INTRODUCCIÓN
A finales del 2019 en China ocurrieron casos inexplicables de neumonía masiva, las autoridades sanitarias descartaron que fuesen enfermedades previamente conocidas. En marzo del 2020, la Organización Mundial de la Salud (OMS), declara a Europa como el epicentro de la pandemia por COVID-19, con más casos y muertes notificadas que el resto del mundo, al margen de China1 .
En Perú, el 6 de marzo de 2020 se confirma el primer caso de COVID-19, un hombre de 25 años que llegó al país luego de haber estado en países de Europa. Una semana después el gobierno peruano declara el estado de Emergencia Nacional por el alto riesgo a enfermarse. El estado adoptó medidas como el aislamiento social obligatorio (cuarentena), limitación de la libertad de tránsito de personas, restricciones a diversas actividades que impliquen aglomeración de gente, cierre temporal de fronteras, así como la intervención de fuerzas armadas y policiales para que hagan cumplir dichas medidas. Estos hechos marcan el inicio de una de las pandemias más graves que afecta y sigue afectando al Perú y al mundo entero2 .
Esta crisis sanitaria afecta los sistemas alimentarios, comprometiendo el acceso de alimentos a las personas de diferentes maneras, no sólo en los cambios en las cadenas de suministro a raíz de los confinamientos, sino también la reducción de ingresos de las familias y la desaceleración de la economía3 , 4 . Según la OMS, los peores efectos aún están por llegar, la mayoría de los analistas sanitarios prevén que este virus continuará circulando durante al menos uno o dos años más5 .
Para medir el impacto de la pandemia se hace necesario medir la calidad nutricional de la dieta de la población. Es relevante establecer la diversidad de alimentos que tiene disponible para visualizar de manera oportuna el estado de seguridad alimentaria y tomar medidas para tratar de dar una nutrición adecuada en las personas3 , 6 , 7 . Cuando en una región existe mayor disponibilidad de alimentos, se obtiene una dieta variada que favorece cubrir las necesidades nutricionales8 . Asimismo, se trata de conseguir una diversidad alimentaria mediante la existencia de la seguridad alimentaria, esto a su vez favorecería la prevención de futuras enfermedades pandémicas a nivel global. La COVID-19 ha traído consigo la perturbación en los sistemas alimentarios como consecuencia del impacto socio económico en los consumidores. No solo se han visto afectados la venta, distribución y consumo de diferentes alimentos, sino que las personas han tenido que modificar sus preferencias y alternativas debido a las restricciones y normativas impuestas por los gobiernos para evitar la propagación del virus9 .
Tomando en consideración que la seguridad alimentaria es influenciada por factores económicos, sociales y físicos, las restricciones impuestas por el gobierno peruano afectaron las condiciones de mercado, el comercio y transporte en varias zonas del país, principalmente en las rurales, las que se vieron perjudicadas en la economía del hogar, y con ello posiblemente el acceso a la diversidad alimentaria. No obstante, en la zona urbana de Lima, los precios y la disponibilidad de los alimentos no tuvieron fuertes alteraciones debido a la coordinación y esfuerzos del gobierno10 .
Existe una cantidad limitada de estudios sobre diversidad alimentaria en el Perú antes de la pandemia11 , 12 , y no hay estudios que hayan informado sobre la diversidad alimentaria durante la cuarentena en familias peruanas. Este estudio se realizó a través de una encuesta rápida en línea para evaluar la diversidad alimentaria durante el tiempo de aislamiento entre los habitantes de las provincias de Lima, Arequipa y Sullana y explorar sus factores asociados con las características ambientales de los hogares evaluados en pandemia debido a la COVID-19.
