Leer · Sobrepeso y obesidad en adultos: aportes de un análisis geoespacial

Página 1 de 13Sobrepeso y obesidad en adultos: aportes de un análisis geoespacial

p. 1

Investigación Salud de los adultos Sobrepeso y obesidad en adultos: aportes de un análisis geoespacial* Overweight and obesity in adults: contributions from a geospatial analysis Sobrepeso e obesidade em adultos: contribuições de uma análise geoespacial Cindy Caterine Sánchez Monroy1

Profesional en Gerencia en Sistemas de Información en Salud. Universidad de Antioquia, Colombia. cindy.sanchez@udea.edu. co. ORCID: https://orcid.org/0000-0002-8725-3638 Recibido: 14/12/2022. Aprobado: 08/05/2023. Publicado: 23/05/2023 Sánchez C. Sobrepeso y obesidad en adultos: aportes de un análisis geoespacial. Rev. Fac. Nac. Salud Pública. 2023;41(2):e351984. doi: https://doi.org/10.17533/udea.rfnsp.e351984 Resumen Objetivo: Realizar un análisis geoespacial del comportamiento de sobrepeso y obesidad basado en la “Encuesta Nacional de Situación Nutricional” de 2015. Metodología: Se aplica un modelo de análisis geoespacial de distribución espacial trasversal a partir de la Encuesta, a escala departamental. Para lograrlo, se calculan las prevalencias de sobrepeso, obesidad clase i, ii y iii según el índice de masa corporal y la obesidad abdominal en mujeres y hombres de acuerdo con la circunferencia de cintura. Se utilizan herramientas de sistemas de información geográfica, como el índice de Moran Global, el índice local de autocorrelación espacial (lisa) y el G* Getis Ord, para determinar los patrones de agrupaciones altas y bajas prevalencias. Resultados: Los conglomerados locales ilustrados en los mapas demuestran que sus residuales están distribuidos normalmente en el espacio. Se observa una aleatoriedad en el modelo de la autocorrelación espacial. Las agrupaciones de lisa alta-alta se presentan en diez departamentos con estas condiciones (La Guajira, Magdalena, Atlántico, Sucre, Cesar, Norte de Santander, Córdoba, Antioquia, Chocó y Cundinamarca). Según el índice de masa corporal, el 38,5 por cada 100 habitantes tienen sobrepeso; el 20,9 por cada 100 habitantes presenta obesidad, y según la circunferencia de cintura, 53,2 por cada 100 habitantes tiene obesidad abdominal. Conclusiones: La distribución espacial del sobrepeso y la obesidad puede estar condicionada con variables sociodemográficas tratadas en el estudio. El país tiene el reto de continuar implementando acciones poblacionales en salud pública para disminuir estas condiciones. ----------Palabras clave:

adultos, enfermedades no transmisibles, modelo geoespacial, obesidad, sistema de información geográfica, sobrepeso * El texto es producto de la investigación: “Sobrepeso y obesidad en adultos: aportes de un análisis geoespacial”, realizada en la Universidad San Bue naventura, en la Especialización de Sistemas de Información Geográfica. Fecha de inicio:_ septiembre de 2021; fecha de terminación: junio de 2022

p. 2

Rev. Fac. Nac. Salud Pública -DOI: https://doi.org/10.17533/udea.rfnsp.e351984

Universidad de Antioquia Abstract Objective: To carry out a geospatial analysis of the behavior of overweight and obesity based on the “National Survey of Nutritional Situation” of 2015. Methodology: A geospatial analysis model of transversal spatial distribution is applied from the Survey, on a departmental scale. To achieve this, the prevalence of overweight, class I, II and III obesity according to body mass index and abdominal obesity in women and men according to waist circumference are calculated. Geographic information system tools, such as the Global Moran Index, Local Spatial Autocorrelation Index (LISA), and G* Getis Ord, are used to determine patterns of high clustering and low prevalence. Results: The local clusters illustrated on the maps demonstrate that their residuals are normally distributed in space. A randomness is observed in the spatial autocorrelation model. High-high LISA clusters occur in ten departments with these conditions (La Guajira, Magdalena, Atlántico, Sucre, Cesar, Norte de Santander, Córdoba, Antioquia, Chocó and Cundinamarca). According to the body mass index, 38.5 per

100 inhabitants are overweight; 20.9 per 100 inhabitants are

obese, and according to waist circumference, 53.2 per 100 inhabitants have abdominal obesity. Conclusions: The spatial distribution of overweight and obesity may be conditioned by the sociodemographic variables treated in the study. The country has the challenge of continuing to implement population actions in public health to reduce these conditions. ----------Keywords:

adults, noncommunicable diseases, geospatial model, obesity, geographic information system, overweight.

