Clasificación del estado nutricional de mujeres embarazadas en una población Argentina

Introducción

La nutrición constituye un factor crítico para el crecimiento y desarrollo del organismo. Durante la gestación, la demanda de energía y nutrientes aumenta, por lo que se requiere un aporte adicional de macronutrientes -proteínas, lípidos e hidratos de carbono-, así como un incremento en la ingesta de micronutrientes específicos tales como hierro, calcio, ácido fólico y zinc (1). En ese sentido, un estado nutricional materno adecuado favorece el desarrollo saludable del feto y contribuye a prevenir complicaciones en la salud materna. Diversos estudios han demostrado que un desbalance en el estado nutricional pregestacional y durante el embarazo, así como la ganancia de peso insuficiente o excesiva, se asocian de manera significativa con complicaciones materno-fetales (2–4). En consecuencia, la evaluación del estado nutricional materno durante el embarazo adquiere relevancia en la salud materna y neonatal por los efectos que puede tener la malnutrición materna en el corto y largo plazo.

A nivel internacional, la evaluación del estado nutricional durante el embarazo se basa principalmente en el índice de masa corporal (IMC), clasificado según los puntos de corte propuestos por la Organización Mundial de la Salud (OMS) (5). Estas categorías (bajo peso, normopeso, sobrepeso y obesidad) son utilizadas como referencia por el Instituto de Medicina (IOM - Institute of Medicine) de los Estados Unidos, cuyas recomendaciones sobre ganancia de peso gestacional han sido adoptadas ampliamente por países que no disponen de guías locales. Si bien la referencia del IOM se ha convertido en un estándar de uso global y ha sido incorporada en guías internacionales como las de la Federación Internacional de Ginecología y Obstetricia (FIGO), persiste una falta de consenso mundial sobre el manejo del peso materno, lo que genera heterogeneidad en las recomendaciones adoptadas (6).

En América Latina, se han desarrollado distintas herramientas para evaluar el estado nutricional durante la gestación (7), como las curvas de ganancia de peso por edad gestacional y los IMC gestacionales propuestos por Mardones y Rosso (8) y por Atalah y colaboradores (9). Estas dos últimas referencias son, en la actualidad, las de mayor aplicación clínica en la región (10–12). Sin embargo, la falta de consenso sobre qué referencia utilizar continúa generando variabilidad en la clasificación nutricional de las mujeres embarazadas en la región, lo que dificulta la comparabilidad entre estudios y puede tener implicancias clínicas y de salud pública.

Por otro lado, si bien el IMC continúa siendo una herramienta de uso extendido en la evaluación del estado nutricional materno por su sencillez, bajo costo y la posibilidad de aplicarlo con instrumental básico, se ha cuestionado su validez como indicador exclusivo del estado nutricional (13). En términos generales, el IMC refleja la relación entre el peso y la estatura, pero no permite distinguir entre masa grasa y muscular, ni evaluar la distribución de los tejidos corporales. A pesar de ello, su amplia difusión se explica por la facilidad para obtener datos en poblaciones grandes, en las que difícilmente se podría acceder a evaluaciones más complejas que requieren equipamiento especializado. En este sentido, se ha planteado la necesidad de complementar esta medida con información adicional, como indicadores de composición corporal, que permitan una valoración más integral del estado nutricional durante el embarazo.

Sobre esta base, el objetivo del presente estudio es comparar la clasificación del estado nutricional obtenida a partir de tres referencias latinoamericanas en una muestra de personas gestantes del área metropolitana de Buenos Aires, Argentina. Las referencias utilizadas fueron construidas a partir de cohortes con diferentes características. Por un lado, los trabajos de Atalah y colaboradores (9) y de Mardones y Rosso (8) analizaron mujeres chilenas, mientras que Calvo y colaboradores (14) elaboraron una referencia a partir de mujeres gestantes argentinas. Entre las tres referencias existen, además, diferencias respecto de los puntos de corte de la clasificación del estado nutricional. Con el fin de aportar información complementaria para la interpretación de tales clasificaciones, se examina además la relación entre las estimaciones del estado nutricional basadas en las referencias y variables de composición corporal.

Materiales y métodos

Muestra

El estudio se centró en los partidos de Florencio Varela y Berazategui, que forman parte de la Región Sanitaria VI de la provincia de Buenos Aires, Argentina. Esta región presenta una alta densidad poblacional y un elevado porcentaje de nacimientos sobre el total provincial y del conurbano bonaerense (15) y se caracteriza por elevados niveles de necesidades básicas insatisfechas (16). En este contexto, los Centros de Atención Primaria de la Salud (CAPS) constituyen los efectores de primer nivel y son los principales espacios donde se realizan los controles prenatales en embarazos de bajo riesgo debido a su cercanía con las zonas residenciales y a su enfoque integral de salud familiar (17,18).

