Área de estudio

Colombia está ubicado en América del Sur y tiene 32 departamentos y el Archipiélago de San Andrés y Providencia. Limita al norte con el océano Atlántico y el mar Caribe; al occidente, con el océano Pacífico; al oriENTe, con Venezuela, y al sur, con Ecuador, Perú y Brasil.

Para el estudio, se utiliza el sistema de coordenadas proyectado Universal Transverse Mercator (UTM) (World Geodetic System, WGS) 1984, con el hemisferio sur en la zona 18.

FuENTe de información

Para obtener los datos se realiza un análisis de datos secundarios con la base de datos de la ENSIN del 2015 [⁶], a cargo del Instituto Colombiano de Bienestar Familiar, el Ministerio de Salud y Protección Social, el Departamento Administrativo para la Prosperidad Social, el Instituto Nacional de Salud, la Organización Panamericana de la Salud y la OMS.

Los datos son tomados de las bases de datos de antropometría y de actividad física (submuestra de la ENSIN) de los adultos de 18 a 64 años y de los estándares de la OMS para clasificar el sobrepeso y la obesidad en kg / m² según el índice de masa corporal (imc) [³⁰], donde el rango normal es 18,50-24,99; sobrepeso: 25,00-29,99; obesidad clase i: 30,00-34,99; obesidad clase ii: 35,00-39,99; obesidad clase iii ≥ 40,00. También se utiliza el trabajo de Ko y Tang [³¹] para clasificar la obesidad abdominal en hombres y mujeres con la circunferencia de cintura en cm, donde la obesidad abdominal ≥ 90 cm en hombres y ≥ 80 cm en mujeres, con ambas referencias para la edad de estudio.

Es necesario aclarar que se toma la variable IMC de la base de datos ya calculada y luego se clasifica según el criterio de la OMS.

Población

En la base de datos de la ENSIN de antropometría se encuentran 137 579 personas encuestadas, de los cuales 73 441 tienen de 18 a 64 años y no están en embarazo o posparto. Para llegar a ello, se realiza un proceso de limpieza de los datos, antes de extraer las variables de interés, eliminando datos atípicos dentro del comportamiento natural de cada variable. En la Figura 1 se describe el detalle de la depuración y, por último, se extraen solo las variables de interés y se unen con las variables de interés de la base de datos de actividad física.

Figura 1 Criterios de selección de la muestra. 

Variables de interés

La variable dependiente representa el número de personas con sobrepeso/obesidad en cada departamento. Las variables independientes (llamadas “variables explicativas”) son población, sexo, edad, nivel educativo, etnia, régimen de aseguramiento, cumplimiento de las recomendaciones de actividad física de 150 minutos en la semana y cercanía a parques/centros de recreación (véase Tabla 1].

Análisis estadístico

Se lleva a cabo recategorizando la variable de circunferencia y el imc en el software Statistical Package for Social Sciences de International Business Machine (IBM® SPSS®) versión 25, con licencia de la Universidad de Antioquia. Para el análisis descriptivo se calcula la prevalencia de sobrepeso y la obesidad de cada departamento y se elaboran los gráficos. La fórmula es la siguiente [³²]: fórmula (1)

Análisis espacial

Para el análisis geoespacial se usó el software ArcGIS versión 10.8, con licencia de la Universidad San Buenaventura. A este se cargó la capa de la división político-administrativa de Colombia a la Geodatabase y se agregaron los geodatos utilizando la herramienta ArcToolbox a la capa de departamentos, con los atributos analizados y la tabla de datos depurada y recategorizada con los valores absolutos de los 32 departamentos.

Para lograrlo, se inició un análisis exploratorio con todas las variables para idENTificar si los datos tienen una distribución normal y se hizo el geoproceso del OLS con su fórmula [³³]. Luego, se realizó un test (criterio de rendimiento y criterio de ausencia de redundancia), para determinar cuál modelo se ajustaba a las variables significativas, donde se permutaron las variables independientes 999 veces, hasta encontrar el mejor coeficiente de determinación ajustado (adjR2) (> 0,5) y el menor criterio de información de Akaike corregido (AICc).

