Previous Page Table of Contents Next Page

CAPITULO 12

ESTRATEGIAS PARA MUESTREO: EL ASEGURAMIENTO DE VALORES REPRESENTATIVOS


Joanne M. Holden y
Carol S. Davis

ESTRATEGIAS PARA EL MUESTREO DE ALIMENTOS

El interés actual en la relación dieta y salud ha estimulado la demanda de datos representativos de la composición química de los alimentos. Esto significa que se necesita contar con valores exactos de energía, nutrientes y otros componentes alimentarios para calcular consumos dietéticos, deter­minar políticas alimentarias, controlar la seguridad alimentaria, formular nuevos productos y facilitar el comercio. Para fines de exactitud, el estimado (número de muestras definidas para el muestreo) de un alimento debe ser estadísticamente representativo de la población de todos los valores existentes para un componente determinado en el producto alimentario de interés. Esto es importante puesto que, si el estimado presenta grandes desvia­ciones, puede inducir a obtener conclusiones erróneas y a cometer equivocaciones costosas que afecten tanto la evaluación de la dieta como el comercio.

El Laboratorio de Composición de Alimentos del Departamento de Agricultura de los Estados Unidos, ha conducido investigaciones tendientes a desarrollar estrategias estadísticas para el muestreo del suministro de alimentos en los Estados Unidos con el fin de determinar los valores de los componentes de los alimentos.

Cuando se pretende establecer una estrategia para el muestreo de alimentos, es necesario definir los objetivos del proyecto y determinar las prioridades analíticas para alimentos y componentes alimen­tarios. Los alimentos que se van a muestrear deben ser descritos en términos de: tipo de producto, ingredientes, estado de preservación, fuente, cultivo, y otros factores que podrían influir en los niveles de los componentes en esos alimentos. Se puede usar datos demográficos y de mercadeo para identificar aquellos parámetros que podrían constituir fuentes de variación. Además, se debe estandarizar los protocolos para el manejo de las muestras y el análisis químico con el fin de minimizar el impacto de errores que podrían aparecer durante el proceso de medición.

Desde 1960 se ha observado una evolución en los patrones de consumo de alimentos y su impacto en la salud de la población, lo que ha provocado un aumento en el requerimiento de datos de composición química para más alimentos y componentes alimentarios (1). Más recientemente, se ha reconocido al consumo de alimentos como uno de los factores en el desarrollo longitudinal de enfer­medades de diferente etiología (2,3,4). Los datos de composición de alimentos no sólo se usan para identificar y controlar tendencias alimentarias, sino que también son usados para la verificación de hipótesis (5). Otros usos de los datos de composición de alimentos son igualmente importantes (ejemplo: mercadeo, seguridad de alimentos, fabricación de alimentos) (6). Este aumento en el interés por datos de composición de alimentos ha estimulado la demanda por mejores datos, incluyendo una indicación del número de análisis, el plan de muestreo, y de la magnitud y fuentes de variabilidad, tanto como infor­mación descriptiva y cualitativa sobre el método analítico y el control de calidad (7). La escasez de datos para alimentos e ingredientes impide establecer relaciones entre dieta y salud y afecta la producción, regulación y uso de los alimentos. El aumento en la demanda por más datos puede ser atribuida, en parte, al desarrollo de instrumentación sofis­ticada, que permite medir en forma más rápida que antes cantidades muy pequeñas de componentes en alimen­tos y en diferentes matrices biológicas. . Asimismo, el desarrollo y dispo­nibilidad de computadoras para el procesamiento de datos ha mejorado la capacidad para manipular grandes archivos de datos para investigar nuevas hipótesis. En vista de la importancia de los alimentos como vehículos de nutrientes y otros componentes, la generación de datos de composición de alimentos no es una práctica aislada, sino más bien una parte integral para establecer el estado de salud humana y los efectos de la dieta.

La generación de datos de composi­ción de alimentos podría contemplar un espectro amplio de objetivos específicos, tales como:

  1. Desarrollo de una base de datos con la composición de alimentos nacionales.
  2. Determinación del nivel de aflatoxinas en un cargamento de granos.
  3. Determinación del nivel de plaguicidas en un producto alimenticio.
  4. Control de calidad en la producción de alimentos.
  5. Determinación de diferencias significativas en el contenido vitamínico de diferentes músculos en animales.
  6. Comparaciones de niveles de componentes alimentarios entre diferentes marcas comerciales o regiones.

La generación de estos datos debe basarse en un plan de muestreo estadístico específico para el objetivo en particular, el cual indique : qué se debe muestrear, dónde tomar las muestras y cuántas unidades se deben seleccionar para representar el producto de interés. La definición del objetivo provee el enfoque del estudio y ayuda a determinar la estrategia de muestreo más apropiada. De acuerdo con Horwitz un plan de muestreo basado en principios estadísticos debería guiar la selección de unidades representativas escogidas dentro de una población de manera que los estimados de los componentes se encuentren "dentro de un grado específico de variabilidad y un determinado grado de confianza" (8). El objetivo de este trabajo es discutir el desarrollo de estrategias de muestreo que generen estimados que representen una tendencia central de los niveles de los componentes alimentarios que van a ser usados en bases de datos de composición de alimentos y en proyectos para establecer dietas nacionales.

