:
Estimada
año 2009.
[8.354.788
[607.988
|1.304.125
|1.477.846
[1.268.818
|1.247.803
[1.106.710
[711.263
408.982
185.380
35.873
[8.521.979
|582.614
|1.249.179
|1.430.090
|1.250.216
|1.254.985
|1.134.364
|763.642
|492.576
|257.791
106.522
INE. Actualización de población 2002-2012 y proyecciones 2013-2020.
70
Anexo
C: Gráficos Ratios Riesgos de Muerte por sexo e IMC del individuo.
Á White Women
3.57
3.04
Healthy subjects who
never smoked
Hazard Ratio
2.5,
207
1.57
104
0.5
1.00 1.00 1.03
7
0.0 15.0
T
175
T
T
20.0 225
T
250
T
275
T
300
T
325
T
T
35:00 375
T
7
40.0 425
1
45.0
Body-Mass Index
B
White Men
3.5»
Healthy subjects who
never smoked
3.07
293
Z
rm
Hazard Ratio
2.57.
0.5
Fuente:
y
FIT
0.0150
Y
175
Y
200
T
225
Y
250
Y
275
T
30.0
Y
325
T
350
T
375
T
40.0
T
42.5
1
45.0
Berrington et al (2010).
71
Anexo
D: Estimación
Ratios Riesgos de Muerte por IMC sexo femenino.
BMI (kqym?)
Noa ofdealhs
All
15-18.4
18.5-19.9
20-224
22. 5-24 9
25-274
275-299
30-34 9
35-399
40499
17576
14402
9199
10489
4050
2010
376
408
453
581
785
1.03
1.11
1.25
1.59
1.99
[1.22-1.26]
[1.53-1.54]
:1.90-2.09]
4060
2010
581
785
2345
4541
15099
ASR
734
486
389
Adjusted HR
2.02
1.34
1.06
1.00
[1.94-2.11]
([1.30-1.38]
[1.04-1.09]
-
95% Cl
No. ofdealhs
All (smoking adjusted)”"
2345
4541
15099
734
486
389
ASR
Fuente:
Anexo
362
7576
362
[1.01-1.06] — [1.08-1.14]
14499
9195
10489
376
403
453
Berrington et al (2010).
E: Estimación
Ratios Riesgos de Muerte por IMC sexo masculino.
BMI (kg/m)
No. ofdeaths
1518,4
18.5-19.9
20-224
22.5-24.9
25-27.4
27.5-29.9
30-34.9
35-39.9
700
1245
7425
17714
22407
14239
12382
2039
1031
1274
833
610
511
541
569
671
B57
1128
1.98
1.60
1.18
1.00
0.97
1.03
1.16
All
ASR
Adjusted HR
95% Cl
[1832.13] — [151-168] — [115-121]
No. ofdeaths
ASR
Fuente:
All (smoxing acjusted)"”
-
700
1245
7425
17714
1274
833
610
511
1.44
1.93
[1:39-150]
[1.81-.206]
12382
2039
1031
671
657
1128
(085-0.98] — [101-108] — [113-119]
22497
14239
541
569
40-49.9
Berrington et al (2010).
72
Anexo
F: Categorías de IMC a los 23 y proporciones
por cada categoría a los 33 años.
BMI group at age 33 y
BMI status al age 23 y
Underweight
Normal weight
Men
Underweight (n = 455)
Narmal weight (1 = 3142)
Overweight (n = 825)
Obese (n = 97)
Total (n = 4519)
Women
Underweight (n = 1149)
Normal weight (1 = 2956)
Overweight (n = 557)
Obese (n = 144)
Total (n = 4806)
Fuente: Power C. et al (1997).
