Estudio sobre los habitos alimenticios de la poblacion estudiantil de la Universidad Nacional de Costa Rica, factores influyentes y posibles consecuencias

Se omiten las tildes para evitar los caracteres de edicion.

Resumen

Introduccion

En los estudiantes, el desarrollo intelectual hace que los requerimientos energeticos y nutricionales sean mayores. Asi, la dieta de un estudiante promedio deberia estar conformada por comidas variadas, completas, equilibradas e hidratadas, basada en el consumo moderado de todo tipo de alimentos y una ingesta de 4 a 5 comidas diarias. En la mayoria de los casos, los estudiantes universitarios no cumplen con estos requisitos para llevar a cabo una buena alimentacion, por lo que se generan trastornos alimenticios, que a largo plazo generaran problemas de salud.

Se sabe que los buenos habitos alimentarios influyen directamente en la salud fisica, generalmente se tiene presentes consecuencias como obesidad, diabetes, hipertension, gastritis, entre otros. No obstante, una mala alimentacion puede afectar el desempeño academico y bienestar emocional de un estudiante; el consumo excesivo de grasas saturadas y azucar, asi como la escasez de vitaminas y minerales, contribuyen al agotamiento y cansancio (Ochoa et al, 2011).

Segun Alexia De Piero et al (2015), en su publicacion “Tendencia en el consumo de alimentos de estudiantes universitarios”, los jovenes de paises en Latinoamerica estan experimentando un fenomeno que se conoce como transicion nutricional, asociado al rapido proceso de urbanizacion y cambios economicos. Estas transiciones implican cambios en el patron alimentario, las cuales se caracterizan por reemplazar platos y alimentos tradicionales por otros de alta densidad energetica, ricos en grasas y productos refinados, con bajo contenido de fibra.

Esta transicion puede generarse por diversos factores, entre ellos el inicio de la vida universitaria. Se cree que en esta etapa las personas introducen cambios importantes que persistiran en la edad adulta, estos cambios suelen implementarse por falta de tiempo, mudanza, estres y otros (Vargas et al, 2010).

Ante la importancia del tema, el presente trabajo pretende indagar sobre los habitos alimenticios de la poblacion estudiantil de la Universidad Nacional de Costa Rica mediante sondeos, con el fin de encontrar factores en comun que brinden informacion de las posibles causas que llevan al estudiante a consumir comidas rapidas o alterar sus costumbres y tiempos de comida.

Materiales y metodos

Se realizaron sondeos haciendo uso de la herramienta que ofrece Google para recopilar y organizar informacion, con el objetivo de agilizar la recoleccion de datos. Las encuestas estuvieron dirigidas a la poblacion estudiantil de la Universidad Nacional de Costa Rica. Se procuro recolectar datos de estudiantes de todas la facultades que tiene la universidad por medio de un muestreo aleatorio simple. La muestra estuvo conformada por 220 estudiantes, en su mayoria entre los 19 y 21 años de edad, de los cuales, el 63.6 % eran mujeres y el 36.4 % eran hombres.

De este modo, se creo y utilizo la base de datos “habitos”, obtenida a partir de los resultados de la encuesta, donde se evaluaron 19 variables correspondientes a las preguntas de la misma, como se muestra a continuación:

habitos<-read.csv(file="Habitos.csv",header=T,sep=",")
str(habitos)

