The planning, monitoring, and evaluation of food and nutrition actions depend on reliable estimates based on adequate anthropometric data. The study aimed to analyze the quality of anthropometric data of children aged under 5 years in the Brazilian National Food and Nutrition Surveillance System (SISVAN) from 2008 to 2020. The sample comprised 23,453,620 children aged under 5 years. Initially, we evaluated the distribution of missing values and values outside the spectrum of the instrument, and calculated the digit preference index for weight and height. The nutritional indexes height for age (HAZ), weight for age (WAZ), and body mass index for age (BAZ) were calculated according to the World Health Organization 2006 child growth standards. Then, we identified the biologically implausible values (BIV) and calculated the standard deviation (SD) of the nutritional indexes. For each municipality, we calculated the mean and SD of HAZ and WAZ; and plotted the SD values as a function of the mean. In all Federative Units, the digit preference index reached a minimum value of 80 for height and 20 for weight. For the three nutritional indexes, there was a reduction in the frequency of BIV in the 2008-2020 period. Even after the exclusion of BIV, we identified high variability for the three nutritional indexes. The indicators evaluated showed low quality of measurement, especially in the North and Northeast regions. Our results indicate insufficient quality of anthropometric data in children aged under 5 years, and reinforce the need to invest in actions to improve the collection and recording of anthropometric information.

La planificación, monitoreo y evaluación de acciones de alimentación y nutrición dependen de estimaciones confiables realizadas a partir de datos antropométricos de calidad adecuada. El objetivo del estudio fue analizar la calidad de datos antropométricos de niños menores de 5 años en el Sistema de Vigilancia Alimentaria y Nutricional (SISVAN) entre los años 2008 y 2020. La muestra se compuso de 23.453.620 niños menores de 5 años. Al principio, evaluamos la distribución de valores faltantes y de valores fueras del espectro del equipo, y calculamos el índice de preferencia de dígito para peso y altura. Los índices nutricionales altura para edad (A-E), peso para edad (P-E) e índice de masa corporal para edad (IMC-E) se calcularon utilizando el patrón de crecimiento de la Organización Mundial de la Salud de 2006. Luego, indicamos los valores biológicamente inverosímiles (VBI) y calculamos la desviación estándar (DE) de los índices nutricionales. Para cada municipio, calculamos la media y la DE de A-E y P-E; y representamos los valores de DE en función de la media. En todas las Unidades Federativas, el índice de preferencia de dígito alcanzó el valor mínimo de 80 para altura y 20 para peso. Para los tres índices nutricionales, hubo una disminución de la frecuencia de VBI entre los años de 2008 y 2020. Incluso tras excluir los VBI, identificamos una alta variabilidad para los tres índices nutricionales. Los indicadores evaluados demostraron una baja calidad de medición, sobre todo en las regiones Norte y Nordeste. Nuestros resultados indican una calidad insuficiente de datos antropométricos en niños menores de 5 años y fortalecen la necesidad de inversión en acciones para mejorar la recolección y registro de las informaciones antropométricas.

O planejamento, o monitoramento e a avaliação das ações de alimentação e nutrição dependem de estimativas confiáveis realizadas a partir de dados antropométricos de qualidade adequada. O objetivo deste estudo foi analisar a qualidade de dados antropométricos de crianças menores de 5 anos no Sistema de Vigilância Alimentar e Nutricional (SISVAN) no período de 2008 a 2020. A amostra compreendeu 23.453.620 crianças menores de 5 anos. Inicialmente, avaliamos a distribuição de valores faltantes e de valores fora do espectro do equipamento e calculamos o índice de preferência de dígito para peso e altura. Os índices nutricionais altura para idade (A-I), peso para idade (P-I) e índice de massa corporal para idade (IMC-I) foram calculados com a utilização do padrão de crescimento da Organização Mundial da Saúde, de 2006. Em seguida, sinalizamos os valores biologicamente implausíveis (VBI) e calculamos o desvio padrão (DP) dos índices nutricionais. Para cada município, calculamos a média e o DP de A-I e P-I e plotamos os valores de DP em função da média. Em todas as Unidades Federativas, o índice de preferência de dígito alcançou valor mínimo de 80 para altura e 20 para peso. Para os três índices nutricionais, houve redução da frequência de VBI no período de 2008 a 2020. Mesmo após a exclusão dos VBI, identificamos elevada variabilidade para os três índices nutricionais. Os indicadores avaliados demonstraram baixa qualidade da mensuração principalmente nas regiões Norte e Nordeste. Nossos resultados indicam qualidade insuficiente dos dados antropométricos em crianças menores de 5 anos e reforçam a necessidade de investimento em ações para o aprimoramento da coleta e do registro das informações antropométricas.