La dieta diaria promedio puede incluir de 20 a 25 artículos diferentes. Se ha estimado que se pueden encontrar 4000 productos genéricos diferentes (ejemplo: carne de res, pan blanco, pizza) en el mercado de los Estados Unidos. Ya que el abastecimiento de alimentos nacional es una mezcla compleja de productos procesados y sin procesar, cada artículo podría representar muchas marcas, formu­laciones o estilos, y origen geográfico. Puede que existan hasta 50.000 productos si uno considera las diferentes marcas comerciales. Por ejemplo, en los Estados Unidos hay cientos de marcas de pan blanco (9). Igualmente, la diversidad de la población, las preferencias personales por los alimentos, la existencia de procesos de fabricación sofisticados, y los planes de mercadeo, estimulan la distribución de productos nuevos e inusuales a nivel nacional. Debido a la complejidad de la variedad de alimentos de una nación, la generación de datos exactos en composición de alimentos es una tarea difícil y costosa.

El Gráfico 1 ilustra el concepto estadístico de una muestra y su relación con la población que abarca todos los tipos, marcas y unidades de un alimento (10). El término pobla­ción describe el conjunto de objetivos relevantes a partir de los cuales se escoge un subconjunto para el análisis. Generalmente, la población de interés es muy grande y puede ser considerada como infinita en relación con el tamaño del subconjunto que se debe seleccionar. Por ejemplo, en el Gráfico 1, la población consiste en todas las clases de zanahorias comúnmente consumidas por los individuos. En este mismo ejemplo, los cultivos experimentales de zanahorias se encuentran fuera de la población, pero son parte del universo mayor de todas las zanahorias. Cuando se estiman los niveles de un nutriente contenido en las zanahorias consumidas en los Estados Unidos, probablemente uno podría no muestrear estos cultivos ya que no son consumidos ampliamente. Aunque no es posible o deseable analizar cada paquete, unidad o lote de un alimento, el análisis de un subconjunto de unidades cuidadosamente seleccio­nadas puede proveer los datos reque­ridos para llegar a conclusiones sobre la población de todas las unidades existentes (10).

Cuando se usa la teoría tradicional para sistemas de muestreo, el término muestra se refiere al subconjunto o grupo de artículos o unidades que son seleccionados en la población de interés para representar a dicha población (10).

Gráfico 1
Concepto estadístico de universo, población y muestra

Producción y manejo de datos de composicion química de alimentos en nutrición

Si el objetivo es desarrollar una base nacional de datos con valores de composición de alimentos que sea representativa, entonces, la estrategia de muestreo debe ser planeada cuidadosamente para poder obtener una muestra que incluya artículos o unidades típicos en proporción al volumen de ventas o a las carac­terísticas de consumo poblacional de dichos alimentos. La muestra incluirá unidades de las marcas comerciales predominantes, lugares de fabricación, cultivos, etc., que sean relevantes al alimento específico tal y como es consumido por los individuos.

Si se tuviera que analizar todos los recipientes o unidades de todas las marcas o cultivos definidos como la población de un alimento, por ejemplo zanahorias, entonces se podría construir una distribución de frecuen­cias de todos los valores analíticos posibles. La distribución puede que sea o no gaussiana o normal. Debido a que no se puede analizar todas las unidades de un producto que constituyen la población sin destruir dicha población, se ha desarrollado el concepto de muestreo, es decir, el proceso de selección de un subconjunto representativo de una población basado en probabilidades de varios tipos (10). El análisis de todas las unidades del subconjunto de una población resultará en un grupo de valores los cuales pueden ser usados para construir una distribución de frecuencias para dicho subconjunto. Si la muestra es representativa de la población, entonces esta distribución va a ser similar en sus características estadísticas y por lo tanto en su "forma" a la distribución de la población. Si se tomara muestras múltiples, por ejemplo, subconjuntos múltiples de unidades del mismo tamaño a partir de la misma gran población, se podría esperar que las características estadísticas de cada muestra fueran semejantes a aquellas de la población. Sin embargo, no van a ser idénticas debido a que el conjunto de valores promedio para todas las muestras que se tomaron de una población formarán su propia distribución de frecuencias.

El grado de similitud de las características estadísticas entre la población y la muestra, define, en parte, el grado de representatividad de tal muestra con respecto a la población. Aunque, en la mayoría de los casos, nunca se van a conocer las verdaderas características estadísticas de la población, se pueden aplicar técnicas que incorporan la teoría del muestreo estadístico para generar datos de composición de alimentos que entreguen estimados de los parámetros de la población. A pesar de que la discusión de la teoría matemática de muestreo, incluyendo la teoría de probabilidad, se encuentra más allá del alcance de esta publicación, este trabajo provee el marco y punto de referencia para comentarios relativos a la selección de alimentos, el número de unidades, la variabilidad, etc. Es importante mencionar que las técnicas estadísticas, que se usan comúnmente para evaluar las características estadísticas de una muestra y para proveer los estimados de parámetros estadísticos para ese subconjunto de la población, asumen que todos los valores analíticos posibles en dicho subconjunto están distribuidos normalmente. En algunas disciplinas se pueden aplicar varias transformaciones matemáticas de los datos en la evaluación de hipótesis científicas. Sin embargo, es muy difícil sino imposible usar técnicas de transformación para estimar pará­metros tales como el promedio y la varianza. Más investigación será necesaria para muchos de los componentes y alimentos a fin de determinar las distribuciones esta­dísticas para datos de composición de alimentos y para evaluar la validez de técnicas estadísticas tales como las que se aplican a este tipo de datos.