## 'data.frame':    220 obs. of  19 variables:
##  $ Edad        : int  20 19 21 19 25 18 20 19 18 18 ...
##  $ Genero      : Factor w/ 2 levels "Hombre","Mujer": 1 1 1 1 1 2 1 2 1 2 ...
##  $ EstadoCivil : Factor w/ 5 levels "Casado","Comprometido",..: 4 5 5 5 5 5 4 5 5 5 ...
##  $ Facultad    : Factor w/ 7 levels "CIDE","CIDEA",..: 3 3 5 7 5 6 3 3 6 7 ...
##  $ Vive        : Factor w/ 4 levels "Amigos","Companeros",..: 3 2 3 3 3 3 3 3 3 3 ...
##  $ Tiempos     : Factor w/ 3 levels "1-2","3-4","5": 3 2 2 3 3 3 2 2 2 2 ...
##  $ Almuerzo    : Factor w/ 3 levels "ComprarU","Traer",..: 1 1 1 2 1 2 2 2 3 1 ...
##  $ Bebidas     : Factor w/ 4 levels "Agua","Alcoholicas",..: 4 4 4 1 4 4 4 1 2 4 ...
##  $ Productos   : Factor w/ 4 levels "Comidachatarra",..: 2 2 4 1 4 4 2 2 2 3 ...
##  $ Restaurantes: Factor w/ 2 levels "No","Si": 2 2 2 1 2 2 2 2 2 1 ...
##  $ Compania    : Factor w/ 4 levels "Acompanado","Indiferente",..: 2 2 1 3 1 1 1 1 2 3 ...
##  $ Veces       : Factor w/ 4 levels "1-2","3-4","5",..: 1 1 1 4 1 1 1 1 2 4 ...
##  $ Preferido   : Factor w/ 10 levels "KFC","McDonald's",..: 9 10 10 3 9 9 10 9 1 3 ...
##  $ Dinero      : Factor w/ 5 levels "2000-5000","5000-8000",..: 2 1 1 5 1 4 4 2 1 5 ...
##  $ Estres      : Factor w/ 2 levels "No","Si": 2 2 2 2 1 2 2 2 2 2 ...
##  $ Situaciones : Factor w/ 5 levels "Indiferente",..: 1 1 3 2 4 2 2 2 2 2 ...
##  $ Factores    : Factor w/ 2 levels "No","Si": 2 2 2 2 2 2 2 2 2 2 ...
##  $ Enfermedades: Factor w/ 6 levels "Bajopeso","Cardio",..: 5 1 5 6 5 5 5 6 5 4 ...
##  $ Habitos     : Factor w/ 2 levels "No","Si": 2 1 1 1 2 2 2 1 2 2 ...

head(habitos)

##   Edad Genero EstadoCivil Facultad       Vive Tiempos Almuerzo  Bebidas
## 1   20 Hombre    Relacion  Exactas    Familia       5 ComprarU Refresco
## 2   19 Hombre     Soltero  Exactas Companeros     3-4 ComprarU Refresco
## 3   21 Hombre     Soltero    Salud    Familia     3-4 ComprarU Refresco
## 4   19 Hombre     Soltero   Tierra    Familia       5    Traer     Agua
## 5   25 Hombre     Soltero    Salud    Familia       5 ComprarU Refresco
## 6   18  Mujer     Soltero Sociales    Familia       5    Traer Refresco
##        Productos Restaurantes    Compania Veces Preferido      Dinero
## 1   Comidarapida           Si Indiferente   1-2    Subway   5000-8000
## 2   Comidarapida           Si Indiferente   1-2  TacoBell   2000-5000
## 3        Ninguna           Si  Acompanado   1-2  TacoBell   2000-5000
## 4 Comidachatarra           No          NR    NR        NR          NR
## 5        Ninguna           Si  Acompanado   1-2    Subway   2000-5000
## 6        Ninguna           Si  Acompanado   1-2    Subway Menosde2000
##   Estres Situaciones Factores Enfermedades Habitos
## 1     Si Indiferente       Si      Ninguna      Si
## 2     Si Indiferente       Si     Bajopeso      No
## 3     Si       Menos       Si      Ninguna      No
## 4     Si         Mas       Si    Sobrepeso      No
## 5     No          NR       Si      Ninguna      Si
## 6     Si         Mas       Si      Ninguna      Si

attach(habitos)

Por motivos de simplificación, seguidamente se mostraran las preguntas o significados correspondientes de algunas variables, para una mejor comprensión de estas:

Facultad: Facultad a la que pertenece la carrera en estudio.
Vive: ¿Con quien vive?
Tiempos: ¿Cuantos tiempos de comida hace al dia?
Almuerzo: Preferencia al momento de almorzar en la universidad.
Bebidas: ¿Que tipo de bebidas suelen acompanar sus comidas?
Productos: Preferencia de productos (comida rápida, chatarra…)
Restaurantes: ¿Frecuenta usted restaurantes de comida rapida?
Compania: Cuando usted visita un restaurante de este tipo, ¿suele hacerlo solo, acompanado o le es indiferente?
Veces: ¿Cuantas veces a la semana consume comida rápida?
Preferido: ¿Cual es su restaurante de comida rapida preferido?
Dinero: ¿Cuanto dinero gasta usted semanalmente en comidas rapidas?
Estres: ¿Considera usted que el estres afecta su forma de alimentacion?
Situaciones: ¿Que acostumbra a hacer bajo situaciones de estres?
Factores: ¿Es usted consciente sobre los factores de riesgo a los que podria exponerse si practica una mala alimentacion (diabetes, hipertension, menor desempeño academico, entre otros)?
Enfermedades: ¿Padece usted alguna enfermedad producto de su alimentacion?
Habitos: ¿Se considera usted una persona con buenos habitos alimenticios?