Se realizó un estudio con un diseño mixto, que incluyó datos tanto transversales como longitudinales. El reclutamiento de participantes se realizó en colaboración con obstétricas de los CAPS, lo cual permitió la presentación del estudio e invitación directa a las mujeres durante sus controles prenatales. Fueron invitadas a participar aquellas mujeres embarazadas que cumplían los siguientes criterios de inclusión: edad mayor a 15 años, edad gestacional entre 3 y 41 semanas, y embarazo de un solo feto. La participación en el proyecto fue estrictamente voluntaria y sólo se relevó información sobre aquellas personas que prestaron su consentimiento libre e informado. Los procedimientos fueron evaluados y aprobados por el Comité de Ética en la Investigación del Hospital el Cruce, Dictamen de Evaluación Ética 100/2020. Los datos personales y la información sensible recolectados en el proyecto fueron tratados de acuerdo con lo establecido por la Ley 25.326 de protección de datos personales. Los registros fueron anonimizados al momento de su recolección y la guarda permaneció en discos localizados en las instalaciones que la Unidad Ejecutora de Neurociencias y Sistemas Complejos (ENyS) ocupa en el Hospital El Cruce.

Durante el período comprendido entre el 5 de julio de 2021 y el 23 de abril de 2025 se encuestaron 441 mujeres. La muestra analizada en este trabajo quedó finalmente conformada por 417 mujeres embarazadas que cumplían con los criterios de inclusión y que tenían información sobre las semanas de gestación e IMC. Las participantes tenían una edad promedio de 26,59 ± 6 años, con un rango entre 15,18 y 46,15 años. La mayoría estaba cursando el segundo trimestre de embarazo (42%), seguida por el tercer trimestre (30,94%) y el primer trimestre (27,1%). Además, se sumó una segunda observación para 94 mujeres, lo que permitió tener datos longitudinales de una parte de la muestra (22,5%). Estas observaciones se realizaron en intervalos variables, según el momento de asistencia a los controles prenatales. Por lo que en total se analizaron 511 observaciones, resultantes de la combinación entre la muestra transversal y longitudinal.

Variables antropométricas

Para evaluar el estado nutricional de las participantes se midieron el peso (kg) y la talla (cm). Las mediciones de peso se realizaron con las mujeres vistiendo ropa liviana, sin calzado ni objetos que pudieran alterar el resultado. Se utilizó una balanza electrónica con una precisión de 100 gramos y una capacidad máxima de 150 kg, colocada sobre una superficie plana y libre de obstrucciones. La talla se midió con las participantes descalzas, de pie, con los talones juntos, piernas rectas, columna erguida y hombros relajados, apoyando la espalda contra la superficie vertical del tallímetro. Se verificó el plano de Frankfurt durante la toma. Para esta medición se utilizó un tallímetro marca Seca, con una precisión de 1 mm. A partir del peso y la talla se calculó el IMC, expresado en kg/m².

Con el fin de obtener información específica sobre la composición corporal, se analizaron las variables de perímetro braquial (PB) y área grasa (AG). Para ello, se relevaron el PB y el pliegue cutáneo tricipital (PT). Para la medición del PB, se identificó el punto medio entre el ángulo acromial y la punta del olécranon. La medición se efectuó con el brazo relajado colgando al lado del cuerpo utilizando una cinta antropométrica con un ancho inferior a 7 mm y una precisión de 1 mm. La medición del PT se realizó sujetando el pliegue con los dedos índice y pulgar de la mano no dominante, efectuando un pellizco moderado. Para esta medición se utilizó un compás Slim-Guide (Calibres Argentinos SRL) para pliegues cutáneos con presión constante de 10 g/cm² y una precisión de 0,1 mm. A partir de las mediciones obtenidas se estimaron las variables de composición corporal, aplicando las fórmulas propuestas por Frisancho (19): Área Total (AT) = (PB²) / (4π)

Área Muscular (AM) = [PB − (π × PT)]² / (4π)

Área Grasa (AG) = AT − AM

Por último, se exploró de forma gráfica y descriptiva la relación entre el estado nutricional y el PB, así como la asociación entre el estado nutricional y el AG del brazo, como indicador específico del componente graso.

Estimación de los percentiles de las variables antropométricas

Para caracterizar la distribución del IMC materno a lo largo de las semanas de gestación en la muestra analizada se aplicó un modelo aditivo generalizado para posición, escala y forma (GAMLSS por su nombre en inglés Generalized Additive Models for Location, Scale, and Shape) (20). Estos modelos de regresión semiparamétrica permiten modelar de forma independiente hasta cuatro parámetros (media, varianza, curtosis y asimetría de la distribución) como funciones suavizadas de las variables explicativas. Se compararon dos distribuciones comúnmente utilizadas para la construcción de percentiles, denominadas Box-Cox Cole-Green (BCCG) y Box-Cox power exponential (BCPE). La primera corresponde a una formulación de tres parámetros (nu, mu y sigma) que permiten modelar respectivamente la asimetría, la mediana y la variabilidad del IMC según las semanas de gestación, mediante funciones suaves penalizadas (splines), en tanto la segunda incorpora la curtosis al modelo.