Resumo O objetivo deste artigo é descrever a associação entre variação de IMC, padrões alimentares e atividade física entre adultos de 21 a 44 anos no período de 2007 a 2012. Estudo transversal com a base de dados do VIGITEL. Padrões alimentares foram identificados com Análise de Principais Componentes para o período de 2007 a 2012. Componentes com autovalores >1,0 foram retidos e cargas fatoriais superiores a |0,3| foram destacadas. Para cada indivíduo, um escore foi calculado por padrão. Em seguida foi criada variável de diferença do Índice de Massa Corporal (ΔIMC). Regressão linear com desfecho ΔIMC e regressão de Poisson com desfecho obesidade foram conduzidas. Quatro padrões alimentares foram retidos: Prudente, Transição, Ocidental e Tradicional. Após ajuste multivariável, ΔIMC mostrou-se inversamente associada à prática de atividade física no lazer. Obesidade apresentou associação positiva com padrão Ocidental, assistir à televisão ≥3 horas por dia e inatividade física. Obesidade mostrou-se inversamente associada com padrão Prudente, padrão Tradicional, prática de atividade física no lazer e prática de atividade física no trabalho. Padrões alimentares baseados em alimentos in natura e minimamente processados e prática de atividade física constituem fatores de proteção para a obesidade.

Abstract The scope of this article is to describe the association between BMI variation, eating patterns and physical activity among adults between 21 and 44 years of age from 2007 to 2012. It is a cross-sectional study using the VIGITEL database. Eating patterns were identified with Principal Components Analysis for the period from 2007 to 2012. Components with eigenvalues >1.0 were retained and factor loadings greater than |0.3| were highlighted. For each individual, a score was calculated per pattern. The Body Mass Index (ΔBMI) difference variable was then created. Linear regression with ΔBMI outcome and Poisson regression with obesity outcomes were conducted. Four eating patterns were retained: Prudent, Transition, Western and Traditional. After multivariate adjustment, ΔBMI was inversely associated with the habit of leisure-time physical activity. Obesity revealed a positive association with the Western pattern, watching television ≥3 hours a day and physical inactivity. Obesity was inversely associated with the Prudent pattern, the Traditional pattern, the practice of leisure-time physical activity and the habit of physical activity at work. Eating patterns based on unprocessed and minimally processed foods and practice of physical activity are protective factors against obesity.

Resumo O objetivo deste artigo é descrever a associação entre variação de IMC, padrões alimentares e atividade física entre adultos de 21 a 44 anos no período de 2007 a 2012. Estudo transversal com a base de dados do VIGITEL. Padrões alimentares foram identificados com Análise de Principais Componentes para o período de 2007 a 2012. Componentes com autovalores >1,0 foram retidos e cargas fatoriais superiores a |0,3| foram destacadas. Para cada indivíduo, um escore foi calculado por padrão. Em seguida foi criada variável de diferença do Índice de Massa Corporal (ΔIMC). Regressão linear com desfecho ΔIMC e regressão de Poisson com desfecho obesidade foram conduzidas. Quatro padrões alimentares foram retidos: Prudente, Transição, Ocidental e Tradicional. Após ajuste multivariável, ΔIMC mostrou-se inversamente associada à prática de atividade física no lazer. Obesidade apresentou associação positiva com padrão Ocidental, assistir à televisão ≥3 horas por dia e inatividade física. Obesidade mostrou-se inversamente associada com padrão Prudente, padrão Tradicional, prática de atividade física no lazer e prática de atividade física no trabalho. Padrões alimentares baseados em alimentos in natura e minimamente processados e prática de atividade física constituem fatores de proteção para a obesidade.