Basicamente, los analisis realizados se basaron en la aplicacion de pruebas de Chi-cuadrado y Fisher (cuando fuera necesario) a los cuadros elaborados entre dos variables. Los figuras se realizaron utilizando la herramienta ggplot.

library(ggplot2)

## Warning: package 'ggplot2' was built under R version 3.3.3

Resultados

Prueba 1 Chi-cuadrado. Facultad vs Tiempos

table(Facultad,Tiempos)

##            Tiempos
## Facultad    1-2 3-4  5
##   CIDE        1  11  5
##   CIDEA       2  20  8
##   Exactas     1  30 16
##   Filosofia   3  15  9
##   Salud       2   4 13
##   Sociales    4  47 13
##   Tierra      3   7  6

chisq.test(Facultad,Tiempos)

## Warning in chisq.test(Facultad, Tiempos): Chi-squared approximation may be
## incorrect

## 
##  Pearson's Chi-squared test
## 
## data:  Facultad and Tiempos
## X-squared = 24.558, df = 12, p-value = 0.01706

fisher.test(Facultad,Tiempos, simulate.p.value = T)

## 
##  Fisher's Exact Test for Count Data with simulated p-value (based
##  on 2000 replicates)
## 
## data:  Facultad and Tiempos
## p-value = 0.01199
## alternative hypothesis: two.sided

ggplot(habitos, aes(Facultad, fill = Tiempos) ) +
geom_bar(position = "dodge")

Prueba 2 Chi-cuadrado. Facultad vs Estres

table(Facultad,Estres)

##            Estres
## Facultad    No Si
##   CIDE       3 14
##   CIDEA      6 24
##   Exactas    7 40
##   Filosofia  2 25
##   Salud      5 14
##   Sociales  14 50
##   Tierra     0 16

chisq.test(Facultad,Estres)

## Warning in chisq.test(Facultad, Estres): Chi-squared approximation may be
## incorrect

## 
##  Pearson's Chi-squared test
## 
## data:  Facultad and Estres
## X-squared = 7.6891, df = 6, p-value = 0.2618

fisher.test(Facultad,Estres, simulate.p.value = T)

## 
##  Fisher's Exact Test for Count Data with simulated p-value (based
##  on 2000 replicates)
## 
## data:  Facultad and Estres
## p-value = 0.2244
## alternative hypothesis: two.sided

ggplot(habitos,aes(Facultad))+geom_bar()+facet_grid(Estres ~.)

Prueba 3 Chi-cuadrado. Edad vs Estres

table(Edad,Estres)

##     Estres
## Edad No Si
##   17  1  1
##   18  6 15
##   19  6 42
##   20  9 54
##   21  3 37
##   22  5 15
##   23  1  5
##   24  2  4
##   25  1  6
##   26  2  2
##   27  0  1
##   28  1  0
##   30  0  1

chisq.test(Edad,Estres)

## Warning in chisq.test(Edad, Estres): Chi-squared approximation may be
## incorrect

## 
##  Pearson's Chi-squared test
## 
## data:  Edad and Estres
## X-squared = 17.716, df = 12, p-value = 0.1246

fisher.test(Edad,Estres, simulate.p.value = T)

## 
##  Fisher's Exact Test for Count Data with simulated p-value (based
##  on 2000 replicates)
## 
## data:  Edad and Estres
## p-value = 0.07246
## alternative hypothesis: two.sided

ggplot(habitos, aes(Edad, fill = Estres ) ) +
geom_bar()

Prueba 4 Chi-cuadrado. Vive vs Almuerzo

table(Vive,Almuerzo)

##             Almuerzo
## Vive         ComprarU Traer Visitarsodas
##   Amigos            3     5            2
##   Companeros        6    16            4
##   Familia          42    95           35
##   Solo              4     4            4

chisq.test(Vive,Almuerzo)

## Warning in chisq.test(Vive, Almuerzo): Chi-squared approximation may be
## incorrect

## 
##  Pearson's Chi-squared test
## 
## data:  Vive and Almuerzo
## X-squared = 3.0726, df = 6, p-value = 0.7997

fisher.test(Vive,Almuerzo, simulate.p.value = T)

## 
##  Fisher's Exact Test for Count Data with simulated p-value (based
##  on 2000 replicates)
## 
## data:  Vive and Almuerzo
## p-value = 0.7581
## alternative hypothesis: two.sided

ggplot(habitos,aes(x = Almuerzo, fill = Vive) ) +
geom_bar(position = "dodge" )

