Actividad_sobre_salud

Vista previa del material en texto

IMPACTO DE LA ACTIVIDAD FÍSICA SOBRE LA SALUD EN EL PERÚ 
 
 
 
 
Kenyi Cansino 
Instituto Peruano del Deporte 
 
RESUMEN 
En este documento se muestra la influencia de diferentes intensidades de actividad física 
sobre indicadores que miden el estado de salud en el Perú a partir de los datos de la 
Encuesta Nacional de Indicadores Nutricionales, Bioquímicos, Socioeconómicos y 
Culturales Relacionados con las Enfermedades Crónico - Degenerativas (ENIN) del año 
2006. Para tal propósito, se usaron la técnica de Variables Instrumentales (VI) y el modelo 
de probabilidad Probit. Los resultados arrojados evidencian que existe una influencia 
positiva de la practica de actividad física sobre el estado de salud, medido a través de la 
glucosa y el Índice de Masa Corporal (IMC). Sin embargo, este efecto no es del todo 
significativo para el caso de la reducción en la probabilidad de tener colesterol alto e 
hipertensión. Finalmente, a partir de los resultados, se proponen algunas consideraciones 
al usar la actividad física como una política de salud preventiva en el Perú. 
 
 
INTRODUCCIÓN 
 
Según la Organización Mundial de la Salud (OMS), la inactividad física genera alrededor del 6% de las 
muertes registradas en todo el mundo, representando el cuarto factor de riesgo en lo que respecta a la 
mortalidad mundial. Asimismo, se estima que la inactividad física es la causa principal de entre un 21% 
y 25% de los cánceres de mama y de colon, el 27% de los casos de diabetes y aproximadamente del 
30% de la carga de cardiopatía isquémica1. En ese sentido, la actividad física, definida como cualquier 
movimiento corporal producido por los músculos esqueléticos que exija gasto de energía, representa 
una herramienta de vital importancia en la lucha contra las enfermedades no transmisibles. Es en este 
escenario que el presente documento tienen como objetivo proveer información relevante sobre la 
influencia de la actividad física sobre la salud en el Perú, el cual abordará, en primer lugar, la revisión de 
evidencia sobre los efectos de la actividad física sobre distintos aspectos de la salud física, mental o 
sobre enfermedades altamente documentadas. En segundo lugar, se explicará las metodologías a usar 
para encontrar las relaciones de interés. Luego, en tercer lugar, se describirán las principales 
características de la población bajo estudio a través de los estadísticos descriptivos de la Encuesta 
Nacional de Indicadores Nutricionales, Bioquímicos, Socioeconómicos y Culturales relacionados con 
las Enfermedades Crónicas Degenerativas - ENIN del año 2006. En cuarto lugar, se estimarán algunas 
especificaciones para cuantificar el grado de influencia de la actividad física sobre algunos indicadores 
de salud seleccionados y, finalmente, se expondrán algunas conclusiones y recomendaciones a la luz de 
los resultados obtenidos. 
	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  
1 Véase OMS (2003). 
2 Véase Greene (2003). 
Instituto	
  Peruano	
  del	
  Deporte	
  –	
  IPD.	
  Enero	
  de	
  2014	
  
	
  
	
   2	
  
 
REVISIÓN DE LITERATURA 
 
Dentro de la literatura disponible existe abundante evidencia que respalda el hecho de que existen 
efectos positivos en la salud provenientes de la actividad física. Belloc y Breslow (1972) examinan la 
relación entre las prácticas saludables, que dentro de las que destaca la actividad física, y el estado de 
salud física. Las prácticas saludables mostraron estar asociadas positivamente con el estado de salud, 
además de mostrar que tales actividades tienen un efecto acumulativo independiente de la edad, sexo y 
el nivel socioeconómico. 
 
Warburton et al (2006) en un estudio compilatorio, señala que existe una irrefutable evidencia de la 
efectividad que tiene la actividad física regular en la prevención de varias enfermedades crónicas 
(cardiovasculares, diabetes, cáncer, hipertensión, obesidad, depresión y osteoporosis) y una muerte 
prematura. Sin embargo, señala que existen dudas sobre el volumen óptimo de actividad física que se 
debería realizar para tener efectos mínimos que sean visibles o medibles en la salud. Asimismo, 
menciona que existe una relación inversa y lineal entre la actividad física y la mortalidad, ello es 
respaldado por el hecho de que la actividad física regular está asociada con el incremento de 1 o 2 años 
de vida adicional en promedio después de los 80 años de edad. Adicionalmente, señala que otros 
estudios encontraron que la utilización de 1000 kcal por semana está asociada con la reducción de entre 
el 20% y 30% de todas las causas de mortalidad, siendo esta cantidad de energía la que debe ser 
utilizada como mínimo durante la semana en la actividad física para poder ver efectos significativos en 
la mejora de la salud. 
 
Soo Kim et al (2012) estudia la relación entre la actividad física y la salud mental (depresión, ansiedad, 
etc.), determinando el nivel óptimo de actividad física que está asociado con una mejor salud mental. 
Dentro de los resultados, se encuentra que existe una relación curvilínea, encontrándose que el nivel 
óptimo de actividad física está en emplear entre 2.5 y 7.5 horas a la semana para que haya evidencia de 
una mejora en la salud mental. Esta relación varía entre el sexo, edad y el estado físico inicial. 
 
En otro estudio, Eriksen et al (2013) encuentra una asociación positiva entre la actividad física 
autoreportada así como la capacidad cardiorrespiratoria y la autopercepción de la salud entre un grupo 
de mujeres y hombres sanos. A mayor nivel de actividad física autoreportada, mayor el nivel de salud 
autopercibido. Finalmente, Riner y Hunt (2013) estudian como la actividad física puede beneficiar a los 
niños con algunas condiciones de salud crónicas seleccionadas. Respaldados en sus hallazgos y en otros 
estudios que señalan que la práctica de deportes y/o un estilo de vida activo son esenciales para el 
normal crecimiento y desarrollo en la niñez, concluyen que incluso los niños con condiciones crónicas 
de salud pueden y deben de participar actividades físicas con un mínimo de restricciones. Concluye 
mencionando que las personas encargadas de su cuidado y protección deben de facilitar su 
participación en ese tipo de actividades. 
 
