Se omiten las tildes para evitar los caracteres de edicion.

Resumen

Ante la evidente mala alimentacion de algunos estudiantes de la Facultad de Ciencias Exactas y Naturales, se genero la inquietud por investigar que factores llevaban a un estudiante de la Universidad Nacional de Costa Rica a tomar estos habitos alimentarios y que tipo de enfermedades o padecimientos pueden presentar debido a estos. Se propusieron diversas hipotesis segun los factores que usualmente afectan los tipos y tiempos de comida de una persona, entre ellas se planteo la posibilidad de una asociacion entre la facultad a la que pertenecen los estudiantes con su diaria alimentación, la influencia del estres, estado civil, edad, entre otros. Asi, se realizo una encuesta, con el fin de afirmar o refutar el efecto de los factores propuestos en la alimentacion de la población estudiantil de esta institucion. La dependencia de estos factores se determina mediante pruebas estadisticas de Chi-cuadrado, haciendo uso del programa estadístico RStudio. De esta manera, se concluyo que factores como el estres y el estado civil influyen de manera significativa en la alimentacion, y que, contrario a lo esperado, la gran mayoria de estudiantes no presenta ninguna enfermedad a pesar de sus malos habitos alimentarios.

Palabras claves: estudiantes, Universidad Nacional, habitos alimentarios, factores, enfermedades.

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:

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 = 0.007496
## alternative hypothesis: two.sided
ggplot(habitos, aes(Facultad, fill = Tiempos) ) +
geom_bar(position = "dodge") + labs(x = "Facultad", y = "Número de estudiantes")

Figura 1. Comparacion entre las variables Facultad y Tiempos.

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 ~.) + labs(x = "Facultad",y = "Número de estudiantes")

Figura 2. Comparacion entre las variables Facultad y Estres.

Prueba 3 Chi-cuadrado. Edad vs Estres

table(Estres,Edad)
##       Edad
## Estres 17 18 19 20 21 22 23 24 25 26 27 28 30
##     No  1  6  6  9  3  5  1  2  1  2  0  1  0
##     Si  1 15 42 54 37 15  5  4  6  2  1  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 = 0.07796
## alternative hypothesis: two.sided
ggplot(habitos, aes(Edad, fill = Estres ) ) +
geom_bar()+labs(x = "Edad",y = "Número de estudiantes")

Figura 3. Comparacion entre las variables Edad y Estres.

Prueba 4 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") +labs(x = "Estres",y = "Número de estudiantes")

Figura 4. Comparacion entre las variables Estres y Situaciones.

Prueba 5 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 = 0.1879
## alternative hypothesis: two.sided
ggplot(habitos, aes(x = Veces, fill = Enfermedades) ) +
geom_bar(position = "dodge" ) +labs(x = "Frecuencia con que se visitan restaurantes de comida rapida",y = "Número de estudiantes")

Figura 5. Comparacion entre las variables Veces y Enfermedades.

Prueba 6 Chi-cuadrado. Edad vs Enfermedades

table(Enfermedades,Edad)
##             Edad
## Enfermedades 17 18 19 20 21 22 23 24 25 26 27 28 30
##    Bajopeso   0  2  2  1  2  0  0  0  0  1  0  0  0
##    Cardio     0  0  1  0  1  0  0  0  0  0  0  0  0
##    Depresion  0  0  2  0  0  0  0  0  0  0  0  0  0
##    Gastricos  0  2  6 16 10  3  0  3  0  0  0  0  1
##    Ninguna    2 13 30 34 20 16  6  2  5  2  1  1  0
##    Sobrepeso  0  4  7 12  7  1  0  1  2  1  0  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 = 0.5367
## alternative hypothesis: two.sided
ggplot(habitos, aes(Edad)) + geom_bar() +
facet_wrap(~ Enfermedades) + labs(x = "Edad",y = "Número de estudiantes")

Figura 6. Comparacion entre las variables Edad y Enfermedades.

Prueba 7 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 = 0.03998
## alternative hypothesis: two.sided
ggplot(habitos, aes(Enfermedades)) + geom_bar() +
facet_wrap(~ Genero) +labs(x = "Enfermedades",y = "Número de estudiantes")

Figura 7. Comparacion entre las variables Genero y Enfermedades.

Prueba 8 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") + labs(x = "Enfermedades",y = "Número de estudiantes")

Figura 8. Comparacion entre las variables Enfermedades y Habitos.

Prueba 9 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") + labs(x = "Compania",y = "Número de estudiantes")

Figura 9. Comparacion entre las variables Compania y Veces.

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) + labs(x = "Estado civil",y = "Número de estudiantes")

Figura 10. Comparacion entre las variables EstadoCivil y Veces.