Prueba 5 Chi-cuadrado. Compania vs Veces

table(Compania,Veces)

##              Veces
## Compania      1-2 3-4   5  NR
##   Acompanado  102  11   0   0
##   Indiferente  28   5   2   0
##   NR            0   0   0  66
##   Solo          4   1   1   0

chisq.test(Compania,Veces)

## Warning in chisq.test(Compania, Veces): Chi-squared approximation may be
## incorrect

## 
##  Pearson's Chi-squared test
## 
## data:  Compania and Veces
## X-squared = 238.18, df = 9, p-value < 2.2e-16

fisher.test(Compania,Veces, simulate.p.value = T)

## 
##  Fisher's Exact Test for Count Data with simulated p-value (based
##  on 2000 replicates)
## 
## data:  Compania and Veces
## p-value = 0.0004998
## alternative hypothesis: two.sided

ggplot(habitos,aes(x = Compania, fill = Veces) ) +
geom_bar(position = "dodge")

Prueba 6 Chi-cuadrado. Vive vs Habitos

table(Vive,Habitos)

##             Habitos
## Vive         No Si
##   Amigos      8  2
##   Companeros 14 12
##   Familia    85 87
##   Solo        9  3

chisq.test(Vive,Habitos)

## Warning in chisq.test(Vive, Habitos): Chi-squared approximation may be
## incorrect

## 
##  Pearson's Chi-squared test
## 
## data:  Vive and Habitos
## X-squared = 6.1408, df = 3, p-value = 0.105

fisher.test(Vive,Habitos, simulate.p.value = T)

## 
##  Fisher's Exact Test for Count Data with simulated p-value (based
##  on 2000 replicates)
## 
## data:  Vive and Habitos
## p-value = 0.1124
## alternative hypothesis: two.sided

ggplot(habitos,aes(Vive))+geom_bar()+facet_grid(Habitos ~.)

Prueba 7 Chi-cuadrado. Dinero vs Habitos

table(Dinero,Habitos)

##              Habitos
## Dinero        No Si
##   2000-5000   59 31
##   5000-8000   15  7
##   Masde8000    8  3
##   Menosde2000 11 20
##   NR          23 43

chisq.test(Dinero,Habitos)

## 
##  Pearson's Chi-squared test
## 
## data:  Dinero and Habitos
## X-squared = 21.977, df = 4, p-value = 0.0002025

ggplot(habitos,aes(Dinero))+geom_bar()+facet_grid(Habitos ~.)

Prueba 8 Chi-cuadrado. Veces vs Enfermedades

table(Veces,Enfermedades)

##      Enfermedades
## Veces Bajopeso Cardio Depresion Gastricos Ninguna Sobrepeso
##   1-2        6      0         1        24      80        23
##   3-4        1      0         1         1      10         4
##   5          0      0         0         1       1         1
##   NR         1      2         0        15      41         7

chisq.test(Veces,Enfermedades)

## Warning in chisq.test(Veces, Enfermedades): Chi-squared approximation may
## be incorrect

## 
##  Pearson's Chi-squared test
## 
## data:  Veces and Enfermedades
## X-squared = 16.746, df = 15, p-value = 0.3343

fisher.test(Veces,Enfermedades, simulate.p.value = T)

## 
##  Fisher's Exact Test for Count Data with simulated p-value (based
##  on 2000 replicates)
## 
## data:  Veces and Enfermedades
## p-value = 0.1979
## alternative hypothesis: two.sided

ggplot(habitos, aes(x = Veces, fill = Enfermedades) ) +
geom_bar(position = "dodge" )

Prueba 9 Chi-cuadrado. Genero vs Enfermedades

table(Genero,Enfermedades)

##         Enfermedades
## Genero   Bajopeso Cardio Depresion Gastricos Ninguna Sobrepeso
##   Hombre        5      1         0         8      50        16
##   Mujer         3      1         2        33      82        19

chisq.test(Genero,Enfermedades)

## Warning in chisq.test(Genero, Enfermedades): Chi-squared approximation may
## be incorrect

## 
##  Pearson's Chi-squared test
## 
## data:  Genero and Enfermedades
## X-squared = 10.15, df = 5, p-value = 0.0711

fisher.test(Genero,Enfermedades, simulate.p.value = T)

## 
##  Fisher's Exact Test for Count Data with simulated p-value (based
##  on 2000 replicates)
## 
## data:  Genero and Enfermedades
## p-value = 0.04198
## alternative hypothesis: two.sided

ggplot(habitos, aes(Enfermedades)) + geom_bar() +
facet_wrap(~ Genero)