 
 
 
 
 
Instituto	
  Peruano	
  del	
  Deporte	
  –	
  IPD.	
  Enero	
  de	
  2014	
  
	
  
	
   3	
  
MÉTODOS 
 
En el presente documento se hará uso de dos métodos para el análisis de los efectos que tiene la 
actividad física sobre la salud en el Perú: las variables instrumentales y la regresión de respuesta 
cualitativa. Cada cual se utilizará acorde a las variables de respuesta que se tenga en cada uno de los 
modelos propuestos. 
 
Variables Instrumentales 
 
Supóngase que a través de una ecuación de regresión del tipo 𝑌! = 𝛽! + 𝛽!𝑋! + 𝜇! , donde la variable 
𝑋! busca explicar la variación de la variable 𝑌! a través de 𝛽!, se desea explicar el efecto de los hábitos 
alimenticios (𝑋!) sobre los niveles del Índice de Masa Corporal – IMC (𝑌!). Ahora bien, si se resumen 
los hábitos en una variable que recoja la información sobre si un determinado individuo consume 
bebidas alcohólicas, fuma o si ingiere una alta proporción de grasas saturadas en su alimentación diaria, 
lo más probable, de acuerdo a la literatura revisada, es que tales hábitos influyan de manera directa en el 
IMC, es decir a mayor nivel cantidad de hábitos, mayores serán los niveles del IMC. Sin embargo, este 
tipo de especificación no está excepta de algunos problemas, los cuales pueden resumirse en tres tipos: 
(i) Sesgo por Omisión de Variables no Observadas, (ii) Sesgo por Causalidad Simultánea y (iii) el Sesgo 
por Errores en las Variables. 
 
En primer lugar, el problema del (i) Sesgo por Omisión de Variables no Observadas radica en que 
pueden existir otras variables queno son susceptibles de medición que son importantes en la 
explicación de los niveles del IMC, como por ejemplo las preferencias en el consumo de ciertos 
alimentos, los hábitos aprendidos o características genéticas heredadas. En segundo lugar, el (ii) Sesgo 
por Causalidad Simultánea se presenta cuando existe una explicación bidireccional, en el ejemplo 
presentado es probable que los hábitos influyan en el IMC, pero si se aborda la regresión desde otra 
óptica, el IMC también puede influir en los hábitos dado que ambos están altamente correlacionados. 
Finalmente, (iii) el Sesgo por Errores en las Variables se produce cuando existen dificultades o errores 
al medir la información de la variable explicativa. En el ejemplo propuesto podrían haber existido 
dificultades al momento de recoger la información sobre los hábitos de las personas como por ejemplo 
registros erróneos de los encuestadores o no haber diseñado correctamente esa pregunta en específico 
dentro de la encuesta. Es en estos escenarios es que la regresión por variables instrumentales (VI) es de 
utilidad. 
 
La regresión por VI divide a 𝑋! en dos partes: una que puede estar correlacionada con 𝜇! y la otra que 
no, aislando esta última es posible la estimación de 𝛽!. Tal procedimiento se lleva a cabo con la 
utilización de un instrumento, 𝑍! , que no se encuentra correlacionada con 𝜇! . Ello parte de la necesidad 
de corregir los errores citados en el párrafo anterior, dado que este tipo de problemas altera el error de 
medición produciendo estimadores sesgados e inconsistentes2. En ese sentido, un instrumento es válido 
si este es relevante, es decir si está correlacionado con 𝑋! , 𝑐𝑜𝑟𝑟(𝑍! ,𝑋!) ≠ 0, y a la vez que sea exógeno, 
𝑐𝑜𝑟𝑟 𝑍! , 𝑢! = 0. 
 
	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  
2 Véase Greene (2003). 
Instituto	
  Peruano	
  del	
  Deporte	
  –	
  IPD.	
  Enero	
  de	
  2014	
  
	
  
	
   4	
  
Una vez identificado el instrumento, es posible estimar de manera fiable la ecuación original mediante 
el estimador de Mínimos Cuadrados en 2 Etapas (MC2E). En primer lugar, se aísla la parte de 𝑋! que 
no está correlacionada con 𝜇! mediante la siguiente regresión 
 
𝑋! = 𝜋! + 𝜋!𝑍! + 𝜈! (1) 
 
Dado que 𝑍! no está correlacionada con 𝑢! , 𝜋! + 𝜋!𝑍! tampoco lo estará, por lo que se utilizan las 
estimaciones de 𝑋! , es decir 𝑋! . Luego se reemplaza 𝑋! por 𝑋! en la ecuación de interés de la siguiente 
manera 
 
𝑌! = 𝛽! + 𝛽!𝑋! + 𝑢! (2) 
 
Tal ecuación se estima por Mínimos Cuadrados Ordinarios y se obtiene un estimador consistente de 𝛽!, 
𝛽!!"!! . 
 
Regresión de respuesta cualitativa 
 
A diferencia de los modelos tradicionales de regresión donde la variable dependiente es cuantitativa 
(tiempo, dinero, etc.), los modelos de respuesta cualitativa tienen por variable dependiente a una 
variable cualitativa, la que, por lo general, toma solo dos valores: 0 y 1. Ejemplo de ello son la decisión 
de una persona de practicar algún deporte o no, el tener diabetes o no, el de estar inmerso en el 
mercado laboral o no, entre otros. 
 
En términos técnicos, en un modelo donde 𝑌 es cuantitativa, el objetivo consiste en estimar su valor 
esperado en función de las variables explicativas 𝐸(𝒀|𝑿). En tanto, en los modelos donde 𝑌 es 
cualitativa, el objetivo es encontrar la probabilidad de que un fenómeno o acontecimiento suceda. 
Dentro de la literatura existen tres modelos comúnmente usados para la estimación de este tipo de 
especificación: el modelo de probabilidad lineal, el modelo Logit y el modelo Probit. Dadas sus 
propiedades3, en este documento se utilizará el modelo Probit para estimar que factores determinan el 
grado de probabilidad de tener una enfermedad no transmisible o no tenerla. De manera específica, 
para explicar el comportamiento de la variable dicotómica el modelo Probit utiliza la Función de 
Distribución Acumulada normal. 
 