Overweight
Obese
e
60.5
15,7
2.1
0.2
38.3
80.4
72.8
21.1
1.2
0.0
3.5
0.3
24.3
0.9
62.8
15.9
100 [162]
100 [2008]
100 [1876]
100 [473]
70.7
28.0
28.9
68.1
5.1
73.6
0.6
33.1
1.1
28
20.4
43.0
0.2
100 [475]
0.2
100 [2589]
0.8
100 [1195]
23.4
100 [547]
Anexo
G: Categorías de IMC a los 23 y % de traspaso a otras categorías a los 33 años
Peso | 455
Normal
Obeso
Total
0,22 [| 15,70|
315 | 0,69
10 |
3142
0,02 [| 80,40 | 1614 | 0,51
825 | 1,2
0,00 [| 350 |
70
|0,09[[24,30|
97
0,00
6
|0,06 | 0,90 |
[| 0,0
4519 | 100
Peso | 1149 | 70,7
0,30 |
100 | 2008
39
80 | 1366
456
17
100 | 1876
0,29
[28,90 | 748 | 0,65 [| 5,10 |
2956 [| 28,0
0,04
[68,10 | 1763 | 0,60 [| 73,60 | 880
557 | 1,1
0,01
Obeso
144 [| 0,2
0,01
Total
4806 | 100
Normal
uente:
80 | 72
0,20|
5
100 | 2589
|0,13[20,40|
|004[
0,80 |
61
244
10
100 | 1195
a.
74
Anexo
H: Categorías
proporcionadas
de IMC a los 23 y %
para que sume
Peso
a otras categorías a los 33 años,
uno.
0,2161
Peso Normal
0,0197
Sobre
0,0024
Obeso
0,0000
Peso
de traspaso
0,2925
Peso Normal
0,0450
Sobre
0,0094
Obeso
0,0066
75
Anexo
|: Prevalencia
de cambio
de peso, por sexo, en un intervalo de 2 años.
Interval
Sant
rend in mean
Men
Gain
Loss
Stable
1996/1997 to 1998/1999
1998/1999 to 2000/2001
2000/2001 to 2002/2003
welght change?
% Number
% Number
% Number
(p<0.05)
(notsignificant)
49
28
2
(p<0.05)
¡p<0.05)
49
29
2
kg
sd
214
1194
969
455
456
-
010
0,18
51
27
22
2253
1342
94
4389
435
-
010
0.12
48
29
2
kg
sd
1988
1,09
855
482
-468
-
011
0,13
42
22
2
2:31
1,274
356
450
454
-
011
0.13
4
22
22
2002/2003 to 2004/2005
kg
sd
% Number
1219
1049
315
4298
<42
-
0.13
017
£4l
32%
2
2033
1,206
BD
478
446
014
0.15
“8
32
2
kg
sd
1463
1106
792
462
461
--
0.14
0,17
1767
1247
828
462
491
012
020
Women
Gain
Loss
Stable
Fuente: Orpana
En el anexo
H. et al (2007)
l, solo se consideraron los últimos dos años, como datos más recientes.
Anexo
y: Registro de valores de IMC, en participantes
obesos de 1997-2009.
1997
hombre
34,3
N/A
N/A
1998
hombre
34,3
14,6
13
1999
hombre
34,6
18
15,2
2000
hombre
34,8
21,8
16
2001
hombre
34,8
23,9
19,5
2002
hombre
34,8
26,8
21,8
2003
hombre
34,9
28,1
22,6
2004
hombre
34,8
29
23,7
2005
hombre
35
31,7
23,2
2006
hombre
35,1
33,6
24
2007
hombre
35,2
33,9
25,2
2008
hombre
35,5
37,6
29,9
2009
hombre
35,5
37,3
30,3
1997
mujer
35,7
N/A
N/A
1998
mujer
35,8
16,3
14,6
1999
mujer
36,1
22,8
16,5
2000
mujer
36,2
27,5
20,1
2001
mujer
36,5
29,7
22,3
2002
mujer
36,6
30,4
24,9
2003
mujer
36,3
31,3
27
2004
mujer
36,3
32,6
27,7
2005
mujer
36,5
35,5
28,3
2006
mujer
36,5
36,1
28
2007
mujer
36,6
37,4
29,2
2008
mujer
36,9
40,4
33,5
2009
mujer
37
39
33,9
>
[promedio]
3spa
2sw|
2203]
Fuente: Booth H. et al (2012).