MATERIALES Y MÉTODOS
Diseño del estudio
Estudio transversal en el que se aplicó cuestionarios virtuales a habitantes de las provincias de Lima, Sullana y Arequipa entre la última semana de junio y primera semana de julio de 2020, todas las ciudades se encontraban en cuarentena, entre 98 a 110 días al momento de la ejecución del estudio. Se utilizó el método de “muestreo de bola de nieve” para reclutar a los participantes. Se inició con las familias de estudiantes de la Universidad Científica del Sur de Lima, Universidad Nacional de San Agustín de Arequipa y Universidad Nacional de Frontera de Sullana. Los criterios de inclusión de los hogares fueron: tener un miembro mayor de 18 años de edad que pueda dar información sobre de la preparación de alimentos del hogar, saber leer, tener acceso a internet, vivir en los distritos de las provincias de Lima, Sullana y Arequipa y dar su autorización para participar en el estudio de manera voluntaria. Se excluyeron los cuestionarios incompletos.
Instrumento
El cuestionario utilizado contiene i) características de los miembros de la familia, como sexo, edad y nivel educativo, ii) características ambientales del hogar en pandemia, que pueden establecer un mayor riesgo a tener una menor diversidad alimentaria como presencia de mujeres gestantes o en periodo de lactancia, presencia de comorbilidades en los miembros del hogar13 , ingreso económico familiar-se tomó como punto de corte la remuneración minina vital en el Perú14 , cumplimiento de la cuarenta y frecuencia de compra de los alimentos13 y evaluación de la diversidad alimentaria. Esta última parte se midió utilizando el Puntaje de Diversidad Dietética del Hogar (HDDS, siglas en inglés), una medida que refleja la accesibilidad a los alimentos del hogar. Se utilizó el cuestionario original, los investigadores verificaron que los nombres de alimentos estuvieran de acuerdo con la cultura peruana15 . La consistencia interna del instrumento fue buena (Kuder-Richardson 0.797). En total, se investigó la ingesta de 12 grupos de alimentos durante la última semana, previa a la aplicación del cuestionario. Se consideró el consumo promedio de un día de esa última semana tomando como referencia al informante del hogar. Para los 12 grupos puntuó de la siguiente manera: solo con referir consumo frecuente; se asignaba 1 punto (si se consumía) o bien 0 puntos (si no consumía): La puntuación máxima fue de 12 puntos. Los grupos de alimentos incluidos fueron i) cereales; ii) raíces y tubérculos; iii) verduras; iv) frutas; v) carne, aves y vísceras; vi) huevos; vii) pescados y mariscos; viii) legumbres y frutos secos; ix) productos lácteos; x) aceites y grasas; xi) azúcar y miel; y xii) miscelánea (alimentos diversos como condimentos, refrigerios y bebidas). Se calculó las proporciones de familias que consumieron cada grupo de alimentos, multiplicando la información referida por el número de miembros del hogar evaluado. Una puntuación más alta indica una mayor diversidad alimentaria.
Procedimientos
Los investigadores seleccionaron y reclutaron de manera voluntaria a 120 estudiantes universitarios de las tres ciudades, para realizar entrevistas sincrónicas por medios no presenciales (telefonía y plataformas virtuales) a una persona de familias ubicadas en los distritos de las 3 provincias señaladas, que cumpliera los criterios de inclusión del estudio. La aplicación del instrumento duro 25 minutos aproximadamente. A los entrevistadores se les brindo una inducción sobre la finalidad de la investigación, la metodología de la entrevista y el registro de la información en el cuestionario virtual diseñado para el estudio (formulario de Google), adicionalmente se elaboró un video tutorial que enseñaba cómo realizar el registro de la información. Este video entrenó a los estudiantes antes del inicio del recojo de datos. Cada estudiante aplico un promedio de 5 encuestas en un periodo de una semana, cada uno de los investigadores realizó el control de calidad de los datos ingresados por los estudiantes antes del procesamiento de la información.
Se recolectó información de 672 hogares, después del control calidad en gabinete y exclusión de aquellos cuestionarios incompletos, y previo al análisis estadístico se analizaron los datos de 600 hogares: 281 en Lima, 212 en Arequipa y 107 en Sullana; con un total de miembros en los hogares de 2570 personas residentes en las tres ciudades de Perú ( Figura 1 ).