Supóngase que el hecho que una persona tenga una enfermedad no transmisible (𝑌 = 1), como la 
diabetes, o no la tenga (𝑌 = 0) depende de un índice de propensión 𝐼! que no es posible observar 
(variable latente), el cual está determinado por un conjunto de variables explicativas, como por ejemplo 
el consumo de azúcares 𝑋! , de tal forma que a mayor valor del índice 𝐼! , mayor la probabilidad de que la 
persona tenga diabetes. Tal índice se puede expresar de la siguiente manera: 
 
𝐼! = 𝛽! + 𝛽!𝑋! (3) 
 
donde 𝑋! es el nivel de consumo de azúcares. 
	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  
3 Véase Greene (2003). 
Instituto	
  Peruano	
  del	
  Deporte	
  –	
  IPD.	
  Enero	
  de	
  2014	
  
	
  
	
   5	
  
Ahora, es posible suponer que para cada persona, de acuerdo a su condición física o constitución 
genética, existe un nivel crítico o un umbral del índice, que se puede denominar 𝐼!∗, de tal manera que si 
𝐼! > 𝐼!∗ la persona tendrá diabetes, de lo contrario no la tendrá. Tales índices no son observables, pero 
se tiene por supuesto de que siguen una distribución normal con una misma media y varianza, por lo 
que es posible estimar los parámetros que lo determinan de la siguiente manera: 
 
𝑃! = 𝑃 𝑌 = 1 𝑋 = 𝑃 𝐼!∗ ≤ 𝐼! = 𝑃 𝑍! ≤ 𝛽! + 𝛽!𝑋! = 𝐹(𝛽! + 𝛽!𝑋!) (4) 
 
Donde 𝑃 𝑌 = 1 𝑋 significa la probabilidad de que un evento ocurra dados los valores de 𝑋 y donde 𝑍 
es la variable normal estándar; es decir, 𝑍~𝑁(0,𝜎!). Finalmente 𝐹 es la Función de Distribución 
Acumulada que puede ser descrita como sigue: 
 
𝐹 𝐼! =
!
!!
𝑒!!!/!𝑑𝑧!!!! =
!
!!
𝑒!!!/!𝑑𝑧!!!!!!!!! (5) 
 
INFORMACIÓN Y ESTADÍSTICAS DESCRIPTIVAS DE LA MUESTRA 
 
Teniendo el objetivo de indagar qué efectos tiene la actividad física en la salud en el Perú, se utilizó la 
información disponible en la Encuesta Nacional de Indicadores Nutricionales, Bioquímicos, 
Socioeconómicos y Culturales relacionados con las Enfermedades Crónicas Degenerativas - ENIN del 
año 2006, llevada a cabo por el Instituto Nacional de Salud - INS. Esta encuesta se aplicó a personas 
mayores de 20 años de edad en el territorio peruano, dividiéndolo en cinco estratos: Lima 
Metropolitana, resto de costa, sierra urbana, sierra rural y selva. Siendo representativa a nivel nacional y 
por cada estrato seleccionado4, a través de sus 4209 observaciones. 
 
En el siguiente gráfico se muestra la distribución del peso de los encuestados según sexo. Es posible 
apreciar que en promedio los hombres presentan un mayor peso, cuya media bordea los 62 kilogramos 
aproximadamente. En tanto las mujeres pesan en promedio poco menos de 60 kilogramos, presentando 
un menor número de personas por encima de los 80 kilogramos. 
 
 
	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  
4 Cabe señalar que para lograr hacer inferencia estadística se trabajó con factores de expansión diseñados por la Dirección de 
Censos y Encuestas del Instituto Nacional de Estadística e Informática – INEI, debido a que, por problemas técnicos, el INS 
no contaba con esta variable dentro de su base de datos al momento de la solicitud de la información, por lo que algunos 
estimadores puntuales pueden diferir levemente de los mostrados en INS (2006). 
Instituto	
  Peruano	
  del	
  Deporte	
  –	
  IPD.	
  Enero	
  de	
  2014	
  
	
  
	
   6	
  
Gráfico 01: Distribución del peso de los entrevistados, según sexo 
(En Kilogramos) 
 
Fuente: INS (2006). Elaboración propia. 
 
De otro lado, el Gráfico 02 muestra la distribuciónde la talla de los entrevistados. Se observa, al igual 
que la distribución del peso, una mayor talla promedio en los hombres, la cual bordea los 162 
centímetros en promedio. De otro lado, las mujeres miden en promedio poco menos de 150 
centímetros. Asimismo, se puede apreciar una mayor concentración en la distribución de la talla de las 
mujeres en comparación con la distribución de la talla de los hombres que es más heterogénea. 
 
Gráfico 02. Distribución de la talla de los entrevistados, según sexo 
(En Kilogramos) 
 
Fuente: INS (2006). Elaboración propia. 
 
El Cuadro 01 muestra algunas estadísticas descriptivas de los principales indicadores de salud que se 
recogieron en la encuesta como el perímetro abdominal (proxy del sobrepeso), hemoglobina, glucosa, 
etc. Se aprecia que no existe un alto grado de desviación, evidenciándose cierta estabilidad en las 
variables. 
0
.0
1
.0
2
.0
3
.0
4
D
en
si
da
d
40 60 80 100 120
Peso (En Kilogramos)
Hombre Mujer
0
.0
2
.0
4
.0
6
.0
8
D
en
si
da
d
120 140 160 180 200
Talla (En Centímetros)
Hombre Mujer
Instituto	
  Peruano	
  del	
  Deporte	
  –	
  IPD.	
  Enero	
  de	
  2014	
  
	
  
	
   7	
  
 
Cuadro 01. Principales indicadores de salud 
Indicadores de salud Promedio 
Desviación 
estándar Mínimo Máximo 
Perímetro abdominal (cm) 89.2 11.35 46.2 195.0 
Hemoglobina (gr/dl) 14.0 1.85 3.5 23.5 
Presión arterial sistólica (mmHg) 112.3 17.57 50.0 220.0 
Presión arterial diastólica (mmHg) 69.8 11.61 11.0 120.0 
Glucosa (mg/dl) 82.6 25.03 1.0 438.0 
Colesterol total (mg/dl) 166.8 37.09 67.0 331.0 
Colesterol HDL (mg/dl) 43.4 5.50 4.5 63.0 
Colesterol LDL (mg/dl) 96.9 31.70 8.0 255.0 
Colesterol VDL (mg/dl) 26.5 13.65 7.0 102.0 
Triglicéridos (mg/dl) 132.3 68.07 33.0 510.0 
Fuente: INS (2006). Elaboración propia. 
 
