ESCUELA SUPERIOR POLITÉCNICA DE CHIMBORAZO

FACULTAD DE SALUD PÚBLICA

CARRERA: NUTRICIÓN Y DIETÉTICA

ASIGNATURA: EVALUACIÓN NUTRICIONAL l

GRUPO#6 4to. A.

TRABAJO DE INVESTIGACIÓN

DOBLEMENTE INDIRECTOS: ANTROPOMETRÍA (ÍNDICES DE

ADIPOSIDAD, MODELO BI, TRI, Y TETRACOMPARTIMENTAL,
ECUACIONES DE REGRESIÓN LINEALES, GENERALES)

RESPONSABLES:

• Suárez Oña Ruth Mariel

• Suarez María Eugenia
• Viñán María Belén
• Tacuri Bryan

Riobamba, junio 28 del 2021

1. INTRODUCCIÓN:
1.1 MÉTODOS DOBLEMENTE INDIRECTOS

Los métodos doblemente indirectos de análisis de la composición corporal también son

técnicas para medir la composición corporal in vivo y en general, fueron validados a partir

de los métodos indirectos y por eso, presentan un margen de error muy grande, cuando

son comparados con los métodos indirectos. Entretanto, debido a los altos costes de los

métodos indirectos y de la sofisticación metodológica, los métodos doblemente indirectos

como la antropometría y la impedancia bioeléctrica ganan importancia debido a su

sencillez, seguridad, facilidad de interpretación y bajas restricciones culturales. Además,

estos métodos presentan mejor aplicación práctica y menor coste financiero, lo que

permite su empleo en investigaciones y estudios epidemiológicos.

Las ecuaciones matemáticas o modelos son una forma doblemente indirecta de lograr una

estimación del porcentaje de grasa, por su facilidad de uso y bajo costo representan una

buena opción para esta estimación, por este motivo ha habido varias propuestas al

respecto, enfocado a diferentes grupos étnicos de diferentes grupos de edad, ya que una

de las desventajas de las fórmulas de estimación es que su validez sólo abarca a la

población para la cual fue desarrollada.

1.2¿QUÉ ES ANTROPOMETRÍA?

El término Antropometría se refiere al estudio de la medición del cuerpo humano en

términos de las dimensiones del hueso, músculo, y adiposo (grasa) del tejido. La palabra

antropometría se deriva de la palabra griega antropo, que significa ser humano y la palabra

griega metrón, que significa medida. El campo de la antropometría abarca una variedad

de medidas del cuerpo humano. El peso, la estatura (altura de pie), longitud reclinada,
pliegues cutáneos, circunferencias (cabeza, la cintura, etc.), longitud de las extremidades,

y anchos (hombro, muñeca, etc.) son ejemplos de medidas antropométricas (Pate, Oria y

Pillsburry, 2012; Vicente, 2015; Norton y Tim, 2012). Es una disciplina científica que

está estrechamente relacionada con la Ergonomía Física y se desarrolla en diferentes

campos de aplicación.

2. ÍNDICES DE ADIPOSIDAD

Hay documentos y la misma bibliografía donde exponen la existencia muchos

nomogramas (instrumentos de cálculo), que por medio de un número reducido de
variables se puede estimar, de manera gráfica, la densidad corporal (o cualquier otra
variable) que permite estimar el porcentaje de grasa del sujeto

Las técnicas que utilizan pliegues grasos para la estimación del porcentaje de masa grasa,
se consideran más válidas que las que utilizan otro cierto tipo de variables (como la
estatura, el peso o el perímetro de cintura y el de cadera) para estimar, de forma indirecta,
la densidad o el porcentaje de grasa del sujeto.(1)

Hay un gran número de índices de adiposidad indirectos para estimar el porcentaje de

grasa del sujeto. Como ejemplos de ellos podemos ver:

3. EL INDICE DE QUETELET (1833) O ÍNDICE DE MASA CORPORAL o

B.M.I.
Los primeramente utilizados y de ecuaciones más sencillas. Entre ellos, el Índice de
Quetelet (1833) o Índice de Masa Corporal –IMC- (Keys y Brozek, 1953) que ha sido
utilizado tradicionalmente en salud pública y en la clínica, como estimador de sobrepeso
y obesidad y se considera la razón más famosa en biología humana (Ross, 1997;
Fernandes, 2001), aunque según Ross, Quetelet jamás propuso índice alguno para
evaluar adiposidad. No obstante, se ha mostrado como un índice que presenta
resultados satisfactorios para evaluaciones poblacionales, más que individuales. IMC =
Peso/Talla2 (Kg/m2 ) Este índice resulta de una manipulación estadístico-matemática
del peso y la talla. Refleja más la estructura o constitución de una persona que la
cantidad de grasa que posee (Martín et al., 1993). Por eso, uno de los mayores
problemas resultantes de la aplicación del índice se encuentra en que, según su cálculo,
refleja que todo el exceso de peso se deberá a MG (lo cual, como sabemos, no es
totalmente cierto). Así pues, su utilización o interpretación como índice de adiposidad
o grado de salud (morbilidad) no es mucho más válido que las conocidas tablas de “peso
ideal” existentes (Martín et al., 1993). Otro de los índices indirectos es el que resulta de
la división del perímetro del abdomen mínimo por el del glúteo máximo, que se
encuentra relacionado con la cantidad de grasa visceral (Ross y Marfell-Jones, 1991).
Hoy en día su uso en epidemiología está muy extendido:

Esta estima a groso modo la adiposidad e identifica el sobrepeso y la obesidad basados

en peso del individuo expresado en kilogramos (kg) y dividido por la altura cuadrada en
metros (m2).

IC = Peso / Talla 2

Aunque es una herramienta imprecisa, es la más usada y conocida y universalmente

considerado un predictor satisfactorio del porcentaje de grasa corporal total, mostrando
una asociación curvilínea con el porcentaje de grasa corporal en hombres y mujeres.
Además, es incapaz de diferenciar entre la masa magra y la masa grasa. Muchos factores
pueden alterar su relación con el porcentaje de grasa corporal como el género, raza, masa
muscular y cambios en la hidratación que pueden generar errores en su interpretación. (2)

Su principal inconveniente es el considerar que todo exceso de peso respecto a lo normal

se debe a un aumento de la masa grasa, algo que no es cierto en algunas razas por su
mayor densidad corporal, en deportistas y, especialmente, en culturistas.

La debilidad del I.M.C. también se pone de manifiesto cuando se consideran las tablas de
peso ideal establecidas con este índice

En la actualidad, el índice ponderal (Estatura/3√Peso) se considera más apropiado el BMI

debido a su congruencia dimensional. Sin embargo, el I.M.C. se sigue utilizando en
algunas compañías de seguros para estimar si el cliente tiene riesgo de padecer una
enfermedad

4. EL ÍNDICE CINTURA/GLUTEO.

El índice cintura-cadera (IC-C) es una medida antropométrica específica para medir los
niveles de grasa intraabdominal. Matemáticamente es una relación para dividir el
perímetro de la cintura entre el de la cadera.

La OMS establece unos niveles normales para la índice cintura cadera aproximados de
0,8 en mujeres y 1 en hombres; valores superiores indicarían obesidad abdominovisceral,
lo cual se asocia a un riesgo cardiovascular aumentado y a un incremento de la
probabilidad de contraer enfermedades como Diabetes Mellitus e Hipertensión
Arterial(3)

Interpretación:

• ICC = 0,71-0,85 normal para mujeres.

• ICC = 0,78-0,94 normal para hombres.

En el índice cintura-glúteo, un obvio fallo de este método será la posibilidad de que la

grasa se localice en lugares diferentes a la cintura y el abdomen.

Independientemente del método utilizado, se considera que el porcentaje de grasa ideal

en un hombre está entre el 8 y el 15 % de su masa corporal total, mientras que en la mujer
estará entre un 13 y un 20%. En la figura 106, se muestran valores normales de masa
grasa para distintos deportistas y para sujetos normales. Valores inferiores a los normales
son difíciles de mantener y pueden traer como consecuencia alteraciones en el estado de
ánimo del sujeto. En ciertos momentos de la preparación del deportista, los niveles de
masa grasa pueden ser inferiores a los normales. Habrá que tener en cuenta que el
deportista puede manifestar cambios de carácter e irascibilidad en esos momentos y que,
en mujeres, se pueden producir trastornos en l menstruación, debido a que el organismo
detiene la ovulación si el cuerpo de la mujer no está preparado para concebir un hijo.

Sin embargo, la más objetiva y útil de este tipo de determinaciones es la que resulta de la
suma de varios pliegues cutáneos, ya que mide directamente el aumento o disminución de la
grasa subcutánea.

5. MODELO BI, TRI Y TETRACOMPARTIMENTAL

La composición corporal. Concepto. Modelos de composición corporal (bi, tri y
tetracompartimental). Métodos de valoración y clasificación de los mismos. Técnicas
antropométricas de valoración.

Modelo de dos componentes

Fue el modelo más utilizado entre 1932 y 1935

En el modelo de dos componentes dividimos el cuerpo en Masa Grasa (M.G) y Masa

Libre de Grasa (M.L.G)

Modelo de tres componentes

Partiendo del modelo de dos componentes, Von Döbeln desarrollaría una ecuación para
el cálculo del peso óseo en el año 1965, la cual sería posteriormente modificada por Rocha
en 1974 dando origen así al modelo de tres componentes.