Aspectos Éticos
Se obtuvo el consentimiento de los participantes que confirmaron su participación voluntaria antes de la encuesta. El estudio fue aprobado por el Comité Institucional de Ética en Investigación de la Universidad Científica del Sur (Código de registro: 048-2020-PRO99).
Análisis Estadísticos
Los datos se analizaron utilizando el software SPSS versión 21. El HDDS se presentó como medias ± desviación estándar (SD) y mediana. Las proporciones de participantes que consumen cada grupo de alimentos en la última semana se presentaron como números (porcentaje). El puntaje total se obtuvo al evaluar 12 grupos de alimentos para los hogares participantes, este podría variar de 0 a 12; El HDDS se dividió en dos grupos en función de su mediana HDDS alta (>= mediana) y baja (<mediana). La regresión logística se utilizó para modelar las asociaciones entre el HDDS, las características de los participantes y variables ambientales estudiadas. Un valor de p<0.05 se consideró estadísticamente significativo en todos los análisis.
RESULTADOS
La proporción de sujetos que consumieron cada grupo de alimentos en la última semana se muestra en la tabla 1 . El grupo de cereales fue el más consumido (96,5%), mientras que los pescados y mariscos (52,3%) tuvieron consumos bajos ( Tabla 1 ).
Grupos de alimentos | N | % |
---|---|---|
Cereales | 2481 | 96,5 |
Tubérculos y raíces | 2405 | 93,6 |
Verduras | 2326 | 90,5 |
Frutas | 2321 | 90,3 |
Carne, aves y vísceras | 2326 | 90,5 |
Huevos | 2307 | 89,8 |
Pescados y mariscos | 1343 | 52,3 |
Menestras y frutos secos | 2092 | 81,4 |
Productos lácteos | 2227 | 86,7 |
Aceites y grasas | 1921 | 74,7 |
Azúcar y miel | 2239 | 87,1 |
Miscelánea | 1996 | 77,7 |
Al evaluar el puntaje de diversidad alimentaria por nivel educativo de las personas se encontró que aquellos que tuvieron estudios superiores tuvieron una puntuación más alta que aquellos con baja educación (p<0.001, Tabla 2 ). Igual situación se observó por ingresos familiares, a mayores ingresos económicos mayor promedio de HDDS (p<0,001, Tabla 2 ). Al analizar los datos por región se observó que los habitantes de Sullana tienen un puntaje de diversidad alimentaria más bajo (HDDS= 7,82), que las otras dos regiones HDDS= 10,93 y 10,19 para Lima y Arequipa respectivamente (p<0,001, Tabla 2 ).
Total | DA | p valor | ||||
---|---|---|---|---|---|---|
Variables | n | % | Media | DE | ||
Total | 2570 | 100,0 | 10,12 | 2,35 | ||
Sexo | Femenino | 1442 | 56,1 | 10,06 | 2,44 | |
Masculino | 1128 | 43,9 | 10,20 | 2,23 | 0,150 | |
0 a 11 años | 315 | 12,3 | 10,21 | 2,26 | ||
12 a 17 años | 225 | 8,8 | 9,95 | 2,58 | ||
Edad | 18 a 29 años | 750 | 29,2 | 10,02 | 2,42 | 0,199 |
30 a 59 años | 1047 | 40,7 | 10,23 | 2,27 | ||
60 años a más | 233 | 9,1 | 9,98 | 2,42 | ||
Sin nivel | 85 | 3,3 | 9,12 | 3,01 | ||