Abstract The scope of this article is to describe the association between BMI variation, eating patterns and physical activity among adults between 21 and 44 years of age from 2007 to 2012. It is a cross-sectional study using the VIGITEL database. Eating patterns were identified with Principal Components Analysis for the period from 2007 to 2012. Components with eigenvalues >1.0 were retained and factor loadings greater than |0.3| were highlighted. For each individual, a score was calculated per pattern. The Body Mass Index (ΔBMI) difference variable was then created. Linear regression with ΔBMI outcome and Poisson regression with obesity outcomes were conducted. Four eating patterns were retained: Prudent, Transition, Western and Traditional. After multivariate adjustment, ΔBMI was inversely associated with the habit of leisure-time physical activity. Obesity revealed a positive association with the Western pattern, watching television ≥3 hours a day and physical inactivity. Obesity was inversely associated with the Prudent pattern, the Traditional pattern, the practice of leisure-time physical activity and the habit of physical activity at work. Eating patterns based on unprocessed and minimally processed foods and practice of physical activity are protective factors against obesity.

RESUMO: Objetivo: Descrever as correlações entre padrões alimentares para o conjunto de anos de 2007 a 2012 e para cada ano do mesmo período. Método: Estudo transversal com dados do Sistema de Vigilância de Fatores de Risco e Proteção para Doenças Crônicas por Inquérito Telefônico, com seleção de 167.761 indivíduos de 18 a 44 anos. Os padrões alimentares foram identificados com Análise de Componentes Principais. Para comparar os efeitos da extração e a estimativa de padrões alimentares entre diferentes inquéritos, conduzimos as seguintes análises: na primeira usamos o conjunto total de dados para os anos de 2007 a 2012; na segunda, os padrões foram estimados em cada conjunto anual de dados para o período de 2007 a 2012. As etapas 1 e 2 foram realizadas sem rotação, com rotação Varimax e rotação Promax. Após a extração dos padrões, foram calculados escores padronizados com média zero. A associação entre os padrões gerados nas análises foi estimada pelo coeficiente de correlação de Pearson (r). Resultados: Nas análises sem rotação, os componentes retidos no conjunto apresentaram correlações superiores a 0,90 com os padrões retidos em cada ano. Nas análises com rotação, apenas o primeiro componente apresentou correlações superiores a 0,90. Conclusão: As estimativas de padrões alimentares de forma segmentada - ano a ano - ou de forma geral - todos os anos - apresentam altas correlação e consistência entre os padrões identificados quando no mesmo pool de dados.

ABSTRACT: Objective: To describe the correlations between eating patterns for the years 2007 to 2012, and for each year of the period from 2007 to 2012. Method: Cross-sectional study with data from the System of Surveillance of Risk and Protection Factors to Chronic Diseases by Telephone Survey with the selection of 167,761 individuals aged 18 to 44 years old. Eating patterns were identified with a Principal Component Analysis. To compare the effects of the extraction and the estimate of eating patterns among different surveys we conducted the following analyzes: in the first, we used the total data set for the years from 2007 to 2012; in the second, the patterns were estimated in each annual set of data for the period from 2007 to 2012. Steps 1 and 2 were performed with no rotation, with Varimax rotation and with Promax rotation. After extracting the patterns, standardized scores with zero mean were generated for each pattern. The association between the patterns generated in the analyzes was estimated by the Pearson correlation coefficient (r). Results: In the non-rotated analyzes, the components retained in the set presented correlations that were higher than 0.90, with the retained patterns in each year. In the rotated analyzes, only the first component had correlations that were higher than 0.90. Conclusion: Estimates of eating patterns either segmented - year by year - or in general - all of the years - showed high correlation and consistency between the patterns identified when in the same data pool.

RESUMO: Objetivo: Descrever as correlações entre padrões alimentares para o conjunto de anos de 2007 a 2012 e para cada ano do mesmo período. Método: Estudo transversal com dados do Sistema de Vigilância de Fatores de Risco e Proteção para Doenças Crônicas por Inquérito Telefônico, com seleção de 167.761 indivíduos de 18 a 44 anos. Os padrões alimentares foram identificados com Análise de Componentes Principais. Para comparar os efeitos da extração e a estimativa de padrões alimentares entre diferentes inquéritos, conduzimos as seguintes análises: na primeira usamos o conjunto total de dados para os anos de 2007 a 2012; na segunda, os padrões foram estimados em cada conjunto anual de dados para o período de 2007 a 2012. As etapas 1 e 2 foram realizadas sem rotação, com rotação Varimax e rotação Promax. Após a extração dos padrões, foram calculados escores padronizados com média zero. A associação entre os padrões gerados nas análises foi estimada pelo coeficiente de correlação de Pearson (r). Resultados: Nas análises sem rotação, os componentes retidos no conjunto apresentaram correlações superiores a 0,90 com os padrões retidos em cada ano. Nas análises com rotação, apenas o primeiro componente apresentou correlações superiores a 0,90. Conclusão: As estimativas de padrões alimentares de forma segmentada - ano a ano - ou de forma geral - todos os anos - apresentam altas correlação e consistência entre os padrões identificados quando no mesmo pool de dados.

