Esta contribución resume el artículo “Impact of the Economic Crisis on Body Mass Index in Spain: An Intersectional Multilevel Analysis Using a Socioeconomic and Regional Perspective”, que fue publicado en Population Research and Policy Review: Hernández-Yumar, A., Wemrell, M., Abásolo-Alessón, I. et al. Impact of the Economic Crisis on Body Mass Index in Spain: An Intersectional Multilevel Analysis Using a Socioeconomic and Regional Perspective. Popul Res Policy Rev 42, 69 (2023). https://doi.org/10.1007/
La motivación
La crisis económica mundial que comenzó en 2007, conocida como la Gran Recesión, llegó a España deteriorando las condiciones de vida de la población y afectando, en especial, a los grupos más desfavorecidos (Karanikolos et al.,2013; Zapata Moya et al., 2015). En términos de salud, estudios previos concluyeron que la crisis de 2007 dañó la salud mental y nutricional de los españoles (Antentas & Vivas,2014; Gili et al., 2014; Urbanos-Garrido & Lopez-Valcarcel, 2015), y que se incrementó la prevalencia de obesidad (Hernández-Yumar et al., 2019; Norte et al., 2019; Radwan & Gil, 2014) y el riesgo de sufrirla en los grupos de bajo nivel socioeconómico (Norte et al., 2019), durante el periodo en el que ésta tuvo lugar. Por otra parte, se ha observado una ampliación de las desigualdades socioeconómicas en salud en distintos países en periodos de crisis (Bacigalupe & Escolar-Pujolar, 2014; Escolar-Pujolar et al., 2014; Maynou & Saez, 2016). Aunque sí se ha investigado el impacto de las crisis económicas sobre las desigualdades en salud, no se han identificado estudios que analicen el efecto potencial de la Gran Recesión sobre estas desigualdades en el índice de masa corporal (IMC), a pesar de la amplia evidencia que confirma la existencia de un gradiente socioeconómico en éste y en obesidad (Ailshire & House, 2011; Costa-Font et al., 2014; Devaux & Sassi, 2013; García-Goñi & Hernández-Quevedo, 2012; Jongnam et al., 2019; Merino Ventosa & Urbanos-Garrido, 2016; OECD & EU., 2014; Raftopoulou, 2017; Rodriguez-Caro et al., 2016; WHO, 2000). Además de los determinantes socioeconómicos, el lugar de residencia también puede influir en el IMC y dar lugar a disparidades a distintos niveles geográficos, como exponen Costa-Font & Gil, 2008 y Raftopoulou, 2017.
Dado el incremento de la obesidad y el deterioro de las condiciones de vida tras la crisis económica de 2007, especialmente en los grupos más desfavorecidos, se quiso estudiar el impacto de la Gran Recesión sobre las desigualdades en el IMC en España, desde las perspectivas socioeconómica y territorial, para lo que se plantearon las siguientes dos preguntas de investigación:
El análisis
El estudio se realizó con los datos extraídos de la Encuesta Nacional de Salud de España (ENSE). Se eligieron la ENSE de 2006/2007, para representar el periodo pre-crisis, la ENSE 2011/2012, que correspondía con el periodo de crisis, y la ENSE 2016/2017, relativa al periodo post-crisis.
Usando como inspiración la Teoría de la Interseccionalidad (Bowleg, 2012; Collins, 1990; Crenshaw, 1989; Hancock, 2016; Hankivsky, 2012; McCall, 2005; Seng et al., 2012), se analizó el IMC de los adultos (≥18 años) españoles a través de la creación de estratos interseccionales, definidos por la combinación de variables demográficas, sociales y económicas (género, edad, renta, nivel de estudios, y tipo de hogar), junto con una variable geográfica (región de residencia). Se crearon tres enfoques (A, B y C), que determinaban la definición de estos estratos interseccionales, a partir de las variables consideradas en cada uno de ellos. Los tres incluyeron el género y la edad como covariables, además de las siguientes:
Aplicando el Análisis Multinivel Interseccional de Heterogeneidad Individual y Precisión Discriminatoria (MAIHDA, por sus siglas en inglés) (Merlo, 2018), se pudo conocer cómo se distribuye el IMC entre los distintos estratos. Para ello, se construyeron dos modelos multinivel de regresión lineal para cada encuesta y cada enfoque, con los individuos en el primer nivel y estos anidados en estratos interseccionales en el segundo nivel, y se estimó el Coeficiente de Correlación Intraclase (CCI), para estudiar la precisión discriminatoria y la validez de los estratos interseccionales para predecir el IMC.
Los resultados
Impacto de la crisis económica en el IMC
El IMC medio de la población española se incrementó desde 2006 hasta 2017 (+1,5%), pero este aumento se dio especialmente hasta 2012 (+1,1%). Además, los grupos más afectados por estos incrementos fueron aquellos con medio y bajo nivel de estudios, en los que se observó un aumento de un 2,3% y un 2,1%, respectivamente, entre 2006 y 2017.
Desde el punto de vista regional, el IMC medio aumentó en todas las regiones españolas (excepto en Castilla y León y Aragón), siguiéndose en la mayoría de ellas la tendencia temporal anteriormente descrita.
Impacto de la crisis económica en las desigualdades en el IMC
El análisis confirma, una vez más, la existencia de un gradiente socioeconómico, esto es, los grupos con menor renta y nivel educativo presentan un mayor IMC medio, y viceversa. Esto se observa durante todo el periodo estudiado. Sin embargo, estas disparidades son más pronunciadas en los años de crisis (2011/2012) que en los otros dos periodos (2006/2007 y 2016/2017).