Inicial | 85 | 3,3 | 10,31 | 2,22 | ||
Nivel educativo | Primaria | 255 | 9,9 | 9,87 | 2,82 | 0,000 |
Secundaria | 704 | 27,4 | 9,93 | 2,50 | ||
Superior técnico | 463 | 18,0 | 10,16 | 2,32 | ||
Superior universitaria | 834 | 32,5 | 10,36 | 2,04 | ||
Posgrado universitario | 144 | 5,6 | 10,47 | 1,87 | ||
<930 soles | 534 | 20,8 | 9,10 | 3,18 | ||
930 - 2,789 soles | 891 | 34,7 | 9,93 | 2,36 | ||
Ingresos familiares * (último mes) | 2,790 - 5,579 soles | 640 | 24,9 | 10,50 | 1,76 | 0,000 |
5,580 - 8,369 soles | 313 | 12,2 | 10,96 | 1,32 | ||
8,370 - 11,159 soles | 112 | 4,4 | 11,21 | 1,11 | ||
11,160 soles a más | 80 | 3,1 | 11,18 | 1,00 | ||
Miembros de la familia | <= 4 | 1332 | 51,8 | 9,97 | 2,44 | 0,000 |
>4 | 1238 | 48,2 | 10,28 | 2,24 | ||
Arequipa | 868 | 33,8 | 10,19 | 1,77 | ||
Región geográfica (provincia) | Lima | 1241 | 48,3 | 10,93 | 1,32 | 0,000 |
Sullana | 461 | 17,9 | 7,82 | 3,65 | ||
Lactancia/Embarazo | No | 2530 | 98,4 | 10,12 | 2,35 | 0,464 |
Si | 40 | 1,6 | 9,85 | 2,52 | ||
No | 2461 | 95,8 | 10,12 | 2,36 | ||
Menor 5 años | Si | 109 | 4,2 | 10,09 | 2,11 | 0,897 |
Diabéticos tipo 2 en el hogar | No | 2489 | 96,8 | 10,12 | 2,35 | |
Si | 81 | 3,2 | 10,00 | 2,33 | 0,640 | |
Hipertensos en el hogar | No | 2429 | 94,5 | 10,10 | 2,37 | 0,097 |
Si | 141 | 5,5 | 10,44 | 1,94 | ||
No | 2120 | 82,5 | 10,03 | 2,46 | ||
Personas con exceso de peso | Si | 450 | 17,5 | 10,56 | 1,72 | 0,000 |
Personas sin comorbilidad | No | 819 | 31,9 | 10,37 | 2,05 | |
Si | 1751 | 68,1 | 10,00 | 2,48 | 0,000 | |
Aislamiento estricto | 1100 | 42,8 | 9,65 | 2,82 | ||
Estado del cumplimiento (cuarentena) | Aislamiento parcial | 1375 | 53,5 | 10,45 | 1,88 | 0,000 |
No se cumplió el aislamiento | 95 | 3,7 | 10,76 | 1,49 | ||
Compras por delivery | 83 | 3,2 | 10,80 | 1,30 | ||
Frecuencia de compra de alimentos | 1 vez a la semana | 1070 | 41,6 | 10,01 | 2,61 | |
2 veces a la semana | 639 | 24,9 | 10,21 | 1,86 | ||
3 veces a la semana | 396 | 15,4 | 9,76 | 2,72 | ||
4 veces a la semana | 178 | 6,9 | 10,44 | 2,14 | 0,000 | |
5 veces a la semana | 58 | 2,3 | 10,59 | 1,27 | ||
6 veces a la semana | 30 | 1,2 | 11,13 | 1,07 | ||
Todos los días de la semana | 116 | 4,5 | 10,42 | 2,15 |
*1 dólar=3,543 soles; 930 soles (remuneración minina vital) equivale a 263 dólares americanos.
Para explorar las asociaciones entre HDDS y los factores sociodemográficos y de salud se utilizó regresión logística. El HDDS se dividió en dos grupos según la mediana (HDDS = 11) y para la regresión logística se utilizó como resultado binario (<11 = 0 = HDDS bajo;> = 11 = 1 = HDDS alto). El análisis resultó en que las personas sin nivel educativo y los habitantes de Sullana tenían probabilidades significativas de tener un HDDS bajo. Las lactantes/embarazadas y la frecuencia de compras de alimentos se asociaron con HDDS alto ( Tabla 3 ).