ABSTRACT: Objective: To describe the correlations between eating patterns for the years 2007 to 2012, and for each year of the period from 2007 to 2012. Method: Cross-sectional study with data from the System of Surveillance of Risk and Protection Factors to Chronic Diseases by Telephone Survey with the selection of 167,761 individuals aged 18 to 44 years old. Eating patterns were identified with a Principal Component Analysis. To compare the effects of the extraction and the estimate of eating patterns among different surveys we conducted the following analyzes: in the first, we used the total data set for the years from 2007 to 2012; in the second, the patterns were estimated in each annual set of data for the period from 2007 to 2012. Steps 1 and 2 were performed with no rotation, with Varimax rotation and with Promax rotation. After extracting the patterns, standardized scores with zero mean were generated for each pattern. The association between the patterns generated in the analyzes was estimated by the Pearson correlation coefficient (r). Results: In the non-rotated analyzes, the components retained in the set presented correlations that were higher than 0.90, with the retained patterns in each year. In the rotated analyzes, only the first component had correlations that were higher than 0.90. Conclusion: Estimates of eating patterns either segmented - year by year - or in general - all of the years - showed high correlation and consistency between the patterns identified when in the same data pool.

O objetivo deste estudo foi descrever a estimativa das médias de peso, altura e índice de massa corporal (IMC) segundo dois métodos de imputação, usando dados do Vigitel (Vigilância de Fatores de Risco e Proteção para Doenças Crônicas por Inquérito Telefônico). O delineamento do estudo é transversal e utilizaram-se dados secundários do Vigitel do período de 2006 a 2017. Os dois métodos para imputação utilizados no estudo foram hot deck e Predictive Mean Matching (PMM). As variáveis peso e altura imputadas por hot deck foram disponibilizadas pelo Vigitel. Dois modelos foram conduzidos com a utilização da PMM: (i) variáveis explicativas - cidade, sexo, idade em anos, raça/cor e escolaridade; (ii) variáveis explicativas - cidade, sexo e idade em anos. Nos dois modelos, as variáveis peso e altura foram as variáveis de desfecho. Na PMM, combinam-se regressão linear e seleção aleatória de valor para imputação. A predição linear é usada como medida de distância entre o valor faltante e os seus possíveis doadores e, com isso, se cria o espaço virtual com os casos candidatos a ceder o valor para imputação. Um dos candidatos do pool é aleatoriamente selecionado, e o seu valor é atribuído à unidade faltante. O IMC foi calculado por meio da divisão do peso em quilogramas pela altura ao quadrado. Nos resultados, apresentamos as médias e erros-padrão de peso, altura e IMC, segundo método de imputação e ano de monitoramento. Nas estimativas, utilizou-se o módulo survey do Stata, que considera os efeitos da amostragem. Observou-se que os valores médios de peso, altura e IMC estimados por hot deck e PMM são similares. Os resultados com os dados do Vigitel sugerem a aplicabilidade do PMM ao conjunto dos inquéritos de saúde.