La selección entre ambos modelos se basó en el Criterio de Akaike Generalizado (GAIC), usando la penalización k = 2 (AIC, Akaike Information Criterion) y k = log(n)) (BIC, Bayesian Information Criterion), implementados en el package gamlss (21) en R versión 4.5.0 (22). Asimismo, se empleó un conjunto de diagnósticos basados en los residuos cuantílicos normalizados (Ver material suplementario).

A partir del modelo seleccionado, se generaron curvas correspondientes a los percentiles 3, 10, 25, 50, 75, 90 y 97 para un rango continuo de semanas de gestación. Finalmente, se calcularon los percentiles individuales del IMC para cada observación según los parámetros estimados por el modelo. Estos valores se emplearon en su sentido estadístico como medidas de posición dentro de la distribución observada y no con el propósito de construir estándares o curvas de referencia.

El mismo procedimiento de ajuste y selección de modelos se realizó para las variables de PB y AG.

Para la clasificación del estado nutricional materno, las participantes fueron categorizadas según su IMC y edad gestacional, utilizando tres referencias regionales: Atalah el al. (9), Mardones y Rosso (8), Calvo et al (14). La referencia de Atalah se desarrolló a partir de una muestra de 665 embarazadas chilenas, de entre 18 y 35 años, con embarazo único, paridad menor a cuatro, sin patologías crónicas que pudieran afectar el crecimiento fetal, con primer control prenatal antes de la semana 14 de gestación. El rango de edad gestacional abarcó desde la semana 10 hasta la 40 del embarazo. Rosso-Mardones, por su parte, propusieron su referencia basándose en 1745 embarazadas chilenas, seleccionadas dentro de un amplio rango de talla, sin patologías, no fumadoras, sin consumo habitual de alcohol y con partos a término (entre las semanas 39 y 40 de gestación). La edad gestacional considerada osciló entre las semanas 10 y 42. Por último, Calvo et al., desarrollaron su referencia a partir de una cohorte de 1090 embarazadas argentinas, de entre 19 y 49 años, sin patologías, con embarazo único, paridad menor a seis, no fumadoras (o ≤ 5 cigarrillos/día), no consumidoras habituales de alcohol (o < 30 g de etanol/día), y con edad gestacional inicial menor a 12 semanas. El rango de gestación considerado fue de 6 a 42 semanas.

A partir de cada una de estas referencias se obtuvieron las frecuencias absolutas y relativas en las categorías de bajo peso, normopeso, sobrepeso y obesidad. La concordancia entre referencias se estimó mediante el coeficiente kappa de Cohen, calculado para las tres referencias de manera simultánea y también en comparaciones por pares. Además, se analizó la distribución de las variables de composición corporal (perímetro braquial y área grasa del brazo) en las diferentes categorías de estado nutricional para las tres referencias.

En la submuestra de mujeres con dos mediciones a lo largo de la gestación, se analizó la variación longitudinal de la categoría nutricional, considerando la clasificación otorgada por cada referencia. Por último, se describió la distribución de los percentiles individuales de IMC, PB y AG según las clasificaciones obtenidas para cada referencia. Previamente, se analizó en esta submuestra el incremento promedio y la correspondencia mediante un análisis de correlación intraclase entre ambas observaciones.

Todos los análisis estadísticos fueron realizados con R (4.5.0) (22).

Resultados

La comparación de los modelos BCCG y BCPE indicó una mejora marginal en AIC (ΔAIC = 5,1) en este último, aunque el BIC favoreció el modelo BCCG (ΔBIC = 8,3).

La evaluación de la bondad de ajuste del modelo BCCG mostró una distribución aproximadamente normal de los residuos cuantílicos, sólo con desviaciones en los cuantiles extremos, correspondientes a las semanas de gestación con menor representación en la muestra (Material suplementario tablas 1S y 2S, figuras 1S-3S). En base a estos resultados, y siguiendo el principio de parsimonia (20), se seleccionó el modelo BCCG como el más apropiado. La Figura 1 muestra la distribución del IMC a lo largo de la gestación con las correspondientes curvas percentilares. El percentil 50 se ubicó en valores cercanos a 27 kg/m² hasta alrededor de la semana 20, y luego ascendió de forma sostenida hasta alcanzar aproximadamente los 30 kg/m² hacia el final de la gestación. Esa misma tendencia se verificó para todas las curvas, aunque en los casos de los percentiles 75, 90 y 97 se observa un leve descenso del IMC entre el inicio de la gestación y el final del primer trimestre (Figura 1).