Variables | Diversidad alimentaria | p | OR ajustado | IC 95% | |||||||
---|---|---|---|---|---|---|---|---|---|---|---|
Total | <11 | >= 11 | |||||||||
n | % | n | % | n | % | LI | LS | ||||
Sexo | Femenino | 1442 | 56,1 | 601 | 55,8 | 841 | 56,3 | 0,675 | 1,013 | 0,952 | 1,079 |
Masculino | 1128 | 43,9 | 476 | 44,2 | 652 | 43,7 | Referencia | ||||
Edad | 0 a 11 años | 315 | 12,3 | 136 | 12,6 | 179 | 12,0 | 0,065 | 1,271 | 0,986 | 1,640 |
12 a 17 años | 225 | 8,8 | 97 | 9,0 | 128 | 8,6 | 0,657 | 1,038 | 0,882 | 1,221 | |
18 a 29 años | 750 | 29,2 | 327 | 30,4 | 423 | 28,3 | 0,791 | 1,019 | 0,885 | 1,175 | |
30 a 59 años | 1047 | 40,7 | 414 | 38,4 | 633 | 42,4 | 0,409 | 1,055 | 0,929 | 1,198 | |
60 años a más | 233 | 9,1 | 103 | 9,6 | 130 | 8,7 | Referencia | ||||
Nivel educativo | Sin nivel | 85 | 3,3 | 52 | 4,8 | 33 | 2,2 | 0,024 | 0,655 | 0,454 | 0,947 |
Inicial | 85 | 3,3 | 33 | 3,1 | 52 | 3,5 | 0,489 | 0,897 | 0,658 | 1,221 | |
Primaria | 255 | 9,9 | 116 | 10,8 | 139 | 9,3 | 0,170 | 0,852 | 0,679 | 1,071 | |
Secundaria | 704 | 27,4 | 316 | 29,3 | 388 | 26,0 | 0,517 | 0,969 | 0,880 | 1,067 | |
Superior técnico | 463 | 18,0 | 192 | 17,8 | 271 | 18,2 | 0,640 | 0,978 | 0,889 | 1,075 | |
Superior universitaria | 834 | 32,5 | 323 | 30,0 | 511 | 34,2 | Referencia | ||||
Posgrado universitario | 144 | 5,6 | 45 | 4,2 | 99 | 6,6 | 0,455 | 1,049 | 0,925 | 1,189 | |
Ingresos familiares * (último mes) | <930 soles | 534 | 20,8 | 273 | 25,3 | 261 | 17,5 | 0,034 | 1,115 | 1,008 | 1,234 |
930 - 2,789 soles | 891 | 34,7 | 427 | 39,6 | 464 | 31,1 | Referencia | ||||
2,790 - 5,579 soles | 640 | 24,9 | 238 | 22,1 | 402 | 26,9 | 0,088 | 1,077 | 0,989 | 1,173 | |
5,580 - 8,369 soles | 313 | 12,2 | 95 | 8,8 | 218 | 14,6 | 0,892 | 1,007 | 0,909 | 1,116 | |
8,370 - 11,159 soles | 112 | 4,4 | 25 | 2,3 | 87 | 5,8 | 0,051 | 1,143 | 1,000 | 1,306 | |
11,160 soles a más | 80 | 3,1 | 19 | 1,8 | 61 | 4,1 | 0,075 | 1,138 | 0,987 | 1,311 | |
Miembros de la familia | <=4 | 1332 | 51,8 | 579 | 53,8 | 753 | 50,4 | 0,584 | 0,982 | 0,920 | 1,048 |
>4 | 1238 | 48,2 | 498 | 46,2 | 740 | 49,6 | Referencia | ||||
Región geográfica (provincia) | Arequipa | 868 | 33,8 | 407 | 37,8 | 461 | 30,9 | 0,749 | 0,949 | 0,689 | 1,307 |