Una de las características relevantes para el presente estudio es la indagación sobre enfermedades no 
transmisibles en los encuestados. El siguiente cuadro se aprecia, en primer lugar, que el 9.94% de la 
población presenta un grado de colesterol elevado en la sangre, que se encuentra por encima del límite 
considerado como estándar. En segundo lugar, se aprecia que al 13.06% se le ha diagnosticado 
hipertensión de algún tipo. Finalmente, al 2.9% se le ha diagnosticado diabetes. 
 
Cuadro 02. Presencia de enfermedades no transmisibles 
seleccionadas 
(millones de personas) 
Diagnóstico Si No 
Colesterol 2.8 25.3 
 [9.94%] [90.06%] 
Hipertensión 3.7 24.3 
 [13.06%] [86.94%] 
Diabetes 0.8 27.2 
 [2.9%] [97.1%] 
Fuente: INS (2006). Elaboración propia. 
 
De otro lado, se puede apreciar que el 25.75% de la población fuma o ha fumado de manera regular en 
algún momento de su vida. Entre tanto, el porcentaje de las personas que ha bebido o bebe de manera 
regular asciende al 50.73%, tal como lo muestra el siguiente cuadro. 
 
Cuadro 03. Presencia de hábitos relacionados con 
enfermedades no transmisibles seleccionados 
(millones de personas) 
Hábito Si No 
Fuma 13.8 4.8 
 [25.75%] [74.25%] 
Bebe 13.3 13.0 
 [50.73%] [49.27%] 
Fuente: INS (2006). Elaboración propia. 
 
 
Instituto	
  Peruano	
  del	
  Deporte	
  –	
  IPD.	
  Enero	
  de	
  2014	
  
	
  
	
   8	
  
Con el propósito de construir una variable que pueda aproximarse a los hábitos que incrementan la 
probabilidad de contraer una enfermedad no transmisible, se identificaron hábitos como la ingesta de 
comidas con alto contenido calórico y con alto porcentaje de grasas saturadas, adicionalmente a los 
hábitos de fumar y beber regularmente. Se identificó que solo un 8.7% de la población no posee hábito 
alguno que pueda atentar contra su salud. De otro lado el 21% presentó al menos un hábito, el 27.3% 
dos hábitos, el 21.0% tres hábitos y el 22% restante presentó de cuatro a más hábitos. 
 
Cuadro 04. Número de hábitos relacionados con 
enfermedades no transmisibles 
(millones de personas) 
Número de 
hábitos Casos % 
0 2.4 8.7 
1 5.9 21.0 
2 7.7 27.3 
3 5.9 21.0 
4 3.8 13.5 
5 1.6 5.6 
6 0.6 2.2 
7 0.2 0.7 
8 0.0 0.0 
Total 28.1 100 
Fuente: INS (2006). Elaboración propia. 
 
En el Cuadro 05 se muestran los niveles de los principales indicadores de salud, según si la persona 
practica actividad física o no. Es posible apreciar que en promedio se registra un menor nivel de estos 
indicadores que atente contra la salud por parte de las personas que practican actividad física. Esta 
información permite graficar un panorama de los posibles efectos que tenga la actividad física sobre la 
salud. 
 
Cuadro 05. Principales indicadores de salud, según 
realización de actividad física 
Indicadores de salud 
 Actividad física 
 Si No 
Perímetro abdominal (cm) 87.0 90.2 
Hemoglobina (gr/dl) 14.6 13.8 
Presión arterial sistólica (mmHg) 110.7 113.0 
Presión arterial diastólica (mmHg) 69.3 70.0 
Glucosa (mg/dl) 80.6 83.6 
Colesterol total (mg/dl) 162.0 169.0 
Colesterol HDL (mg/dl) 43.2 43.5 
Colesterol LDL (mg/dl) 93.7 98.4 
Colesterol VDL (mg/dl) 25.2 27.1 
Triglicéridos (mg/dl) 125.7 135.2 
Fuente: INS (2006). Elaboración propia. 
 
Para tener una perspectiva más clara de la situación, es necesario ver la problemática desde un punto de 
vista clínico. Para ello, en el Cuadro 06 se muestran los criterios de normalidad por cada una de las 
variables relacionadas al estado de salud que recogió la encuesta. Es decir, se muestran los umbrales con 
los cuales es posible identificar si variables como el colesterol, hemoglobina o glucosa se encuentran 
dentro de los límites permisibles o si estos alcanzan niveles que atenten contra la salud del individuo. 
Instituto	
  Peruano	
  del	
  Deporte	
  –	
  IPD.	
  Enero	
  de	
  2014	
  
	
  
	
   9	
  
 
Cuadro 06. Mediciones y criterios de normalidad, según variables de 
examen clínico y de laboratorio 
Determinación de niveles de 
riesgo de colesterol 
Colesterol total > 123 mg/dl (Riesgo) 
Colesterol total ≥ 200 mg/dl (Anormal) 
HDL < 35 mg/dl 
LDL > 130 mg/dl 
CT/HDL > 5.0 
Triglicéridos ≥ 200 mg/dl 
Determinación de diabetes 
Glicemias elevadas > 100 mg/dl 
Diabetes 
≥ 100 mg/dl auto reporte 
positivo* 
Determinación de sobrepeso y 
obesidad según severidad 
Diagnós t i co 
Índi c e de Masa Corpora l 
(Kg/m2) 
Delgadez < 18.5 
Normalidad 18.5 - 24.9 
Sobrepeso 25.0 - 29.9 
Obesidad leve 30.0 - 34.9 
Obesidad 
moderada 35.0 - 39.9 
Obesidad severa > 40.0 
Determinación del peso según 
perímetro abdominal 
Diagnós t i co Per ímetro abdominal ( cm) 
Varón 
Deseable < 94 
Riesgo potencial 94 - 102 
Elevado ≥ 102 
Mujer 
Deseable < 80 
Riesgo potencial 80 - 88 
Elevado ≥ 88 
* Un médico o enfermera le informó que era diabético 
Fuente: INS (2006). 
 