En relación con el estado nutricional estimado, los resultados fueron dispares según la referencia utilizada (Tabla 1). Usando la referencia de Atalah, los porcentajes para las categorías normopeso, sobrepeso y obesidad fueron cercanos al 30% en cada caso, mientras que el bajo peso fue la categoría menos frecuente (~13%). Según la referencia de Calvo, casi la mitad de las mujeres fueron clasificadas en la categoría normopeso, alrededor de un tercio presentó sobrepeso, y las categorías extremas -bajo peso y obesidad- obtuvieron los menores porcentajes.  En cambio, siguiendo la referencia de Rosso-Mardones, cerca de la mitad de la muestra fue clasificada con obesidad. Aunque la categoría de normopeso le siguió en frecuencia, el bajo peso mostró un porcentaje muy similar, siendo el sobrepeso la categoría menos representada. El nivel de acuerdo entre las tres referencias fue moderado (kappa = 0,416). El mayor acuerdo se observó entre Atalah y Rosso-Mardones (kappa = 0,60), seguido por Atalah y Calvo (kappa = 0,47) y el menor nivel de concordancia se registró entre Calvo y Rosso-Mardones (kappa = 0,247).

En la submuestra con datos longitudinales (n = 94), se evaluó la concordancia en la clasificación del estado nutricional entre la primera y la segunda observación para cada una de las referencias. Se obtuvo un buen nivel de acuerdo para todas las referencias (Atalah: kappa = 0,728; Calvo: kappa = 0,726; Rosso-Mardones: kappa = 0,73). Por otra parte, se calculó el coeficiente de correlación intraclase para los percentiles del IMC y se obtuvo un valor elevado (ICC = 0,965), lo que indica una alta consistencia entre ambas observaciones. En cuanto al cambio en las variables de composición corporal, se observó un incremento promedio de 0,51 cm para PB y 1,30 cm²  para AG. En ambos casos, la correlación intraclase tuvo índices cercanos a 0,75 (ICC PB = 0,732; ICC AG = 0,757).

En cuanto a la distribución de percentiles de IMC en relación con las categorías nutricionales según las tres referencias analizadas, se evidencian diferencias en la dispersión: para la referencia de Atalah se observó mayor variabilidad en normopeso y sobrepeso; en Calvo, la mayor dispersión correspondió a normopeso, mientras que la categoría obesidad se concentró en percentiles más cercanos al 90; por último, en RossoMardones, la categoría obesidad presentó el rango más amplio de dispersión (Figura 2). En las tres referencias las medianas de bajo peso y normopeso fueron similares, ubicándose esta última alrededor de los percentiles 25 y 35.

Cabe resaltar que las distribuciones de los percentiles de bajo peso fueron muy similares para las clasificaciones de Atalah y Calvo, mientras que en Rosso-Mardones las participantes categorizadas en bajo peso presentaron percentiles mayores en promedio. De acuerdo con las clasificaciones de Atalah y Calvo, la mayor parte de los casos de sobrepeso y todos los de obesidad tienen valores superiores al percentil 50 (Figuras 1 y 2). Contrariamente, en Rosso Mardones, la mediana correspondiente a sobrepeso es menor al percentil 50 y los casos clasificados como obesidad se ubican mayormente por encima del percentil 50, alrededor del percentil 75 (Figuras 1 y 2).

De manera análoga al procedimiento aplicado para el IMC, se comparó el ajuste de los modelos BCCG y BCPE para las variables PB y AG. Para PB, el modelo BCPE presentó una mejora marginal en AIC (ΔAIC = 0,3), mientras que el BIC favoreció al modelo BCCG (ΔBIC = 6,1). Para AG, se observó un comportamiento similar, con una mejora marginal en AIC para el modelo BCPE (ΔAIC = 0,3), pero una clara ventaja del BCCG según el BIC (ΔBIC = 12,0). En base a estos resultados se seleccionó el modelo BCCG para ambas variables (Material suplementario, Tablas 4S y 5S). La distribución del PB (Figura 3a) y del AG del brazo (Figura 3b) mostró un incremento progresivo desde bajo peso hasta obesidad en las tres referencias analizadas (Material suplementario, Tablas 6S y 7S). Se observa que las categorías de bajo peso y normopeso corresponden a una distribución de perímetro braquial similar en las tres referencias, mientras que la referencia de Calvo tiende a clasificar en obesidad y sobrepeso a casos con perímetros braquiales mayores (Figura 3a). En relación con el AG del brazo (Figura 3b), se observa un patrón similar de incremento progresivo, pero con una dispersión más amplia en todas las categorías, con un alto grado de solapamiento en los valores de AG entre categorías. En Material Suplementario, se presentan los resultados de la distribución de percentiles para PB y AG. A su vez, se muestra la relación de la posición de cada caso en la distribución (valor percentilar) y la categoría de estado nutricional asignada según las tres referencias. Se observa que al considerar los percentiles de PB y AG existe más solapamiento entre las asignaciones a las diferentes clasificaciones de estado nutricional (Material Suplementario, Figura 4S).