Sullana | 461 | 17,9 | 327 | 30,4 | 134 | 9,0 | 0,000 | 1,828 | 1,557 | 2,146 | |
Lima | 1241 | 48,3 | 343 | 31,8 | 898 | 60,1 | Referencia | ||||
Lactancia/Embarazo | No | 2530 | 98,4 | 1058 | 98,2 | 1472 | 98,6 | 0,000 | 2,449 | 2,095 | 2,864 |
Si | 40 | 1,6 | 19 | 1,8 | 21 | 1,4 | Referencia | ||||
Menor de 5 años | No | 2461 | 95,8 | 1023 | 95,0 | 1438 | 96,3 | 0,915 | 1,015 | 0,770 | 1,338 |
Si | 109 | 4,2 | 54 | 5,0 | 55 | 3,7 | Referencia | ||||
Diabéticos tipo 2 en el hogar | No | 2489 | 96,8 | 1043 | 96,8 | 1446 | 96,9 | 0,993 | 1,001 | 0,825 | 1,213 |
Si | 81 | 3,2 | 34 | 3,2 | 47 | 3,1 | Referencia | ||||
Hipertensos en el hogar | No | 2429 | 94,5 | 1029 | 95,5 | 1400 | 93,8 | 0,544 | 0,957 | 0,831 | 1,103 |
Si | 141 | 5,5 | 48 | 4,5 | 93 | 6,2 | Referencia | ||||
Personas con exceso de peso | No | 2120 | 82,5 | 920 | 85,4 | 1200 | 80,4 | 0,833 | 1,013 | 0,902 | 1,136 |
Si | 450 | 17,5 | 157 | 14,6 | 293 | 19,6 | Referencia | ||||
Personas sin comorbilidad | No | 819 | 31,9 | 301 | 27,9 | 518 | 34,7 | 0,346 | 1,055 | 0,944 | 1,180 |
Si | 1751 | 68,1 | 776 | 72,1 | 975 | 65,3 | Referencia | ||||
Estado del cumplimiento (cuarentena) | Aislamiento estricto | 1100 | 42,8 | 502 | 46,6 | 598 | 40,1 | 0,536 | 1,051 | 0,898 | 1,231 |
Aislamiento parcial | 1375 | 53,5 | 539 | 50,0 | 836 | 56,0 | 0,316 | 1,082 | 0,928 | 1,261 | |
No se cumplió el aislamiento | 95 | 3,7 | 36 | 3,3 | 59 | 4,0 | Referencia | ||||
Frecuencia de compra de alimentos | Compras por delivery | 83 | 3,2 | 11 | 1,0 | 72 | 4,8 | 0,005 | 1,272 | 1,074 | 1,508 |
1 vez a la semana | 1070 | 41,6 | 443 | 41,1 | 627 | 42,0 | 0,496 | 0,950 | 0,819 | 1,102 | |
2 veces a la semana | 639 | 24,9 | 302 | 28,0 | 337 | 22,6 | 0,021 | 0,829 | 0,707 | 0,972 | |
3 veces a la semana | 396 | 15,4 | 181 | 16,8 | 215 | 14,4 | 0,025 | 0,831 | 0,706 | 0,977 | |
4 veces a la semana | 178 | 6,9 | 64 | 5,9 | 114 | 7,6 | 0,529 | 1,061 | 0,883 | 1,274 | |
5 veces a la semana | 58 | 2,3 | 25 | 2,3 | 33 | 2,2 | 0,954 | 0,992 | 0,752 | 1,309 | |
6 veces a la semana | 30 | 1,2 | 7 | 0,6 | 23 | 1,5 | 0,285 | 1,151 | 0,889 | 1,489 | |
Todos los días de la semana | 116 | 4,5 | 44 | 4,1 | 72 | 4,8 | Referencia |
*1 dólar=3,543 soles; 930 soles (remuneración minina vital) equivale a 263 dólares americanos.