Prueba 11 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 = 0.1169
## alternative hypothesis: two.sided
ggplot(habitos,aes(Vive))+geom_bar()+facet_grid(Habitos ~.)  + labs(x = "Personas con las que vive",y = "Número de estudiantes")

Figura 11. Comparacion entre las variables Vive y Habitos.

Prueba 12 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 = 0.7566
## alternative hypothesis: two.sided
ggplot(habitos,aes(x = Almuerzo, fill = Vive) ) +
geom_bar(position = "dodge" ) + labs(x = "Almuerzo",y = "Número de estudiantes")

Figura 12. Comparacion entre las variables Vive y Almuerzo.

Prueba 13 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 ~.) + labs(x = "Dinero",y = "Número de estudiantes")

Figura 13. Comparacion entre las variables Dinero y Habitos.

Prueba 14 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") + labs(x = "Almuerzo",y = "Número de estudiantes")

Figura 14. Comparacion entre las variables Almuerzo y Veces.

Prueba 15 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") + labs(x = "Dinero",y = "Número de estudiantes")

Figura 15. Comparacion entre las variables Preferido y Dinero.

Prueba 16 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) + labs(x = "Genero",y = "Número de estudiantes")

Figura 16. Comparacion entre las variables Genero y Productos.

Prueba 17 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") + labs(x = "Genero",y = "Número de estudiantes")

Figura 17. Comparacion entre las variables Genero y Habitos.

Prueba 18 Chi-cuadrado. Enfermedades vs Almuerzo

table(Enfermedades,Almuerzo)
##             Almuerzo
## Enfermedades ComprarU Traer Visitarsodas
##    Bajopeso         5     3            0
##    Cardio           1     1            0
##    Depresion        2     0            0
##    Gastricos        8    24            9
##    Ninguna         36    71           25
##    Sobrepeso        3    21           11
chisq.test(Enfermedades,Almuerzo)
## Warning in chisq.test(Enfermedades, Almuerzo): Chi-squared approximation
## may be incorrect
## 
##  Pearson's Chi-squared test
## 
## data:  Enfermedades and Almuerzo
## X-squared = 20.603, df = 10, p-value = 0.02404
fisher.test(Enfermedades,Almuerzo, simulate.p.value = T)
## 
##  Fisher's Exact Test for Count Data with simulated p-value (based
##  on 2000 replicates)
## 
## data:  Enfermedades and Almuerzo
## p-value = 0.01599
## alternative hypothesis: two.sided
ggplot(habitos,aes(x = Enfermedades, fill = Almuerzo) ) +
geom_bar(position = "dodge" ) + labs(x = "Enfermedades",y = "Numero de estudiantes")

Figura 18. Comparacion entre las variables Enfermedades y Almuerzo.

Prueba 19 Chi-cuadrado. Genero vs Compania

table(Genero,Compania)
##         Compania
## Genero   Acompanado Indiferente NR Solo
##   Hombre         34          20 21    5
##   Mujer          79          15 45    1
chisq.test(Genero,Compania)
## Warning in chisq.test(Genero, Compania): Chi-squared approximation may be
## incorrect
## 
##  Pearson's Chi-squared test
## 
## data:  Genero and Compania
## X-squared = 14.763, df = 3, p-value = 0.002031
fisher.test(Genero,Compania, simulate.p.value = T)
## 
##  Fisher's Exact Test for Count Data with simulated p-value (based
##  on 2000 replicates)
## 
## data:  Genero and Compania
## p-value = 0.002499
## alternative hypothesis: two.sided
ggplot(habitos,aes(x = Genero, fill = Compania) ) +
geom_bar(position = "dodge" )+labs(x = "Genero",y = "Número de estudiantes")

Figura 19. Comparacion entre las variables Genero y Compania.

Prueba 20 Chi-cuadrado. Bebidas vs Almuerzo

table(Bebidas,Almuerzo)
##              Almuerzo
## Bebidas       ComprarU Traer Visitarsodas
##   Agua               6    53           10
##   Alcoholicas        0     0            1
##   Gaseosas           4    10            7
##   Refresco          45    57           27
chisq.test(Bebidas,Almuerzo)
## Warning in chisq.test(Bebidas, Almuerzo): Chi-squared approximation may be
## incorrect
## 
##  Pearson's Chi-squared test
## 
## data:  Bebidas and Almuerzo
## X-squared = 28.475, df = 6, p-value = 7.646e-05
fisher.test(Bebidas,Almuerzo, simulate.p.value = T)
## 
##  Fisher's Exact Test for Count Data with simulated p-value (based
##  on 2000 replicates)
## 
## data:  Bebidas and Almuerzo
## p-value = 0.0004998
## alternative hypothesis: two.sided
ggplot(habitos,aes(x = Bebidas, fill = Almuerzo) ) +
geom_bar(position = "dodge" )+labs(x = "Bebidas",y = "Número de estudiantes")

Figura 20. Comparacion entre las variables Bebidas y Almuerzo.

