Nutrimetría de z-IMC vs z-peso en función al desarrollo lineal en edades de 0 a 30 meses / Nutrimetry of z-BMI vs z-weight in relation to lineal development from 0 to 30 agemonths

Fundamentos: Para favorecer la salud del individuo es necesario contar con indicadores que permitan valorar su estado nutricional a lo largo de todo su desarrollo. El IMC/edad podría permitir esto pero en menores de 2 años su uso no es habitual. Este trabajo compara IMC/edad vs peso/edad en función de longitud/edad por medio de la Nutrimetría, proponiendo ambas como herramientas de vigilancia nutricional para su uso clínico y epidemiológico.Métodos:5,186 niños divididos por edades (0-6, 7-12, 13-18, 19-24 y 25-30 meses) derivados de ENSANUT-2012, con Nutrimetría considerando puntuaciones Z según OMS, ponderando para longitud/edad: z≤-2=1, z≥2=5, o 3 al resto, y para IMC/edad o peso/edad: z≤-1=0, z≥1=6, o 3 al resto resultando dos nutricódigos (longitud-IMC y longitud-peso). Resultados: Diferencias en prevalencias de longitud-IMC menos longitud-peso en las 9 clasificaciones (1,3,5,4,6,8,7,9,11) por grupo de edad: (1)-5,19;0,37;1,94;1,91;-11,13;-0,47;3,29;10,76;-1,46; (2)-5,04;-1,10;1,70;-1,68;-10,00;-1,03;6,73;11,11;-0,67; (3)-8,82;-2,73;1,29;1,84;-18,64;-0,74;6,99;21,37;-0,55; (4)-8,69;-4,31;0,59;3,12;-11,91;-0,12;5,56;16,22;-0,46; (5)-7,04;-2,41;0,43;2,03;-12,95;0,13;5,01;15,35;-0,56. Correlación IMC/edad con longitud/edad (r=-0,19, p≤0,01) y peso/longitud (r=0,97, p≤0,01). Conclusiones: El Nutricódigo longitud-peso en niños altos, sobreestima la proporción de riesgo de sobrepeso/obesidad (R-Sp/Ob) y subestima la de desnutrición, y en longitud/edad baja sobreestima la desnutrición crónica y subestima el R-Sp/Ob, esto y las correlaciones muestran más adecuado usar en Nutrimetría el cruce longitud/edad con IMC/edad

Background: People's health should be enhanced since childhood, so indicators that allow assessing their nutrition status throughout their development are necessary. Body mass index for age (BMI/age) could allow this, but in children under 2 years of age its use is not usual. The present study compares BMI-for-age vs weight-for-age according to length-for-age through Nutrimetry, proposing both as nutritional surveillance tools for clinical and epidemiological use. Methods: We analyzed 5,186 children divided by age (0-6, 7-12, 13-18, 19-24 and 25-30 months) derived from ENSANUT-2012, with Nutrimetry according to WHO's Z scores, assigning for length-for-age: z≤-2=1, z≥2=5, or 3 for the rest, and for BMI-for-age or weight-for-age: z≤-1=0, z≥1=6, or 3 to the rest resulting in two nutricodes (length-BMI and length-weight). Results: Differences of prevalences of length-BMI minus length-weight in their 9 classifications (1,3,5,4,6,8,7,9,11) per age group: (1)-5.19;0.37;1.94;1.91;-11.13;-0.47;3.29;10.76;-1.46; (2)-5.04;-1.10;1.70;-1.68;-10.00;-1.03;6.73;11.11;-0.67; (3)-8.82;-2.73;1.29;1.84;-18.64;-0.74;6.99;21.37;-0.55; (4)-8.69;-4.31;0.59;3.12;-11.91;-0.12;5.56;16.22;-0.46; (5)-7.04;-2.41;0.43;2.03;-12.95;0.13;5.01;15.35;-0.56. Correlation BMI-for-age with length-for-age (r=-.19, p≤0.01) and weight-for-length (r=.97, p≤0.01). Conclusions: With length-weight nutriticode in tall children, proportion of overweight/obesity risk was overestimated and malnutrition underestimated, and in low length-for-age children, chronic malnutrition was overestimated and risk of overweight /obesity underestimated, thus and correlations shows more suitable the use of Nutrimetry crossing length with BMI-for-age

Nutrimetría: evaluando el IMC en función del desarrollo / Nutrimetry: BMI assessment as a function of development