En general, en una base de datos, la mayoría de los valores para componentes alimentarios y alimentos son valores promedios que han sido calculados a partir de dos o más valores individuales. Los datos analíticos pueden haber sido gene­rados en uno o en varios laboratorios. Los valores individuales pueden ser el resultado del análisis de una alícuota de una sola unidad o del compuesto de varias unidades. Cada valor promedio en una base de datos representa y constituye un punto en la distribución de promedios de la muestra que se mencionó anteriormente y además, cada promedio también representa una distribución de los valores indivi­duales o puntos de la muestra de la cual éste deriva. Debido a que un valor promedio en una base de datos representa una muestra seleccionada a partir de una población, un nuevo valor analítico para otra unidad individual escogida al azar a partir de las existencias o mercado de alimentos puede que no se encuentre dentro de los límites de confianza del valor que se tiene en la base de datos. Sin embargo, existirá una alta pro­babilidad de que cualquier valor nuevo caiga dentro de los límites definidos mediante un muestreo y análisis representativos (10). Enton­ces, es importante estimar la compo­sición promedio y algún parámetro de variabilidad para las combinaciones alimento/componente más importantes en una base de datos y así verificar que un nuevo dato para ese alimento caiga dentro de los límites definidos previamente.

Recientemente, Greenfield y Southgate publicaron una discusión acerca de la importancia del muestreo, incluyendo definiciones y enfoques importantes en cuanto a la obtención de una muestra representativa (11). Los análisis pueden incluir o no alícuotas de todas las marcas comerciales, tipos o cultivos presentes en la población de interés. Para mantenerse dentro de las restricciones fiscales y físicas, puede que sea necesario tomar un subconjunto de las marcas comerciales o tipos disponibles. Es recomendable buscar ase­soría estadística durante la fase de desarrollo del plan de muestreo. Puede ser que se tenga que analizar alícuotas de unidades individuales (muestras primarias). Por otro lado, las unidades podrían ser combinadas o compuestas de acuerdo a su marca comercial, lugar geográfico, cultivo, etc., según sea apropiado, antes de que se tomen las alícuotas para los análisis con el fin de minimizar el número de mediciones analíticas y aún así representar la contribución de esa unidad en el estimado de la tendencia central. La formulación de muestras compuestas debe basarse en datos estadísticos referentes al conjunto de unidades que representan las diferentes marcas comerciales, o lugares geográficos, etc. los cuales han sido obtenidos a partir de un estudio piloto o investigaciones independientes realizadas con ante­rioridad. El impacto de utilizar mues­tras compuestas sobre la magnitud de la variabilidad no debería ser menospreciado. El número de análisis que se deben realizar será determinado por el poder estadístico que se desea de los estimados de la población, la variabilidad observada en las pruebas piloto, y otras consideraciones prác­ticas tales como recursos físicos y fiscales. Mayor discusión al respecto se presentará más adelante en esta publicación.

Si el objetivo es el desarrollar una base de datos nacional con datos sobre la composición de alimentos, entonces es necesario tener en cuenta dos preguntas fundamentales: ¿Cuál(es) nutriente(s) componente(s) debe(n) ser determinado(s)? y ¿Cuáles alimentos deben ser seleccionados para el análisis?. Los proyectos relacionados con el análisis de alimentos pueden ser impulsados por la necesidad de estimar los niveles de un único componente (ejemplo: selenio, B -caroteno, lípidos totales) en alimentos consumidos por una población de individuos. Por otro lado, el enfoque puede ser un único alimento (ejemplo: carne de res, leche, zanahorias) y sus componentes mayoritarios.

¿Cuáles componentes deberían ser analizados?

Los componentes de interés pueden ser nutrientes (ejemplo: proteínas, vitamina A, hierro), aditivos, agentes biológicos o contaminantes. Cada componente o clase de componentes representa un reto único para el muestreo. Sin embargo, la elección de los componentes debe estar guiada por las prioridades específicas o el énfasis del proyecto o la institución inte­resada. En general, tres factores determinan la selección de los componentes:

  1. El componente debe ser impor­tante con respecto a sus efectos en la salud pública ya sean éstos reales o sospechados.
  2. Los métodos analíticos disponibles para el componente de interés deben ser confiables, válidos, capaces de producir datos exactos, y económicamente factibles.
  3. En vista de las limitaciones fiscales y de personal, las prioridades analíticas deberían incluir aquellos componentes para los cuales los datos con que se cuenta en la actualidad no son aceptables o simplemente no se cuenta con ellos (12,13).

Como ejemplo, la comunidad científica se ha venido interesando en los posibles efectos del consumo de carotenoides en la salud, especí­ficamente en el desarrollo de ciertos tipos de cáncer (14). Desde la década de 1930, se sabe que varios carotenoides (α, ß-caroteno, y ß-criptoxantina) tienen una actividad significativa de vitamina A (15). Mientras la deficiencia de vitamina A aún prevalece en muchas áreas del mundo, el amplio rol que juegan los carotenoides en el metabolismo humano se ha convertido en un objeto de gran interés. Sin embargo, hasta hace poco, no se había realizado algún estudio extenso sobre el contenido de carotenoides en alimentos (16, 17). De hecho, para muchos alimentos no hay datos sobre su contenido en carotenoides. Algunos métodos analíticos para la determinación de otros carotenoides individuales en formas simples de alimentos han aparecido en los últimos años (18). Aunque se necesita más investigación en esta área para poder obtener métodos en terreno que sean confiables, algunos centros están usando cromatografía líquida mien­tras otros utilizan cromatografía de columna abierta (19). Finalmente, los carotenoides son buenos candidatos para futuros análisis debido a que no hay suficientes datos de alta calidad (16,20).