Discusion

Para analizar los datos obtenidos sobre los habitos alimentarios de la poblacion 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 proporción r y N-r (Llopis, 2013). El valor p de la prueba de Fisher es exacto para todos los tamaños 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 (p<0.05) y se determina que las variables estan asociadas de manera significativa. De la Figura 1, se puede concluir que la mayoría de estudiantes diversas facultades 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 preocupación por los mismos cuando se trata de temas alimentarios. Ademas, son muy pocos los estudiantes que se alimentan 1 o 2 veces diariamente.

En la relacion de las variables “Facultad” y “Estres”, se acepta la hipotesis nula (p>0.05)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 (p>0.05). Cabe destacar que la Figura 3, parece evidenciar una fuerte asociacion del estres en estudiantes con edades entre 19 y 21 años, 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 “Estres” y “Situaciones”, se rechaza la hipotesis nula y se deduce que las variables si son dependientes (p<0.05). Al observar la Figura 4, 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 y otros aseguran que hay una dependencia entre el tipo o porque del estres.

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 (p>0.05), 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 (p>0.05). De igual modo, tambien se puede observar, segun las Figuras 5 y 6, que las enfermedades mas recurrentes entre la poblacion estudiantil son problemas gastricos y sobrepeso, aunque la mayoria realmente no presenta 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 (p<0.05). Asi, se destacan las siguientes observaciones en la Figura 7:

Asi, la comparacion entre “Enfermedades” y “Habitos” tambien evidencio una fuerte asociacion, por lo cual se rechazo la hipotesis nula (p<0.05). Se demostro que las personas sin enfermedades afirman considerarse mas saludables, aunque otra gran parte de las mismas dice lo contrario. Por otra parte, aquellas que si padecen de alguna enfermedad suelen considerarse como faltantes de habitos alimentarios adecuados (Figura 8).

En el caso de la variable “Compania” y “Veces”, ambas estan relacionadas (p<0.05) concluyendo que la mayoria de personas que consumen comida rapida prefieren asistir acompanadas (Figura 9). La alimentacion 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 (Mendez, 2005). Este resultado igualmente se puede asociar con la comparacion de la variantes “EstadoCivil” y “Veces”, en las cuales se presenta una dependencia significativa al aceptar la hipotesis alternativa (p<0.05). De esta manera, y segun la Figura 10, se puede concluir que las personas en una relacion que suelen ir a restaurantes de comida rapida de 1 a 2 veces por semana triplican a aquellas que dicen no ir, a diferencia de los(as) solteros(as) que duplican a aquellos que aseguran no consumir este tipo de comida; por lo cual, las personas que se encuentran en una relacion frecuentan mas restaurantes de este tipo en comparación con las personas solteras, lo cual se relaciona fuertemente con el hecho de ir acompanado.

En el analisis de las variables “Vive” y “Habitos”, se puede observar que son independientes (p>0.05), esto quiere decir que la suposicion de que si se vive acompanado por la familia, se tiene una mejor dieta alimentaria, queda refutada. El hecho de considerar los hábitos de una persona como buenos o malos no depende de con quien se vive (Figura 11), sino de las costumbres de cada uno. Al igual que pasa en la comparacion de las variables “Vive” y “Almuerzo”, donde se puede notar que las variables son independientes al aceptarse la hipótesis nula (p>0.05). No obstante, segun la Figura 12, se puede concluir que la mayor parte de las personas que deciden traer su almuerzo, viven con la familia. Por su parte, cuando se trata sobre su preferencia en almorzar, los que viven solos en su hogar prefieren tanto traer su almuerzo, comprarlo en alguna soda de la universidad o visitar otro lugar cercano.

En la comparacion de las variables “Dinero” y “Habitos”, se rechaza la hipotesis nula y se obtiene como resultado una dependencia significativa entre las variables (Chi2= 21,97, gl= 4, p<0.05). La industria alimentaria aprovecha la necesidad de ahorrar tiempo y dinero con la creacion de la comida rapida y la comida chatarra (Vasquez et al, 2015) debido a los comodos precios que ofrecen y la facilidad para conseguirlos. Esto esta ligado al caso de la relacion de las variables “Almuerzo” y “Veces”, en la cual también se acepta la hipotesis alternativa (p<0.05) y se concluye que existe una gran asociacion 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 13, se puede observar como las personas que no consideran tener buenos habitos alimentarios gastan mas dinero en comidas rapidas. Ademas, en la Figura 14, se puede destacar que existe una gran tendencia por los estudiantes a recurrir a la comida rapida entre 1 o 2 veces por semana, principalmente aquellos suelen traer su almuerzo de la casa. Lo más probable, es que estos estudiantes prefieren cambiar su rutina semanal, con el fin de no traer todos los dias su propio almuerzo.