Prueba 10 Chi-cuadrado. EstadoCivil vs Veces

table(EstadoCivil,Veces)

##               Veces
## EstadoCivil    1-2 3-4  5 NR
##   Casado         2   0  0  1
##   Comprometido   0   1  0  1
##   Otro           0   0  1  0
##   Relacion      34   3  0 10
##   Soltero       98  13  2 54

chisq.test(EstadoCivil,Veces)

## Warning in chisq.test(EstadoCivil, Veces): Chi-squared approximation may be
## incorrect

## 
##  Pearson's Chi-squared test
## 
## data:  EstadoCivil and Veces
## X-squared = 82.196, df = 12, p-value = 1.571e-12

fisher.test(EstadoCivil,Veces, simulate.p.value = T)

## 
##  Fisher's Exact Test for Count Data with simulated p-value (based
##  on 2000 replicates)
## 
## data:  EstadoCivil and Veces
## p-value = 0.03198
## alternative hypothesis: two.sided

ggplot(habitos, aes(EstadoCivil)) + geom_bar() +
facet_wrap(~ Veces)

Prueba 11 Chi-cuadrado. Preferido vs Dinero

table(Preferido,Dinero)

##             Dinero
## Preferido    2000-5000 5000-8000 Masde8000 Menosde2000 NR
##   KFC               11         3         3           5  0
##   McDonald's        17         2         1           4  0
##   NR                 0         0         0           0 66
##   Otro               3         0         0           1  0
##   PapaJhon's         1         0         0           0  0
##   Parrillita         8         2         0           2  0
##   PizzaHut           4         1         1           0  0
##   Quiznos            8         1         0           1  0
##   Subway            23        10         6          10  0
##   TacoBell          15         3         0           8  0

chisq.test(Preferido,Dinero)

## Warning in chisq.test(Preferido, Dinero): Chi-squared approximation may be
## incorrect

## 
##  Pearson's Chi-squared test
## 
## data:  Preferido and Dinero
## X-squared = 245.83, df = 36, p-value < 2.2e-16

fisher.test(Preferido,Dinero, simulate.p.value = T)

## 
##  Fisher's Exact Test for Count Data with simulated p-value (based
##  on 2000 replicates)
## 
## data:  Preferido and Dinero
## p-value = 0.0004998
## alternative hypothesis: two.sided

ggplot(habitos,aes(x = Dinero, fill = Preferido) ) +
geom_bar(position = "dodge")

Prueba 12 Chi-cuadrado. Genero vs Productos

table(Genero,Productos)

##         Productos
## Genero   Comidachatarra Comidarapida Dulces Ninguna
##   Hombre              2           42      9      27
##   Mujer               6           69     33      32

chisq.test(Genero,Productos)

## Warning in chisq.test(Genero, Productos): Chi-squared approximation may be
## incorrect

## 
##  Pearson's Chi-squared test
## 
## data:  Genero and Productos
## X-squared = 6.8516, df = 3, p-value = 0.07678

fisher.test(Restaurantes,Dinero, simulate.p.value = T)

## 
##  Fisher's Exact Test for Count Data with simulated p-value (based
##  on 2000 replicates)
## 
## data:  Restaurantes and Dinero
## p-value = 0.0004998
## alternative hypothesis: two.sided

ggplot(habitos, aes(Genero)) + geom_bar() +
facet_wrap(~ Productos)

Prueba 13 Chi-cuadrado. Edad vs Enfermedades

table(Edad,Enfermedades)

##     Enfermedades
## Edad Bajopeso Cardio Depresion Gastricos Ninguna Sobrepeso
##   17        0      0         0         0       2         0
##   18        2      0         0         2      13         4
##   19        2      1         2         6      30         7
##   20        1      0         0        16      34        12
##   21        2      1         0        10      20         7
##   22        0      0         0         3      16         1
##   23        0      0         0         0       6         0
##   24        0      0         0         3       2         1
##   25        0      0         0         0       5         2
##   26        1      0         0         0       2         1
##   27        0      0         0         0       1         0
##   28        0      0         0         0       1         0
##   30        0      0         0         1       0         0

chisq.test(Edad,Enfermedades)

## Warning in chisq.test(Edad, Enfermedades): Chi-squared approximation may be
## incorrect

## 
##  Pearson's Chi-squared test
## 
## data:  Edad and Enfermedades
## X-squared = 46.334, df = 60, p-value = 0.9024

fisher.test(Edad,Enfermedades, simulate.p.value = T)