This study aimed to describe the estimated means for weight, height, and body mass index (BMI) according to two imputation methods, using data from Vigitel (Risk and Protective Factors Surveillance System for Chronic Non-Communicable Diseases Through Telephone Interview). This was a cross-sectional study that used secondary data from the Vigitel survey from 2006 to 2017. The two imputation methods used in the study were hot deck and Predictive Mean Matching (PMM). The weight and height variables imputed by hot deck were provided by Vigitel. Two models were conducted with PMM: (i) explanatory variables - city, sex, age in years, race/color, and schooling; (ii) explanatory variables - city, sex, and age in years. Weight and height were the outcome variables in the two models. PMM combines linear regression and random selection of the value for imputation. Linear prediction is used as a measure of distance between the missing value and the possible donors, thereby creating the virtual space with the candidate cases for yielding the value for imputation. One of the candidates from the pool is randomly selected, and its value is assigned to the missing unit. BMI was calculated by dividing weight in kilograms by height squared. The result shows the means and standard deviations for weight, height, and BMI according to imputation method and year. The estimates used the survey module from Stata, which considers the sampling effects. The mean values for weight, height, and BMI estimated by hot deck and PMM were similar. The results with the Vigitel data suggest the applicability of PMM to the set of health surveys.

El objetivo de este estudio fue describir la estimación de medias de peso, altura e índice de masa corporal (IMC), según dos métodos de imputación, usando datos del Vigitel (Vigilancia de Factores de Riesgo y Protección para Enfermedades Crónicas No Transmisibles por Entrevista Telefónica). El diseño del estudio es transversal y se utilizaron datos secundarios de Vigitel, durante el período de 2006 a 2017. Los dos métodos para la imputación utilizados en el estudio fueron hot deck y Predictive Mean Matching (PMM). Las variables peso y altura imputadas por hot deck se recabaron de Vigitel. Se realizaron dos modelos con la utilización de la PMM: (i) variables explicativas -ciudad, sexo, edad en años, raza/color y escolaridad; (ii) variables explicativas -ciudad, sexo y edad en años. En los dos modelos, las variables peso y altura fueron las variables de desenlace. En la PMM, se combinan regresión lineal y selección aleatoria de valor para imputación. La predicción lineal es usada como medida de distancia entre el valor faltante y sus posibles donadores y, de este modo, se crea el espacio virtual con los casos candidatos de ceder su valor para la imputación. Uno de los candidatos del pool se selecciona aleatoriamente, y su valor es atribuido a la unidad faltante. El IMC se calculó mediante la división del peso en kilogramos por la altura al cuadrado. En los resultados, presentamos las medias y errores-patrón de peso, altura e IMC, según el método de imputación y año de seguimiento. En las estimaciones, se utilizó el módulo de encuesta del Stata, que considera los efectos de la muestra. Se observó que los valores medios de peso, altura e IMC estimados por hot deck y PMM son similares. Los resultados con los datos del Vigitel sugieren la aplicabilidad del PMM al conjunto de las investigaciones de salud.

O objetivo deste estudo foi descrever a estimativa das médias de peso, altura e índice de massa corporal (IMC) segundo dois métodos de imputação, usando dados do Vigitel (Vigilância de Fatores de Risco e Proteção para Doenças Crônicas por Inquérito Telefônico). O delineamento do estudo é transversal e utilizaram-se dados secundários do Vigitel do período de 2006 a 2017. Os dois métodos para imputação utilizados no estudo foram hot deck e Predictive Mean Matching (PMM). As variáveis peso e altura imputadas por hot deck foram disponibilizadas pelo Vigitel. Dois modelos foram conduzidos com a utilização da PMM: (i) variáveis explicativas - cidade, sexo, idade em anos, raça/cor e escolaridade; (ii) variáveis explicativas - cidade, sexo e idade em anos. Nos dois modelos, as variáveis peso e altura foram as variáveis de desfecho. Na PMM, combinam-se regressão linear e seleção aleatória de valor para imputação. A predição linear é usada como medida de distância entre o valor faltante e os seus possíveis doadores e, com isso, se cria o espaço virtual com os casos candidatos a ceder o valor para imputação. Um dos candidatos do pool é aleatoriamente selecionado, e o seu valor é atribuído à unidade faltante. O IMC foi calculado por meio da divisão do peso em quilogramas pela altura ao quadrado. Nos resultados, apresentamos as médias e erros-padrão de peso, altura e IMC, segundo método de imputação e ano de monitoramento. Nas estimativas, utilizou-se o módulo survey do Stata, que considera os efeitos da amostragem. Observou-se que os valores médios de peso, altura e IMC estimados por hot deck e PMM são similares. Os resultados com os dados do Vigitel sugerem a aplicabilidade do PMM ao conjunto dos inquéritos de saúde.