Resumo Objetivo: Realizar uma análise geoespacial do comportamento do sobrepeso e da obesidade com base na "Pesquisa Nacional de Situação Nutricional" de 2015. Metodologia: Aplica-se um modelo de análise geoespacial de distribuição espacial transversal da Pesquisa, em escala departamental. Para isso, calcula-se a prevalência de sobrepeso, obesidade graus I, II e III segundo o índice de massa corporal e obesidade abdominal em mulheres e homens segundo a circunferência da cintura. As ferramentas do sistema de informações geográficas, como o Índice de Moran Global, o Índice de Autocorrelação Espacial Local (Smooth) e o G* Getis Ord, são usadas para determinar padrões de alto agrupamento e baixa prevalência. Resultados: Os clusters locais ilustrados nos mapas demonstram que seus resíduos são normalmente distribuídos no espaço. Uma aleatoriedade é observada no modelo de autocorrelação espacial. Grupos de tainhas alto-alto ocorrem em dez departamentos com essas condições (La Guajira, Magdalena, Atlântico, Sucre, Cesar, Norte de Santander, Córdoba, Antioquia, Chocó e Cundinamarca). De acordo com o índice de massa corporal, 38,5 por 100 habitantes estão acima do peso; 20,9 por 100 habitantes são obesos e, segundo a circunferência da cintura, 53,2 por 100 habitantes têm obesidade abdominal. Conclusões: A distribuição espacial do sobrepeso e da obesidade pode estar condicionada pelas variáveis sociodemográficas tratadas no estudo. O país tem o desafio de continuar implementando ações populacionais em saúde pública para reduzir esses agravos.

----------Palavras-chave: adultos, doenças não transmissíveis, modelo geoespacial, obesidade, sistema de informação geográfica, excesso de peso Introducción El sobrepeso y la obesidad es una “acumulación anor mal o excesiva de grasa que puede ser perjudicial para la salud” y, a su vez, se presenta como riesgo para enfermedades no transmisibles (ent) [1]. En los últi mos años [2], estas condiciones siguen aumentando y según la Organización Mundial de la Salud (oms) [3], las ent causan 41 millones de muertes cada año, convirtiéndose en un problema de salud pública que amenaza con obstaculizar el desarrollo económico y social a nivel mundial [4].

Este problema de salud pública es tema de inves tigación. Sin duda, estas condiciones son factores de riesgo que el mundo trata de “controlar” [5], lo que ha permitido generar aportes como la “Encuesta Nacional de Situación Nutricional” (ensin) [6], que revisa el esta do de salud de poblaciones de interés en Colombia con datos recopilados quinquenalmente. En la actualidad, la Encuesta lleva tres versiones: 2005, 2010 y 2015 [7]. A partir de los datos de la ensin, se han elaborado estu dios, como el asociar la enfermedad con el número de comidas/día o el nivel socioeconómico [5,8]. Sin em bargo, otros estudios buscan respuestas mediante la vin culación de estas condiciones con otras comorbilidades, por ejemplo, con la hipertensión y el síndrome metabó lico [9], y con el accidente cerebrovascular, la diabetes tipo 2 y enfermedades cardiovasculares [10,11]. No obs tante, son pocos los autores que usan los análisis espa ciales en salud pública.

Pese a ese poco uso de esos instrumentos, los siste mas de información geográfica (sig) y la epidemiología

p. 3

Sobrepeso y obesidad en adultos: aportes de un análisis geoespacial

Facultad Nacional de Salud Pública "Héctor Abad Gómez" espacial han sido herramientas fundamentales [12,13] para determinar la variación y los comportamientos de vecindad a nivel espacial en las enfermedades [14].

Kang-Tsung [15], Maheswaran y Craglia [16], Chris

man [17] y Goodchild y Haining [18,19] definen los

sig como un sistema de información que contiene eta pas desde la adquisición hasta la presentación de infor mación geográfica [20]; además, son una “respuesta a necesidades humanas de gestión y análisis de la infor mación” [21]. Del mismo modo, Anselin y Getis [20], Goodchild [22] y Maguire [23] mencionan que la impor tancia de los sig son los modelos espaciales y métodos estadísticos, que permiten la creación de escenarios a partir de la información [24] y la integración de planos, mapas y dibujos en una misma escala [25]. Cabe resal tar que la aplicación de los sig se ha incrementado en los últimos años [25], donde importantes autores como Roger Tomlinson (padre del sig) [25,26] y John Snow (padre de la epidemiología moderna) [17] han ayudado a promover y desarrollar los sig en campos de la epide miología y la salud pública (sig-epi) [25]. En un análisis geoespacial usando herramientas sig son muy importantes el índice de Moran Global (I’Moran Global), porque este mide la asociación global del terri torio; el índice de Moran Local de Anselin, que también es conocido como el índice local de autocorrelación espacial (Local Indicators of Spatial Association, lisa), muy utilizado para observar la dependencia espacial en la ocurrencia de la enfermedad y su áreas de agrupación espacial (clustering), y el G* Getis Ord, para la identifi cación de los conglomerados a nivel espacial que tiene la enfermedad, y sobre la base de autocorrelación es pacial se usan los residuales de los mínimos cuadrados ordinarios (Ordinary Least Squares, ols) o la regresión ponderada geográficamente. En el apartado “Discusión” se mencionan algunos análisis espaciales realizados en países latinoamericanos y sus resultados [12,27-29]. Finalmente, todos estos aportes de los sig y la epi demiología espacial, en términos de salud pública, posi bilitan dilucidar los problemas de salud pública y emitir respuestas para la toma de decisiones. No obstante, si bien en investigaciones previas se carece de estudios que realicen un análisis geoespacial, este puede ser muy útil en estudios de cohorte y transversales y observar lo geográficamente, e identificar factores poblacionales que pueden servir para hacer políticas públicas, planes, programas y proyectos.