En el estudio de la relacion entre las variables “Preferido” y “Dinero” se rechaza la hipotesis nula y se deduce que las variables son dependientes (p<0.05). Segun la Figura 15, se puede observar ademas que el restaurante Subway es el mas visitado, y en el que se invierte mas dinero semanalmente, seguido por Taco Bell, McDonald’s y KFC. Esta dependencia tiene sentido debido a que cada persona prefiere gastar mas dinero en su restaurante favorito. Tambien, se debe destacar que casi la tercera parte de la poblacion encuestada aproximadamente (66 estudiantes) no visita con frecuencia restaurantes de comida rapida.

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 (p<0.05). Como se observa en la Figura 16, tomando en cuenta la diferencia entre la cantidad de encuestados y su genero, los hombres tienen mayores preferencias hacia la comida chatarra en comparación con las mujeres, mientras que ocurre lo contrario con respecto a los dulces, ya que las mujeres los prefieren mas.

En la comparacion de las variables “Genero” y “Habitos”, se encontro la independencia de las mismas por la aceptacion de la hipotesis nula (Chi2= 1.44e-30, gl=1, p>0.05). Asi, como se aprecia en la Figura 17, el hecho de poseer buenos o malos habitos alimentarios parece ser equitativo entre ambos generos y no depender de los mismos, sino que nuevamente, es cuestion de costumbres.

Para el caso de las variables “Enfermedades”" y “Almuerzo”, se obtuvo una dependencia significativa entre las mismas (p<0.05). Segun la Figura 18, se logra observar que las personas que prefieren traer el almuerzo a la universidad no presentan enfermedades; esto puede darse porque estas personas pueden controlar mejor su alimentacion a diferencia de aquellas que optan por comprarlo.

Por otro lado, las variables “Genero” y “Compania” resultaron ser dependientes, aceptando la hipotesis alternativa (p<0.05). Según la Figura 19, se infiere que las mujeres tienen mayor afinidad por visitar restaurantes de comida rapida principalmente cuando se encuentran acompanadas.

Finalmente, las variables “Bebidas” y “Almuerzo” tambien mostraron una dependencia significativa (p<0.05), en la Figura 20, se observa que las personas que prefieren tomar agua o refrescos naturales son aquellas que traen almuerzo a la universidad.

Conclusiones

Se evidencia la tendencia al frecuente consumo de comidas rapidas por parte de la poblacion estudiantil universitaria. Asi mismo, se observo como el estado civil esta relacionado con las visitas a este tipo de restaurantes, de esta manera, las personas que se encuentran bajo algun tipo de relacion sentimental suelen frecuentar mas estos sitios.

Por otro lado, se rechaza la hipotesis propuesta acerca de como el estres que sufre un estudiante depende de la facultad en la que estudia; sin embargo, esta si influye en los tiempos de comida que realizan estos estudiantes. Segun lo anterior, las personas encuestadas que decian pertenecer a una carrera relacionada con el area de salud demuestran tener una mayor conciencia acerca de la importancia de respetar el minimo de 5 tiempos de comida diarios.

Efectivamente, el estres es un factor decisivo en la alimentacion de los estudiantes, la mayoria de estos demostraron verse afectados, ya sea comiendo menos o mas, ante momentos que les produce tension.

A pesar de estar convencionalmente ligados, muchos de los encuestados creen no padecer de ninguna enfermedad debido a su mala alimentacion; la ausencia de estos padecimientos pueden ser producto de las edades de estas personas, es decir, conforme aumente su edad, si se pueden llegar a presentar enfermedades de tipo gastricas o cardiacas.

Por ultimo, poco mas del 50% de los estudiantes concluyen la encuesta, afirmando creer tener una buena alimentacion. Esta situacion da a entender que muchos no se percatan de su mala alimentacion, y por ende, no estan prontos a realizar cambios en sus habitos, sin antes reconocerlos.

Referencias bibliograficas

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.

Gonzalez Alfaya, M. E. (2008). Intervencion de la universidad en la promoción de la salud de sus estudiantes. Univ Santiago de Compostela.

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].

Mendez, C. D. (2005). ¿Como comemos?: cambios en los comportamientos alimentarios de los espanoles. Editorial Fundamentos, 80-81

Moore, D. (2000). Estadistica aplicada basica, 2da edicion. Espana, Barcelona: Antoni Bosch, editor, S.A.; pp 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; p 150.

Tamayo, R. P., Vazquez, B. Y. S., & Vázquez, M. S. (2015). ¿Gorditos o enfermos?: La obesidad en ninos y adolescentes. Texto para ninos y adolescentes, sus papas y sus maestros, para lograr un crecimiento saludable. Fondo de Cultura Economica.

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.