This study aimed to describe the estimated means for weight, height, and body mass index (BMI) according to two imputation methods, using data from Vigitel (Risk and Protective Factors Surveillance System for Chronic Non-Communicable Diseases Through Telephone Interview). This was a cross-sectional study that used secondary data from the Vigitel survey from 2006 to 2017. The two imputation methods used in the study were hot deck and Predictive Mean Matching (PMM). The weight and height variables imputed by hot deck were provided by Vigitel. Two models were conducted with PMM: (i) explanatory variables - city, sex, age in years, race/color, and schooling; (ii) explanatory variables - city, sex, and age in years. Weight and height were the outcome variables in the two models. PMM combines linear regression and random selection of the value for imputation. Linear prediction is used as a measure of distance between the missing value and the possible donors, thereby creating the virtual space with the candidate cases for yielding the value for imputation. One of the candidates from the pool is randomly selected, and its value is assigned to the missing unit. BMI was calculated by dividing weight in kilograms by height squared. The result shows the means and standard deviations for weight, height, and BMI according to imputation method and year. The estimates used the survey module from Stata, which considers the sampling effects. The mean values for weight, height, and BMI estimated by hot deck and PMM were similar. The results with the Vigitel data suggest the applicability of PMM to the set of health surveys.

El objetivo de este estudio fue describir la estimación de medias de peso, altura e índice de masa corporal (IMC), según dos métodos de imputación, usando datos del Vigitel (Vigilancia de Factores de Riesgo y Protección para Enfermedades Crónicas No Transmisibles por Entrevista Telefónica). El diseño del estudio es transversal y se utilizaron datos secundarios de Vigitel, durante el período de 2006 a 2017. Los dos métodos para la imputación utilizados en el estudio fueron hot deck y Predictive Mean Matching (PMM). Las variables peso y altura imputadas por hot deck se recabaron de Vigitel. Se realizaron dos modelos con la utilización de la PMM: (i) variables explicativas -ciudad, sexo, edad en años, raza/color y escolaridad; (ii) variables explicativas -ciudad, sexo y edad en años. En los dos modelos, las variables peso y altura fueron las variables de desenlace. En la PMM, se combinan regresión lineal y selección aleatoria de valor para imputación. La predicción lineal es usada como medida de distancia entre el valor faltante y sus posibles donadores y, de este modo, se crea el espacio virtual con los casos candidatos de ceder su valor para la imputación. Uno de los candidatos del pool se selecciona aleatoriamente, y su valor es atribuido a la unidad faltante. El IMC se calculó mediante la división del peso en kilogramos por la altura al cuadrado. En los resultados, presentamos las medias y errores-patrón de peso, altura e IMC, según el método de imputación y año de seguimiento. En las estimaciones, se utilizó el módulo de encuesta del Stata, que considera los efectos de la muestra. Se observó que los valores medios de peso, altura e IMC estimados por hot deck y PMM son similares. Los resultados con los datos del Vigitel sugieren la aplicabilidad del PMM al conjunto de las investigaciones de salud.

RESUMO: Objetivo: Descrever e analisar a tendência dos padrões alimentares praticados pela população adulta de 18 a 44 anos das capitais brasileiras entre os anos de 2007 e 2012. Métodos: Padrões alimentares foram identificados com análise de componentes principais (ACP). Na análise, foram retidos os componentes com autovalores > 1,0 e foram destacadas cargas fatoriais (CF) superiores a |0,2|. Após a identificação de quatro padrões foram gerados escores padronizados com média zero para cada. As médias foram apresentadas para cada padrão segundo sexo, faixa etária, escolaridade e ano de monitoramento. A variação temporal da média dos escores dos padrões foi estimada por regressão linear. Resultados: Foram identificados quatro padrões alimentares na população: prudente, transição, ocidental e tradicional. Houve tendência de aumento das médias de escore dos padrões: prudente, ocidental e tradicional, e redução da média de escore do padrão transição. Maior aderência ao padrão prudente entre indivíduos mais escolarizados. Maior aderência aos padrões ocidental e tradicional entre indivíduos menos escolarizados. Conclusão: Políticas públicas direcionadas aos indivíduos menos escolarizados e homens são necessárias por causa da maior adesão aos padrões alimentares não saudáveis.