De esta manera, el objetivo de este estudio es realizar un análisis geoespacial del comportamiento de sobrepeso y obesidad basado en la encuesta de la ensin de 2015. Metodología En esta sección se describen el lugar de estudio, las fuentes de información, la población y las variables de interés.

Área de estudio Colombia está ubicado en América del Sur y tiene 32 departamentos y el Archipiélago de San Andrés y Provi dencia. 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 coordena das 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 se cundarios 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 Departamen to 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 antro pometría 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 ab dominal 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 en cuentran 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 comporta miento natural de cada variable. En la Figura 1 se des cribe 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.

p. 4

Rev. Fac. Nac. Salud Pública -DOI: https://doi.org/10.17533/udea.rfnsp.e351984

Universidad de Antioquia Figura 1. Criterios de selección de la muestra. Variables de interés La variable dependiente representa el número de per sonas con sobrepeso/obesidad en cada departamento. Las variables independientes (llamadas “variables ex plicativas”) 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 circun ferencia y el imc en el software Statistical Package for Social Sciences de International Business Machine (ibm® spss®) versión 25, con licencia de la Universi dad de Antioquia. Para el análisis descriptivo se calcula la prevalencia de sobrepeso y la obesidad de cada de partamento y se elaboran los gráficos. La fórmula es la siguiente [32]:

Análisis espacial Para el análisis geoespacial se usó el software ArcGIS versión 10.8, con licencia de la Universidad San Bue naventura. A este se cargó la capa de la división polí tico-administrativa de Colombia a la Geodatabase y se agregaron los geodatos utilizando la herramienta Arc Toolbox 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 sig nificativas, donde se permutaron las variables indepen dientes 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 varia bles explicativas dan cuenta de la variación de la varia ble dependiente. Asimismo, se debe cumplir el criterio de ausencia de redundancia o multicolinealidad con el

p. 5

Sobrepeso y obesidad en adultos: aportes de un análisis geoespacial

Facultad Nacional de Salud Pública "Héctor Abad Gómez" Característica Sexo Total Hombre Mujer n

Edad Juventud (18-26 años)

8048

24,57

9161

22,52

17 209

23,43

Adultez (27-64 años)

24 705

75,43

31 527

77,48

56 232

76,57

Total

32 753

100,00

40 688

100,00

73 441

100,00

Obesidad abdominal Sí

13 362

40,80

25 689

63,14

39 051

53,17

19 247

58,76

14 689

36,10

33 936

46,21

Sin dato*

144

0,44

310

0,76

454

0,62

Total

32 753

100,00

40 688

100,00

73 441

100,00

IMC

Clase I

4067

12,42

7205

17,71

11 272

15,35

Clase II

785

2,40

2307

5,67

3092

4,21

Clase III

197

0,60

778

1,91

975

1,33

Normal

14 790

45,16

14 831

36,45

29 621

40,33

Sobrepeso

12 848

39,23

15 398

37,84

28 246

38,46

Sin dato*

0,20

169

0,42

235

0,32

Total

32 753

100,00

40 688

100,00

73 441

100,00

Etnia Indígena

2615

7,98

3171

7,79

5786

7,88

Negro / mulato / afrocolombiano / afrodescendiente / palenquero de San Basilio

3057

9,33

3754

9,23

6811

9,27

Sin pertenencia étnica

26 776

81,75

33 359

81,99

60 135

81,88

Sin dato*

305

0,93

404

0,99

709

0,97

Total

32 753

100,00

40 688

100,00

73 441

100,00

Escolaridad Entre primaria completa y secundaria incompleta (5-10 años)

10 116

30,89

12 262

30,14

22 378

30,47

Entre secundaria completa y superior incompleta (11-15 años)

13675

41,75

17 820

43,80

31 495

42,88

Menos de primaria completa (0-4 años)

6618

20,21

7403

18,19

14 021

19,09

Superior completa y más (16-24 años)

2151

6,57

3079

7,57

5230

7,12

Sin dato*

193

0,59

124

0,30

317

0,43

Total

32 753

100,00

40 688

100,00

73 441

100,00

Aseguramiento No afiliado

2477

7,56

1507

3,70

3984

5,42

Régimen contributivo o especial

12 772

38,99

16 055

39,46

28 827

39,25

Régimen subsidiado

17 280

52,76

23 011

56,55

40 291

54,86

Sin dato*

224

0,68

115

0,28

339

0,46

Total

32 753

100,00

40 688

100,00

73 441

100,00

Tabla 1. Variables del estudio

p. 6

Rev. Fac. Nac. Salud Pública -DOI: https://doi.org/10.17533/udea.rfnsp.e351984

Universidad de Antioquia Característica Sexo Total Hombre Mujer n

Parques cercanos No

3137

9,58

3655

8,98

6792

9,25

Sí

4644

14,18

4844

11,91

9488

12,92

Sin dato*

0,02

0,01

No encuestados**

24 967

76,23

32 184

79,10

57 151

77,82

Total

32 753

100,00

40 688

100,00

73 441

100,00

Actividad física

150 minutos por

semana No

2977

9,09

4963

12,20

7940

10,81

Sí

4804

14,67

3536

8,69

8340

11,36

Sin dato*

0,02

0,01

No encuestados**

24 967

76,23

32 184

79,10

57 151

77,83

Total

32 753

100,00

40 688

100,00

73 441

100,00

* El porcentaje de datos perdidos es de 0,26 %.