En tanto, otros componentes menos conocidos (ejemplo: isoflavonoides, flavonoides) se han convertido en objeto de investigación, y se han desarrollado métodos confiables para su análisis, por lo tanto su determinación en alimentos se volverá importante. Más aún, nuevos análisis se van a necesitar a medida que se desarrollan mejores métodos para el análisis de reconocidos componentes (ejemplo: folatos). Por lo tanto, es necesario generar nuevos datos que reemplacen a los más viejos y obsoletos a medida que aparecen disponibles métodos más nuevos y específicos. Un ejemplo son los datos sobre el contenido de fibra en alimentos. El análisis de fibra cruda ha sido reemplazado por otros métodos, incluyendo el análisis de fibra dietética total (21). Actual­mente, los valores de carbohidratos calculados por "diferencia" han sido reemplazados por el análisis de fracciones específicas, pues los carbohidratos, como una clase, contienen diversas formas con diferentes pesos moleculares y estructuras químicas y, por lo tanto, diferentes efectos metabólicos. Frecuentemente, los nuevos métodos hacen posible que se puedan determinar nuevos componentes por primera vez. Por ejemplo un gran estudio a nivel nacional en carne de pollo como comida rápida ("fast-food chicken") incluyó la determinación de niveles de almidón presente en el apanado de harina con que se envuelve el pollo (22).

¿Qué alimentos deberían ser muestreados?

La selección de alimentos es igualmente importante. Stewart y colaboradores (11) y Beecher y Matthews (12) han señalado que las prioridades para análisis deben basarse en tres consideraciones.

Primero, aunque muchos alimentos pueden contener el componente de interés, los alimentos seleccionados deben ser los principales contri­buyentes de ese componente en la dieta. Por lo general, un número limitado de alimentos (5-100) aportan entre 50-90 por ciento de un componente específico a la dieta de la población de interés (23, 24). Los datos existentes y/o estudios piloto pueden proveer estimados preli­minares de los niveles de componentes en alimentos. Los datos provenientes de censos para el consumo de alimento y/o los datos obtenidos con hojas de balance de alimentos pueden ser combinados con los datos existentes sobre la composición de alimentos para obtener una lista de los principales contribuyentes alimen­tarios de componentes específicos y su importancia relativa (20,24).

Segundo, se debería seleccionar aquellos alimentos para los cuales los datos existentes no son aceptables o no los hay disponibles. Por ejemplo, los productos de tomate son la fuente más importante de licopeno (un carotenoide importante) en la dieta de los Estados Unidos. Sin embargo, después de la determinación de la calidad de los datos de carotenoides para alimentos con componentes múltiples (20), los autores deter­minaron que no existían datos analíticos para carotenoides en sopas, salsas y salsa para espagueti en base a tomate de las marcas comerciales populares. Se desarrolló un plan de muestreo para la selección de muestras de estos productos a nivel nacional para tres ciudades, con el fin de analizar cinco de los carotenoides dietéticos más importantes (25).

Nuevos tipos de alimentos están apareciendo en los mercados de muchos países y están ganando popularidad pero no existen datos de la composición química para muchos de estos productos. Por ejemplo, la introducción de muchas frutas y vegetales que no se conocían en las reservas alimentarias de Estados Unidos requiere que estos alimentos sean muestreados y analizados para determinar su composición química. Inicialmente, los alimentos nuevos pueden ser importados de otros países, antes de que se comience su producción local (ejemplo: kiwi, manzana Granny Smith). El origen geográfico y la variedad/cultivo pueden ser relevantes para el plan de muestreo debido a que el clima, las condiciones del suelo y la geografía afectan los niveles de algunos componentes. Por lo tanto, sería necesario comparar los datos para frutas importadas con los datos para frutas de origen local. Los valores deberían ser revisados, si fuera necesario. En un estudio reciente del metabolismo de carotenoides en humanos, se necesitaba un solo lote de la producción de brócoli congelado para asegurar la uniformidad de todos los artículos de ese producto durante el curso entero del estudio. Cuando una pequeña compañía regional fue contactada para conseguir el brócoli se encontró que el producto era cultivado y procesado en Guatemala. Los análisis de los niveles de carotenoides en brócoli congelado revelaron que los valores eran significativamente diferentes de aquellos para brócoli fresco obtenido en el mercado al detalle (26). Este hallazgo enfatizó la importancia del uso de valores analíticos para componentes críticos en alimentos a partir de lotes únicos asados en estudios del metabolismo humano.

Una tercera consideración es la necesidad de analizar los alimentos tal y como son consumidos. Cuando nuevas clases de alimentos importantes se vuelven populares, éstos deberían ser analizados para obtener nuevos datos que reflejen los hábitos de consumo (12,13). En muchos países, ha aumentado rápidamente el uso de productos comerciales completamente prepa­rados en vez de los preparados en el hogar. Los estimados estadísticos para estos productos preparados son más representativos de lo que algunos segmentos de la población están consumiendo que los estimados estadísticos para alimentos cocinados en el hogar. Los productos formu­lados pueden contener diferentes niveles de grasa, sodio y otros componentes comparados con las recetas domésticas. Para algunos componentes se podría usar una técnica de cálculo de recetas. Sin embargo, las formulaciones para productos comerciales generalmente no están disponibles, y con frecuencia son diferentes de las de los productos preparados en el hogar. Por lo tanto, la composición química de los alimentos importantes preparados comercialmente, deberá ser deter­minada mediante análisis.