DISCUSIÓN
Los resultados del estudio evidenciaron que, en cuarentena, existe asociación entre un HDDS y el nivel educativo de los miembros del hogar, con el ingreso económico familiar, la cantidad miembros en el hogar, la provincia geográfica de residencia, y en aquellos hogares que cuentan con miembros con exceso de peso, con alguna comorbilidad. Solo los hogares con miembros sin nivel educativo, con ingresos menores a la remuneración mínima vital, que sean residentes en la provincia de Sullana, con presencia de mujeres gestantes o en periodo de lactancia y aquellos hogares que realizan compras por delivery son factores que se asocian a la diversidad alimentaria en los hogares evaluados.
Los participantes de Sullana, Arequipa y Lima tienen un HDDS de 7,8; 10,2 y 10,9; respectivamente. El valor de Lima y Arequipa es alto en comparación al HDDS encontrados antes de la pandemia COVID-19, en países como Indonesia HDDS= 9,1; Sur África HDDS= 8,0; Camboya HDDS= 4,7 y Nigeria HDSS= 8,713 , 16 . Sin embargo, muy cercanos a los encontrados en Sullana, una provincia norteña alejada de las grandes ciudades de Perú. Los resultados de Arequipa y Lima son más concordantes a los encontrados en un estudio de Ecuador con un HDDS= 10,917 . Durante la pandemia COVID-19 un estudio en China evaluó en 1.938 participantes la diversidad alimentaria y la mediana de HDDS fue 9,711. Otro estudio realizado en Bangladesh donde se evaluó a 1.876 participantes, encontró un HDDS de 6,218 valores cercanos a los encontrados en Sullana, pero inferiores a los encontrados en Lima y Arequipa.
En nuestro estudio se encontró que un HDDS alto se asocia con un alto nivel educativo y un mayor ingreso económico; estos resultados son similares a los encontrados en Bangladesh durante la COVID-19, donde se determinó que ser residente rural, no tener educación formal, y bajos ingresos mensuales eran determinantes potenciales de un HDDS más bajo18 . Al igual que los resultados encontrados en el estudio de Zhao et al.13 realizado en China que muestra una asociación significativa entre los ingresos económicos, región de residencia (urbana-rural) con un mayor HDDS. El estudio de Bangladesh se realizó las primeras semanas de septiembre de 2020, y el estudio chino al inicio del brote de la pandemia, ambos presenten metodología similar a nuestro estudio.
El consumo de misceláneas es del 77,7%; valor a tener en consideración, debido a que el consumo de estos productos se asocia con estrés y ansiedad, muy comunes en tiempos de confinamiento19 , 20 . Además, el consumo de estos productos (en su mayoría altamente procesados) se asocia con comorbilidades como la obesidad, diabetes e hipertensión21 . El presentar una o varias de este tipo de enfermedades previamente a la infección por SARS-CoV-2, incrementa la severidad y pronóstico negativo de recuperarse de la COVID-1919 , 22 , 23 , 24 , 25 . También podemos encontrar relación con la baja presencia pescado (52,3%) en la dieta de los participantes evaluados, similar situación a lo encontrado por Pakravan et al.23 , en la provincia de Teherán donde hubo cambios en el HDDS antes (febrero 2020) y al inicio de la pandemia (marzo 2020), en febrero se encontró más consumo de pescado que en marzo. Igual situación reportó Aneesh et al.22 en su estudio realizado en ciudades indias entre abril y junio de 2020 y Madzorera et al.24 , en su estudio realizado en países de África entre los meses de agosto y septiembre de 2020 utilizando metodologías similares a la de este estudio.