La evolución del IMC de los estratos interseccionales muestra que la diferencia entre el IMC medio de los estratos situados en los extremos (es decir, aquellos con el menor y mayor IMC) aumentó con la crisis económica y se redujo en el periodo posterior. Si consideramos la asociación inversa observada entre las variables socioeconómicas y el IMC, la acentuación de las desigualdades socioeconómicas durante la crisis es clara.
Influencia de las variables socioeconómicas y geográfica en el IMC
De acuerdo con los valores del CCI estimados para cada enfoque, las variables socioeconómicas tienen una mayor influencia sobre el IMC en los periodos en lo que no tiene lugar una crisis económica (esto es, 2006/2007 y 2016/2017), al presentar el mayor valor de CCI (12.6% para el enfoque A). Sin embargo, en épocas de crisis (2011/2012), es el enfoque C el que cuenta con el mayor CCI (12.9%) de los tres, lo que sugiere la importancia que tiene la variable regional, junto con las socioeconómicas, en la distribución del IMC.
Estos valores también ponen de manifiesto que los estratos interseccionales, aunque son contextos con cierta influencia sobre el IMC, no tienen la precisión discriminatoria suficiente para motivar el diseño de políticas centradas únicamente en ciertos grupos.
Las conclusiones
Este es el primer estudio, hasta donde sabemos, que analiza el impacto de la Gran Recesión sobre el IMC y sus disparidades en España.
A partir de los resultados obtenidos, parece observarse un impacto de esta crisis económica sobre el IMC y las desigualdades socioeconómicas. Mientras que el IMC medio aumentó durante todo el periodo de estudio, aunque especialmente hasta 2011/2012, las desigualdades se acentuaron en el periodo de crisis y se redujeron en el periodo posterior.
Además, aunque las variables socioeconómicas parecen tener influencia en el IMC, la consideración adicional de la variable regional juega un papel relevante en periodos de crisis económicas, por lo que las políticas regionales van a ser fundamentales en dichos momentos.
Por último, basándonos en la precisión discriminatoria de los estratos interseccionales estudiados, las intervenciones diseñadas para luchar contra la obesidad deben estar basadas en el universalismo proporcionado (Fisher et al., 2021), es decir, deben dirigirse a aquellos grupos con mayor IMC, pero manteniendo la naturaleza universalista de las intervenciones sociales.
2 ideas sobre “Desigualdades en el índice de masa corporal: ¿qué impacto ha tenido la crisis económica?”
Buenos días. Gracias por el trabajo, muy interesante. Cuando se dice que «las desigualdades se redujeron en el periodo posterior a la crisis», ¿en algún grupo el peso medio se disminuyó durante este periodo? O mas bien, se incrementa en todos los grupos, pero en algunos grupos con menos velocidad que otros?
Otra cosa que se me ocurre: los oleadas de ENSE son un panel de datos de corte trasversal. Es decir, el sub-cohorte de jóvenes con 20 años en 2006 son la misma sub-cohorte con 30 años en 2016, etc (aunque sean individuos diferentes en la muestra, claro). Es decir, si observamos que en 2006 el peso de personas con 30 años fue X, y en 2016 el peso de personas con 30 años fue Y, no podemos decir que el peso de personas de 30 años ha aumentado, porque no son las mismas personas ¿Sería posible segmentar los datos de alguna manera para aproximadamente tener en cuenta esta «evolución natural» de las cohortes en el análisis? ¿O hace falta una base de datos longitudinal?
Hola David,
Muchas gracias por tu comentario e interés en el trabajo.
Respecto a la primera pregunta que nos planteas, si nos centramos en los grupos de renta (baja, media y alta) o educación (baja, media y alta), en el periodo 2011/2012 – 2016/2017 se observa un aumento en el IMC medio en todos los grupos (ligeramente superior en los grupos de renta y educación alta (0.9% y 0.4%, respectivamente)), excepto en los de renta media y educación baja, donde se registra una reducción del IMC (-0.7% y -0.6%, respectivamente). Como dato adicional, podemos añadir que se observa una reducción de la brecha entre los grupos de educación (y renta) baja vs. alta en este periodo: esta era de 2.73 (1.35, en el caso de la variable renta) puntos de IMC en 2011/2012 y de 2.47 (1.34, para la variable renta) puntos de IMC en 2016/2017.
En relación con la segunda pregunta, hacer corresponder la edad t, en 2006, con la edad t+5, en 2011, y t+10, en 2016, para aproximar el efecto cohorte o generación es arriesgado porque, como bien has comentado, los individuos no son los mismos, teniendo en cuenta, además, que los rangos de edad establecidos son amplios (≤35, 36-64, ≥65 años). Una posibilidad para poder analizar la evolución de las personas en un panel del tipo que comentas, compuesto por tres bases de corte transversal (cada oleada de la ENSE), sería emparejar a los individuos, a través de alguno de los métodos diseñados para tal fin, por características individuales iguales o similares, exceptuando la edad. Quizás de este modo, se podría tener en cuenta la evolución temporal que describes. No obstante, para nuestro estudio esto no es aplicable, ya que nosotros hacemos los análisis de forma independiente para cada oleada de la ENSE, por lo que no estaríamos hablando de datos de panel, sino, como comentamos, de datos de corte transversal.
Saludos