Teniendo en cuenta el cuadro anterior, se elaboraron 3 gráficos para inspeccionar el estado de salud de 
los individuos en la encuesta sobre la base de los niveles del IMC, triglicéridos y glucosa. En el Gráfico 
03 se puede apreciar la distribución del IMC según el individuo practique o no actividad física. 
Asimismo, se puede observar que el gráfico está dividido en 6 zonas de acuerdo al nivel del IMC: 
Delgadez (Del), Normalidad (Nr), Sobrepeso (SP), Obesidad Leve (OL), Obesidad Moderada (OM) y 
Obesidad Severa (OS). Según se aprecia, la zona de Delgadez existe una mayor representatividad de 
personas que no practican actividad física; en la zona de Normalidad la población que realiza actividad 
física es la más representativa; en la zona de Sobrepeso se puede ver que en el primer tramo de la 
distribución existe una mayor presencia de personas que practican actividad física, dando paso en un 
tramo más avanzado a la población que no practica actividad física; la zona de Obesidad Leve se 
encuentra totalmente dominada por la población que no practicaactividad, al igual que la zona de 
Obesidad Moderada. Finalmente, en la zona de Obesidad Severa no se presentan casos suficientes 
como para poder explicar la dominancia de una u otra distribución. 
 
 
Instituto	
  Peruano	
  del	
  Deporte	
  –	
  IPD.	
  Enero	
  de	
  2014	
  
	
  
	
   10	
  
Gráfico 03. Distribución del Índice de Masa Corporal, según sexo 
(Kilogramos/metros al cuadrado) 
 
Fuente: INS (2006). Elaboración propia. 
 
En el Gráfico 04 y el Gráfico 05, se muestran las distribuciones de los triglicéridos y la glucosa según el 
individuo practique o no actividad física, respectivamente. En el gráfico de la izquierda, se observa que 
en los niveles más bajos de triglicéridos hay una mayor representatividad de la personas que practican 
actividad física, situación que cambia conforme se va incrementando su nivel hasta llegar al nivel 
anormal, sin embargo se aprecia claramente que en promedio existe una mayor representatividad de la 
población que no practica actividad física que tiene los niveles de triglicéridos por encima del nivel 
anormal de triglicéridos. En el gráfico de la derecha, que corresponde a la distribución de la glucosa, no 
existe una clara dominancia de una u otra distribución (practica o no actividad física) antes o después 
del nivel que da inicio a la diabetes. 
 
Gráfico 04. Distribución de los triglicéridos, según 
práctica de actividad física 
 
Fuente: INS (2006). Elaboración propia. 
 
Gráfico 05. Distribución de la glucosa, según 
práctica de actividad física 
 
Fuente: INS (2006). Elaboración propia. 
 
Nivel anormal
0
.0
02
.0
04
.0
06
.0
08
.0
1
D
en
si
da
d
0 100 200 300 400 500
Triglicéridos (mg/dl)
Practica No practica
Diabetes
0
.0
1
.0
2
.0
3
.0
4
.0
5
D
en
si
da
d
0 50 100 150
Glucosa (mg/dl)
Practica No practica
Instituto	
  Peruano	
  del	
  Deporte	
  –	
  IPD.	
  Enero	
  de	
  2014	
  
	
  
	
   11	
  
Hasta el momento se ha podido apreciar de manera descriptiva cierta relación entre la actividad física y 
algunos indicadores que miden el estado de salud de las personas en promedio, en la siguiente sección 
del documento se hará uso de los modelos de regresión para comprobar las relaciones de causalidad de 
las variables analizadas sobre la salud. 
 
RESULTADOS 
 
Para especificar la intensidad de la actividad física, se trabajó con tres niveles de actividad: Baja, 
Moderada e Intensa. Para determinar los niveles se estimó el tiempo total en minutos que un individuo 
le dedica a la práctica de actividades físicas y deportivas. Luego, de la distribución resultante, se le 
asignó el nivel Bajo a aquellos individuos cuyo tiempo de práctica de actividad física era menor al 
percentil 30, para aquellos individuos que se encontraron entre el percentil 30 y 60 se les asignó el nivel 
de actividad física Moderada y para aquellos cuyos minutos empleados en la realización de actividad 
física que se encontraron por encima del percentil 60 se les asignó el nivel de actividad Intensa. 
 
De otro lado, se emplearon cuatro variables relacionadas al estado de salud agrupadas en dos categorías: 
las cuantitativas, compuestas por la glucosa y el IMC; y las cualitativas, compuestas por colesterol y la 
hipertensión. Asimismo, es importante señalar que se trabajó con el modelo de Mínimos Cuadrados 
Ordinarios para las variables de colesterol e IMC, en tanto que para las variables de glucosa y diabetes 
se trabajó con el modelo Probit. Finalmente, para obtener estimadores insesgados, consistentes y la 
mejor aproximación posible de los efectos de la actividad física sobre la salud, se combinó la técnica de 
Variables Instrumentales con las dos metodologías propuestas y se controlarán las especificaciones con 
otras variables que influyen en la salud como los hábitos alimenticios y la edad. 
 