## 
##  Fisher's Exact Test for Count Data with simulated p-value (based
##  on 2000 replicates)
## 
## data:  Edad and Enfermedades
## p-value = 0.5117
## alternative hypothesis: two.sided

ggplot(habitos, aes(Edad)) + geom_bar() +
facet_wrap(~ Enfermedades)

Prueba 14 Chi-cuadrado. Genero vs Habitos

table(Genero,Habitos)

##         Habitos
## Genero   No Si
##   Hombre 42 38
##   Mujer  74 66

chisq.test(Genero,Habitos)

## 
##  Pearson's Chi-squared test with Yates' continuity correction
## 
## data:  Genero and Habitos
## X-squared = 1.4468e-30, df = 1, p-value = 1

ggplot(habitos, aes(Genero, fill = Habitos) ) +
geom_bar(position = "dodge")

Prueba 15 Chi-cuadrado. Estres vs Situaciones

table(Estres,Situaciones)

##       Situaciones
## Estres Indiferente Mas Menos  NR Otro
##     No           0   0     0  37    0
##     Si          22 104    54   0    3

chisq.test(Estres,Situaciones)

## Warning in chisq.test(Estres, Situaciones): Chi-squared approximation may
## be incorrect

## 
##  Pearson's Chi-squared test
## 
## data:  Estres and Situaciones
## X-squared = 220, df = 4, p-value < 2.2e-16

fisher.test(Estres,Situaciones, simulate.p.value = T)

## 
##  Fisher's Exact Test for Count Data with simulated p-value (based
##  on 2000 replicates)
## 
## data:  Estres and Situaciones
## p-value = 0.0004998
## alternative hypothesis: two.sided

ggplot(habitos, aes(Estres, fill = Situaciones) ) +
geom_bar(position = "dodge")

Prueba 16 Chi-cuadrado. Almuerzo vs Veces

table(Almuerzo,Veces)

##               Veces
## Almuerzo       1-2 3-4  5 NR
##   ComprarU      34   4  0 17
##   Traer         75   2  0 43
##   Visitarsodas  25  11  3  6

chisq.test(Almuerzo,Veces)

## Warning in chisq.test(Almuerzo, Veces): Chi-squared approximation may be
## incorrect

## 
##  Pearson's Chi-squared test
## 
## data:  Almuerzo and Veces
## X-squared = 39.472, df = 6, p-value = 5.783e-07

fisher.test(Almuerzo,Veces, simulate.p.value = T)

## 
##  Fisher's Exact Test for Count Data with simulated p-value (based
##  on 2000 replicates)
## 
## data:  Almuerzo and Veces
## p-value = 0.0004998
## alternative hypothesis: two.sided

ggplot(habitos, aes(Almuerzo, fill = Veces) ) +
geom_bar(position = "dodge")

Prueba 17 Chi-cuadrado. Enfermedades vs Habitos

table(Enfermedades,Habitos)

##             Habitos
## Enfermedades No Si
##    Bajopeso   7  1
##    Cardio     1  1
##    Depresion  2  0
##    Gastricos 26 15
##    Ninguna   52 80
##    Sobrepeso 28  7

chisq.test(Enfermedades,Habitos)

## Warning in chisq.test(Enfermedades, Habitos): Chi-squared approximation may
## be incorrect

## 
##  Pearson's Chi-squared test
## 
## data:  Enfermedades and Habitos
## X-squared = 27.418, df = 5, p-value = 4.729e-05

fisher.test(Enfermedades,Habitos)

## 
##  Fisher's Exact Test for Count Data
## 
## data:  Enfermedades and Habitos
## p-value = 6.983e-06
## alternative hypothesis: two.sided

ggplot(habitos, aes(x = Enfermedades, fill = Habitos) ) +
geom_bar(position = "dodge")

Discusion

Para analizar los datos obtenidos sobre los habitos alimenticios de la población estudiantil de la Universidad Nacional de Costa Rica se utilizaron tests estadisticos de significancia, que consisten en procedimientos que permiten dividir los resultados experimentales en dos clases: aquellos que muestran una discrepancia significativa respecto de una cierta hipotesis, la hipotesis nula; la clase de los resultados que se oponen a ella, y la de los que concuerdan con ella (Rivadulla, 1991). Por ejemplo, la prueba conjunta Chi-cuadrado de Pearson para comparar cualquier numero de proporciones poblacionales, donde si el contraste nos permite rechazar la hipotesis nula de que todas las proporciones son iguales, entonces se puede decir que las variables no están asociadas o presentan independencia.