Discusión

Este estudio tuvo como objetivo comparar la clasificación del estado nutricional según tres referencias latinoamericanas en una muestra de mujeres gestantes del área metropolitana de Buenos Aires, así como analizar la relación entre dichas clasificaciones y variables de composición corporal. La elección de este tema de estudio responde, al menos, a dos dimensiones relevantes. En primer lugar, desde una perspectiva epidemiológica, el estado nutricional durante la gestación reviste interés debido a su asociación con eventos de relevancia sanitaria. Tanto el tamaño al nacer como la edad gestacional al nacimiento, dos indicadores clave del pronóstico neonatal, se vinculan con la condición nutricional materna. Por ejemplo, Young et al. (23) hallaron en una población vietnamita que el bajo peso preconcepcional y una ganancia de peso gestacional insuficiente —ambos reflejados en el estado nutricional durante el embarazo— incrementaban el riesgo de nacimientos con bajo peso o pequeños para la edad gestacional. Resultados similares han sido documentados en otras poblaciones (9, 24, 25), lo que refuerza la importancia del análisis nutricional materno como una cuestión de salud pública. En segundo lugar, desde la práctica clínica, el IMC se emplea como una herramienta útil para el seguimiento del embarazo, y sus resultados pueden dar lugar a recomendaciones específicas, como intervenciones dietarias o una vigilancia más estrecha de indicadores asociados a condiciones como la diabetes gestacional. En Argentina, por ejemplo, la Federación Argentina de Sociedades de Ginecología y Obstetricia ha publicado recientemente un documento —basado en una revisión de la evidencia científica actualizada— que recomienda considerar a las personas gestantes con obesidad como portadoras de un embarazo de alto riesgo materno-fetal (26). Disponer de criterios sólidos para evaluar el estado nutricional en las personas gestantes resulta, por tanto, fundamental.

De acuerdo con los resultados obtenidos, las tres referencias exhiben diferencias en la clasificación del estado nutricional durante la gestación. De hecho, la concordancia estimada fue en general menor que la reportada en un estudio previo que comparó específicamente las referencias de Atalah y Rosso-Mardones (27). La distribución para la categoría de bajo peso fue relativamente similar, mientras que se verificaron diferencias en las categorías de exceso de peso. Específicamente, la referencia de RossoMardones incluyó dentro de la categoría obesidad un rango de IMC mucho más amplio que las otras referencias, lo que es consistente con lo señalado por Atalah et al. (28),  quienes concluyeron que dicha referencia sobreestima tanto el bajo peso como la obesidad. Para nuestra muestra, esta sobreestimación se evidencia especialmente en la categoría de obesidad, que en comparación con las otras referencias se encuentra sobredimensionada. En este sentido, los resultados sugieren que la referencia de Calvo presenta una mayor adecuación a la distribución del IMC: la categoría de normopeso se ubicó en torno al percentil 50 de la distribución y permitió una discriminación más precisa de las categorías asociadas al exceso de peso, restringiendo la obesidad a valores superiores al percentil 90. En contraste, la referencia de Rosso-Mardones clasificó como obesas a cerca de la mitad de las participantes, lo que refuerza la idea de una sobreestimación de esta categoría. Este hecho refleja la necesidad de considerar, al momento de aplicar cada referencia, la población sobre la que fue construida y los criterios utilizados para la elección de puntos de corte.

Dado que todas estas referencias están basadas en el IMC según las semanas de gestación, resulta necesario tener en cuenta también las limitaciones propias de este indicador. Estas limitaciones, que fueron notadas previamente no solo para personas gestantes (29), impulsaron a complementar el presente estudio con medidas de composición corporal. En tanto las medidas que evalúan la grasa de distribución central presentan algunas complicaciones para su relevamiento en embarazadas, se decidió considerar variables que reflejan la grasa periférica para evaluar el componente graso. Estas medidas fueron consideradas como una aproximación complementaria al IMC para evaluar si las clasificaciones arrojadas por las tres referencias se correspondían con perfiles de composición corporal determinados. Los resultados muestran que la categoría de bajo peso obtenida a partir de las tres referencias utilizadas incluye personas con una dispersión relativamente acotada en las variables de composición corporal analizadas, PB y AG del brazo. En contraste, las categorías correspondientes al exceso de peso, y particularmente a la obesidad, agrupan a participantes con perfiles de composición corporal considerablemente heterogéneos, que incluso se solapan con otras categorías. Esto sugiere que, para esta muestra, la clasificación basada únicamente en el IMC podría no ser suficiente para reflejar con precisión las diferencias en la composición corporal. La heterogeneidad observada en los grupos con exceso de peso podría estar vinculada a factores que no pudieron ser evaluados en este estudio, como el IMC pregestacional y la ganancia de peso durante la gestación. Por ejemplo, Vila Candel et al. hallaron que las mujeres con sobrepeso u obesidad al inicio del embarazo presentaron incrementos menores en mediciones antropométricas como pliegues o perímetro braquial en comparación con gestantes de IMC normal o bajo, lo que sugiere que el IMC podría ser más sensible a los cambios de peso que las medidas de composición (30). Cabe señalar que no fue posible evaluar la ganancia gestacional de peso mediante los enfoques habitualmente utilizados, debido a que las participantes fueron evaluadas durante controles prenatales y no se dispuso de información sistemática sobre el peso pregestacional ni del seguimiento completo hasta el posparto.