Las ecuaciones (6) y (7) son las especificaciones propuestas para encontrar los efectos de la actividad 
física sobre los niveles de glucosa y el IMC, las cuales se detallan a continuación 
 
𝐺𝑙𝑢! = 𝛽! + 𝛽!𝐵𝑎𝑗! + 𝛽!𝑀𝑜𝑑! + 𝛽!𝐼𝑛𝑡! + 𝛽!𝐻𝑎𝑏! + 
𝛽!𝑇𝑟𝑎𝑏𝐹𝑢𝑒! + 𝛽!𝐸𝑑𝑎𝑑! + 𝛽!𝐷𝑖𝑎! + 𝛽!𝐶𝑜𝑙! + 𝑢! (6) 
 
𝐼𝑀𝐶! = 𝛾! + 𝛾!𝐵𝑎𝑗! + 𝛾!𝑀𝑜𝑑! + 𝛾!𝐼𝑛𝑡! + 𝛾!𝐻𝑎𝑏! + 
𝛾!𝑇𝑟𝑎𝑏𝐹𝑢𝑒! + 𝛾!𝐸𝑑𝑎𝑑! + 𝛾!𝐷𝑖𝑎! + 𝛾!𝐶𝑜𝑙! + 𝑣! (7) 
 
donde 
 
𝐺𝑙𝑢! : es una variable cuantitativa que mide el nivel de glucosa en la sangre del individuo. 
𝐼𝑀𝐶! : es el Índice de Masa Corporal. 
𝐵𝑎𝑗! : es una variable que toma el valor de 1 si el individuo lleva a cabo actividad física de baja 
intensidad y 0 en otros casos. 
𝑀𝑜𝑑! : es una variable que toma el valor de 1 si el individuo lleva a cabo actividad física de intensidad 
Moderada y 0 en otros casos. 
𝐼𝑛𝑡! : es una variable que toma el valor de 1 si el individuo lleva a cabo actividad física de intensidad 
Alta y 0 en otros casos. 
𝐻𝑎𝑏! : es una variable cuantitativa que cuenta el número de hábitos no saludables que tienen el 
individuo, tales como beber, fumar, ingerir grasas saturadas, entre otros. 
Instituto	
  Peruano	
  del	
  Deporte	
  –	
  IPD.	
  Enero	
  de	
  2014	
  
	
  
	
   12	
  
𝑇𝑟𝑎𝑏𝐹𝑢𝑒! : es una variable que toma el valor de 1 si el trabajo principal del individuo, actividad de la 
que obtiene la mayor parte de su ingreso, demanda gran esfuerzo físico. 
𝐸𝑑𝑎𝑑! : es la edad en años del individuo. 
𝐷𝑖𝑎! : es una variable cualitativa que toma el valor de 1 si el individuo fue diagnosticado con diabetes y 
0 en otro caso. 
𝐶𝑜𝑙! : es una variable cualitativa que toma el valor de 1 si el individuo fue diagnosticado con colesterol 
elevado y 0 en otro caso. 
𝑢! y 𝑣! : son los errores de estimación. 
 
 En el Cuadro 07 se muestran los resultados de las regresiones por MCO y VI para las especificaciones 
(6) y (7). Aunque antes de ofrecer una explicación a los resultados de la tabla, es preciso analizar el uso 
de la regresión por VI. Para poder ver el efecto de las VI sobre la regresión, es necesario comparar los 
resultados de las columnas (i) y (iii) con las columnas (ii) y (iv) respectivamente, dado que las columnas 
pares son las mismas especificaciones que las columnas impares, con la diferencia que la variable de 
Hábitos ha sido instrumentalizada con la variable de ámbito geográfico, la cual representa la región 
natural a la cual pertenece el individuo: costa, sierra o selva. 
 
El uso de la regresión por VI se justifica por dos razones: los problemas subyacentes al uso de los 
MCO y la valides del instrumento. En primer lugar, el hecho de no poder captar las características 
genéticas o de predisposición a determinados niveles de glucosa o IMC, el efecto que tienen la glucosa y 
el IMC sobre el tener diabetes o colesterol o sobre la predisposición a realizar actividad física y los 
errores e inexactitudes en la medición de los indicadores de salud, hacen necesaria la instrumentación 
de alguna variable que pueda traer algunos problemas en la estimación, en este caso en particular y por 
la disposición de información, se instrumentalizo la variable Hábitos. En segundo lugar, la 
instrumentalización de la variable Hábitos responde al supuesto que la dinámica y el estilo de vida 
difiere marcadamente entre los habitantes de las regiones naturales del Perú5 por lo que una variable 
que identifica la región natural en la que vive el individuo estaría altamente correlacionada con los 
hábitos que este tiene. En el Cuadro 07 se muestran los resultados para las especificaciones (6) y (7). 
 
 
	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  	
  
5 Véase INEI (2008). 
Instituto	
  Peruano	
  del	
  Deporte	
  –	
  IPD.	
  Enero	
  de	
  2014	
  
	
  
	
   13	
  
Cuadro 07. Resultados de la regresión por MCO y por VI 
Variables independientes 
MCO MCO VI MCO MCO VI 
Glucosa Glucosa IMC IMC 
(i) (ii) (iii)(iv) 
 
Baja -0.688 -2.522** -0.669*** -0.936*** 
 (0.918) (1.093) (0.170) (0.193) 
Moderada -1.370 -3.389*** -0.688*** -0.989*** 
 (0.903) (1.131) (0.211) (0.239) 
Intensa -0.225 -2.780 -0.952*** -1.327*** 
 (1.816) (2.147) (0.288) (0.345) 
Hábitos 0.375 7.030*** 0.228*** 1.270*** 
 (0.231) (1.242) (0.0475) (0.242) 
TrabFue -3.141*** -1.411 -2.158*** -1.897*** 
 (0.747) (0.914) (0.151) (0.169) 
Edad 0.158*** 0.244*** 0.0294*** 0.0431*** 
 (0.0276) (0.0345) (0.00491) (0.00592) 
Diabetes 56.09*** 55.19*** 0.348 0.231 
 (7.756) (7.795) (0.461) (0.481) 
Colesterol 2.812* 0.638 2.008*** 1.643*** 
 (1.632) (1.750) (0.272) (0.295) 
Constante 74.00*** 55.00*** 23.88*** 20.89*** 
 (1.247) (3.814) (0.259) (0.715) 
 
Observaciones 4,094 4,094 4,171 4,171 
R-cuadrado 0.171 0.021 0.092 
Errores estándar robustos entre paréntesis 
*** p<0.01, ** p<0.05, * p<0.1 
Nota: las columna (i) y (iii) muestra los resultados de la regresión por MCO 
sobre la Glucosa y el IMC. Las columnas (ii) y (iv) muestran las regresiones 
por MCO utilizando la técnica de VI. 
 