**La base de datos de actividad física en la ensin es una submuestra, se encontraron 57151 personas que no se encuestaron y no se tuvieron en cuenta para los resultados. Fuente: Elaboración propia, a partir de datos tomados de la ensin [7]. 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 remo ver, porque existe multicolinealidad y este valor siempre debe ser menor que 7,50.

El test mencionado se lleva a cabo para elegir el me jor 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 autocorre lación perfecta positiva que indica la existencia de una dependencia espacial y una autocorrelación perfecta ne gativa 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 ve cinos (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 geo datos 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 geo datos 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 frecuen cias 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 departamen tos 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 apar tado “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 “pun tos 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 “pun tos fríos” (cold spots). Estos puntos fríos y calientes son agrupados estadísticamente significativos con un nivel de confianza de 95 %.

p. 7

Sobrepeso y obesidad en adultos: aportes de un análisis geoespacial

Facultad Nacional de Salud Pública "Héctor Abad Gómez" Consideraciones éticas Este estudio cumple con los criterios enunciados en los “Principios éticos para las investigaciones médicas en seres humanos”, enunciados por la Asociación Médi ca Mundial en la “Declaración de Helsinki” [37], y con lo determinado en la Resolución 8430 de 1993 [38], con riesgo mínimo por trabajar con datos secundarios anoni mizados por parte de la ensin.

Además, no se cuenta con aprobación del Comité de Ética de la Universidad San Buenaventura, debido a que se trabaja con datos secundarios que no afectan la confidencialidad ni información privada de las personas. Resultados En la Tabla 2, se muestra que las condiciones estudiadas fueron significativas (< 0,001); la prevalencia del sobrepe so es el 38,6 (28 246 / 73 206) por cada 100 habitantes, y en la obesidad abdominal prevalece el 53,5 (39 051 / 72 987) por cada 100 habitantes. Las mujeres prevalecen 22,6 pun tos por encima de la obesidad en los hombres. Resultados del análisis espacial En la Tabla 3 se presentan las variables dependientes aso ciadas 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. Tabla 2. Prevalencias según el imc y la circunferencia de cintura por el sexo. Característica Hombre Mujer Total p** n Prevalencia* n Prevalencia* n Prevalencia (Global)* Obesidad abdominal*** Sí

13 362

41,0

25 689

63,6

39 051

53,5

< 0,001 No

19 247

59,0

14 689

36,4

33 936

46,5

Total

32 609

100

40 378

100

72 987

100

Datos según imc Peso normal

14 790

45,2

14 831

36,6

29 621

40,5

< 0,001 Sobrepeso

12 848

39,3

15 398

38,0

28 246

38,6

Obesidad clase i

4067

12,4

7205

17,8

11 272

15,4

Obesidad clase ii

785

2,4

2307

5,7

3092

4,2

Obesidad clase iii

197

0,6

778

1,9

975

1,3

Total

32 687

100

40 519

100

73 206

100

imc: índice de masa corporal.

* Para el cálculo de las prevalencias, solo se tomaron los datos válidos.

** El estadístico de chi-cuadrado es significativo en el nivel 0,05. *** Datos según la circunferencia de cintura. Fuente: Elaboración propia, a partir de datos tomados de la ensin [7]. Variable dependiente

OLS

Índice de Moran Global (residuales) AdjR2 AICc

VIF

Modelo Valor p Puntuación Z Resultado Obesidad abdominal en mujer

0,97

365,70

3,54

Menos de primaria Secundaria No afiliado

0,964080

0,045034

–0,029530 No clústeres Obesidad abdominal en hombre

0,91

365,34

6,50

Afrocolombianos Ocupación formal Subsidiado No afiliado No actividad física

0,519512

0,598491

–0,008045 No clústeres Tabla 3. Resultados de autocorrelación espacial

p. 8

Rev. Fac. Nac. Salud Pública -DOI: https://doi.org/10.17533/udea.rfnsp.e351984

Universidad de Antioquia Sobrepeso

0,99

333,43

5,14

Ocupación informal Contributivo No afiliado No tiene parques

0,467835

–0,726007 –0,059174 No clústeres Obesidad clase i

0,93

336,98

6,87

Primaria Secundaria Afrocolombianos Sí tiene parques

0,390352

0,858979

0,001753

No clústeres Obesidad clase ii

0,81

295,40

6,80

Afrocolombianos Ocupación informal Contributivo No actividad física

0,758963

0,306843

–0,019403 No clústeres Obesidad clase iii

0,52

256,56

6,72

Primaria Educación superior Sin etnia

0,828672

0,216406

–0,022937 No clústeres adjR2: Coeficiente de determinación ajustado; AICc: Criterio de información de Akaike corregido; ols: Mínimo cuadrados ordinarios; vif: Factor de inflación de la varianza.

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 sig nificativo 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 aleatoriza ción espacial en ambos sexos.

La obesidad según el imc en la clase i, I’Moran Glo bal 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 espa cial positiva, es decir, la variable aleatoria tiene una ten dencia de agruparse en el espacio.