Se reconocen como limitaciones del presente trabajo la falta de datos sobre el peso pregestacional y la ganancia de peso, asociados a distintas condiciones materno-fetales adversas (31–33), así como la distribución de observaciones en relación a las semanas de gestación y edad materna. En este sentido, la aparente reducción del IMC observada durante las primeras semanas de gestación, especialmente en los percentiles superiores, sugiere que la forma inicial de la curva responde a la distribución de la muestra más que al comportamiento biológico esperado. En ausencia de evidencia de conductas sistemáticas de restricción alimentaria, dietas de reducción de peso u otros patrones culturales que modifiquen el IMC al inicio de la gestación, la disminución observada en los percentiles probablemente refleje el incremento de la asimetría negativa de la distribución. Por lo tanto, no es posible considerar los datos derivados de esta cohorte como material para la construcción de una referencia.

En conjunto, este estudio se suma a otros trabajos que destacan la necesidad de mejorar tanto las conceptualizaciones operativas como las herramientas metodológicas utilizadas para analizar la malnutrición por exceso (34). Aquí, se observó que muchos de los casos cercanos al percentil 50 son clasificados como exceso de peso, lo que sugiere que esta condición es prevalente en la población analizada y coincide con la transición nutricional reportada en diversas regiones del mundo (35–36) y, específicamente, en Argentina (37–39), caracterizada por un aumento en el consumo de alimentos ultraprocesados y estilos de vida cada vez más sedentarios. En este contexto, la referencia de Calvo -elaborada recientemente a partir de una población argentina- logra diferenciar con mayor precisión las distintas categorías nutricionales y se corresponde en mayor medida con la información de composición corporal, en particular con la distribución del tejido adiposo. Este hecho podría vincularse con la profundización de la transición nutricional en las últimas décadas, lo que refuerza la necesidad de contar con referencias no solo locales, sino también actualizadas y sensibles a los cambios recientes en los estilos y condiciones de vida.

Conclusiones

Las referencias antropométricas analizadas mostraron diferencias en la clasificación del estado nutricional durante la gestación, evidenciando que la elección del criterio de referencia puede influir de manera importante en la estimación de la prevalencia de bajo peso, sobrepeso y obesidad. Estos hallazgos destacan la importancia de utilizar referencias actualizadas y validadas para la población local. Asimismo, sustentan la necesidad de desarrollar futuros estudios que evalúen la incorporación de indicadores de composición corporal en la definición y clasificación del estado nutricional durante el embarazo, con el fin de determinar su potencial aporte a una caracterización más integral de la población gestante.

Agradecimientos

Agradecemos al personal de salud de los Centros donde se llevó a cabo el estudio, especialmente a las obstétricas Mercedes, Fabiana, Andrea y Gladys, así como a las mujeres que participaron. Este trabajo fue financiado por los programas Ciencia y Tecnología Contra el Hambre (MINCyT 2021C11) y UNAJ Investiga (2020, 2023), y recibió financiamiento de la Fundación Florencio

Fiorini.

Conflictos de intereses

Las autoras declaran que no existe conflicto de interés.

Contribución de los autores

NB, PNG Y JBA: Conceptualización, análisis formal, redacción, revisión y edición, recursos.

PNG y JBA: Obtención de financiamiento.

NB, LG, MN y PNG: investigación, revisión y edición, recursos.