De acuerdo a los resultados, es posible apreciar que en promedio el realizar actividad física de cualquier 
intensidad influye en la reducción de los niveles de glucosa y el IMC. Específicamente, la actividad 
Moderada en la que influye en mayor medida en esta reducción, seguida por la actividad de nivel Bajo y 
finalmente la de nivel Intenso, que para el caso de la glucosa no resulta significativa en la regresión con 
VI. De otro lado, un mayor número de hábitos que atentan contra la salud incrementan los niveles de 
glucosa e IMC en el individuo de manera significativa. En cuanto a la influencia de la variable que capta 
si un individuo determinado desarrolla su actividad laboral corriente con un gran desgaste físico, se 
aprecia que tiene una influencia negativa para el caso del IMC, en tanto que no se encuentran una 
influencia significativa para el caso de la glucosa. Asimismo, se aprecia que a mayor edad el individuo 
tiene mayores niveles de glucosa e IMC. Finalmente, la inclusión de las variables que captan si el 
individuo tiene diabetes o colesterol se incluyeron en la regresión para capturar su efecto explicativo y 
este no se distribuya en el resto de las variables, distorsionando la intensidad con la que explican las 
variables de interés. 
 
Para explicar los efectos de la actividad física sobre las variables que capturan si el individuo padece de 
niveles altos de colesterol e hipertensión, se construyeron las especificaciones (8) y (9), las cuales se 
muestran a continuación 
 
𝐶𝑜𝑙! = 𝛿! + 𝛿!𝐵𝑎𝑗! + 𝛿!𝑀𝑜𝑑! + 𝛿!𝐼𝑛𝑡! + 𝛿!𝐻𝑎𝑏! + 
𝛿!𝑇𝑟𝑎𝑏𝐹𝑢𝑒! + 𝛿!𝐸𝑑𝑎𝑑! + 𝜔! (8) 
Instituto	
  Peruano	
  del	
  Deporte	
  –	
  IPD.	
  Enero	
  de	
  2014	
  
	
  
	
   14	
  
 
𝐻𝑖𝑝! = 𝜃! + 𝜃!𝐵𝑎𝑗! + 𝜃!𝑀𝑜𝑑! + 𝜃!𝐼𝑛𝑡! + 𝜃!𝐻𝑎𝑏! + 
𝜃!𝑇𝑟𝑎𝑏𝐹𝑢𝑒! + 𝜃!𝐸𝑑𝑎𝑑! + 𝜑! (9) 
 
El Cuadro 08 muestra los resultados de la regresión del modelo probit sobre las variables cualitativas 
Colesterol e Hipertensión. Al igual que el Cuadro 07, las columnas (ii) y (iv) son las estimaciones de los 
modelos probit de las columnas (i) y (iii) instrumentalizando la variable hábito, respectivamente. 
 
Cuadro 08. Resultados de la regresión probit y por VI 
Variables independientes 
Probit Probit VI Probit Probit VI 
Colesterol Colesterol Hipertensión Hipertensión 
(i) (ii) (iii) (iv) 
 
Baja -0.0139 -0.135* -0.137* -0.185** 
 (0.0891) (0.0761) (0.0807) (0.0813) 
Moderada 0.286*** 0.0784 0.0937 0.0284 
 (0.102) (0.0918) (0.0952) (0.0973) 
Intensa -0.0880 -0.235 0.0695 -0.00525 
 (0.200) (0.177) (0.170) (0.171) 
Hábitos 0.0964*** 0.504*** 0.00986 0.199*** 
 (0.0194) (0.0529) (0.0184) (0.0764) 
TrabFue -0.767*** -0.457*** -0.376*** -0.305*** 
 (0.115) (0.114) (0.0814) (0.0852) 
Edad 0.0300*** 0.0277*** 0.0284*** 0.0294*** 
 (0.00185) (0.00200) (0.00181) (0.00176) 
Constante -2.875*** -3.421*** -2.401*** -2.838*** 
 (0.114) (0.0980) (0.109) (0.169) 
 
Observaciones 4,198 4,198 4,192 4,192 
Pseudo R2 0.130 0.108 
Errores estándar robustos entre paréntesis 
*** p<0.01, ** p<0.05, * p<0.1 
 
Según los resultados, se aprecia que en promedio las variables relacionadas a la actividad física no 
reducen la probabilidad de tener colesterol e hipertensión. Sin embargo, se aprecia que el practicar 
actividad física de nivel Bajo, ayuda a reducir esta probabilidad, aunque a una significancia relativamente 
baja. En cuanto a los Hábitos, a mayor número de estos mayor la probabilidad de tener colesterol en la 
sangre e hipertensión. El hecho de desarrollar la actividad laboral principal con gran desgaste físico 
influye negativamente en tener estos males. Finalmente, la edad sigue siendo determinante en explicar 
los problemas de salud, en este caso en particular cada año adicional de vida incrementa la probabilidad 
de tener estos males de salud. 
 
CONCLUSIONES Y RECOMENDACIONES 
 
El objetivo del presente estudio fue el encontrar si la actividad física influye de manera positiva en la 
salud en el Perú, a través de indicadores que muestran los niveles de glucosa y IMC, y de indicadores 
que señalan el padecer de colesterol elevado en la sangre e hipertensión. Según la literatura revisada, 
existe una influencia positiva de la actividad sobre aspectos de la salud como en la prevención de 
enfermedades crónicas cómo la diabetes, obesidad y cáncer. Además, se encuentra que existe una 
asociación entre la actividad física y más años sobre el promedio de esperanza de vida. Otros estudios 
Instituto	
  Peruano	
  del	
  Deporte	
  –	
  IPD.	
  Enero	
  de	
  2014	
  
	
  
	
   15	
  
señalan que existe un efecto positivo de la actividad física sobre la salud mental y algunas condiciones 
de salud crónica en los niños. Aunque, sus efectos, ni la intensidad que estos se presentan, se 
encuentran documentados para la población peruana. 
 