Nuevos ingredientes tales como substitutos de grasa, gomas, y edulcorantes alteran las formulaciones de alimentos comunes, requiriendo la necesidad de nuevos análisis. Finalmente, los avances en la crianza de animales y plantas, va a requerir también nuevos análisis para estimar los cambios en aquellos componentes de interés. Por ejemplo, en Estados Unidos, los avances recientes en la crianza y prácticas de mercadeo han reducido enormemente la cantidad de grasa que se puede separar en la carne de res y de cerdo. Se planificaron y se realizaron estudios nacionales de las ventas al detalle en colaboración con los Departamentos de Ciencia de la Carne de la Universidad de Texas A&M y la Universidad de Wisconsin para estimar el impacto de estos cambios en la composición de las carnes de res y cerdo (27,28).

Efectos de la descripción de alimentos

Una vez determinado los alimentos y los componentes, se debe identificar los productos individuales y específicos que representan un alimento. Para un solo alimento (ejemplo: carne de res, pizza, o huevos) el investigador puede definir las características del producto que pueden influenciar la variabilidad y la composición del o de los componentes de interés. Algunas características relevantes incluyen la fuente primaria del alimento y el nombre científico para un producto (ejemplo: trigo o maíz, coco o girasol, carne de res o carne de cerdo), la parte de la planta o animal usada, el estado de conservación, procesamiento, e ingredientes agregados. Para algunos componentes, el origen geográfico y las prácticas de maduración también serán importantes. Como se mencionó antes, los valores de carotenoides para cultivos de brócoli producidos en Guatemala fueron diferentes de los valores de brócoli fresco cultivado en California (24). Para otros com­ponentes, las fuentes de variabilidad serán el tipo de empaque, pH, o condiciones de almacenamiento. En años recientes, se han desarrollado varios sistemas estandarizados para la descripción de alimentos, los cuales proporcionan descriptores importantes (29,30). Los productos específicos y los componentes de interés van a ser los que determinen la lista preliminar de las cualidades que se usarán para la descripción de los productos.

Después de definir los descriptores que se van a usar para un alimento, hay que identificar cuáles son las fuentes principales de ese alimento que son consumidas por la población de interés. Además, se debe iden­tificar la distribución y los esquemas de mercadeo. En el caso de productos comerciales, los datos referentes al volumen de ventas e información sobre el producto son importantes en la selección de unidades representativas para el análisis (9). Para otros productos de consumo tales como carnes, huevos, leche, etc., es posible identificar los criaderos o cultivos más importantes, así como los proveedores comerciales más impor­tantes y su ubicación aproximada en cuanto a volumen de ventas (31). En regiones donde la producción es muy localizada se pueden identificar los principales mercados de productos (carnicerías, panaderías) así como los de ingredientes (molinos de harina, refinerías). Algunos productos puede que sean producidos en un lugar y luego distribuidos en todo el país, mientras que otros puede que sean fabricados en diversas regiones y usando diferentes fuentes para los ingredientes.

En un estudio reciente de los niveles de selenio en pan, se seleccionaron noventa muestras de pan blanco a partir de nueve áreas principales de la población a través de Estados Unidos (32). El pan es horneado en panaderías regionales o locales, en las ciudades y pueblos o en sus proximidades. Sin embargo, la mayoría del trigo en los Estados Unidos es cosechado en la región de las planicies del norte y centro, un área con niveles de selenio relativamente altos, y luego trans­portado a las principales áreas metropolitanas para suplementar la producción de áreas regionales más pequeñas. Los niveles de selenio en el pan en varias de esas ciudades fueron variables debido a que la producción local fue suplementada con el trigo de la región central norte.

El estudio demostró que los niveles de selenio en pan estaban más relacionados con los niveles de selenio en los suelos donde el trigo fue cultivado que con los niveles de selenio en los suelos donde el pan fue vendido. Al tener que definir el tipo de producto y sus fuentes, el investigador se da cuenta de los productos específicos que se necesitará seleccionar así como del momento y la localización para el muestreo.

Patrones de consumo de alimentos

Una vez definida las variables de mercadeo y de distribución, es necesario evaluar cuáles son los patrones de consumo con el fin de determinar dónde se van a tomar las muestras. Si el objetivo es determinar los estimados estadísticos en ali­mentos para generar una base de datos nacional, entonces se necesitaría muestrear los productos alimentarios basándose en la distribución de la población y el uso del producto. Se deben responder varias preguntas: ¿Es el alimento consumido en forma frecuente por la población de interés? ¿En qué regiones o poblaciones se consume el alimento? ¿Se consume más el alimento en las áreas rurales que en las ciudades? Si el alimento es consumido ampliamente por muchos subgrupos de la población, ¿cuál es la distribución de la población en el país o la región de interés?

Los principales centros de población en un país pueden ser identificados y usados como las localidades en las cuales se seleccionarán las muestras. En los Estados Unidos la mayoría de la población está concentrada en un determinado número de áreas metro­politanas conocidas como áreas metropolitanas estadísticas y definidas por la Oficina de Administración y Presupuesto de los Estados Unidos, como aquellas ciudades que cuentan con al menos 50.000 habitantes o un área urbanizada de por lo menos 50.000 habitantes y con una población total de por lo menos 100.000 individuos (33). Las diez ciudades principales, su porcentaje de la población, y su proporción respectiva en cuanto a la venta de comestibles se presentan en la Cuadro 1. También se muestra el porcentaje de la población representado por las primeras 100 áreas metropolitanas estadísticas (AME), así como el número de supermercados. En la mayoría de las principales ciudades, de dos a cuatro cadenas de supermercados dominan cada ciudad. La mayoría son vendedores regionales de importancia.