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

Adicionalmente, se reporta el resultado del modelo de la autocorrelación espacial (véase Tabla 2). Las va riables independientes mencionadas en la tabla 1 son los factores que hay que tener en cuenta para implementar ac ciones 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 prevalen cias. Llama la atención que Vichada, después del Ar chipiélago 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 obesi dad abdominal está en el norte del país, zona costera. En la Figura 3 se muestra el mapa del índice Mo ran local de Anselin, donde se presentan agrupaciones o clústeres. Por un lado, llama la atención que depar tamentos “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 mis ma en hombres, los porcentajes son del 18,7 % (6/32) y del 28,1 % (9/32) respectivamente.

Por otro lado, se presenta un clúster “alto-alto” en la obesidad clase i (Chocó, Antioquia, Córdoba, Bolí var, 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 Ge tis 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 obesi dad 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 so brepeso existe autocorrelación HotSpot 99 % de coinci dencia con el 9,37 % (3/32). En conclusión, para la obe sidad 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. Es necesario aclarar (véanse figuras 3 y 4) que el sobrepeso y la obesidad se encuentran agrupados en el noroccidente de Colombia y se resalta un aumento en la costa Atlántica.

p. 9

Sobrepeso y obesidad en adultos: aportes de un análisis geoespacial

Facultad Nacional de Salud Pública "Héctor Abad Gómez" 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. a)

c) d)

f) Discusión En el estudio se demuestra, con el uso de las herramien tas I’Moran Global, los clústeres, lisa y G* Getis Ord, que las variables dependientes analizadas tienen aleato rización, marcando la necesidad de realizar estrategias en salud pública en los departamentos del noroccidente con puntos calientes mencionados en el estudio. Un hallazgo de este estudio es la predicción de altas prevalencias en las zonas costeras, como el Archipiélago de San Andrés y La Guajira, lo que plantea la necesidad de desarrollar programas de salud pública que mejoren las condiciones de salud de esta población. Cabe resaltar que estas zonas costeras también se ven marcadas con estas condiciones en estudios latinoa mericanos, como Hernández-Vásquez et al. [28], quie nes muestran que existe mayor prevalencia de obesidad y sobrepeso en zonas costeras de las regiones Tacna, Moquegua, Callao, Lima e Ica de Perú. Además, se ob serva que la prevalencia es más alta en el área urbana con respecto al sobrepeso de 199 distritos, donde 126 son urbanos (63 %) y 73 rurales (37 %). Por su parte, Hernández-Vásquez et al. [29] presen tan un estudio similar de resultados de mayor prevalen cia en zonas urbanas costeras, que coinciden con el ma yor índice de riqueza comparado con la selva y la sierra. A diferencia de los dos últimos artículos referencia dos, en este estudio no se tienen datos diferenciados con lo urbano y rural, pero ello plantea la necesidad de efec tuar un análisis espacial desde este punto de vista. Además, en este estudio se encontró dependencia espacial en la ocurrencia del sobrepeso-obesidad, situa ción similar al artículo publicado en el 2023 por Muñoz et al. [39], donde se observa el patrón dietético como

p. 10

Rev. Fac. Nac. Salud Pública -DOI: https://doi.org/10.17533/udea.rfnsp.e351984

Universidad de Antioquia 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. a)

c) d)

f) factor clave por departamentos según el nivel socioeco nómico en Colombia.

Otro hallazgo es la similitud en alta prevalencia del exceso de peso en las mujeres de Colombia y muchos estudios [8,27,40-42] demuestran la formulación de la urgencia en salud pública que se requiere. Estas altas prevalencias trazan la necesidad de realizar una continua vigilancia del imc y de la circunferencia de cintura, y eje cutar políticas en salud para la prevención, el tratamiento y la rehabilitación de estas condiciones de salud de los colombianos.

Al comparar prevalencias del año 2020, se reportó un estudio [43] realizado en cinco ciudades principales de Colombia (Bogotá, Medellín, Cali, Barranquilla y Bu caramanga), donde se encontró prevalencia de exceso de peso corporal del 57,5 % (36,2 % sobrepeso, 21,3 % obe sidad) y en obesidad abdominal fue del 34,4 %, mientras que en este estudio la prevalencia sobrepeso-obesidad es 2 puntos por encima de estos resultados del 2020. Limitaciones Se tienen limitaciones en los resultados, porque pue den tener sesgos cuando no se cuenta con información a escalas detalladas sino globales, es decir, a escala depar tamental. Sin embargo, este estudio ha sido el único en realizar un análisis espacial con estos datos secundarios Otra limitación que se presenta es cuando no se cumple el principio de completitud en los datos secun darios, porque los resultados pueden estar sesgados. Igualmente, aunque sea la última versión de la ensin, ya han pasado muchos años y el dato no es actualizado para conocer con certeza las condiciones en salud. Conclusiones En el análisis geoespacial de las prevalencias, se puede concluir, por un lado, que se presentaron altas prevalen cias de las condiciones estudiadas en dos departamentos,

p. 11

Sobrepeso y obesidad en adultos: aportes de un análisis geoespacial

Facultad Nacional de Salud Pública "Héctor Abad Gómez" 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. a)

c) d)

f) en el Archipiélago de San Andrés y Providencia, y en Vichada. A su vez, las condiciones de salud estudiadas con el imc prevalecen en los departamentos del sur de Colombia, mientras que las condiciones estudiadas con la circunferencia de cintura prevalecen en el norte del país. Además, en cuanto al sexo, se evidenciaron altas prevalencias de obesidad en las mujeres. Por otro lado, la predicción realizada con los índices evidencia altas de prevalencias, en zonas costeras, de las condiciones estudiadas, tanto con el imc como con la cir cunferencia de cintura.

