RESUMEN
This study focuses on the determinants of linear growth deficit in under-five children using multilevel modeling. The sample included 3,746 preschoolers from 15 Brazilian municipalities (ten from the State of Bahia and five from São Paulo), with a three-tier analysis (municipalities, households, and children). Municipal data were obtained from the 1991 National Census. Individual and household data were collected from 1999 to 2001 using structured questionnaires and measuring children's weight and height. Analysis used the MLwiN software. In the final multilevel model, low HDI and prenatal care at the municipal level, poor environmental and economic conditions and maternal schooling at the household level, and low birth weight, incomplete immunization, prior history of malnutrition, and no report of breastfeeding at the individual level were strongly associated with linear growth deficit. Total variability of deficit explained by the model was 27.4%, of which 51.3%, 33%, and 15.7% were explained, respectively, by individual, household, and municipal variables.
Asunto(s)
Trastornos de la Nutrición del Niño/epidemiología , Trastornos del Crecimiento/epidemiología , Trastornos de la Nutrición del Lactante/epidemiología , Distribución por Edad , Antropometría , Brasil/epidemiología , Trastornos de la Nutrición del Niño/diagnóstico , Trastornos de la Nutrición del Niño/etiología , Preescolar , Femenino , Trastornos del Crecimiento/diagnóstico , Trastornos del Crecimiento/etiología , Humanos , Lactante , Trastornos de la Nutrición del Lactante/diagnóstico , Trastornos de la Nutrición del Lactante/etiología , Recién Nacido , Modelos Lineales , Masculino , Morbilidad , Análisis Multivariante , Política Pública , Distribución por SexoRESUMEN
Este estudo teve como objetivo identificar os determinantes do déficit de crescimento linear em crianças menores de cinco anos, utilizando modelagem multinível. Foi estudada uma amostra de 3.746 pré-escolares de 15 municípios brasileiros (dez do Estado da Bahia e cinco do Estado de São Paulo), construída em três estágios (municípios, domicílios e crianças). Os dados municipais foram obtidos do censo demográfico de 1991. Os dados referentes aos indivíduos e domicílios foram coletados entre 1999 e 2001, constando de questionários estruturados e medições de peso e altura das crianças. Para análise utilizou-se o programa MLwiN. No modelo multinível final observou-se que baixo IDH e inadequada assistência pré-natal, no nível dos municípios; baixas condições ambientais, econômicas e da escolaridade materna, no nível dos domicílios; o baixo peso ao nascer, esquema vacinal incompleto, história prévia de desnutrição e ausência do aleitamento ao peito, no nível das crianças, mostraram-se fortemente associados ao déficit do crescimento linear das crianças estudadas. A variabilidade total da desnutrição explicada pelo modelo foi de 27,4 por cento, desta, 51,3 por cento, 33 por cento e 15,7 por cento foram explicadas, respectivamente, pelas variáveis dos níveis da criança, do domicílio e do município.
This study focuses on the determinants of linear growth deficit in under-five children using multilevel modeling. The sample included 3,746 preschoolers from 15 Brazilian municipalities (ten from the State of Bahia and five from São Paulo), with a three-tier analysis (municipalities, households, and children). Municipal data were obtained from the 1991 National Census. Individual and household data were collected from 1999 to 2001 using structured questionnaires and measuring children's weight and height. Analysis used the MLwiN software. In the final multilevel model, low HDI and prenatal care at the municipal level, poor environmental and economic conditions and maternal schooling at the household level, and low birth weight, incomplete immunization, prior history of malnutrition, and no report of breastfeeding at the individual level were strongly associated with linear growth deficit. Total variability of deficit explained by the model was 27.4 percent, of which 51.3 percent, 33 percent, and 15.7 percent were explained, respectively, by individual, household, and municipal variables.