Esta es una prueba aproximada que llega a ser mas exacta a medida que aumenta el numero de observaciones en las celdas de la tabla de contingencia (Moore, 2000). Tambien, se empleo el test exacto de Fisher que se basa en la distribucion hipergeometrica. Esta distribucion es la que sigue una situacion en la que hay “n” posibles observaciones, distribuidas en dos tipos distintos, en proporcion r y N-r (Llopis, 2013). El valor p de la prueba de Fisher es exacto para todos los tamanos de muestra, mientras que los resultados de la prueba de Chi-cuadrado que examina las mismas hipotesis pueden ser inexactos cuando los conteos de celdas son reducidos.

En el caso de las variantes “Facultad” y “Tiempos”, se rechaza la hipotesis nula y se determina que las variables están asociadas de manera significativa. De la Figura 1, se puede concluir que la mayoria de estudiantes tienden a realizar de 3 a 4 tiempos de comida diaria, mientras que los estudiantes de la Facultad de Salud reportan hacer 5 o mas tiempos, lo cual evidencia una mayor preocupacion por los mismos cuando se trata de temas alimenticios.

En la relacion de las variables “Facultad” y “Estres”, se acepta la hipotesis nula y se concluye que no existe dependencia entre las variables. Esto se puede deber a que el estres informado por los estudiantes es fundamentalmente de tipo cognitivo. Dicho de otra manera, los estudiantes sobre todo piensan de forma negativa o se preocupan ante determinadas situaciones academicas relacionadas con la sobrecarga de trabajo y la falta de tiempo, las cuales provocan un mayor nivel de estres por encima de las situaciones de evaluacion. Tambien esta el estres de tipo mas personal, ligado a causas de baja autoestima, falta de integracion social o de adaptacion a un nuevo medio (Gonzalez, 2007). Asi, en la Figura 2, se demuestra una tendencia en los estudiantes de todas las facultades a considerar que el estres si afecta de manera significativa su alimentacion.

En la comparacion de las variables “Edad” y “Estres”, se puede advertir que segun la prueba de Fisher las variables son independientes de manera no significativa al rechazar la hipotesis alternativa. Cabe destacar que la Figura 3, parece evidenciar una fuerte asociacion del estres en estudiantes con edades entre 19 y 21 anos, sin embargo; esto puede presentarse debido a que la mayor parte de las personas encuestadas estaban en este rango de edad.

En el estudio de la relacion entre las variables “Veces” y “Enfermedades”, se acepta la hipotesis nula y se obtiene como resultado que las variables no estan asociadas de modo significativo, ya que, al igual que el estres, las causas de enfermedades son muy diversas como la genetica, enfermedades virales, por causas alimentarias, etc. Por lo tanto, tambien explica por que en las variables “Edad” y “Enfermedades” se acepta la hipotesis nula y se determina que no estan relacionadas. De igual modo, tambien se puede observar, según las Figuras 8 y 13, que las enfermedades más recurrentes entre la poblacion estudiantil son problemas gastricos y sobrepeso, aunque la mayoria realmente no presentan ninguna. Al contrario sucede con la comparacion de las variantes “Enfermedades” y “Genero”, donde se acepta la hipotesis alternativa y se obtiene que si estan asociadas de forma significativa. Asi, se destacan las siguientes observaciones de la Figura 9:

1. El bajo peso y sobrepeso son enfermedades mas recurrentes en estudiantes masculinos.
2. Por otro lado, las mujeres suelen presentan mas problemas gastricos.
3. La depresion producto de la alimentacion es una consecuencia nula en los hombres encuestados, mientras que las mujeres suelen verse mas afectadas ante esta situacion.

En el caso de la variable “Compania” y “Veces”, ambas estan relacionadas concluyendo que la mayoria de personas que consumen comida rapida prefieren asistir acompanadas, como se observa en la Figura 5. La alimentación es una relacion social, ya que es una ocasion para estar con mas personas y socializar. El significado de la comida se conforma, tambien, a traves de la comunicacion entre personas y en relacion con los vinculos placenteros que estas relaciones suponen (Diaz, 2005). Este resultado igualmente se puede asociar con la comparacion de la variantes “Veces” y “EstadoCivil”, en las cuales se presenta una dependencia signifcativa al aceptar la hipotesis alternativa. De esta manera, y segun la Figura 10, se puede concluir que las personas que se encuentran en una relacion frecuentan mas la visita a restaurantes de comida rapida, y se relaciona fuertemente relacionado con el hecho de ir acompanado.

