Un Modelo para la Obesidad en Adultos Mexicanos 2023
Resumen
La obesidad se ha consolidado como uno de los retos más relevantes para la salud pública en México, debido a su elevada frecuencia en la población y a su estrecha asociación con múltiples enfermedades crónicas no transmisibles. En este contexto, el presente estudio tiene como finalidad analizar los factores vinculados con la obesidad en la población adulta mexicana, a partir de variables sociodemográficas, condiciones de salud y hábitos personales. Para ello, se empleó información proveniente de la Encuesta Nacional de Salud y Nutrición (ENSANUT) 2023, considerando a personas de 20 años o más. Tras un proceso de depuración y la integración de información antropométrica, se conformó una muestra final de 4,942 observaciones completas. La estrategia metodológica incluyó análisis descriptivos y bivariados, empleando pruebas de asociación Chi-cuadrada, así como un modelo de regresión logística ordinal con el fin de estimar el efecto de diversas variables predictoras sobre los niveles de obesidad. Los resultados muestran diferencias significativas por sexo, así como asociaciones relevantes entre la obesidad y variables como el colesterol, los triglicéridos y prediabetes. Los resultados obtenidos evidencian que la obesidad en adultos mexicanos es un fenómeno de naturaleza multifactorial, influido por la interacción de diversos determinantes individuales y contextuales, lo cual pone de manifiesto la importancia de implementar estrategias integrales orientadas a su atención y reducción a nivel nacional.
Descargas
Citas
Barquera, S., Hernández-Barrera, L., Oviedo-Solís, C., Rodríguez-Ramírez, S., Monterrubio-Flores, E., Trejo-Valdivia, B., Martínez-Tapia, B., Aguilar-Salinas, C., Galván-Valencia, O., Chávez-Manzanera, E., Rivera-Dommarco, J., & Campos-Nonato, I. (2024). Obesity in adults. Salud Pública de México, 66(4), 414-424. https://doi.org/10.21149/15863
Barquera, S., & Flores, M. (2007). Dyslipidemias and obesity in Mexico. Salud Pública Mex, 49(3), 338-347.
Colín Avilés, M., & Delgado Jacobo, D. P. (s. f.). El peso corporal durante el confinamiento por COVID-19. Revista de Psicología y Ciencias Afines. Recuperado de https://www.revistas.unam.mx/index.php/psic/article/view/88976
Díaz Fuentes, P. L. A. L. B. (s. f.). Factores de Riesgo que determinan la obesidad en México, a través de un Análisis de Regresión Logística Binaria basados en la información de la ENSANUT 2012, Universidad Autónoma del Estado de México.
Hernández-Barrera, L., Trejo, B., Shamah, T., Campos-Nonato, I., & Rivera-Dommarco, J. (2020). Obesidad en México, prevalencia y tendencias en adultos. Ensanut 2018-19. Recuperado de https://www.saludpublica.mx/index.php/spm/article/view/11630
Gobierno de México. (2016). La Obesidad en México. Instituto de Seguridad y Servicios Sociales de los Trabajadores del Estado (ISSSTE). Recuperado de https://www.gob.mx/issste/articulos/la-obesidad-en-mexico
Kolovos, S., Jimenez-Moreno, A. C., Pinedo-Villanueva, R., Cassidy, S., & Zavala, G. A. (2021). Association of sleep, screen time and physical activity with overweight and obesity in Mexico. Eating and Weight Disorders, 26(1), 169-179. https://doi.org/10.1007/s40519-019-00841-2
Learn Statistics Easily. (s. f.). ¿Qué es el análisis de regresión? Una guía completa para principiantes. Recuperado de https://es.statisticseasily.com/%C2%BFQu%C3%A9-es-el-an%C3%A1lisis-de-regresi%C3%B3n%3F/
Learn Statistics Easily. (s. f.). Qué es: análisis univariado. Recuperado de https://es.statisticseasily.com/glosario/%C2%BFQu%C3%A9-es-el-an%C3%A1lisis-univariado%3F/
OMS. (2022). Obesidad y sobrepeso (Nota informativa). Organización Mundial de la Salud. Recuperado de https://www.who.int/es/news-room/fact-sheets/detail/obesity-and-overweight
Pérez, M. C. (s. f.). Obesidad. Clinic Barcelona. Recuperado de https://www.clinicbarcelona.org/asistencia/enfermedades/obesidad/causasyfactoresderiesgo
R Core Team. (2023). R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing. https://www.R-project.org/
Ripley, B., Venables, B., Hornik, K., Gebhardt, A., & Firth, D. (2023). MASS: Support Functions and Datasets for Venables and Ripley's MASS (Versión 7.3-60) [Software de computación]. CRAN. https://CRAN.R-project.org/package=MASS
[RPubs]. (s. f.). RPubs - Evaluación de supuestos en regresión logística. Recuperado de https://rpubs.com/StephanyL/supuestos_regresion_logistica
[Sin autor]. (s. f.). Alarming Obesity Rates in Mexico (Publicación de blog). Claude. Recuperado de https://claude.ai/chat/e590a798-2460-40cd-9e92-a3979e26d303
[Sin autor]. (s. f.). Elegir entre Chi-cuadrado y Test de Fisher en BI. LinkedIn. Recuperado de https://es.linkedin.com/advice/0/how-do-you-choose-between-chi-square-test-u957c?lang=es&lang=es
Universidad de Sonora. (s. f.). 2.1. Una Perspectiva Global. [Capítulo de tesis]. Recuperado de http://tesis.uson.mx/digital/tesis/docs/22471/Capitulo2.pdf
Shamah-Levy, T., Gaona-Pineda, E. B., Cuevas-Nasu, L., Morales-Ruan, C., Valenzuela-Bravo, D. G., Méndez-Gómez Humaran, I., & Ávila-Arcos, M. A. (2023). Prevalencias de sobrepeso y obesidad en población escolar y adolescente de México. Salud Pública de México, 65, s218–s224. https://doi.org/10.21149/14762
World Health Organization. (2014). World health statictics 2014 [Informe].
Derechos de autor 2026 Miguel Angel Reyes Santos , Ramón Reyes Carreto
Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.
.png)
.png)
1.png)