77
Anexo
K:
Porcentajes
considerando
de individuos
que a los 31 años tendrán
percentiles
nt 14
y/o obesidad,
los percentiles de IMC a sus 14 años.
<J000 g
DMI
sobrepeso
y
Aa
Overusight
at
31
y
Obese
¿t
n
31
Overacight
at3iy
y
ZÉ
Dirth
weight
Obese
n
3000-3999 y
24000 z
at3l
Obese
3t31dy
atíi
y
5
5
Overall
Overueight
a
Overweizght
Obese
at3ly
st31
E
5
y
2
E
y
E
Males
<85tn
85th to <95th
>95th
Overall
326
37
3
1701
38
3
£12
4
2439
38
4
27
52
30
203
59
25
61
51
36
23
201
56
25
1
45
30
102
40
47
33
47
52
1465
21
47
301
39
8
2006
20
8
506
38
10
2870
10
3
482
17
4
2093
17
4
314
19
4
2889
18
2
37
35
28
242
44
21.
44
41
23
3243
42
22
20
30
15
121
24
55
31
35
52
172
27
359
¿0
8
2456
20
8
389
23
10
34104
20
Females
<85tn
85th to <95th
95th
Overall
5
9
'<85th, normal weight: 85th to <95th; ovenveight: 95, obese.
Fuente: Laitinen J. et al (2001).
78
Anexo
L: Número
de registros
incremento y diminución
por participantes y porcentajes
que
muestran
no cambio,
de 1 Kg/m?.
TABLE 1—Number of BMI Records per Participant and Proportions Showing No Change,
|
, D
, Or Weight Cycling Dver 9 Years
Following First BMI Record: United Kingdom, 2004-2014
Age,
Initial BM
Calegory
Years,
No,
Mean =SD —
Marber ol
El Seconds, —
Madien J1QR)
All Racords Shuw
21 Decrease in BM
21 horas in EMI
Nu Change in BM: Calegury, — Catepory and No Increases, — Calegun end No Decreases, —
Frequency (%)
Fiequency (%)
Racuids Shw 30
Iicreeses and Decreases
BMI Calegon, Freyuenvy (%)
5034 (20)
Men, kgim?
13.5-24,9
25082
5813
5137)
14217 (57)
799 13)
5032 (20)
25.0-29.9
21408
58115
5 (3-8)
13281 (48;
3243 112)
3428 (13)
7456 (27)
300-149
7196
5514
6 (4-10
10320 (00
44520 117)
2901 (10)
10125 (35)
35.0-39.9
40.9-41.9
21490
14767
5313
5013
7412)
8 (4-14
7203 (26;
2761 (19
5070 13)
2810 19)
2525 (9;
1596 (11)
12635 140)
7690 (51)
50
6481
129194
27213
55=15
8 (4-14
6 (4-10;
2823 (44;
50 607 (39;
1383 121)
17885 (14)
MA
15 482 (12)
2.300 (35)
25210 (35)
Women, kg/m?
18.5-24.9
23640
262)
£ (3-1)
14047 (59)
844 141
2348 (18)
4403 (19)
25.0 29.9
26357
52=13
5(38)
10 149 (38;
3656 114)
4197 (16)
8324 132)
30.0-31.9
35.0-39,9
40.0-44.9
27251
21373
261€
5217
2916
4815
6 (4-10
7441)
7 (443)
8275 (305
E322 (23;
468) (18;
4622 117)
4910 ¡13)
5009 (19)
3626 (13)
3304 (12)
3108 (12)
10729 (39)
12831 (47)
13919 (52)
18451
246 =+14
8 (5-14)
945 (48)
347) 119)
MA
604 (33)
149782
49=17
6 (4-10;
52403 (25)
22562 115)
18 581 (12)
56 246 138)
AN
>45.0
All
n
Fraser (5)
Note. EMI - body trass index: 1QR - nterquartilo range; NA - act applicabie to highost BMI catogory.
Fuente: Fildes A. et al (2015).
79