medigraphic.com
Colegio de Medicina Interna de México.

2025, Número 07

<< Anterior Siguiente >>

Med Int Mex 2025; 41 (07)


Validación de una ecuación de regresión para estimar el peso corporal en población peruana de la ENDES 2022 y ENDES 2023

Guevara TA

Idioma: Español
Referencias bibliográficas: 19
Paginas: 378-385
Archivo PDF: 408.44 Kb.


RESUMEN

Objetivo: Desarrollar una ecuación para estimar el peso corporal con el uso del perímetro abdominal, talla y edad en adultos peruanos.
Materiales y Métodos: Estudio analítico a partir de datos de la Encuesta Demográfica y de Salud Familiar (ENDES 2022). En la población de la ENDES 2023 se hizo la validación externa. Variables de estudio: peso corporal, edad, talla y perímetro abdominal. Se aplicó regresión lineal múltiple y se determinó el coeficiente de determinación (R²) y métricas de error: error absoluto medio, cuadrático medio y relativo medio.
Resultados: La muestra de la ENDES 2022 fue de 30,071 personas y de ENDES 2023, de 31,247. El modelo de regresión lineal múltiple en la ENDES 2022 tuvo un coeficiente de determinación R² de 0.895, que explica el 90% de la variabilidad del peso corporal. La ecuación de regresión tuvo un error absoluto medio de 3.50 kg, error cuadrático medio de 4.58 kg y error relativo medio de 0.05, lo que indica alta precisión. La correlación de Spearman fue de 0.943. Al aplicar el modelo en la ENDES 2023, el coeficiente R² fue de 0.876, lo que confirma su capacidad predictiva en una muestra independiente.
Conclusiones: La ecuación de regresión, basada en el perímetro abdominal, talla y edad, es un método confiable para estimar el peso corporal en adultos peruanos.


REFERENCIAS (EN ESTE ARTÍCULO)

  1. Zierle-Ghosh A, Jan A. Physiology, body mass index. 2024.

  2. Human Body Part Weights [Internet]. Robslink.com.

  3. Piaggi P. Metabolic determinants of weight gain in humans.Obesity (Silver Spring). 2019; 27 (5): 691-9. http://dx.doi.org/10.1002/oby.22456

  4. Khanna D, Peltzer C, Kahar P, Parmar MS. Body mass index(BMI): A screening tool analysis. Cureus 2022. http://dx.doi.org/10.7759/cureus.22119

  5. Sørensen TIA, Martinez AR, Jørgensen TSH. Epidemiologyof obesity. En: From Obesity to Diabetes. Cham:Springer International Publishing; 2022: 3-27. http://dx.doi.org/10.1007/164_2022_581

  6. Ríos-Reyna C, Díaz-Ramírez G, Castillo-Ruíz O, Pardo-Buitimea NY, Alemán-Castillo SE. Políticas y estrategias paracombatir la obesidad en Latinoamérica. Rev Méd Inst MexSeguro Soc 2022; 60 (6): 666.

  7. Chávez V, Jaime E. Prevalencia de sobrepeso y obesidaden el Perú. Rev Peru Ginecol Obstet 2024; 63 (4): 593-8.

  8. Samerchua A, Suraseranivongse S, Komoltri C. A comparisonof pediatric weight estimation methods for emergencyresuscitation. Pediatr Emerg Care 2019; 35 (10): 705-11.http://dx.doi.org/10.1097/pec.0000000000001137

  9. Aragón-Joya YA. Fórmulas para la estimación rápida del pesoa partir de la edad y su correlación con el peso medido enuna población pediátrica de Colombia entre los 2 y 15 años.2017. http://dx.doi.org/10.13140/RG.2.2.15554.38087

  10. Kang K, Absher R, Farrington E, Ackley R, So T-Y. Evaluationof different methods used to calculate ideal body weightin the pediatric population. J Pediatr Pharmacol Ther2019; 24 (5): 421-30. http://dx.doi.org/10.5863/1551-6776-24.5.421

  11. Peterson CM, Thomas DM, Blackburn GL, Heymsfield SB.Universal equation for estimating ideal body weight andbody weight at any BMI. Am J Clin Nutr 2016; 103 (5):1197-203. http://dx.doi.org/10.3945/ajcn.115.121178

  12. Martina Chávez M, Amemiya Hoshi I, Suguimoto WatanabeSP, Arroyo Aguilar RS, et al. Depresión en adultos mayoresen el Perú: distribución geoespacial y factores asociadossegún ENDES 2018-2020. An Fac Med (Lima Peru: 1990).2022; 83 (3): 180-7. http://dx.doi.org/10.15381/anales.v83i3.23375

  13. Rabito EI, Vannucchi GB, Suen VMM, et al. Weight andheight prediction of immobilized patients. Rev Nutr2006; 19 (6): 655-61. http://dx.doi.org/10.1590/s1415-52732006000600002

  14. Vega Abascal JB, Leyva Sicilia Y, Teruel Ginés R. La circunferenciaabdominal. Su inestimable valor en la AtenciónPrimaria de Salud. CCH Correo cient Holguín 2019; 23 (1):270-4. http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1560-43812019000100270

  15. Miyatake N, Matsumoto S, Miyachi M, et al. Relationshipbetween changes in body weight and waist circumferencein Japanese. Environ Health Prev Med 2007; 12 (5): 220-3.http://dx.doi.org/10.1265/ehpm.12.220

  16. National Academies of Sciences, Engineering, and Medicine,Health and Medicine Division, Food and NutritionBoard, Roundtable on Obesity Solutions, Callahan EA. Thescience, strengths, and limitations of body mass index.Washington DC: National Academies Press; 2023.

  17. Boutari C, Mantzoros CS. Decreasing lean body mass withage: Challenges and opportunities for novel therapies.Endocrinol Metab (Seoul) 2017; 32 (4): 422. http://dx.doi.org/10.3803/enm.2017.32.4.422

  18. Buckley RG, Stehman CR, Dos Santos FL, et al. Bedsidemethod to estimate actual body weight in the EmergencyDepartment. J Emerg Med 2012; 42 (1): 100-104. https://doi.org.10.1016/j.jemermed.2010.10.022

  19. Peng CJ, Chang CM, Yang KS. Using simple anthropometricparameters to develop formulas for estimating weightand height in Chinese adults. Ann N Y Acad Sci 2000;904: 327-332. https://doi.org.10.1111/j.1749-6632.2000.tb06475.x




2020     |     www.medigraphic.com