Antecedentes y objetivo: Para combatir la malnutrición (desnutrición y sobrealimentación) en los niños y adolescentes se necesita una evaluación nutricional adecuada, y para ello se recomienda interpretar conjuntamente ciertos indicadores (índice de masa corporal [IMC], talla, peso, etc.). Clínicamente esto se realiza, pero epidemiológicamente no. El objetivo de este trabajo es presentar la «Nutrimetría», un método simple que cruza información antropométrica permitiendo una interpretación bivariada en ambos niveles (clínico y epidemiológico). Materiales y métodos: Se analizaron datos de 41.001 niños y adolescentes de 0-19años derivados de la Encuesta Nacional de Salud y Nutrición 2012 de México. Se cruzó la información de la puntuación Z del IMC para la edad (Z-IMC) con Z de talla para edad (Z-talla) según estándares de la Organización Mundial de la Salud (OMS). Se calcularon prevalencias condicionales del cruce en una rejilla de 3×3 celdas y se comparó con lo esperable. Resultados: Se identificaron subgrupos en cada categoría del Z-IMC que permitieron apreciar heterogeneidad de la muestra respecto a los estándares de la OMS en estatura y estado nutricional. Según este método, los patrones nutricionales diferían entre estados mexicanos, edades y sexos. Conclusión: Nutrimetría es una herramienta útil y accesible para ser usada en epidemiología. Permite detectar distribuciones inesperadas de las prevalencias condicionales, su representación gráfica facilita la comunicación de resultados por áreas geográficas y la interpretación enriquecida del Z-IMC ayuda a orientar sobre acciones de intervención de acuerdo a sus códigos (AU)

Background and objective: Adequate nutritional assessment is required to fight malnutrition (undernutrition and overfeeding) in children and adolescents. For this, joint interpretation of certain indicators (body mass index [BMI], height, weight, etc.) is recommended. This is done clinically, but not epidemiologically. The aim of this paper is to present "nutrimetry", a simple method that crosses anthropometric information allowing for bivariate interpretation at both levels (clinical and epidemiological). Materials and methods: Data from 41,001 children and adolescents aged 0-19 years, taken from Mexico's National Health and Nutrition Survey 2012, were analyzed. Data crossed were BMI-for-age z-scores (BAZ) with height-for-age z-scores (HAZ) according to the World Health Organization (WHO) standards. Conditional prevalences were calculated in a 3×3 grid and were compared with expected values. Results: This method identified subgroups in each BAZ category showing heterogeneity of the sample with regard to WHO standards for HAZ and nutritional status. According to the method, nutritional status patterns differed among Mexican states and age and sex groups. Conclusion: Nutrimetry is a helpful and accessible tool to be used in epidemiology. It allows for detecting unexpected distributions of conditional prevalences, its graphical representation facilitates communication of results by geographic areas, and enriched interpretation of BAZ helps guide intervention actions according to their codes (AU)

Nutrimetry: BMI assessment as a function of development. / Nutrimetría: evaluando el IMC en función del desarrollo.

BACKGROUND AND OBJECTIVE: Adequate nutritional assessment is required to fight malnutrition (undernutrition and overfeeding) in children and adolescents. For this, joint interpretation of certain indicators (body mass index [BMI], height, weight, etc.) is recommended. This is done clinically, but not epidemiologically. The aim of this paper is to present "nutrimetry", a simple method that crosses anthropometric information allowing for bivariate interpretation at both levels (clinical and epidemiological). MATERIALS AND METHODS: Data from 41,001 children and adolescents aged 0-19 years, taken from Mexico's National Health and Nutrition Survey 2012, were analyzed. Data crossed were BMI-for-age z-scores (BAZ) with height-for-age z-scores (HAZ) according to the World Health Organization (WHO) standards. Conditional prevalences were calculated in a 3×3 grid and were compared with expected values. RESULTS: This method identified subgroups in each BAZ category showing heterogeneity of the sample with regard to WHO standards for HAZ and nutritional status. According to the method, nutritional status patterns differed among Mexican states and age and sex groups. CONCLUSION: Nutrimetry is a helpful and accessible tool to be used in epidemiology. It allows for detecting unexpected distributions of conditional prevalences, its graphical representation facilitates communication of results by geographic areas, and enriched interpretation of BAZ helps guide intervention actions according to their codes.