En el analisis de las variables “Vive” y “Habitos”, se puede observar que son independientes, esto quiere decir que la suposicion de que si se vive acompanado por la familia, se tiene una mejor dieta alimenticia, queda refutada. Al igual que pasa en el analisis de las variables “Vive” y “Almuerzo”, donde se puede notar que las variables son independientes al aceptarse la hipotesis nula. No obstante, segun la Figura 4, se puede concluir que las mayor parte de las personas que deciden traer su almuerzo, viven con la familia.

En la comparacion de las variables “Habitos” y “Dinero”, se rechaza la hipotesis nula y se obtiene como resultado una dependencia significativa entre las variables. La industria alimentaria aprovecha la necesidad de ahorrar tiempo y dinero con la creacion de la comida rapida y la comida chatarra (Salazar et al, 2015) debido a los comodos precios que ofrecen y a la facilidad para conseguirlos. Esto esta ligado al caso de la relacion de las variables “Almuerzo” y “Veces”, en la cual tambien se acepta la hipotesis alternativa y se concluye que existe una dependencia significativa entre las variantes, debido al poco tiempo que se gasta en comprar e ingerir este tipo de comidas y sus accesibles precios. En forma de conclusion, segun la Figura 7, se puede observar como las personas que no consideran tener buenos habitos alimenticios gastan mas dinero en comidas rapidas.

En el estudio de la relacion entre las variables “Dinero” y “Preferido” se rechaza la hipotesis nula y se deduce que las variables son dependientes. Segun la Figura 11, se puede observar ademas que el restaurante Subway es el mas visitado y en el que se invierte mas dinero semanalmente. Esta dependencia tiene sentido debido a que cada persona prefirira gastar mas dinero en su restaurante favorito. Tambien, se debe destacar que casi la tercera parte de la poblacion encuestada no visita con frecuencia restaurantes de comida rapida.

En el caso de las variables “Productos” y “Habitos” se acepta la hipotesis nula y se determina que las variables no estan asociadas de manera significativa.

Para el caso de las variables “Genero” y “Productos”, se observa que las variables son dependientes segun la prueba de Fisher al rechazar la hipotesis nula.

En el estudio de la relacion entre las variables “Estres” y “Situaciones”, se rechaza la hipotesis nula y se deduce que las variables si son dependientes. Al observar la Figura 15, se infiere que la mayoria de la poblacion frecuenta comer mas cuando se encuentra bajo situaciones de estres. Por otro lado, una parte significativa de los encuestados no consideran verse afectados.

Referencias bibliograficas

De Piero. A.,Bassett.A., & Norma, S (2014). Tendencia en el consumo de alimentos de estudiantes universitarios, Nutr Hosp, 31(4), 2-3.

De Piero, A., Bassett, N., Rossi, A., & Samman, N. (2015). Tendencia en el consumo de alimentos de estudiantes universitarios. Nutricion Hospitalaria, 31(4), 1824-1831.

Diaz, C. (2005). ¿Como comemos? Cambios en los comportamientos alimentarios de los espanoles. Espana: Editorial Fundamentos Coleccion Ciencia, 80-81.

Gonzalez, M. (2007). Intervencion de la universidad en la promocion de la salud de sus estudiantes. Espana: Universidad de Santiago de Compostela, 91.

Llopis, J. (2013) La Estadistica: una orquesta hecha instrumento. [online]. Disponible en https://estadisticaorquestainstrumento.wordpress.com/2013/01/21/test-exacto-de-fisher/#comments [Accesado el 28 de mayo 2017].

Moore, D. (2000). Estadistica aplicada basica, 2da Edicion. Espana: Antoni Bosch, editor, S.A., 622-628.

Ochoa, F. & Ojeda, S. (2011). La mala alimentacion y los estudiantes. [online] SCRIBD. Disponible en https://informaticafce.files.wordpress.com/2011/06/la-mala-alimentacic3b3n-y-los-estudiantes4.pdf [Accesado el 17 de Mayo 2017].

Rivadulla, A.(1991). Probabilidad e inferencia cientifica. Espana: Editorial Anthropos, 150.

Salazar, B., Salazar, M., Perez, R. (2015) ¿Gorditos o enfermos? La obesidad en ninos y adolescentes. Mexico: Fondo de Cultura Economica, 13.

Vargas.M., Becerra.F., y Prieto.E. (2010). Evaluacion de la ingesta dietetica en estudiantes universitarios, Rev. salud publica, 12 (1), 1-3.

Vargas-Zarate, M., Becerra-Bulla, F., & Prieto-Suarez, E. (2010). Evaluacion de la ingesta dietetica en estudiantes universitarios. Bogota, Colombia. Rev Salud Publica, 12(1), 116-25.