Además, en la revisión no sistemática que se realizó no se encontraron estudios donde se hayan utilizado los tres índices predictivos; sin embargo, a partir de los re sultados de la autocorrelación espacial, el modelo espa cial adecuado para reducir la obesidad abdominal en las mujeres es implementar estrategias en educación en pri maria y secundaria, y en la afiliación al sistema de salud de las colombianas, mientras que la obesidad abdominal en hombres puede estar condicionada por ser afrocolom bianos, tener ocupación formal, ser subsidiado, no estar afiliado al sistema de salud y no realizar los 150 minutos de actividad física en la semana.

Asimismo, aunque el estudio se haya efectuado con datos del 2015, los estudios encontrados demuestran que aún este problema de salud pública amerita identifica ción de los riesgos, y la implementación y la atención en las políticas de salud públicas del país. Recomendaciones Esta metodología se recomienda, primero, porque ejecu tar un análisis geoespacial de las prevalencias utilizando el índice de Moran Global, el índice de Moran Local de

p. 12

Rev. Fac. Nac. Salud Pública -DOI: https://doi.org/10.17533/udea.rfnsp.e351984

Universidad de Antioquia Anselin y el G* de Getis Ord permite conocer el com portamiento del sobrepeso y la obesidad preferiblemen te a menores escalas. Segundo, contar con información antropométrica actualizada posibilita efectuar análisis espaciales para identificar las zonas que requieren priori zar acciones en salud pública e intervenir oportunamente, pues con los resultados de la autocorrelación se pueden identificar los factores que influyen en la enfermedad. En términos de salud pública, los mapas obtenidos también se pueden aprovechar para plantear nuevas hi pótesis de estudio, como, por ejemplo, dilucidar las ra zones de las altas prevalencias en las mujeres y en las zonas costeras, y revisar a escalas menores (municipios, veredas, barrios) e implementar estrategias que disminu yan estas condiciones en salud.

Agradecimientos Agradezco a la ensin por facilitarme la base de datos y a mis profesores Claudia Elena Durango Vanegas y Luis Es teban Gómez Cadavid de la Universidad San Buenaventu ra, por su asesoría, principalmente en mi trabajo de grado. Conflicto de interés La autora manifiesta no tener ningún conflicto potencial de interés.

Declaración de responsabilidad La autora declara tener responsabilidad en todo los re sultados y el manuscrito.

Fuente de financiación No hay ninguna fuente de financiación Declaración de contribución por autor La autora participaron durante todo el proceso investi gativo, desde la formulación del proyecto, la recolección e interpretación de la información, hasta la escritura y revisión del manuscrito final.

Referencias

1. Organización Mundial de la Salud. Obesidad y sobrepeso. Datos

y cifras [internet]; 2020 [citado 2021 may. 15]. Disponible en: https://bit.ly/2GQdz3M

2. The gbd 2015 Obesity Collaborators. Health effects of

overweight and obesity in 195 countries over 25 years. N Engl J Med. 2017;377(1):13-27. doi: https://doi.org/10.1056/NEJ Moa1614362

3. Organización Mundial de la Salud. Enfermedades no transmisi

bles. Datos y cifras [internet]; 2022 [citado 2021 feb. 6]. Disponi ble en: https://acortar.link/s3wScs

4. Asamblea Mundial de la Salud, 66. (‎2013)‎. Proyecto de plan de

acción para la prevención y el control de las enfermedades no transmisibles 2013-2020 Informe de la Secretaría. [internet];

2013 [citado 2021 abr. 23 ]. Disponible en: https://apps.who.int/

iris/handle/10665/150913?locale-attribute=fr&

5. Herrán OF, Herrán-Fonseca C. Meal occasion, overweight, obe

sity and central obesity in children and adults: A cross-sectional study based on a nationally representative survey. Colombia,

2015. bmj Open. 2022;12(9):1-13. doi: https://doi.org/10.1136/

bmjopen-2022-064832

6. Colombia, Ministerio de Salud y Protección Social. Encuesta Na

cional de Situación Nutricional (ensin) [internet]; 2015 [citado

2021 abr. 23]. Disponible en: https://bit.ly/3UdpGsv

7. Instituto Colombiano de Bienestar Familiar; Instituto Nacional de

Salud; Universidad Nacional de Colombia et al. Encuesta Nacional de la Situación Nutricional ensin 2015 [internet]; 2017 [citado 2021 jun. 7]. Disponible en: https://www.minsalud.gov.co/sites/rid/Lists/ BibliotecaDigital/RIDE/VS/ED/GCFI/libro-ensin-2015.pdf

8. Meisel JD, Ramírez AM, Esguerra V, et al. Using a system dy

namics model to study the obesity transition by socioeconomic status in Colombia at the country, regional and department levels. bmj Open. 2020;10(6):1-11. doi: http://dx.doi.org/10.1136/bmjo pen-2019-036534