Cuadro 1
Los 10 principales mercados de las AME a según sus poblaciones
b

Posición

Area de mercadeo

Porcentaje del total en
Estados Unidos

 
   

%

%

Población

Supermercados

1

Los Angeles-Long Beach, CA

3,59

2,39

2

Nueva York

3,38

2,19

3

Chicago

2,40

1,76

4

Filadelfia

1,93

1,41

5

Detroit

1,72

1,41

6

Washington, DC-MD-VA

1,61

1,25

7

Houston

1,35

1,12

8

Atlanta

1,19

1,21

9

Riverside-San Bernardino, CA

1,14

0,90

10

Dallas

1,07

1,01

--  

--

--

--  

--

--

--  

--

--

100

Youngstown-Warren, OH

0,23

0,28

 

  

100 Principales mercados de las AME

59,86

50,86

Todos los demás en EE.UU.

40,14

49,14

Cantidades totales en EE.UU.

254.926.669

30.552

ª Areas metropolitanas estadísticas
b
Adaptado a partir de Progressive Grocer's Market Scope (40)

A pesar de que muchas combinaciones de muestras se autonormalizan -es decir que los productos disponibles son similares al número y tipos necesarios para reflejar los volúmenes de ventas- es posible normalizar los estimados estadísticos obtenidos para la muestra después de que se han analizado igual número de unidades individuales por marca o región mediante la aplicación de factores de normalización (10).

Tomando en cuenta la distribución nacional y la porción del mercado para muchos productos así como la concentración de la población en las principales AME, el Departamento de Agricultura de los Estados Unidos (USDA), y otros investigadores han seleccionado unidades representativas de alimentos de los abastecedores de alimentos al detalle y restaurantes en tres a diez ciudades a lo largo del país (22, 27, 28, 34). Por ejemplo, en un estudio reciente de selenio en aproximadamente 200 alimentos, las unidades de muestras se compraron en dos supermercados principales en cada una de las nueve ciudades que fueron seleccionadas (Holden, datos aún no publicados). Dos a tres ciudades fueron seleccionadas en cada una de las cuatro regiones del país; dos supermercados principales fueron muestreados en cada ciudad. Se seleccionaron al azar (y se analizaron) aproximadamente 100 muestras analíticas para cada uno de los principales alimentos que aportan selenio en la dieta (carne, pan blanco, cerdo, pollo y huevos). Para alimentos que aportan selenio en menor cantidad, se tomaron de 5 a 25 muestras analíticas. Al escoger las unidades de las marcas comerciales con el mayor volumen de ventas, en los principales supermercados, en las principales áreas metropolitanas se asumió que se seleccionó para un alimento específico, aquellos pro­ductos más representativos y más frecuentemente consumidos.

Para determinar selenio en carne de res, fue necesario determinar las principales categorías de los productos de res en la dieta de los Estados Unidos. Los datos de mercadeo y de producción obtenidos del Comité de la Carne y Ganado de los Estados Unidos (US Livestock and Meat Board), y la asociación de comercio del sector privado para los productores de carne, indicaron que el consumo per cápita de res fue de aproximadamente 33 kg/año. Los tipos de carne de mayor consumo fueron los cortes frescos de carne de res incluyendo bistec, carne para asar, y carne molida, incluyendo carne molida al por mayor comprada en los supermercados, así como las hamburguesas vendidas en los restaurantes de comida rápida (35). Usando esta información se desarrolló un plan de muestreo. Noventa y cuatro unidades de cinco cortes principales de carne de res fueron obtenidas de un estudio más grande sobre la composición de carne de res conducido por la Universidad de Texas A&M (27). Las muestras habían sido recolectadas en las principales tiendas de venta al detalle en diez ciudades. Además, se analizaron 58 muestras de carne molida de res tomadas de un estudio a nivel nacional por el USD A (34). Finalmente, 27 muestras de hamburguesas fueron tomadas en nueve ciudades de las tres cadenas comerciales de mayor importancia (Holden, datos sin publicar). Los valores promedios y las desviaciones estándares fueron calculados y publicados en la Tabla Provisoria del USDA para Selenio en Alimentos publicada recientemente (36).

¿Cuántas unidades de muestreo son necesarias?

El número de muestras analizadas va a determinar, en parte, el poder estadístico del estimado. Aunque los modelos estadísticos usados para calcular el número requerido de unidades pueden ser complejos y afectados por múltiples factores, la siguiente ecuación indica las facetas más importantes del cálculo para poblaciones homogéneas (10):

Producción y manejo de datos de composicion química de alimentos en nutrición

El número apropiado de unidades está basado en cuatro parámetros. El primero es t, la abscisa de la curva normal que corta una área a en los extremos de la distribución, indicando el nivel de confianza deseado. El error estándar del estimado es denotado por s, mientras que el promedio de la muestra es denotado por y. El promedio y el error estándar pueden ser obtenidos de datos previamente publicados o de estudios piloto, si los hay disponibles. Algunos libros de referencia sobre datos de la composición de alimentos publican desviaciones estándares o errores estándares del promedio y pueden ser usados como estimados aproximados del tamaño de la muestra. Los estimados anteriormente publicados y los objetivos científicos del estudio deberían servir como la base para calcular el número de muestras. El lector debería notar que el coeficiente de variación, (CV), si es conocido, puede substituir a s/y. El límite del error relativo deseado en el estimado es indicado por r. Por ejemplo, que la proximidad del estimado al promedio "verdadero" esté dentro de un 10% lo representa r.