Referencias

1. Black RE. Micronutrients in pregnancy. Br J Nutr 2001;85(S2):S193-7. https://doi.org/10.1079/ bjn2000314
2. Salmon C, Thibon P, Prime L, Renouf S, Dreyfus M, Dolley P. Impact of maternal underweight on obstetric and neonatal prognosis: A retrospective study. Eur J Obstet Gynecol Reprod Biol. 2021;260:6-9. https://doi. org/10.1016/j.ejogrb.2020.12.040
3. Chahal N, Qureshi T, Eljamri S, Catov JM, Fazeli PK. Impact of Low Maternal Weight on Pregnancy and Neonatal Outcomes. J Endocr Soc. 2024;9(1):bvae206. https://doi.org/10.1210/jendso/bvae206
4. Hung TH, Hsieh TT. Pregestational body mass index, gestational weight gain, and risks for adverse pregnancy outcomes among Taiwanese women: A retrospective cohort study. Taiwan J Obstet Gynecol. 2016;55(4):575581. https://doi.org/10.1016/j.tjog.2016.06.016
5. WHO Consultation on Obesity, Geneva, Switzerland. Obesity: preventing and managing the global epidemic: report of a WHO consultation. Geneva: World Health Organization; 2000. https://iris.who.int/handle/10665/42330
6. Scott C, Andersen CT, Valdez N, Mardones F, Nohr EA, Poston L, et al. No global consensus: a cross-sectional survey of maternal weight policies. BMC Pregnancy Childbirth. 2014;14(1):167. https://doi.org/10.1186/1471-2393-14-167
7. Ravasco P, Anderson H, Mardones F. Métodos de valoración del estado nutricional. Nutr Hosp. 2010; 25 (Supl 3):57-66. http://scielo.isciii. es/scielo.php?script=sci_arttext&pid=S021216112010000900009&lng=es.
8. Mardones S. F, Rosso P. Desarrollo de una curva patrón de incrementos ponderales para la embarazada. Rev Med Chile. 1997; 1437-48.
9. Atalah Samur E, Castillo L. C, Castro Santoro R, Aldea P. A. Propuesta de un nuevo estándar de evaluación nutricional en embarazadas. Rev Med Chile. 1997; 125(12)1429-1436.  PMID:9609018
10. Arias-Gutiérrez MJ, Londoño-Sierra DC, CorreaGuzmán N, Restrepo-Mesa SL. Evaluación de ingesta dietética en un grupo de mujeres lactantes en dos poblaciones de Antioquia, Colombia, 2021-2022. Rev Colomb Obstet Ginecol. 2023;74(3):214-224. https://doi. org/10.18597/rcog.4025
11. Zárate-Pérez de Calderón ME, Villalba-Tonconi ML, Condori-Huanca GL. Consumo alimentario en mujeres embarazadas, mujeres que dan de lactar y niños de 0 a 5 años. Centros de salud ciudad de La Paz - área urbana, 2018. Cuad Hosp Clínicas. 2023;64(1):12-23. http://www.scielo.org. bo/scielo.php?script=sci_arttext&pid=S165267762023000100002&lng=es.
12. Leguizamón JAA, Colman LRM, Coronel GZ, Arce MMS, Cosp MR. Obesidad: su impacto en la diabetes gestacional. Ginecología-Obstetricia 2024; 3 (1):12-20. http://revistafpgo.org/index.php/ rvfpgo/article/view/25/23
13. Bray GA. Beyond BMI. Nutrients. 2023;15(10):2254. https://doi.org/10.3390/nu15102254
14. Calvo EB, López LB, Balmaceda YDV, Poy MS, González C, Quintana L, et al. Reference charts for weight gain and body mass index during pregnancy obtained from a healthy cohort. J Matern-Fetal Neonatal Med. 2009;22(1):36-42. https://doi.org/10.1080/14767050802464502
15. Pierini C. La movilidad a la salud en las regiones sanitarias VI y VII del conurbano bonaerense. Locale. 2017;2(2):45-79. https://doi.org/10.14409/rl.v2i2.8309
16. Castro MP, Barbis E, Pereyra M, Favero E, Fontana S, Valiente E, et al. Atención de salud en red: circulación de pacientes pediátricos en la región del sudeste bonaerense. En: Poder, circulación y comunidades en América del Sur: reflexiones teórico-metodológicas desde el análisis de redes sociales. Qellqasqa; 2020.  https://ri.conicet.gov.ar/handle/11336/157672
17. Chiara M. Territorio, políticas públicas y salud. Hacia la construcción de un enfoque multidimensional para la investigación. Rev Gerenc Políticas Salud. 2016;15(30):1022.  https://doi.org/10.11144/Javeriana.rgyps15-30.tpps
18. Pierini C. Estructura y organización de una red perinatal en el conurbano bonaerense // Structure and organization of a perinatal network in the greater Buenos Aires. Poblac Soc. 2019;26(2). https://doi.org/10.19137/pys-2019-260202
19. Frisancho AR. New norms of upper limb fat and muscle areas for assessment of nutritional status. Am J Clin Nutr. 1981;34(11):2540-2545.  https://doi.org/10.1093/ajcn/34.11.2540
20. Rigby RA, Stasinopoulos DM. Generalized Additive Models for Location, Scale and Shape. J R Stat Soc Ser C Appl Stat. 2005;54(3):507-54. https://doi.org/10.1111/j.1467-9876.2005.00510.x
21. Stasinopoulos DM. Rigby RA. Generalized additive models for location scale and shape (GAMLSS) in R. J Stat Softw 2007: 23(7): 1-46. https://doi.org/10.18637/jss.v023. i07
22. R Core Team. R: A Language and Environment for Statistical Computing [Internet]. Vienna, Austria: R Foundation for Statistical Computing; 2025. https://www.R-project.org/