9. Higuita-Gutiérrez LF, Martínez Quiroz WJ, Cardona-Arias JA.

Prevalence of metabolic syndrome and its association with so ciodemographic characteristics in participants of a public chronic disease control program in Medellin, Colombia, in 2018. Diabetes Metab Syndr Obes. 2020;13:1-9. doi: http://dx.doi.org/10.2147/

DMSO.S242826

10. Pagidipati NJ, Zheng Y, Green JB, et al. Association of obesity

with cardiovascular outcomes in patients with type 2 diabetes and cardiovascular disease: Insights from tecos. Am Heart J. 2020;219:47-57. doi: http://dx.doi.org/10.1016/j.ahj.2019.09.016

11. Yanez N, Useche JN, Bayona H, et al. Analyses of mortality and

prevalence of cerebrovascular disease in Colombia, South Ame rica (2014-2016): A cross-sectional and ecological study. Enferm Cerebrovasc J. 2020;1-9. doi: http://dx.doi.org/10.1016/j.jstroke cerebrovasdis.2020.104699

12. Gómez-Barroso D, Prieto-Flores M-E, et al. Análisis espacial de

la mortalidad por enfermedades cardiovasculares en la ciudad de Madrid, España. Rev Esp Salud Publica. 2015;89(1):27-37. doi: https://dx.doi.org/10.4321/S1135-57272015000100004

13. Pérez-Rodrigo C. Current mapping of obesity. Nutr Hosp.

2013;28(Supl.

5):21-31.

doi:

http://dx.doi.org/10.3305/ nh.2013.28.sup5.6915

14. Gurrutxaga M. Geografía de la salud: aplicaciones en la planifica

ción territorial y urbana. Estud Geográficos. 2019;80(286):e007. doi: https://doi.org/10.3989/estgeogr.201927.007

15. Kang-Tsung Chang. Introduction to Geographic Information Sys

tems, 9.a ed. New York: McGraw-Hill [internet]; 2019 [citado

2021 may. 24]. Disponible en: https://acortar.link/0CCBzy

16. Maheswaran R, Craglia M, editors. gis in public health practice.

Boca Raton: crc Press, Taylor & Francis Group [internet]; 2004 [citado 2021 may. 24]. Disponible en: https://acortar.link/AGkL1z

17. Chrisman N. Exploring Geographic Information Systems. 2.a ed.

New York: Wiley [internet]; 2002 [citado 2021 may. 24]. Disponi ble en: https://worldcat.org/es/title/1000963018

p. 13

Sobrepeso y obesidad en adultos: aportes de un análisis geoespacial

Facultad Nacional de Salud Pública "Héctor Abad Gómez" Esta obra se distribuye bajo una Licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional Más información: https://creativecommons.org/licenses/by-nc-sa/4.0/

18. Goodchild M, Haining RP. sig y análisis espacial de datos: pers

pectivas convergentes. Investig Reg. [internet]. 2005 [citado 2021 may. 24]; (6):175-201. Disponible en: https://dialnet.unirioja.es/ servlet/articulo?codigo=2124767

19. Goodchild MF. A spatial analytical perspective on geographical

information systems. Int J Geogr Inf Sci. 2007;1(4):327-34. doi: https://doi.org/10.1080/02693798708927820

20. Anselin L, Getis A. Spatial statistical analysis and geographic

information systems. En: Fischer MM, Nijkamp P. editores, Geographic Information Systems, spatial modelling and policy evaluation. Berlin, Heidelberg: Springer; 1993. doi: https://doi. org/10.1007/978-3-642-77500-0_3

21. Goodchild

MF.

Geographical information science.

Int J Geogr Inf Sci. 1992;6(1):31-45. doi: https://doi. org/10.1080/02693799208901893

22. Goodchild MF. gis and modeling overview. En: Goodchild MF et

al. gis, spatial analysis, and modeling. New York: Esri Press [in ternet]; 2005 [citado 2021 may. 24]. pp. 1-17. Disponible https:// citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.161.9550&r ep=rep1&type=pdf

23. Maguire DJ. Moving towards a gis platform for spatial analysis

and modeling. En: Michael F. Goodchild et al. gis, spatial analy sis, and modeling. New York: Esri Press. 2005. pp. 19-40.

24. Serna E., editor. Geoinformática aplicada con aprendizaje basado

en problemas. Medellín: Ediorial Instituto Antioqueño de Inves tigación [internet]; 2017 [citado 2021 may. 24]. Disponible en: https://acortar.link/8rtGk

25. Seguinot Barbosa J. Capítulo X. Aplicación de las geo-tecnolo

gías en la geografía de la salud. En: Santana Juarez MC, et al. Geografía de la salud sin fronteras, desde Iberoamérica. México: Universidad Autónoma del Estado de México [internet]; 2014 [citado 2021 may. 24]. pp. 97-108. Disponible en: https://acortar. link/3Sr6us

26. Wieczorek WF, Delmerico AM. Geographic information sys

tems. Wiley Interdiscip Rev Comput Stat. 2009;1(2):167-86. doi: https://doi.org/10.1002/wics.21