El cálculo del número apropiado de muestras es un proceso iterativo, el cual empieza con una aproximación del número de muestras la que es determinada por el investigador como una "primera aproximación". La primera aproximación (adivinanza) se puede basar en estimaciones del costo preliminar o de las capacidades del laboratorio analítico. Luego del cálculo inicial, el estimado del número de muestras es más afinado por recálculo hasta que los valores de n obtenidos mediante ensayos sucesivos sean aproximadamente iguales.

El costo del muestreo también puede ser incluido en la ecuación. El Cuadro 2 ilustra el efecto que tiene un aumento del coeficiente de variación en el número de muestras requerido para obtener el mismo nivel de con fianza. A medida que se duplica el CV el número requerido de muestras se triplica o cuadriplica. Como ilustración, el valor de t fue fijado en 2,00 mientras que r = 0,1. Más información es dada por Cochran (10).

Cuadro 2
Efectos del incrementos del coeficiente de variación (CV) en el tamaño de la muestra 1

Si el CV es igual a

entonces n es igual a

12,5 % 7
25 %2 26
50% 100
100 % 400

1α = 0,05
2
Si α = 0,10; entonces n = 19

En el pasado se ha usado, la media o valor promedio para estimar el nivel de un componente en un alimento. Sin embargo, el uso del promedio presume que la distribución estadística de todos los valores para ese componente en un alimento específico siguen la distribución gaussiana o normal (37). Recientemente, el Laboratorio de Composición de Alimentos del USD A, en colaboración con el Instituto Nacional del Cáncer de los Estados Unidos, compiló y publicó una tabla de composición de alimentos con los niveles de cinco carotenoides en frutas y vegetales considerados importantes desde el punto de vista de su contribución en el contenido de carotenoides de la dieta (16). Los valores fueron obtenidos de fuentes analíticas publicadas y sin publicar. Se usó la mediana en la tabla para representar el valor promedio debido a la aparente variabilidad en la distribución de los valores en varios de los alimentos y a la limitada cantidad de datos disponibles (de 1 a 14 fuentes con datos aceptables por alimento). Sin embargo, el uso de la mediana impide el cálculo de un indicador de varianza. Se necesita de más investigación para poder evaluar las características de las distribuciones estadísticas obtenidas ya sea a partir de un sistema de muestreo amplio o a partir de la recopilación de datos de diversas fuentes. Además, se debería evaluar la solidez de las técnicas estadísticas tradicionales para deter­minar qué tan apropiadas son estas técnicas para datos de composición de alimentos. Se debe estudiar el im­pacto de usar el promedio versus la mediana en las bases de datos de composición de alimentos y en la obtención de conclusiones relacio­nadas con la dieta. En particular, se debe tener cuidado cuando se estiman valores para la composición de alimentos a partir de un conjunto pequeño de datos.

Después que se ha definido la muestra, se pueden identificar y conseguir los artículos individuales o unidades dentro de una muestra que van a ser usados para el análisis. Una vez que las unidades, paquetes o recipientes llegan al laboratorio, debe planificarse cuidadosamente su manipulación (preparación y homogenización) y la selección de alícuotas (muestras para análisis) para mantener la representatividad e integridad del material. Ya que la persona encargada del diseño del proyecto y de la estrategia de muestreo puede que no sea el analista del laboratorio, la importancia de la comunicación entre estos individuos o grupos no se debe menospreciar. Es necesario enfatizar el uso de nomenclatura estandarizada con respecto al muestreo a nivel del laboratorio. De acuerdo con las recomendaciones para el muestreo en química analítica dadas por la Unión Internacional de Química Pura y Aplicada (IUPAC) en 1990, Hortwitz define la "muestra" como "una porción de material seleccionada de alguna manera para representar una cantidad más grande de material. El resultado obtenido a partir de la muestra es solamente un estimado de tal cantidad .... de constituyente .... del material de que fue tomada". Anteriormente, el término muestra había sido usado en forma más informal para referirse a la porción (extracto, diluido o no) que es analizada a varios niveles en el procedimiento analítico. Otros términos tales como "prueba" (test) o "incógnita" (unknown) se deberían usar para referirse a esas porciones, con el fin de evitar inconsistencias o ambigüedades y subsecuentes malas interpretaciones de los resultados. El lector puede consultar la referencia (8) para mayor información.

¿Qué tan buenos tienen que ser los datos?

Los datos para la composición química de alimentos deben ser lo suficientemente buenos como para permitir establecer en forma cuidadosa los patrones de consumo de alimentos y su impacto en la salud de grupos o subconjuntos de la población. De igual manera, los datos deben ser lo suficientemente buenos como para lograr otros objetivos científicos y económicos definidos por los investigadores. La calidad de un estimado estadístico específico se basa en la exactitud y precisión del proceso de medición el cual se inicia con la selección de la muestra. La gene­ración de datos exactos de composición de alimentos requiere de una cuantificación exacta de la variabilidad inherente al alimento y que a la vez se minimice la variabilidad inherente al proceso de medición. En general, las fuentes principales de variabilidad estadística en los estimados dietarios son los datos del consumo de alimentos provenientes de los métodos usados para estimar las dietas y de los datos de composición de alimentos. La variabilidad en los datos de la composición de alimentos representa todos los tipos de variabilidad ya sea atribuible a los planes de muestreo, a la manipulación de las muestras, a los métodos analíticos, y al control de calidad analítico. Cada una de estas fuentes de variabilidad puede ser separada y cuantificada mediante análisis de varianza (37). El establecimiento de las fuentes y la magnitud de la variabilidad para los datos de composición de alimentos pueden indicar aquellas áreas donde es necesario mejorar el proceso de medición (38). Aunque el muestreo es sólo una de las fuente de variabilidad, la falta de un muestreo representativo puede aumentar el grado de desviación (bias) de los estimados estadísticos de tendencia central y causar errores en los estimados de la varianza. Como se mencionó anterior­mente, es posible que un número pequeño de alimentos aporte la mayor parte de un componente específico en la dieta de una población. Por lo tanto, se recomienda que los recursos para el muestreo sean dedicados a obtener buenos estimados estadísticos para los parámetros de tendencia central y de variabilidad de esos alimentos que contribuyen en mayor grado a la dieta.