ABSTRACT: Objective: To describe and analyze the trend in dietary patterns followed by the adult population aged 18 to 44 years living in Brazilian state capitals between 2007 and 2012. Methods: We identified dietary patterns using the principal component analysis (PCA). The analysis retained components with eigenvalues >1.0 and highlighted factor loadings (FLs) >|0.2|. After the identification of four patterns, they received standardized scores with zero mean. The mean scores were presented for each pattern according to gender, age group, schooling, and year of data collection. We estimated the temporal variation of the mean scores of the patterns by linear regression. Results: We identified four dietary patterns in the population: prudent, transition, western, and traditional. We found an increasing trend in the mean score of the patterns: prudent, western, and traditional and a reduced mean score in the transition pattern. Individuals with better education showed greater adherence to the prudent pattern. Less-educated individuals presented higher adherence to the western and traditional patterns. Conclusion: Public policies targeting the population with lower schooling and men are necessary due to their greater adherence to unhealthy dietary patterns.

RESUMO: Objetivo: Descrever e analisar a tendência dos padrões alimentares praticados pela população adulta de 18 a 44 anos das capitais brasileiras entre os anos de 2007 e 2012. Métodos: Padrões alimentares foram identificados com análise de componentes principais (ACP). Na análise, foram retidos os componentes com autovalores > 1,0 e foram destacadas cargas fatoriais (CF) superiores a |0,2|. Após a identificação de quatro padrões foram gerados escores padronizados com média zero para cada. As médias foram apresentadas para cada padrão segundo sexo, faixa etária, escolaridade e ano de monitoramento. A variação temporal da média dos escores dos padrões foi estimada por regressão linear. Resultados: Foram identificados quatro padrões alimentares na população: prudente, transição, ocidental e tradicional. Houve tendência de aumento das médias de escore dos padrões: prudente, ocidental e tradicional, e redução da média de escore do padrão transição. Maior aderência ao padrão prudente entre indivíduos mais escolarizados. Maior aderência aos padrões ocidental e tradicional entre indivíduos menos escolarizados. Conclusão: Políticas públicas direcionadas aos indivíduos menos escolarizados e homens são necessárias por causa da maior adesão aos padrões alimentares não saudáveis.

ABSTRACT: Objective: To describe and analyze the trend in dietary patterns followed by the adult population aged 18 to 44 years living in Brazilian state capitals between 2007 and 2012. Methods: We identified dietary patterns using the principal component analysis (PCA). The analysis retained components with eigenvalues >1.0 and highlighted factor loadings (FLs) >|0.2|. After the identification of four patterns, they received standardized scores with zero mean. The mean scores were presented for each pattern according to gender, age group, schooling, and year of data collection. We estimated the temporal variation of the mean scores of the patterns by linear regression. Results: We identified four dietary patterns in the population: prudent, transition, western, and traditional. We found an increasing trend in the mean score of the patterns: prudent, western, and traditional and a reduced mean score in the transition pattern. Individuals with better education showed greater adherence to the prudent pattern. Less-educated individuals presented higher adherence to the western and traditional patterns. Conclusion: Public policies targeting the population with lower schooling and men are necessary due to their greater adherence to unhealthy dietary patterns.

RESUMO: Introdução: A obesidade é um problema crescente no Brasil em todos os grupos etários. Excesso de peso ao final da adolescência indica probabilidade elevada de peso não saudável na vida adulta. Objetivo: Descrever dados antropométricos da Pesquisa Nacional de Saúde dos Escolares (PeNSE) 2015 e sua distribuição segundo estratos geográficos e socioeconômicos. Métodos: Dados da PeNSE 2015 foram utilizados. A amostra desta análise compreende adolescentes com idade entre 11 e 19 anos de escolas públicas e privadas com dados antropométricos disponíveis. O estado nutricional foi classificado segundo valores de referência para o índice de massa corporal (IMC), propostos pela International Obesity Task Force (IOTF). As estimativas das prevalências de déficit de peso e de excesso de peso e seus respectivos erros padrão foram apresentados. A associação entre os indicadores antropométricos e as características demográficas ou sociais dos adolescentes foi estimada por odds ratio e os seus respectivos intervalos de confiança de 95% foram apresentados. Resultados: A prevalência de déficit de peso foi inferior a 3%. As maiores prevalências de excesso de peso foram observadas em adolescentes que se declararam negros ou indígenas, da região sul, da área urbana e dos quintos mais baixos de renda. Em geral, a prevalência de excesso de peso foi maior entre adolescentes que frequentavam escolas privadas. Conclusão: O excesso de peso é mais frequente entre adolescentes dos estratos de baixa renda. Além de indicador do estado nutricional, o excesso de peso pode indicar desigualdade social no Brasil.