Estas últimas herramientas se utilizan para cumplir con el criterio de rendimiento, que identifica si las variables explicativas dan cuenta de la variación de la variable dependiente. Asimismo, se debe cumplir el criterio de ausencia de redundancia o multicolinealidad con el factor de inflación de la varianza (variance inflation factor, VIF), para determinar si las variables explicativas son independientes entre sí. Si no lo son, se deben remover, porque existe multicolinealidad y este valor siempre debe ser menor que 7,50.

El test mencionado se lleva a cabo para elegir el mejor modelo espacial de la autocorrelación y es con el fin de garantizar la relación lineal entre estas variables y la variable respuesta.

Luego, se aplicó el índice de Moran Global con los residuales del ols con su fórmula [³⁴], p. 52, donde la interpretación es similar al coeficiente de correlación r, en el cual, si el valor es cercano a 0, no hay correlación espacial y su distribución es al azar. Los valores oscilan entre +1 y -1, es decir, el resultado es una autocorrelación perfecta positiva que indica la existencia de una dependencia espacial y una autocorrelación perfecta negativa respectivamente que indica distinción geográfica en sus unidades.

Después, se corrieron los geoprocesos, utilizando técnicas espaciales como lisa, con su fórmula [³⁴], p. 58; [³⁵], p. 192, que es el recuENTo de sus departamentos vecinos (en una observación geográfica), y el G* Getis Ord [³⁶], para analizar qué tan correlacionados están espacialmente los datos.

Es de aclarar, primero, que todos estos indicadores se encuentran en el software ArcGIS por medio de ArcMap (herramienta de minería de datos) y se pueden ejecutar a partir de una tabla de datos georreferenciados; y segundo, que en el estudio no se tuvieron en cuenta las frecuencias de variables sin datos, ya sean perdidos o mediciones no evaluadas (no entrevistados por la ENSIN) [⁷].

La estructura del geoalmacenamiento de los geodatos se dividió en dos partes: la primera (véase, en el apartado de “Resultados”, la Figura 3] es el resultado del lisa y la segunda (véase Figura 4] es el índice G* Getis Ord. En la Figura 3 se observa el color blanco para geodatos no significativos; el gris oscuro (el color tiene un 70 %), para departamentos con frecuencias por encima del promedio (alto-alto o High-High); el gris claro (el color tiene el 10 %) para departamentos con frecuencias inferiores al promedio (bajo-bajo o Low-Low); el gris claro (el color tiene el 50 %) para departamentos con frecuencias altas y rodeados por departamentos con frecuencias bajas al promedio (alto-bajo o High-Low), y el gris claro (el color tiene el 30 %) para departamentos con frecuencias bajas y rodeados por departamentos con frecuencias altas al promedio de media (bajo-alto o Low-High).

En la Figura 4 (que también se presenta en el apartado “Resultados”), la geovisualización del G* Getis Ord se representó con cuatro colores degradados del gris claro (el color con el 30 %) al gris oscuro (el color con el 70 %) para las altas frecuencias, llamadas “puntos calientes” (hot spots), y los colores degradados del azul claro (el color con el 30 %) al azul oscuro (el color con el 70 %) para las bajas frecuencias llamadas “puntos fríos” (cold spots). Estos puntos fríos y calientes son agrupados estadísticamente significativos con un nivel de confianza de 95 %.

Resultados del análisis espacial

En la Tabla 3 se presentan las variables dependientes asociadas al mejor modelo obtenido por el ols y el I’Moran Global, con significación de valores de p. Los modelos se consideran buenos para el análisis espacial, debido a que los residuales están distribuidos en forma normal.

En cuanto al valor p, los modelos difieren entre la obesidad abdominal y la obesidad clase ii y clase iii; sin embargo, para el sobrepeso y la obesidad clase i es significativo con valor p< 0,05; sin embargo, el sobrepeso es de -0,72, es decir, autocorrelación negativa, donde su localización espacial es disímil entre sus vecinos.

Las mujeres con obesidad abdominal con el I’Moran Global es de 0,45 (p= 0,964) y de 0,59 (p= 0,519) en la prevalencia de la obesidad abdominal en hombres; esto indica que existe autocorrelación positiva y aleatorización espacial en ambos sexos.

La obesidad según el imc en la clase i, I’Moran Global es 0,85 (p= 0,390); la clase ii, 0,30 (p= 0,758), y la clase iii, 0,21 (p= 0,828), lo cual indica que existe aleatorización, sus residuales se distribuyen de forma normal en el espacio y tiene una autocorrelación espacial positiva, es decir, la variable aleatoria tiene una tendencia de agruparse en el espacio.