BIBLIOGRAFIA

  1. Life Sciences Research Office. 1989. Nutrition Monitoring in the United States; An Update Report on Nutrition Monitoring. Hyatts- ville, MD. US Dept. of Health and Human Services.
  2. Steinmetz, K.A. and Potter, J.D. 1991. Cancer Causes and Control. 2: 427-442.
  3. Hegsted, D.M. and Ausman, L.M. 1988. (J.Nutr. 118:1184-1189).
  4. Katan, M.B., et al. 1988. (Eur. J. Clin. Invest. 18:644-647).
  5. Judd, J.T., et al. 1994. (Am. J. Clin. Nutr. 59:861-868).
  6. Vanderveen, J.E. and Pennington, J.A.T. 1983. (Food Nutr. Bull. 5:40-45).
  7. Holden, J.M., et al. 1987. In: Rand, W.M., et al., eds. Food Composition Data: A User's
    Perspective. Tokyo, UNU Press, pp. 177-193.
  8. Horwitz, W. 1990. (Pure Appl. Chem. 62:1993-1208).
  9. Nielsen, A.C. 1990. Nielsen Scantrack Data, Northbrook, IL.
  10. Cochran, W.G. 1977. Sampling Techniques. 3 ed. New York, Wiley. pp. 1-78.
  11. Greenfíeld, H. and Southgate, D.A.T. 1992. Food Composition Data: Production, Management and Use. London, Blsevier Applied Science.
  12. Stewart, K.K. 1981. In: Beltsville Symposia in Agricultural Research IV Human Nutrition Research, Allenheld. Totowa, NJ., Osmun Publication.
  13. Beecher, G.R. and Matthews, R.H. 1990. In: Present Knowledge in Nutrition. 6 ed.Washington DC, International Life Sciences Institute.
  14. Le Marchand, L., et al. 1989. (J. Nat. Cancer Inst. 81:1158-1164).
  15. Moore, T. 1957. Vitamin A., Elsevier, Amsterdam.
  16. Mangels, A.R., et al. 1993. (J. Am. Diet. Assoc. 93:284-296).
  17. West, CE. and Poortvliet, E.J. 1993. The carotenoid content of foods with special reference to developing countries. Washington DC, USAID/VITAL.
  18. Khachik, F., et al. 1992. (Methods Enzymol. 213:347-359).
  19. Rodriguez-Amaya, D.B. 1989. (J. Micronutr. Anal. 5:191-225).
  20. Chug-Ahuja., et al. 1993. (J. Am. Diet. Assoc. 93:318-323).
  21. Schneeman, B.O. and Gallaher, D.D. 1990. In: Present Know­ ledge in Nutrition. 6 ed. Washin­ gton DC, International Life Sciences Institute.
  22. Li, B.W., et al. 1987. (J. Am. Diet. Assoc. 87:740-743).
  23. Hepburn, F.N. 1988. Proceedings of the 12 th National Nutrient Data Bank Conference. Ithaca, NY, The CBord Group, pp. 31-33.
  24. Schubert, A., Holden J.M. and Wolf, W.R. 1987. (J. Am. Diet. Assoc. 87: 285-299).
  25. Tonucci, L. H., et al. 1995. (J. Agric. Food Chem.). In Press.
  26. Micozzi, M.S., et al. 1992. (Am. J. Clin. Nurr. 55:1120-1125).
  27. Savell, J. W., et al. 1991. (J. Anim. Sci. 69:2883-2893).
  28. Buege, D., et al. 1990. Madison , WI, University of Winconsin. College of Agriculture and Life Sciences. (Research Bulletin R- 3509).
  29. McCann., et al. 1988. (J. Am. Diet Assoc. 88:336-341).
  30. Kohlmeier, L. and Poortvliet, E. 1992. Report of the FLAIR Euro- foods-Enfant Projects Second Annual Meeting. Wageningen, Wageningen Agricultural Univer­ sity.
  31. Honikel, K.O. 1994. Report, FLAIR Eurofoods- Enfant Project Third Annual Meeting. Wage­ ningen, Wageningen Agricultural University.
  32. Holden, J.M., et al. 1991. ( J. Food Comp. Anal. 4:183-195).
  33. Progressive Grocer's Market Scope (1993) Progressive Grocer's Trade Dimension Division. Stamford, CT, Maclea Hunter Media, pp. 19:348-549.
  34. Holden, J.M.; Lanza, E. and Wolf, W.R. 1986. (I. Agric. Food Chem. 34:302-308).
  35. Knutson, J. 1989. Meatfacts 88. Washington DC, American Meat Institute. p. 17.
  36. Gebhardt, S.E. and Holden, J.M. 1992. Provisional Table on the Selenium Content of Foods. Washington, DC, USDA.
  37. Sokal, R.R.and Rohlf, F.J. 1981. Biometry. 2 ed. San Francisco, CA, W.H. Freeman and Company.
  38. Beaton, G.H., et al. 1979. (Am. J. Clin. Nutr. 32:2546-2559).

Previous Page Top of Page Next Page