ABSTRACT: Introduction: Obesity has increased in Brazil for all age groups. Overweight at the end of adolescence indicates a high probability of unhealthy weight in adulthood. Objective: To describe anthropometric data of the National Adolescent School-based Health Survey (PeNSE) 2015 and its distribution according to geographic and socioeconomic strata. Methods: Data from the PeNSE 2015 was used. The analysis sample consisted of adolescents aged 11 to 19 years old from public and private schools with available anthropometric data. Nutritional status was classified according to the body mass index, with reference values proposed by the International Obesity Task Force (IOTF). The prevalence estimates of underweight and overweight and their respective standard errors were presented. The association between anthropometric indicators and demographic or social characteristics of adolescents was estimated by odds ratio, and the respective 95% confidence intervals were presented. Results: The prevalence of underweight was less than 3%. Elevated prevalence of overweight was observed in adolescents from the South region, from the urban area, from the lowest fifths of income, and those who declared themselves to be black or indigenous. In general, the prevalence of overweight was higher among adolescents attending private schools. Conclusion: Overweight is more frequent among adolescents from low-income strata. Besides being an indicator of nutritional status, overweight may indicate social inequality in Brazil.

RESUMO: Introdução: A obesidade é um problema crescente no Brasil em todos os grupos etários. Excesso de peso ao final da adolescência indica probabilidade elevada de peso não saudável na vida adulta. Objetivo: Descrever dados antropométricos da Pesquisa Nacional de Saúde dos Escolares (PeNSE) 2015 e sua distribuição segundo estratos geográficos e socioeconômicos. Métodos: Dados da PeNSE 2015 foram utilizados. A amostra desta análise compreende adolescentes com idade entre 11 e 19 anos de escolas públicas e privadas com dados antropométricos disponíveis. O estado nutricional foi classificado segundo valores de referência para o índice de massa corporal (IMC), propostos pela International Obesity Task Force (IOTF). As estimativas das prevalências de déficit de peso e de excesso de peso e seus respectivos erros padrão foram apresentados. A associação entre os indicadores antropométricos e as características demográficas ou sociais dos adolescentes foi estimada por odds ratio e os seus respectivos intervalos de confiança de 95% foram apresentados. Resultados: A prevalência de déficit de peso foi inferior a 3%. As maiores prevalências de excesso de peso foram observadas em adolescentes que se declararam negros ou indígenas, da região sul, da área urbana e dos quintos mais baixos de renda. Em geral, a prevalência de excesso de peso foi maior entre adolescentes que frequentavam escolas privadas. Conclusão: O excesso de peso é mais frequente entre adolescentes dos estratos de baixa renda. Além de indicador do estado nutricional, o excesso de peso pode indicar desigualdade social no Brasil.

ABSTRACT: Introduction: Obesity has increased in Brazil for all age groups. Overweight at the end of adolescence indicates a high probability of unhealthy weight in adulthood. Objective: To describe anthropometric data of the National Adolescent School-based Health Survey (PeNSE) 2015 and its distribution according to geographic and socioeconomic strata. Methods: Data from the PeNSE 2015 was used. The analysis sample consisted of adolescents aged 11 to 19 years old from public and private schools with available anthropometric data. Nutritional status was classified according to the body mass index, with reference values proposed by the International Obesity Task Force (IOTF). The prevalence estimates of underweight and overweight and their respective standard errors were presented. The association between anthropometric indicators and demographic or social characteristics of adolescents was estimated by odds ratio, and the respective 95% confidence intervals were presented. Results: The prevalence of underweight was less than 3%. Elevated prevalence of overweight was observed in adolescents from the South region, from the urban area, from the lowest fifths of income, and those who declared themselves to be black or indigenous. In general, the prevalence of overweight was higher among adolescents attending private schools. Conclusion: Overweight is more frequent among adolescents from low-income strata. Besides being an indicator of nutritional status, overweight may indicate social inequality in Brazil.