Por lo anterior, los valores del I’Moran Global oscilan entre 0,8 y −0,7 en las seis variables dependientes del estudio, aceptando la hipótesis nula, es decir, la configuración espacial es aleatoria.

Adicionalmente, se reporta el resultado del modelo de la autocorrelación espacial (véase Tabla 2]. Las variables independientes mencionadas en la Tabla 1 son los factores que hay que tener en cuenta para implementar acciones y aumentar las estrategias poblacionales, con el fin de disminuir la prevalencia de estas condiciones de salud.

En la Figura 2 se presenta el mapa de las prevalencias. Llama la atención que Vichada, después del Archipiélago San Andrés, tiene mayores prevalencias en la obesidad abdominal, sobrepeso y obesidad clase i. El sobrepeso se observa en el sur de Colombia y la obesidad abdominal está en el norte del país, zona costera.

Figura 2 Distribución espacial de las prevalencia de sobrepeso y obesidad. a. prevalencias del sobrepeso; b. prevalencias de la obesidad clase i; c. prevalencias de la obesidad clase ii; d. prevalencias de la obesidad clase iii; e. prevalencia de la obesidad abdominal en la mujer; f. prevalencia de la obesidad abdominal en el hombre. 

En la Figura 3 se muestra el mapa del índice Moran local de Anselin, donde se presentan agrupaciones o clústeres. Por un lado, llama la atención que departamentos “alto-alto”, como lo son Antioquia, Córdoba, Bolívar, Sucre, Cesar y Magdalena, tienen mayor riesgo independientemente de sus departamentos vecinos de tener la obesidad abdominal en mujeres y hombres. En 6 departamentos “alto-alto” para la obesidad abdominal en mujeres y en 9 departamentos “alto-alto” para la misma en hombres, los porcentajes son del 18,7 % (6/32) y del 28,1 % (9/32) respectivamente.

Figura 3 Análisis de agrupamiento espacial de Anselin. a. Mapa de la obesidad clase i; b. mapa de la obesidad clase ii; c. mapa de la obesidad clase iii; d. mapa del sobrepeso en Colombia; e. mapa de la obesidad abdominal de las mujeres; f. mapa de la obesidad abdominal de los hombres. 

Por otro lado, se presenta un clúster “alto-alto” en la obesidad clase i (Chocó, Antioquia, Córdoba, Bolívar, Sucre, Magdalena y Cesar) y en el sobrepeso, de 21,8 % (7/32) (Antioquia, Córdoba, Bolívar, Sucre, Magdalena, Cundinamarca y Norte de Santander). Por último, en la clase ii es 9,09 % (3/33) y en la clase iii no existen conglomerados.

En la Figura 4, el mapa del indicador G* de Getis Ord demuestra que existe una concentración de los departamentos. Esto se evidencia en las zonas de color gris oscuro, es decir, hay un conglomerado, con respecto a los departamentos vecinos de Córdoba, de la obesidad abdominal de las mujeres de 12,5 % (4/32), y en los hombres, de 15,6 % (5/32). En la obesidad según el IMC hay HotSpot 99 % (puntos calientes), es decir, existe conglomerado de la enfermedad, en la clase i, de 18,7 % (6/32); en la clase ii, de 12,5 % (4/32), y en la clase iii no existe relación con sus departamentos vecinos y no hay significancia con respecto a los departamentos. En el sobrepeso existe autocorrelación HotSpot 99 % de coincidencia con el 9,37 % (3/32). En conclusión, para la obesidad abdominal y el sobrepeso en mujeres y hombres se detectaron puntos calientes, con el 99 % de coincidencia en los departamentos de Córdoba, Sucre y Magdalena.

Figura 4 Análisis de agrupamiENTo espacial de G* Getis Ord. a. Mapa de la obesidad clase i; b. mapa de la obesidad clase ii; c. mapa de la obesidad clase iii; d. mapa del sobrepeso en Colombia; e. mapa de la obesidad abdominal en mujeres; f. mapa de la obesidad abdominal en hombres. 

Es necesario aclarar (véanse Figura 3 y Figura 4] que el sobrepeso y la obesidad se encuentran agrupados en el noroccidente de Colombia y se resalta un aumento en la costa Atlántica.