Acceso usuarios
Juliana Kain, Moisés H. Sandoval, Yasna Orellana, Gerardo Weisstaub Nuta
Introducción: a pesar de la alta prevalencia de la obesidad infantil (OI) globalmente, no existen índices compuestos para estimar los aspectos territoriales asociados al riesgo de OI. Objetivo: elaborar un índice de riesgo de OI (IROBIC) para unidades administrativas pequeñas (comunas) de Chile Métodos: se utilizaron datos de 2019 de fuentes públicas con información de menores de 10 años de todas las comunas de las 2 regiones más grandes. El IROBIC incluye 16 indicadores estandarizados por comuna y agrupados en cuatro dimensiones, determinadas por análisis de componentes principales (salud, socio económica, entornos comunal y educacional). Se determinó el IROBIC mediante una media geométrica ponderada y posteriormente se calcularon las diferencias entre las 10 y 5 comunas con mayores y menores IROBIC y de cada dimensión, con el coeficiente de disparidad Resultados: aun cuando los mayores IROBIC se obtuvieran en comunas más vulnerables, su valor total y el de cada dimensión, mostraron que es posible amortiguar los efectos de la desigualdad sobre la OI. Las 10 y 5 comunas con mayor IROBIC presentan un riesgo, 2,41 y 4,05 veces mayor que las de menor valor, respectivamente.
Conclusiones: el IROBIC puede monitorear el riesgo de OI —y factores asociados— desde una perspectiva territorial.
Introduction: although the prevalence of childhood obesity (CO) is high globally, there are no composite indices to estimate territorial aspects associated with its risk Objective: to develop an obesity risk index (IROBIC) for small administrative units, called “comunas” in Chile Methods: we used 2019 data from public sources on children under 10 years living in “comunas” of the two largest regions. IROBIC includes 16 indicators standardized for each “comuna” and grouped together into four domains, determined by principal component analysis (health, socio-economic, built-in and educational environments). IROBIC was calculated as a weighted geometric mean. Differences in obesity risk between the 10 and 5 “comunas” with the highest and lowest IROBIC and of each domain, were calculated with the disparity ratio.
Results: in spite of the poorest “comunas” having the highest IROBIC, when its value and that for each domain were considered, we observed that the effect of inequality could be mitigated. The 10 and 5 “comunas” with the highest IROBIC have a 2.41 and 4.05 higher risk of CO compared to those with the lowest values Conclusions: IROBIC is a useful tool for monitoring the risk of CO and its factors from a territorial perspective.