Surge la pregunta si es que el alto HDDS obtenido en este estudio para Lima y Arequipa se asocia inversamente con menos comorbilidades y poco riesgo de padecer COVID severo. La posible respuesta es que si ya que de acuerdo a los reportes de COVID-19, la región de Piura donde se encuentra ubicada la provincia de Sullana tiene un 8,3% de letalidad, en comparación a valores menores en Lima (5,7%) y Arequipa (4,8%)26 . Estudios pioneros como este en Perú, podrían servir de guía para decisiones en salud pública, especialmente en ciudades como Sullana. Se recomienda diseñar medidas factibles para de esta forma evitar posibles complicaciones producto de una baja diversidad de alimentos. Valores relativamente altos de HDDS, como el obtenido en Lima y Arequipa, se pueden deber a la amplia gama de servicios de delivery que se ofrecen o presencia de supermercados en gran escala. Estos se han vuelto una herramienta muy útil para obtener un amplio repertorio de alimentos y en nuestro estudio se evidencia que ha sido útil como reemplazo a las compras presenciales y al almacenamiento semanal que suelen hacer las personas27 , 28 .
La pandemia como se expresó en párrafos anteriores ha significado un cambio de la forma de alimentarnos y está afectando la forma de cómo accedemos a los alimentos22 , 23 , 24 . Uno de los factores más robustos que se asocian al acceso es el ingreso económico, un estudio de PNUD evidencia el impacto negativo en las familias peruanas cuyos integrantes trabajaban en pequeñas empresas independientes29 . Quienes se vieron afectados por la cuarenta disminuyeron su ingreso, aumentando la pobreza monetaria en casi 10 puntos porcentuales, pasando de 20,2% el 2019 a 30,1% el 202030 , lo cual limita la capacidad de compra de alimentos saludables en la pandemia. Estos resultados nacionales son concordantes a los encontrados en nuestro estudio, donde a pesar de tener una baja cantidad de personas sin educación formal (n= 85), las personas con ingresos menores a la remuneración mínima vital establecida (n= 534) representan el 20,8% de la población evaluada, esto evidencia la informalidad de la economía en el Perú, comparando el año 2019 en relación al 2020, incremento la pobreza en hogares con jefe de hogar con estudios superiores no universitarios de 5,8% a 8,2%, similar situación a los hogares con jefes con estudios universitarios, de 3,2% a 5,1%. Solamente los hogares con jefe con estudios de primaria mejoraron su situación pasando de 47,6% a 35,1%, sin embargo, esta aparente mejora se debe a los bonos económicos establecidos por el gobierno que fueron dirigidos durante el año 2020 a personas más vulnerables30 .
Estudios pos-cuarentena serán necesarios para evaluar si la diversidad alimentaria se verá perjudicado en un mayor tiempo de estudio. Si no se toman medidas y si continúa con las medidas de aislamiento, grandes poblaciones se van a ver dramáticamente afectadas en su salud general31 .
Limitaciones del estudio
El instrumento para medir HDDS se utilizó por su conveniencia y facilidad de aplicación en pandemia, para reflejar la accesibilidad a los alimentos. Sin embargo, no determina la ingesta real de alimentos y, por lo tanto, no se pudo establecer el nivel de excesos o deficiencia de nutrientes a nivel individual ni poblacional. El cuestionario electrónico también puede dar lugar a sesgos de selección. El tiempo de estudio fue en promedio a los tres meses de iniciado las medidas de cuarentena, y se tomó un periodo corto para evaluar la diversidad de la dieta lo cual no necesariamente reflejara todo el impacto de la cuarentena, sin embargo, un estudio puntual que permite visualizar la población más afectada al inicio de la pandemia. Otra limitación en el estudio actual es que no pudimos obtener los datos antropométricos, por lo que no se pudo evaluar el estado nutricional directo de los participantes. Los estudios adicionales deben centrarse en evaluar poblaciones más representativas como país y proporcionar estrategias específicas para asegurar su estado nutricional.
CONCLUSIONES
Este estudio informó sobre la diversidad alimentaria en tres provincias de Perú durante el inicio de la pandemia por COVID-19 y reveló una diversidad dietética generalmente buena entre los participantes estudiados. Sin embargo, las personas con menor nivel educativo, con menores ingresos económicos y residentes en Sullana tenían un HDDS más bajo.