23. Young MF, Nguyen PH, Addo OY, Hao W, Nguyen H, Pham H, et al. The relative influence of maternal nutritional status before and during pregnancy on birth outcomes in Vietnam. Eur J Obstet Gynecol Reprod Biol. 2015;194:223-7. https://doi.org/10.1016/j.ejogrb.2015.09.018
24. Rouhana S, Hallit S, Nicolas G. The association of maternal pre-pregnancy Body Mass Index and gestational weight gain with pregnancy and neonatal outcomes. Ir J Med Sci. 2024;193(1):303-12. https://doi.org/10.1007/s11845-023-03472-w
25. Shekaili HAA, Hashmi IA, Omari OA. Gestational weight gain and its association with maternal and neonatal outcomes among pregnant women with normal pre-pregnancy body mass index from a Middle Eastern country. Midwifery. 2024;130:103929. https://doi. org/10.1016/j.midw.2024.103929
26. Ojeda L, Kurganoff M, Narpe L, Rodríguez JA, Vargas F. Consenso FASGO 2024: Obesidad y embarazo. Presentado en: 38º Congreso Nacional de Ginecología y Obstetricia de la Federación Argentina de Sociedades de Ginecología y Obstetricia (FASGO); 2024 oct 10-11; Neuquén, Argentina.
27. Rivas-Perdomo EE, Galván-Villa M. Estudio de concordancia entre las Escalas de ROSSO-MARDONES y ATALAH para la evaluación nutricional en embarazadas. Clínica La Ermita de Cartagena, 2017. Rev Colomb Obstet Ginecol 2020;71(1):34–41. https://revista.fecolsog.org/ index.php/rcog/article/view/3317
28. Atalah E, Castillo C, Gómez C, Mateluna A, Urteaga C, Castro R, et al. Malnutrition of the pregnant woman: an overestimated problem? Rev Med Chil. 1995;123(12):15311538.
29. Nuttall FQ. Body Mass Index: Obesity, BMI, and Health: A Critical Review. Nutr Today. 2015;50(3):117-128. https://doi. org/10.1097/NT.0000000000000092
30. Vila Candel, Rafael. What is the best anthropometric indicator for the pregnancy control? Nutr Clin Diet Hosp. 2016;(3):87-96.  https://doi.org/10.12873/363vilacandel
31. Wang L, Zhang X, Chen T, Tao J, Gao Y, Cai L, et al. Association of Gestational Weight Gain With Infant Morbidity and Mortality in the United States. JAMA Netw Open. 2021;4(12):e2141498. https://doi.org/10.1001/jamanetworkopen.2021.41498
32. Santos S, Voerman E, Amiano P, Barros H, Beilin LJ, Bergström A, et al. Impact of maternal body mass index and gestational weight gain on pregnancy complications: An individual participant data meta-analysis of European, North American and Australian cohorts. BJOG. 2019;126(8):984-995. https://doi.org/10.1111/1471-0528.15661
33. Marchewka-Długońska J, Nieczuja-Dwojacka J, Krygowska K, Bogdanovich V, Sys D, Baranowska B, et al. Effects of pre-pregnancy BMI and gestational weight gain on pregnancy and neonatal outcomes in Poland. Sci Rep. 2025;15(1):7603. https://doi.org/10.1038/s41598-025-91879-z
34. Sommer I, Teufer B, Szelag M, Nussbaumer-Streit B, Titscher V, Klerings I, et al. The performance of anthropometric tools to determine obesity: a systematic review and meta-analysis. Sci Rep. 2020;10(1):12699. https://doi.org/10.1038/s41598-020-69498-7
35. Kent L, McGirr M, Eastwood KA. Global trends in prevalence of maternal overweight and obesity: A systematic review and meta-analysis of routinely collected data retrospective cohorts. Int J Popul Data Sci. 2024;9(2):06. https://doi.org/10.23889/ijpds.v9i2.2401
36. Thapa S, Ahmed KY, Bizuayehu HM, Huda MM, Chalise B, Bore MG, et al. Trends and social determinants of the obesity epidemic among reproductive-age women in ten Asian countries. Sci Rep. 2024;14(1):22545. https://doi. org/10.1038/s41598-024-73522-5
37. Popkin BM, Ng SW. The nutrition transition to a stage of high obesity and noncommunicable disease prevalence dominated by ultraprocessed foods is not inevitable. Obes Rev. 2022;23(1):e13366. https://doi.org/10.1111/obr.13366
38. Bolzán AG, Marco ÍD, Mangialavori GLL, Duhau M. Índice de masa corporal preconcepcional en 1 079 171 mujeres atendidas en hospitales públicos de las 24 provincias argentinas. Rev Argent Salud Pública. 2022;14:e74-e74.  https://www.scielo. org.ar/scielo.php?script=sci_arttext&pid=S1853810X2022000100074&lng=es.
39. Menecier N, Lomaglio DB. Hipertensión arterial, exceso de peso y obesidad abdominal, en mujeres adultas de la Puna de Catamarca, Argentina. Rev Argent Antropol Biol. 2021;23(2):040. https://doi.org/10.24215/18536387e040
40. Ruderman A, Núñez-de la Mora A. Asociación entre seguridad alimentaria, indicadores de estado nutricional y de salud en poblaciones de Latinoamérica: una revisión de la literatura 2011-2021. Runa. 2022;43(2):117-135. https://doi.org/10.34096/runa.v43i2.10675

Material suplementario