Para el cumplimiento de tal objetivo, de acuerdo a la naturaleza de las variables bajo estudio, se 
propusieron dos metodologías para hallar el efecto que tiene la actividad física sobre los indicadores de 
salud: la técnica de Variables Instrumentales (VI) y el modelos probit de respuesta cualitativa. En 
primer lugar, la técnica de VI se utilizó con el objetivo de superar los problemas comunes que una 
regresión lineal simple conllevan trabajándose con explicadas cuantitativas como la glucosa en la sangre 
y el IMC, en tanto que el modelo probit se utilizó para hallar como la actividad física afecta la 
probabilidad de tener o no niveles elevados de colesterol o padecer de hipertensión. 
 
Según los resultados arrojado, es posible ver que en promedio existe una influencia positiva de la 
práctica de actividad física sobre los indicadores de glucosa e IMC. Sin embargo, esta influencia no se 
mantiene del todo al analizar los efectos de actividad física sobre el padecer de colesterol elevado e 
hipertensión. De otro lado, variables como la edad influyen, como es de esperarse, de manera negativa 
en estos indicadores, dado que la condición de salud se va debilitando con el paso de los años. 
Finalmente, se encuentra en todas las especificaciones que la variable que identifica si el trabajo 
corriente del individuo se realiza con gran desgaste físico influye de manera favorable al estado de salud, 
reduciendo los niveles de glucosa y el IMC y disminuyendo la probabilidad de presentar colesterol 
elevado e hipertensión. 
 
Lo visto en el estudio apunta que una política que promocione la actividad física en la población 
peruana puede ser beneficiosa desde distintos puntos de vista, desde el desarrollo personal, pasando por 
la mejora de la calidad de vida y llegando hasta representar un ahorro para el gobierno en el tratamiento 
de enfermedades no transmisibles. En ese sentido, se recomienda el impulsar políticas de esta 
naturaleza que permitan educar y generar conciencia en la población, en especial en aquellas personas 
que llevan estilos de vidaque incrementen la probabilidad de contraer enfermedades no transmisibles y 
en aquella población que ya padece de ellas. Adicionalmente, se debe de indagar acerca de las estrategias 
de intervención que promocionen la actividad física, dado que estas deben ser diferenciadas de acuerdo 
a la edad, forma de trabajo y ámbito geográfico, variables que resultaron tener una influencia 
significativa en los indicadores de salud analizados. 
 
BIBLIOGRAFÍA 
 
Belloc, N. y Breslow, L. (1972). “Relationship of Physical Health Status and Health Practices”. Preventive 
Medicine 1, 409-421. 
 
Cameron, C. y Trivedi, P. (2009). “Microeconometrics using STATA”.STATA Press. 
 
Cansino, K. (2013). “Determinantes sociales y económicos de la participación en actividades físicas y deportivas en el 
Perú”. Instituto Peruano del Deporte. 
 
Eriksen, L. et al (2013). “The association between physical activity, cardiorespiratory fitness and self-rated health”. 
Preventive Medicine 57 (2013) 900–902. 
Instituto	
  Peruano	
  del	
  Deporte	
  –	
  IPD.	
  Enero	
  de	
  2014	
  
	
  
	
   16	
  
 
Erlichman, J. et al (2002). “Physical activity and its impact on health outcomes. Paper 1: the impact of physical 
activity on cardiovascular disease and all-cause mortality: an historical perspective”. The International Association 
for the Study of Obesity. Obesity reviews 3, 257-271. 
 
Greene, W. (2003). “Econometric Analysis”. Fifth edition, Pearson Education. ISBN 0-13-066189-9. 
 
Grossman, M. (1972). “On the concept of health capital and the demand of health”. National Bureau of 
Economic Research. 
 
Haskell, W. (1994). “Health consequences of physical activity: understanding and challenges regarding dose-response”. 
Med. Sci. Sports Exerc. Vol. 26, No. 6, pp. 649-660. 
 
Humphreys, R. et al (2013). “Physical activity and health outcomes: evidence from Canada”. Health Economics. 
Wiley Online Library. DOI: 10.1002/hec.2900. 
 
Insituto Nacional de Estadística e Informática – INEI (2008). “Perfil sociodemográfico del Perú”. Censos 
Nacionales 2007: XI de población y VI de vivienda. 
 
Instituto Nacional de Salud - INS (2006). “Encuesta nacional de indicadores nutricionales, bioquímicos, 
socioeconómicos y culturales relacionados con las enfermedades crónicas degenerativas”. Ministerio de Salud y Centro 
Nacional de Alimentación del Nutrición del Instituto Nacional de Salud. 
 
Lahti, J. et al (2010). “The impact of physical activity on physical health functioning – A prospective study among 
middle-aged employees”. Preventive Medicine 50 (2010) 246–250. 
 
Organización Mundial de la Salud (2003). “Informe sobre la salud en el mundo 2002: Reducir los riesgos y 
promover una vida sana”. 
 
Riner, W. y Hunt, S. (2013). “Physical activity and exercise in children with chronic health conditions”. Journal of 
Sport and Health Science 2 (2013) 12-20. 
 
Sari, N. (2009). “Physical inactivity and its impact on healthcare utilization”. Health Economics 18: 885-901. 
Wiley InterScience, DOI: 10.1002/hec.1408. 
 
Soo Kim, Y. et al (2012). “Relationship between physical activity and general mental health”. Preventive Medicine 
55 (2012) 458–463. 
 
Warburton, D., Whitney, C. y Bredin, S. (2006). “Health benefits of physical activity: the evidence”. CMAJ; 174 
(6):801-9.