-Fórmula para el cálculo del peso óseo:

P.O = 3,02(altura (m) ^2*diámetro biestiloideo de la muñeca (m)*diámetro del fémur

(m)*400) ^0,712

En 1974 Yuhasz editó una fórmula para el cálculo del porcentaje de masa grasa en jóvenes
de edades comprendidas entre los 18 y 30 años, esta es la fórmula más utilizada
actualmente para el cálculo de la masa grasa de hombres y mujeres.
-Fórmula para el cálculo de la masa grasa

%M.G (Fem) = 4,56 + (E 6 pliegues (mm)*0,143)

%M.G (Masc) = 3,64 + (E 6 pliegues (mm)*0,097)

Los pliegues son: Tríceps, Subescapular, Supra ilíaco, Abdominal, Muslo Anterior y
Pierna

Modelo químico de 4 componentes de Matiegka

Es el más utilizado en estudios cine antropométrico, en el cual dividimos al cuerpo

humano en Masa Grasa (M.G), Masa Muscular (M.M), Masa Ósea (M.O) y Masa
Residual (M.R)

En este modelo utilizamos las siguientes fórmulas:

-Masa Grasa (Faulkner):

%M.G = (E 4 pliegues * 0,153) + 5,783

Los pliegues utilizados son: Tríceps, Subescapular, Suprailíaco y Abdominal

-Masa Ósea (Rocha):

%P.O = 3,02*(Talla^2*Estil*B.Fem*400) ^0,712

-Masa Residual (Wurch):

P.R = P.tot * 24, 1/100 (Chicos)

P.R = P.tot * 20, 9/100 (Chicas)

- Masa muscular (Matiegka)

P.M (Kg) = P.total – (PG+PO+PR)

Si incluimos a la piel como quinto componente consideramos la propuesta del modelo

Drinkwater. (4)

6. ECUACIONES DE REGRESIÓN LINEALES

Es una técnica estadística utilizada para predecir o estimar una variable cuantitativa en
función de otra variable cuantitativa (5):
Y= Dependiente (depende de X, deseamos predecir o estimar)

X= Independiente (explica a Y)

La técnica de regresión lineal consiste en modelar una ecuación de una recta.

Y Y

X X

Nos sirve para:

• Estudiar cómo influye la estatura del padre sobre la estatura del hijo.
• Estimar el precio de una vivienda en función de su superficie.
• Predecir la tasa de paro para cada edad.
• Aproximar la calificación obtenida en una materia según el número de horas de
estudio semanal.
• Prever el tiempo de computación de un programa en función de la velocidad del
procesador.

EJEMPLOS:

1. Deseamos predecir el tiempo (mese) que demora una edificadora en construir un

condominio en función al número de trabajadores que contrato para realizar la
obra.

TIEMPO DE NUMERO DE TRABAJADORES TIEMPO

CONSTRUCCION TRABAJADORES
 Y X

Mientras el numero de trabajadores aunmenta el tiempo de la construccion disminuye,

a mas trabajadores menos tiempo (mas mano de obra).

TIEMPO DE NUMERO DE TRABAJADORES TIEMPO

CONSTRUCCION TRABAJADORES

Y X

Menos numero de trabajadores el tiempo de la construccion aumenta

2. En una muestra de 1500 individuos se recogen datos sobre dos medidas

antropométricas X e Y. Los resultados que se obtienen son:

x = 14, y = 100, sx = 2, sy = 25, sxy = 45.

Obtener el modelo de regresión lineal que mejor aproxima Y en función de X.

Utilizando este modelo calcular de modo aproximado la cantidad Y esperada cuando X =

15.

Buscamos la recta Yˆ = a + bX que mejor aproxima los valores de Y, según el criterio de

los mínimos cuadrados, en la nube de puntos que resulta de representar en un plano (X,
Y) las 1500 observaciones. Los coeficientes de esta recta son:
 Así, el modelo lineal es: Yˆ = −57.5 + 11.25 X. Por tanto, si x = 15, el modelo lineal
predice un valor de Y de

yˆ = −57.5 + 11.25 (15) = 111.25.

En este punto hay que preguntarse cómo de fiable es esta predicción

3. la cantidad de lluvia (causa), da lugar a un aumento de la producción agrícola

(efecto). O bien, el aumento del precio de un bien, da lugar a una disminución de
la cantidad demandada del mismo.