27. Penney TL, Rainham DGC, Dummer TJB, Kirk SFL. A spatial

analysis of community level overweight and obesity. J Hum Nutr Diet. 2013;27(Supl. 2):65-74. doi: https://doi.org/10.1111/ jhn.12055

28. Hernández-Vásquez A, Bendezú-Quispe G, Díaz-Seijas D, et al.

Análisis espacial del sobrepeso y la obesidad infantil en el Perú,

2014. Rev Peru Med Exp Salud Publica. 2016;33(3):489-97. doi:

http://dx.doi.org/10.17843/rpmesp.2016.333.2298

29. Hernández-Vásquez A, Bendezú-Quispe G, et al. Prevalen

cia de obesidad en menores de cinco años en Perú según sexo y región, 2015. Rev Esp Salud Pública [internet]. 2016 [citado 2021 nov. 3]; 90:1-10. Disponible en: http://scielo.isciii.es/scielo. php?script=sci_arttext&pid=S1135-57272016000100414&lng=e s&nrm=iso

30. World Health Organization (who). Obesity: Preventing and ma

naging the global epidemic. Report of a who consultation. who Technical Report Series 894. who: Geneva, Switzerland [inter net]; 2000 [citado 2021 jul. 7]. Disponible en: https://apps.who. int/iris/handle/10665/42330

31. Ko GTC, Tang JSF. Waist circumference and bmi cut-off based

on 10-year cardiovascular risk: Evidence for “central pre-obesi ty”. Obesity. 2007;15(11):2832-9. doi: https://doi.org/10.1038/ oby.2007.336

32. Moreno-Altamirano A, López-Moreno S, Corcho-Berdugo A.

Principales medidas en epidemiología. Salud Publica Mex. [in ternet]. 2000 [citado 2021 oct. 24]; 42(4):337-48. Disponible en: https://www.scielosp.org/pdf/spm/v42n4/2882.pdf

33. Chimire R, Ferreira S, Green GT, et al. Green space and adult

obesity in the United States. Ecol Econ. 2017;136:201-12. doi: https://doi.org/10.1016/j.ecolecon.2017.02.002

34. Syabri I. Exploratory spatial data analysis for flow data: Explo

ring the error term of spatial interaction models. Jurnal Peren canaan Wilayah dan Kota [internet]. 2003 [citado 2021 abr. 15]; 14(2):49-68. Disponible en: https://journals.itb.ac.id/index.php/ jpwk/article/view/4298/2333

35. Anselin L, Li X. Operational local join count statistics for clus

ter detection. J Geogr Syst. 2019;21:189-210. doi: https://doi. org/10.1007/s10109-019-00299-x

36. Anselin L. Local Indicators of Spatial Association—lisa.

Geogr Anal.

1995;abr.

27(2):93-115.

doi:

https://doi.

org/10.1111/j.1538-4632.1995.tb00338.x

37. Asociación Médica Mundial (AMM). Declaración de Helsinki de

la amm – Principios éticos para las investigaciones médicas en seres humanos. The World Medical Association [internet]; 1964 [citado 2022 nov. 10]. Disponible en: https://www.wma.net/es/ policies-post/declaracion-de-helsinki-de-la-amm-principios-eti cos-para-las-investigaciones-medicas-en-seres-humanos/

38. Colombia, Ministerio de Salud. Resolución 8430, por la cual se

establecen las normas científicas, técnicas y administrativas para la investigación en salud (1993 octubre 4).

39. Muñoz FL, Pou SA, Díaz MP. An empirically derived “prudent”

dietary pattern is associated with lower obesity occurrence: Modeling and mapping from a national nutrition survey. Nutr Res. 2023;feb. 109:26-34. doi: https://doi.org/10.1016/j.nu tres.2022.11.004

40. Hessel P, Rodríguez-Lesmes P, Torres D. Socio-economic inequa

lities in high blood pressure and additional risk factors for car diovascular disease among older individuals in Colombia: Results from a nationally representative study. PLoS One. 2020;15(6):1-

12. doi: https://doi.org/10.1371/journal.pone.0234326

41. Colombia, Ministerio de Salud y Protección Social. Plan Decenal

de Salud Pública pdsp, 2022-2031 [internet]; 2019 [citado 2023 ene. 30]. Disponible en: https://www.minsalud.gov.co/sites/rid/ Lists/BibliotecaDigital/RIDE/VS/ED/PSP/documento-plan-dece nal-salud-publica-2022-2031.pdf

42. Jimenez-Mora MA, Nieves-Barreto LD, Montaño-Rodríguez A,

et al. Association of overweight, obesity and abdominal obesity with socioeconomic status and educational level in Colombia. Diabetes Metab Syndr Obes. 2020;13(1887-1898):1-12. doi: https://doi.org/10.2147/DMSO.S244761

43. Colombia, Ministerio de Salud y Protección Social. Plan Decenal

de Salud Pública pdsp, 2012-2021 [internet]; 2010 [citado 2021 jun. 1]. Disponible en: http://www.saludcapital.gov.co/DPYS/Do cuments/Plan Decenal de Salud Pública.pdf

Cita: Sánchez Monroy, Cindy Caterine (2023), Sobrepeso y obesidad en adultos: aportes de un análisis geoespacial, Universidad de Antioquia, p. N. https://hdl.handle.net/10495/35791