Proposta metodológica para avaliação da insegurança alimentar e nutricional - estudo Brazuca Natal / Methodological proposal for the assessment of food and nutrition insecurity - Brazuca Natal study

RESUMO

A complexidade conceitual da Segurança Alimentar e Nutricional (SAN) torna sua avaliação um desafio. Indicadores que incluam os componentes alimentar e nutricional e suas diferentes dimensões são necessários para complementar a dimensão do acesso medida pela Escala Brasileira de Insegurança Alimentar (EBIA), principal instrumento utilizado no Brasil. A formulação de um indicador global é fundamental para o rastreamento dos indivíduos em situação de insegurança alimentar (IA), especialmente na vigilância alimentar e nutricional (VAN). Dessa forma, o presente estudo objetivou avaliar os fatores associados à insegurança alimentar e nutricional (INSAN) e desenvolver uma proposta metodológica multidimensional para rastreamento (Vigi-INSAN). O Vigi-INSAN foi proposto a partir de um modelo preditivo da IA, com dados do Estudo Brazuca Natal, um estudo transversal, conduzido com 411 adultos e idosos domiciliados. Realizaram-se entrevistas domiciliares com aplicação de questionário eletrônico para obter dados demográficos, socioeconômicos, antropométricos (peso, altura, perímetros corporais), consumo alimentar (itens da escala de adesão ao guia alimentar para a população brasileira) e IA medida pela EBIA. A construção do Vigi-INSAN ocorreu em três etapas: 1- Organização da base teórica e seleção dos itens, a partir da análise bivariada; 2- Regressão múltipla de Poisson para selecionar as variáveis da proposta metodológica: as variáveis com p<0,20 foram incluídas no modelo e aquelas com p<0,05 permaneceram no modelo final; 3 ­ Análise dos pressupostos de ajuste com o Omnibus test e deviance, e, curva ROC para analisar a eficiência do modelo e definição do ponto de corte. Um recorte foi conduzido para identificar os fatores associados a IA na população idosa (n=191). Para tal, as razões de prevalência (RP) brutas e ajustadas foram analisadas pela Regressão de Poisson. A prevalência de IA foi de 42,1% (37,4% - 46,9%). Mulheres (47,5%), adultos (48,2%) e pessoas de cor/raça não branca (52,7%) apresentaram IA significativamente maior. Após análise múltipla, o modelo preditivo foi composto por: presença de menores de 18 anos no domicílio (A) (RPaj=1,3; 1,1 ­ 1,6), renda familiar (B) (em quintis) (Q1: RPaj=5,4; 2,5 ­ 11,7; Q2: RPaj = 4,8; 2,2 ­ 10,5; Q3: RPaj = 3,8; 1,8 ­ 8,5; Q4 RPaj = 2,2; 1,0 ­ 5,1), tratamento inadequado da água de beber (C) (RP=1,3; 1,1 ­ 1,5), presença de doenças crônicas não-transmissíveis (D) (RP=1,3; 1,1 ­ 1,7), ausência do hábito de comer frutas no café da manhã (E) (RPaj = 1,7; 1,3 ­ 2,5), hábito de realizar refeições no sofá da sala ou na cama (F) (RPaj= 1,3; 1,1 ­ 1,6) e de pular pelo menos o almoço ou o jantar (G) (RPaj= 1,4; 1,2 ­ 1,7). A área sob a curva ROC indicou 83% de predição da INSAN. A pontuação atribuída para os itens foi: (A) = 0,3; (B): Q1=1,7; Q2=1,6; Q3=1,4; Q4=0,8; Q5=0; (C) = 0,2; (D) = 0,3; E= 0,6; (F) = 0,3; (G) = 0,3. Foi adotado o ponto de corte 2,3 (Kappa = 0,47; Sensibilidade=0,82; Especificidade = 0,67; VPP = 0,64; VPN = 0,83). Conclui-se que o Vigi-INSAN apresenta potencial para utilização na VAN, com alto poder preditivo da IA, a partir de indicadores multidimensionais dos componentes alimentar e nutricional da SAN (AU).

ABSTRACT

The conceptual complexity of Food and Nutrition Security (FNS) makes its assessment a challenge. Indicators that include the food and nutritional components and their different dimensions are necessary to complement the dimension of access measured by the Brazilian Food Insecurity Scale (EBIA in Portuguese), the main instrument used in Brazil. The formulation of a global indicator is essential for tracking individuals in food insecurity (FI) situation, especially in food and nutrition surveillance (FNS). Thus, the present study aimed to assess the factors associated with food and nutritional insecurity (FNI) and to develop a multidimensional methodological proposal for screening (Vigi-INSAN in Portuguese). VigiINSAN was proposed based on a predictive model of FI, with data from the Brazuca Natal Study, a cross-sectional study, conducted with 411 adults and elderly people living at home. Home interviews were conducted with the application of an electronic questionnaire to obtain demographic, socioeconomic, anthropometric data (weight, height, body perimeters), food consumption (items on the scale of adherence to the Dietary Guidelines for the Brazilian Population) and FI measured by EBIA. The Vigi-INSAN construction occurred in three stages: 1- Organization of the theoretical basis and selection of items, based on bivariate analysis; 2- Multiple Poisson regression to select the variables of the methodological proposal: variables with p <0.20 were included in the model and those with p <0.05 remained in the final model; 3 - Analysis of the assumptions of adjustment with the Omnibus test and deviance, and, ROC curve to analyze the efficiency of the model and definition of the cutoff point. A cut was conducted to identify the factors associated with FI in the elderly population (n = 191). For this, the crude (PRc) and adjusted prevalence ratios (PRaj) were analyzed using Poisson Regression. The prevalence of FI was 42.1% (37.4% - 46.9%). Women (47.5%), adults (48.2%) and people of non-white color / race (52.7%) had significantly higher FI. After multiple analysis, the predictive model was composed of: presence of children under 18 at home (A) (PRaj = 1.3; 1.1 - 1.6), family income (B) (in quintiles) (Q1: PRaj = 5.4; 2.5 - 11.7; Q2: PRaj = 4.8; 2.2 - 10.5; Q3: PRaj = 3.8; 1.8 - 8.5; Q4 PRaj = 2 , 2; 1.0 - 5.1), inadequate drinking water treatment (C) (PRaj = 1.3; 1.1 - 1.5), presence of chronic non-communicable diseases (D) (PRaj = 1.3; 1.1 - 1.7), absence of the habit of eating fruit for breakfast (E) (PRaj = 1.7; 1.3 - 2.5), habit of eating meals on the living room sofa or in bed (F) (RPaj = 1.3; 1.1 - 1.6) and skipping at least lunch or dinner (G) (PRaj = 1.4; 1.2 - 1.7). The area under the ROC curve indicated 83% of FNI prediction. The score assigned to the items was: (A) = 0.3; (B): Q1 = 1.7; Q2 = 1.6; Q3 = 1.4; Q4 = 0.8; Q5 = 0; (C) = 0.2; (D) = 0.3; E = 0.6; (F) = 0.3; (G) = 0.3. A cutoff point of 2.3 was adopted (Kappa = 0.47; Sensitivity = 0.82; Specificity = 0.67; PPV = 0.64; NPV = 0.83). It is concluded that Vigi-INSAN has potential for use in FNSV, with high predictive power of FI, based on multidimensional indicators of the food and nutritional components of FNS (AU).