Si utilizamos un sistema de coordenadas cartesianas para representar la distribución

bidimensional, obtendremos un conjunto de puntos conocido con el diagrama de
dispersión, cuyo análisis permite estudiar cualitativamente, la relación entre ambas
variables tal como se ve en la figura. El siguiente paso, es la determinación de la
dependencia funcional entre las dos variables x e y que mejor ajusta a la distribución
bidimensional. Se denomina regresión lineal cuando la función es lineal, es decir, requiere
la determinación de dos parámetros: la pendiente y la ordenada en el origen de la recta de
regresión, y=ax+b.

La regresión nos permite además, determinar el grado de dependencia de las series de

valores X e Y, prediciendo el valor y estimado que se obtendría para un valor x que no
esté en la distribución.
Vamos a determinar la ecuación de la recta que mejor ajusta a los datos representados en
la figura. Se denomina error ei a la diferencia yi-y, entre el valor observado yi, y el valor
ajustado y= axi+b, tal como se ve en la figura inferior. El criterio de ajuste se toma como
aquél en el que la desviación cuadrática media sea mínima, es decir, debe de ser mínima
la suma

Los extremos de una función: máximo o mínimo se obtiene cuando las derivadas
de s respecto de a y de b sean nulas. Lo que da lugar a un sistema de dos ecuaciones con
dos incógnitas del que se despeja a y b.

El coeficiente de correlación es otra técnica de estudiar la distribución bidimensional, que

nos indica la intensidad o grado de dependencia entre las variables X e Y. El coeficiente
de correlación r es un número que se obtiene mediante la fórmula.
El numerador es el producto de las desviaciones de los valores X e Y respecto de sus
valores medios. En el denominador tenemos las desviaciones cuadráticas medias de X y
de Y.

El coeficiente de correlación puede valer cualquier número comprendido entre -1 y +1.

· Cuando r=1, la correlación lineal es perfecta, directa.

· Cuando r=-1, la correlación lineal es perfecta, inversa

· Cuando r=0, no existe correlación alguna, independencia total de los valores X e Y

GENERALES

Las ecuaciones generales pueden tener más de un coeficiente o variable y un orden que
es el índice al que esta elevado la variable, superior a dos (6).

Estas disminuyen el error en los valores extremos en algunos casos se pueden ver
resumidas en nomogramas

a) Ecuación de regresión lineal general

𝒀 = 𝒂 + 𝒃𝒙

Donde y es la variable dependiente y x es la variable independiente.

𝒏(𝚺𝐗𝐘) − (𝚺𝐗)(𝚺𝐘)
𝒃=
𝒏(𝚺𝑿𝟐 ) − (𝚺𝑿)𝟐

𝚺𝒀 − 𝒃(𝚺𝑿)
𝒂=
𝒏
 b es la pendiente y a el corte con el eje y.

Bibliografía
1. Sillero Quintana M. Tema 5. Composición corporal. Fac Ciencias La Act Fis Y
Del Deport Univ Politec Madrid [Internet]. 2005;70–95. Available from:
http://ocw.upm.es/educacion-fisica-y-
deportiva/kinantropometria/contenidos/temas/Tema-5.pdf
2. Solano GV. Correlacion De Medidas De Adiposidad E Indice Homa Ir Como
Predictor De Resistencia a La Insulina En Una Poblacion De Hombres Jovenes
No Diabeticos. 2018;
3. Polo C, Del Castillo M. El Índice Cintura Cadera. Cent Med Deport [Internet].
2012;1(1):0–1. Available from:
http://www.madrid.org/cs/Satellite?blobcol=urldata&blobheader=application/pdf
&blobheadername1=Content-
Disposition&blobheadervalue1=filename=REVISION+INDICE+CINTURA+CA
DERA+DEL+CMD.pdf&blobkey=id&blobtable=MungoBlobs&blobwhere=126
8604861714&ssbinary=tru
4. Manuel Sillero Quintana. Composición Corporal. Facultad de Ciencias de la
Actividad Física y el Deporte (I.N.E.F). Universidad Politécnica de Madrid.
5. Rocio Salas Laines. Regresion lineal simple [Regresión Lineal Simple [video]].;
2018. Acceso lunes de junio de 2021. Disponible en:
https://www.youtube.com/watch?v=gfs5bp2j_bA.
6. Carnero, E., Alvero-Cruz, J., Giráldez, M., Sardinha, L., & Alvarez Carnero, E.
(2015). La evaluación de la composición corporal “in vivo”; parte I: perspectiva
histórica “IN VIVO” BODY COMPOSITION ASSESSMENT; PART I: A
HISTORIC OVERVIEW. Nutr Hosp, 31(5), 1957–1967.
https://doi.org/10.3305/nh.2015.31.5.8570