Introducción
La Convención sobre los Derechos del Niño reconoce el derecho de todo niño y niña a un nivel de vida adecuado para su óptimo desarrollo físico, mental, espiritual, moral y social 1. En ese sentido, el Peru planteo como prioridad reducir la desnutrición cronica infantil (DCI) al 6,4% para el Bicentenario de la Independencia 2; sin embargo, en el 2017, la DCI era de 12,9%; solo 0,2% por debajo de los niveles del 2016 y 1,7% menor al del 2014 3,4,5,6, es decir, se avanza muy lento en la lucha contra la DCI.
La Organización Mundial de la Salud (OMS) define la desnutrición como la carencia de nutrientes que retrasan el desarrollo del niño 7. Según el modelo causal de la desnutrición infantil, la desnutrición es resultado de la ingesta insuficiente de alimentos (en cantidad y calidad), de la falta de atencion adecuada y de las enfermedades 8. Estas, a su vez, tienen como causas subyacentes a la falta de acceso a los alimentos, la carente atencion sanitaria y el acceso al agua y saneamiento. Todo ello como resultado de las condiciones de pobreza, desigualdad y educación de la madre.
La ingesta insuficiente de vitaminas y minerales (micronutrientes) no permiten que el cuerpo produzca suficientes enzimas, hormonas y otras sustancias esenciales para el crecimiento adecuados 9. Buttenheim, Alderman y Friedman 10, resumen que “estudios previos han confirmado que los niños sufriendo de deficiencias de micronutrientes tienen un bajo desempeño escolar” (traducción de los autores).
Por lo anterior, la nutrición adecuada es clave para desarrollo de un pais y la DCI es un problema central para el Peru; es asi que el Plan Nacional para la Reducción y Control de la Anemia Materno Infantil y la Desnutrición Cronica Infantil 2017-2021, aprobado por Resolucion Ministerial N° 249-2017/ MINSA, establece la entrega universal por 12 meses de sobres con micronutrientes en polvo denominados “Chispitas” para niños desde los 6 meses de vida 2.
Las intervenciones con micronutrientes han recibido mucha atención internacionalmente, pues se considera una estrategia rentable en términos de costo-beneficio 11. Tanto la OMS como la Fondo de las Naciones Unidas para la Infancia (UNICEF) han incentivado la aplicación de esta intervención y Perú no es la excepción. En la Directiva Sanitaria N° 056 del Ministerio de Salud (MINSA), se establece que los micronutrientes “Chispitas” deben estar disponibles en todos los establecimientos estatales de salud y que su entrega se debe realizar universalmente a las madres de los menores desde los 6 meses de vida 12. Ademas, indica que se deben consumir un sobre por dia durante 12 meses continuos (360 sobres), en caso se interrumpa el tratamiento, se debe empezar de nuevo.
Cada sobre de micronutrientes contiene fumarato ferroso, zinc, ácido folico, vitamina C y vitamina A 12; el contenido se debe mezclar con alimentos semisolidos. El porcentaje de hogares que consumió Chispitas (en los últimos 12 meses) en el 2014 fue 24% 3. Este porcentaje ha ido aumentando hasta llegar en el periodo 2015-2017 a entre el 41 y el 43% 4,5,6. Sin embargo, esta clase de intervenciones, en otros países, no ha tenido impactos claros sobre la nutrición y crecimiento de los niños 11,13,14; esto posiblemente por una mala adherencia, un suministro no adecuado, baja cobertura y algunos efectos secundarios 15,16.
En base a estas consideraciones, la investigación que acá se presenta busca responder a la siguiente pregunta: ¿Tienen impacto en la reducción de la desnutrición crónica infantil la entrega de sobres con micronutrientes y cuáles son los factores que contribuyen o reducen ese impacto? En ese sentido el objetivo fue evaluar el impacto de la ingesta de micronutrientes sobre los niveles de DCI en el periodo 2014-2017.
Las variables a explicar son dos: i) la prevalencia de DCI y ii) el puntaje Z de la talla/edad de los niños y niñas que sufren DCI, ambas medidas siguiendo los lineamientos de la OMS.
La estrategia de investigación se divide en dos partes. El primer paso fue realizar un balance de la muestra usando dos técnicas econométricas: Entropy Balancing y Machine Learning. Una vez balanceadas las muestras y obtenidos los ponderadores necesarios, se pasa a aplicar el método de diferencias (utilizando regresiones) para estimar el impacto de los micronutrientes sobre las variables de interés.
Base de datos
La Encuesta Demográfica y de Salud Familiar (ENDES) fue la principal fuente de datos para esta investigación 3,4,5,6. La encuesta se aplica anualmente y posee representatividad nacional, por dominio geográfico, regional y en grandes ciudades. Es de tipo transversal, probabilística, de áreas, estratificada, bietapica y autoponderada a nivel departamental y por áreas. Se usan las encuestas de los años del 2014 al 2017.
La encuesta permite identificar a los receptores de micronutrientes con sus respectivas características individuales y del hogar. También permite caracterizar su estado de salud, en particular lo relevante a la DCI mediante la relación de la talla con la edad en meses. En la tabla 1 se muestra la cantidad total de niños y niñas de 6 a 59 meses incluidas en las ENDES tomadas como base de datos.
Balanceo de la muestra
Las técnicas de Entropy Balancing y Machine Learning son útiles para establecer dos grupos comparables, uno de tratamiento y uno de control, de modo que tengan características similares y de cuya comparación podamos extraer resultados robustos y confiables. Este tipo de métodos cuasiexperimentales se utilizan porque el consumo de micronutrientes no se asigna aleatoriamente, por lo cual es de esperar que los que lo consumen no tienen necesariamente las mismas condiciones socioeconomicas y sanitarias de quienes no lo consumen.
Para la elección adecuada del grupo contrafactual se requiere definir al conjunto de covariables relacionadas a la probabilidad de ser clasificado como receptores potenciales de micronutrientes. Las variables a utilizar fueron las siguientes: altura a la que se encuentra la vivienda (en msnm), asistencia al control de crecimiento (CRED), tenencia de seguro social SIS, año, departamento, quintil segun el índice de activos y área de residencia.
El método Entropy Balancing consiste en el procesamiento de las covariables de modo que los momentos estadisticos (media, varianza y asimetria) de los grupos control y tratamiento alcancen valores comparables. Esto se realiza mediante la asignación de pesos adecuados a cada una de las observaciones de la muestra inicial. Este método ha demostrado ser superior al propensity score matching ya que no solo se ocupa del balanceo en la media, sino en dos momentos estadísticos mas, la varianza y la asimetría.
El metodo “Machine Learning” se aplica mediante el modelo de potenciacion del gradiente (GBM por sus siglas en ingles). Este es más eficiente, preciso, potente y robusto, ya que no se basa solo en variables observables. Al crear arboles de relaciones complejas entre variables puede incluso funcionar con “missings” en la muestra. El proceso es iterativo con árboles de regresión multiple que captura relaciones complejas y no lineales entre la asignacion al tratamiento y las covariables de pretratamiento sin un sobreajuste de los datos 17.
Una vez balanceada la muestra y asignados los ponderadores a los grupos de control y tratamiento, se realiza la estimacion del impacto mediante el metodo de diferencias, las variables a utilizar se muestran en la tabla 2.
VARIABLES | Descripción |
---|---|
Variables dependientes | |
DCI | Define la presencia de desnutrición crónica infantil. Toma dos valores: 1: si el niño tiene indicador Talla/Edad menor a -2Z según la definición de la OMS. 0 (cero) en caso contrario. |
Puntaje Z | Nivel nutricional en desviaciones estándar según la talla/edad. |
Variables independientes | |
Consumió micronutrientes | Describe la intervención con Chispitas. Toma dos valores, según si el niño consumió o no. |
Número de dosis que consume | Describe la cantidad de sobres de Chispitas o tomas de suplemento ferroso que consumió (dividida entre 1000). |
Variables de control | |
Nivel educativo de la madre | Describe la edad de las madres en años |
Controles prenatales | 1: si el niño tuvo controles prenatales y 0: si el niño no tuvo controles prenatales |
Peso al nacer | Describe el peso del niño al nacer |
Suplemento ferroso durante embarazo | 1: si la madre consumió durante embarazo y 0: si la madre no consumió. |
Número de controles CRED | Describe la cantidad de controles CRED |
Edad del niño | Describe la edad del niño en meses |
Edad*Edad | Describe el cuadrado de la edad del niño en meses |
Lactancia en 6 primeros meses | 1: si se le dio de lactar en 6 primeros meses y 0: si no se le dio de lactar en 6 primeros meses. |
Lactancia de 7 a 12 meses | 1: si se le dio de lactar de 7 a 12 meses y 0: si no se le dio de lactar de 7 a 12 meses. |
Sexo del niño | 1: mujer y 0: varón |
Resultados
Las estimaciones del impacto de la ingesta de micronutrientes sobre la DCI y el puntaje Z se presentan en las tabla 3 y tabla 4. El impacto sobre la probabilidad de sufrir DCI se realizo utilizando las metodologias de Entropy Balancing (columna 1) y Machine Learning (columna 2) para todos los niños de la muestra. En el caso del puntaje Z (columna 3) solo se incluyeron a los niños que tienen DCI y solo se pudo realizar el balanceo por Entropy Balancing, debido a que el metodo Machine Learning mostro iteraciones no convergentes.
VARIABLES | DCI1 | DCI1 | Puntaje Z |
---|---|---|---|
Consumió micronutrientes | 0,020*** | 0,024*** | 1,049 |
(0,006) | (0,006) | (2,051) | |
Constante | -257,830*** | ||
(1.894) | |||
Observaciones | 36 889 | 36 927 | 5 991 |
Método de balanceo2 | EB | ML | EB |
Efectos fijos | NO | NO | NO |
1Efectos marginales
2EB=Entropy Balancing, ML=Machine Learning
Error estándar en paréntesis
*** p<0.01, ** p<0.05, * p<0.1
VARIABLES | DCI1 | DCI1 | Puntaje Z |
---|---|---|---|
Consumió micronutrientes | 0,012** | 0,017*** | -0,972 |
(0,005) | (0,005) | (2,062) | |
Número de veces que consume | -0,041 | -0,042 | 17,970* |
(0,028) | (0,027) | (9,676) | |
Nivel educativo de la madre | -0,046*** | -0,045*** | 4,891** |
(0,005) | (0,005) | (1,949) | |
Controles prenatales | -0,059*** | -0,059*** | 0,981 |
(0,013) | (0,013) | (4,509) | |
Peso al nacer | -0,125*** | -0,124*** | 21,853*** |
(0,005) | (0,005) | (2,488) | |
Suplemento ferroso durante embarazo | 0,008 | 0,006 | 4,902 |
(0,009) | (0,010) | (3,584) | |
Número de controles CRED (Control de Crecimiento y Desarrollo) | -0,001 (0,001) | -0,001 (0,001) | 0,651** (0,258) |
Edad del niño | 0,106*** | 0,101*** | -15,058** |
(0,014) | (0,014) | (6,368) | |
Edad al cuadrado | -0,043*** | -0,041*** | 6,175** |
(0,006) | (0,006) | (2,478) | |
Lactancia en 6 primeros meses | -0,058*** | -0,058*** | -2,180 |
(0,010) | (0,010) | (4,583) | |
Lactancia de 7 a 12 meses | -0,018*** | -0,019*** | 3,628 |
(0,007) | (0,007) | (3,196) | |
Sexo del niño | -0,050*** | -0,050*** | 9,359*** |
(0,005) | (0,005) | (1,934) | |
Constante | -343,475*** | ||
(11,059) | |||
Observaciones | 34 772 | 34 772 | 5 302 |
Método de balanceo2 | EB | ML | EB |
Efectos fijos | SÍ | SÍ | SÍ |
1Efectos marginales
2EB=Entropy Balancing, ML=Machine Learning
Error estándar en paréntesis
*** p<0.01, ** p<0.05, * p<0.1
La tabla 3 muestra las estimaciones solamente considerando si el niño/a ha tenido acceso a la distribución de los micronutrientes “Chispitas” pero sin especificar la cantidad ingerida, lo que constituye una aproximación al efecto de la mayor cobertura del programa al margen de cuanta adherencia hay al producto. El resultado que se encontró fue que, en ambas estimaciones Entropy Balancing y Machine Learning, la ingesta de micronutrientes “Chispitas” tuvo un efecto significativo y positivo en la probabilidad de que un niño/a sufriera desnutrición cronica, es decir, aumento la probabilidad de DCI. En el caso del puntaje z de quienes ya estaban desnutridos, el impacto, aunque positivo - es decir tiende a incrementar el puntaje z y reducir la desnutrición - no fue significativamente distinto de cero.
En la tabla 4, se incluyeron variables de control y se observó que el coeficiente de nuestra variable de tratamiento no cambio abruptamente, lo que muestra que nuestro modelo tuvo una correcta especificación y obtuvimos resultados robustos. En la tabla 4 se muestran las mismas estimaciones, pero incluyendo una variable que captura la adherencia al programa y otras variables de control. Bajo ambos métodos de balanceo, nuevamente se obtuvo que la simple participacion en el programa de reparto de micronutrientes “Chispitas” aumento la probabilidad de desnutrición, en lugar de reducirla como se esperaria; el impacto es mayor con ML. El número de sobres consumidos, por su lado, resulto positivo, pero no significativamente distinto de cero. Considerando ambos elementos, el estar dentro del programa y el número de sobres consumidos, se encontró que a partir de 34 sobre (con entropy balacing) y 25 sobres (con machine learning) el efecto paso a ser de reduccion de la probabilidad de tener DCI.
Respecto a las variables de control, la probabilidad de desnutrición fue menor a mayor nivel educativo de la madre, a más controles pre-natales y a mayor peso al nacer del niño/a, efectos esperables dada la literatura nacional e internacional sobre el tema. La lactancia materna hasta 12 meses también sería importante, con un mayor efecto si solo es hasta los 6 meses, continuar la lactancia entre los 7 y 12 meses tendría un efecto contrario al objetivo. Las variables de edad y edad al cuadrado estarían reflejando el hecho de que la desnutrición aumento hasta los dos años de edad y luego decreció.
En el caso del puntaje Z, si se observó un efecto positivo de la ingesta de micronutrientes de 0,017 desviaciones estandar en la talla/edad por cada sobre consumido, pero a partir de un efecto inicial de -0,97 (aunque este parametro no fue significativamente distinto de cero). Es decir, el efecto sería positivo a partir del consumo de 55 sobres. Se mantuvo los efectos positivos de la educación de la madre y del peso al nacer, y en este caso si se observó un efecto positivo de los controles CRED.
De lo anterior, se puede resumir que la ingesta de micronutrientes “Chispitas” no mostro claros efectos de reducción de la DCI y que la adherencia al programa fue muy importante para que haya efectos positivos en la lucha contra la desnutrición crónica infantil, siendo el consumo mínimo critico al respecto entre 25 y 40 sobres.
Discusión
Los resultados encontrados muestran que el impacto de la ingesta de micronutrientes sobre la DCI no son del todo positivos y potentes como se desea y como sugieren las recomendaciones internacionales. Por el contrario, se encuentra impacto negativo al ampliar la cobertura sin un nivel adecuado de adherencia. La ingesta de micronutrientes “Chispitas” tiene efecto positivo solo en quienes están desnutridos y a partir de 54,1 sobres.
Lo anterior llama la atención, pues la entrega de micronutrientes “Chispitas” tiene un objetivo preventivo y es universal, pero estaría perjudicando la salud de aquellos que interrumpen el consumo 18. Una explicación posible es que los efectos fisiológicos adversos de los micronutrientes se reflejen en un primer momento y luego haya una adaptación del cuerpo humano; otra explicación es que sea más bien el cuerpo social, la familia y los comportamientos alimentarios del niño y del hogar los que demoren en adaptarse positivamente a la nueva situación.
Por ello, se plantea la necesidad de evaluar la operatividad del programa, la gestión publica, las formas de entrega y la continuidad del programa a lo largo del año, orientándose en especial a lograr una mayor adherencia al tratamiento y a controlar los efectos secundarios que pueden presentar el consumo de los micronutrientes. En ese sentido, la continuidad de los controles de salud del niño y la realización efectiva de las consejerías deberían ser revisadas y reforzadas.
Por otro lado, un analisis a nivel de las politicas llama a ser menos optimista sobre el logro de metas a partir de esta sola intervención y a poner más énfasis en un abordaje de multiples intervenciones y multisectorial frente a la DCI.
En conclusión, la ingesta de micronutrientes no tienen impacto del todo positivos y potentes sobre la desnutrición crónica infantil como se desearía según los estándares internacionales, por lo cual es necesaria la revision de los supuestos, procedimientos y componentes del programa.