Laura Morlan Herrador, Antonio de Arriba Muñoz, Ignacio Martínez Ruiz, M. de Francisco Ruiz, J. Pascual Terrel, José Ignacio Labarta Aizpun, Ángel Ferrández Longás
Introducción: la obesidad infantil es uno de los problemas de salud pública del siglo XXI; su prevención supone un gran reto a nivel mundial.
Objetivo: el objetivo de este trabajo es desarrollar una fórmula que permita identificar de forma precoz el riesgo de desarrollar obesidad en población infantil.
Material y métodos: trabajo realizado a partir de un estudio longitudinal realizado sobre población sana (122 niños, 120 niñas) consistente en la medida de 14 parámetros antropométricos obtenidos desde el nacimiento a los 18 años de edad. Se ha definido sobrepeso cuando el IMC y el perímetro abdominal fueron superiores a una desviación estándar con respecto a la media poblacional.
Mediante regresión logística, se ha creado un modelo diseñado para describir la probabilidad de que un individuo presente sobrepeso a partir de sus datos antropométricos de los 3 primeros años de vida (significación estadística si p<0,05).
Resultados: se ha desarrollado una fórmula matemática capaz de estimar el riesgo de desarrollar sobrepeso a los 10 años.
Discusión: se han credo dos modelos muy competitivos, con una capacidad discriminatoria excelente, que pueden ser una herramienta clínica para la prevención de la obesidad.
Background:
Childhood obesity is one of the most important public health challenges of the 21st century; its prevention is a major challenge worlwide.
Objective: The aim of the present study is to develop a mathematical formula to identify children with high risk of childhood obesity in an early stage.
Patients and methods: A national longitudinal population-based study is used (122 boys and 120 girls); it includes 14 anthropometric measures made from birth to 18 years of age. Overweight is defined when measurementes of Body mass index (BMI) and abdominal circunference are greater than 1 standard deviation store above the standard average. By using logistic regression, it’s created a model that predicts the risk of children to develop overweight by using anthropometric data from the first three years of life (statistical significance, p<0.05).
Results: It’s been achieved a mathematical formula that predicts the risk of a subject to develop overweight at the age of ten.
Conclusions: The two models created are both highly competitive, with high discriminatory power, so they can be a good tool in daily clinical practice to prevent obesity.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados