A. Metodología para estimar la prevalencia de la subalimentación para 2020, 2021 y 2022
Al igual que en ediciones anteriores de este informe, debido a la falta de información directa sobre los valores más recientes de cada uno de los factores que sirven para calcular la prevalencia de la subalimentación y el número de personas subalimentadas (véase el Anexo 1B), las estimaciones relativas a los últimos años se basan en previsiones a muy corto plazo, es decir, son predicciones del pasado muy reciente.
Como ya se ha señalado en la edición del pasado año de este informe, 2020 y 2021 fueron años sin parangón en muchos aspectos debido a la pandemia de la COVID-19 y sus efectos persistentes. Esto obligó a tomar en consideración algunos aspectos particulares a la hora de prever a muy corto plazo los valores de la prevalencia de la subalimentación, en particular por lo que respecta a la estimación de la variación probable en el coeficiente de variación (CV) y a la modelización de la forma en que la desigualdad en el acceso a los alimentos incide en las tasas de subalimentación. Ambos aspectos requerían especial atención teniendo en cuenta las condiciones tan especiales en las que los sistemas alimentarios funcionaron durante la pandemia.
La estrategia utilizada para prever los valores del CV|y de 2019 a 2021 y los intervalos de las estimaciones mundiales de la prevalencia de la subalimentación y el número de personas subalimentadas siguió el mismo enfoque que en la edición del año anterior de este informe, si bien se formularon consideraciones adicionales para 2022. Ambas se describen a continuación.
Proyecciones del Cv|y hasta 2021
Aunque se hacen previsiones a muy corto plazo de los valores del CEA mediante el enfoque tradicional basado en los datos facilitados por la Dirección de Mercados y Comercio de la FAO, que sirven de base a las Perspectivas agrícolas de la FAO, hubo que modificar este enfoque tradicional utilizado para hacer ese tipo de previsiones para el CV a fin de reflejar las condiciones particulares de 2020 y 2021. Normalmente, las variaciones en el CV|y —el componente del CV asociado a las diferencias en las condiciones económicas de los hogares— derivan de diferencias en los promedios trienales de la prevalencia de la inseguridad alimentaria grave según la escala de experiencia de inseguridad alimentaria (FIES) (FIsev) que no son atribuibles a cambios en el suministro de alimentos. La utilización del promedio trienal responde a la necesidad de controlar el posible exceso de variabilidad del muestreo en las estimaciones nacionales de la FIsev (que, para la mayoría de los países, se basan en muestras relativamente pequeñas de datos de la FIES) y es coherente con el supuesto de que el CV|y presenta una tendencia relativamente estable. Sin embargo, dado el carácter excepcional de 2020 y 2021, resultó difícil mantener este último supuesto. Debido a ello, se usaron las variaciones entre la media del período 2017-19 y los valores anuales de la FIsev de 2020 para prever a muy corto plazo los valores del CV|y de 2020, y las variaciones entre los valores anuales de la FIsev de 2020 y 2021, para prever a muy corto plazo los valores del CV|y en 2021.
Otro parámetro que era necesario considerar para efectuar la previsión a muy corto plazo del valor de la prevalencia de la subalimentación en 2020 era el porcentaje de variación de la FIsev (empleado como variable representativa de la variación prevista de la prevalencia de la subalimentación) atribuido al CV|y. Normalmente, se había asumido que era igual a un tercio, partiendo de un análisis econométrico de los anteriores valores de la prevalencia de la subalimentación, el CEA y el CV|y. El carácter singular de 2020 y 2021 puso en cuestión esta regularidad. Dado que ni en 2020 ni en 2021 se dispuso de datos mediante encuestas nacionales sobre el consumo y el gasto en los hogares, se sigue sin contar con una base empírica para determinar el modo adecuado de modificar dicho parámetro. La solución adoptada fue llevar a cabo un análisis de sensibilidad modificando el porcentaje de variación en la FIsev atribuido al CV|y de un mínimo de un tercio a un máximo de uno. Esto definió los límites inferior y superior de las series estimadas para 2020 y 2021.
Consideraciones especiales para 2022
Aunque los efectos principales de la pandemia de la COVID-19 han remitido y en 2022 empezó a normalizarse la recopilación de datos, sigue habiendo una incertidumbre considerable con respecto a la magnitud de las variaciones en la desigualdad del acceso a los alimentos que pueden haberse producido ese año. Se desconoce todavía si la pandemia y todos los demás episodios perturbadores que han afectado a los sistemas agroalimentarios en todo el mundo en los tres últimos años han tenido algún efecto persistente en las relativas funciones de los elementos de la oferta y la demanda en el acceso de las personas a los alimentos. Ello, a su vez, exigió una ligera modificación del enfoque para elaborar previsiones a muy corto plazo del CV|y, y por ende de la prevalencia de la subalimentación, en 2022.
En concreto, se utilizó el valor del 33 % como contribución probable de los cambios en el CV a los cambios observados en la prevalencia de la subalimentación para generar el punto medio de la serie estimada, reflejando lo que sería una situación de “vuelta a la normalidad” (véase el Anexo 1B). Posteriormente, se utilizaron otros valores del 50 %, el 67 % y el 100 %, de forma separada para cada país, reflejando así posibles supuestos distintos sobre la forma en la que el CV|y podría haber contribuido a la prevalencia de la subalimentación en 2022. Cabe señalar, sin embargo, que, al contrario de lo que ocurrió en 2020 y 2021, cuando las estimaciones basadas en la FIES revelaron un empeoramiento de la inseguridad alimentaria en prácticamente todas partes, las implicaciones de suponer una contribución mayor de los cambios en el CV a los cambios en la prevalencia de la subalimentación son de algún modo opuestas para el valor de 2022. Teniendo en cuenta que las estimaciones de la prevalencia de la inseguridad alimentaria grave mostraron una mejora para muchos países de 2021 a 2022, se prevé para esos países una disminución, más que un aumento, del CV|y. Si se combina el conjunto de todas las estimaciones más bajas y el conjunto de todas las estimaciones más altas de los países, se obtienen, respectivamente, los límites inferior y superior para las series mundiales y regionales. En general, el resultado es un intervalo ligeramente menos amplio de las estimaciones mundiales de la prevalencia de la subalimentación y el número de personas subalimentadas en 2022 en comparación con los dos años anteriores (Cuadro A2.1).
CUADRO A2.1 Intervalos de las previsiones a muy corto plazo de la prevalencia de la subalimentación y el número de personas subalimentadas en 2020, 2021 y 2022
FUENTE: Elaboración propia de los autores (FAO).
En el Cuadro A2.1 se recogen los límites inferior y superior de la prevalencia de la subalimentación en 2020, 2021 y 2022 a escala mundial, regional y subregional.
B. Metodología relativa a las proyecciones de la prevalencia de la subalimentación para 2030
Las proyecciones de los valores de la prevalencia de la subalimentación para 2030 se han obtenido proyectando las tres variables fundamentales de la fórmula de la prevalencia de la subalimentación (CEA, CV y NMEA) por separado, según los diferentes datos aportados y en función de la hipótesis considerada.
La principal fuente de datos son los resultados obtenidos por el modelo recurrente y dinámico de equilibrio general computable MIRAGRODEP, que proporciona series de valores previstos a escala nacional, para:
- el PIB real per cápita (GDP_Vol_pc);
- el coeficiente de Gini para los ingresos (gini_income);
- un índice de los precios reales de los alimentos (Prices_Real_Food);
- el índice de la pobreza extrema basado en el recuento, es decir, el porcentaje de la población con unos ingresos reales inferiores a 2,15 USD al día) (x215_ALL);
- el consumo diario de alimentos per cápita (DES_Kcal).
El modelo MIRAGRODEP se calibró para la situación previa a la pandemia de la economía mundial en 2018 y se utilizó para generar previsiones de fundamentos macroeconómicos para el período 2019-2030 con arreglo a tres escenarios: 1) “antes de la COVID-19”, que trata de captar las implicaciones para la disponibilidad de alimentos y el acceso a estos, y por tanto la prevalencia de la subalimentación, de las previsiones económicas mundiales consideradas antes de la pandemia en el documento Perspectivas de la Economía Mundialdel Fondo Monetario Internacional (FMI), publicado en octubre de 2019; 2) “antes de la guerra en Ucrania”, que hace lo mismo pero teniendo en cuenta la edición de octubre de 2021 de esa misma publicación; 3) “perspectivas actuales”, que se basa en la versión más reciente de Perspectivas de la Economía Mundial,publicada en abril de 202317. Una descripción más detallada del MIRAGRODEP, así como los supuestos utilizados para crear los distintos escenarios, pueden consultarse en Laborde y Torero (2023)18.
Además, se utilizaron las proyecciones correspondientes a la variante mediana de la población total (de ambos sexos), su composición por sexo y edad y la tasa bruta de natalidad según la revisión de 2022 de la publicación World Population Prospects4 (Perspectivas de la población mundial) del Departamento de Asuntos Económicos y Sociales de las Naciones Unidas.
Proyecciones del consumo de energía alimentaria
La serie del consumo de energía alimentaria (CEA [DEC en la fórmula, por sus siglas en inglés]) se proyecta mediante la siguiente fórmula:
donde T = 2019 para “antes de la COVID-19”, T = 2021 para “antes de la guerra en Ucrania» y T = 2022 para “perspectivas actuales”.
Dicho de otro modo, se toma la serie modelo prevista de DES_Kcal y se ajusta su nivel de manera que el valor del año T coincida con el valor real. (Esto es necesario ya que el MIRAGRODEP se ha calibrado con una serie más antigua de hojas de balance de alimentos).
Proyecciones de las necesidades mínimas de energía alimentaria
Las proyecciones de las NMEA se calculan simplemente a partir de los datos sobre la composición de la población por sexo y edad según las proyecciones de la publicación World Population Prospects4 (Perspectivas de la población mundial) de 2019 (variante media).
Proyecciones del coeficiente de variación
Como se explica en la nota metodológica sobre la prevalencia de la subalimentación en el Anexo 1B, el coeficiente de variación (CV) total se calcula con la siguiente formula: 
donde los dos componentes corresponden a la variabilidad en el consumo habitual de energía alimentaria per cápita debida a las diferencias entre hogares en términos de nivel de ingresos y a la variabilidad entre individuos en función de las diferencias de sexo, edad, masa corporal y nivel de actividad física. Los valores previstos para el CV en 2025 y 2030 se obtienen aplicando la fórmula anterior al CV|r y el Cv|y proyectados por separado. El CV|r proyectado se calcula a partir de las estructuras de población previstas por sexo y edad que se proporcionan en la publicación World Population Prospects (Perspectivas de la población mundial) (de forma similar a lo que se hace para las NMEA), mientras que el CV|y proyectado se calcula como una combinación lineal de variables previstas macroeconómicas y demográficas pertinentes como sigue:
Para estimar los coeficientes utilizados en la fórmula anterior, en esta edición del informe se han considerado modelos alternativos que suponen una mejora frente al modelo empleado en 2022. Como se resume en el Cuadro A2.2, los coeficientes de los tres modelos alternativos son muy similares y, por tanto, generan predicciones muy parecidas al introducirse las mismas series de variables independientes previstas obtenidas del modelo MIRAGRODEP y de la publicación World Population Prospects (Perspectivas de la población mundial) en su revisión de 20224.
CUADRO A2.2 Coeficientes de regresión a partir de tres modelos ALTERNATIVOS estimados sobre valores históricos del CV|y (2000-2018) y comparación con el modelo utilizado en 2022
Aunque la estrategia de estimación, basada en una regresión lineal de efectos aleatorios, sigue siendo la misma que en años anteriores, las principales diferencias frente al modelo utilizado para generar proyecciones del CV|y en 2022 residen en el conjunto de datos históricos utilizados para alimentar el modelo de estimación.
En primer lugar, este año se utilizó la serie nueva de valores históricos del CV|y que sirven de base a la serie actual de estimaciones de la prevalencia de la subalimentación presentada en el Cuadro 1 y el Cuadro A1 de este informe, que incluyen una revisión de algunas estimaciones obtenidas de datos procedentes de encuestas sobre el consumo de alimentos que se habían utilizado antes, pero que se han reelaborado teniendo en cuenta las mejoras y actualizaciones de las tablas de composición de alimentos, y valores derivados del nuevo análisis de 14 encuestas adicionales (véase la nota metodológica para la prevalencia de la subalimentación en el Anexo 1B).
Pero lo más importante es que este año se han utilizado series nuevas de datos históricos sobre el PIB real per cápita, el coeficiente de Gini para los ingresos, el IPC de los alimentos real, el recuento de la pobreza, la tasa bruta de natalidad y la población total. Para el recuento de la pobreza y el coeficiente de Gini para los ingresos se restringió la muestra a las estimaciones basadas en encuestas por hogares que se publican en la nueva Plataforma de Pobreza y Desigualdad (PIP) del Banco Mundial, la cual sustituye a PovcalNet y al Portal de datos sobre pobreza y equidad, que se retiraron en marzo de 2022. La principal consecuencia de depender únicamente de valores basados en encuestas por hogares en las series obtenidas de la PIP es una disminución del número de combinaciones país-año para los que se dispone de estimaciones directas del coeficiente de Gini para los ingresos y el recuento de la pobreza. Ello hace que el número de puntos de datos que se pueden utilizar para estimar el modelo se reduzca a 75 con respecto a los 119 utilizados en 2022.
Además, todas las series económicas disponibles a través de la PIP y las Perspectivas de la Economía Mundial del FMI se han actualizado para reflejar la revisión de la PPA basada en 2017 que publicó el Programa de Comparación Internacional (PCI)19.
Dado que ha habido varias actualizaciones de datos y las diferencias en los coeficientes estimados entre el modelo utilizado en 2022 y el modelo empleado este año (modelo 3) son muy relevantes, dando lugar a proyecciones ligeramente diferentes y más optimistas de reducciones en el CV|y, se estimaron dos modelos intermedios adicionales para desentrañar los motivos de los diferentes resultados. Primero se estimó un modelo (modelo 1 en el Cuadro A2.2) a partir del antiguo conjunto de datos para variables dependientes así como independientes, pero limitado a las 69 combinaciones país-año que coinciden entre las 119 empleadas en 2022 y las 75 utilizadas este año. Posteriormente, se pasó a utilizar los datos nuevos de la PIP, pero manteniendo los valores del recuento de la pobreza derivados de la PPA basada en 2011 (modelo 2), antes de adoptar todas las versiones nuevas de las variables en el modelo que se utiliza finalmente para las proyecciones (modelo 3).
Al comparar los valores de los coeficientes estimados en las columnas tres a seis del Cuadro A2.2, se observa que el principal efecto proviene de haber reducido las combinaciones país-año que se basaban en coeficientes de Gini para los ingresos y recuento de la pobreza interpolados o modelados: al pasar del modelo utilizado en 2022 al modelo 1, los coeficientes del PIB real per cápita y de Gini para los ingresos aumentan, tanto en valor absoluto como a nivel de su significación estadística. Otro efecto apreciable puede estar vinculado con las actualizaciones de los datos a su versión de 2023 y la suma de seis combinaciones país-año más: los coeficientes del PIB real per cápita, de Gini para los ingresos y del PIB de los alimentos real aumentan aún más, mientras que el relativo al recuento de la pobreza disminuye en el modelo 2 en comparación con el modelo 1. Por último, la actualización del recuento de la pobreza a la PPA basada en 2017 tiene efectos generales irrelevantes, ya que los coeficientes del modelo 2 y el modelo 3 son muy similares entre sí para todas las variables (con la excepción parcial del recuento de la pobreza, cuya contribución a la explicación del CV|y cae aún más).
La valoración general que se realiza es que las proyecciones del CV|y este año son más sólidas. Los coeficientes recientemente estimados apuntan a contribuciones de las variables explicativas al predecir el CV|y en la misma dirección que se estimaba antes, pero el mismo modelo se ajusta ahora a los datos considerablemente mejor, como refleja el aumento del coeficiente r2 y el aumento de las relaciones entre los coeficientes estimados y los errores típicos, especialmente para el PIB real per cápita y el coeficiente de Gini para los ingresos.
La serie de valores de CV|y previstos por la fórmula para cada país por separado en los años T + 1 hasta 2030 se calibra después con el valor del año T, de forma similar a lo que se hace para el CEA:
donde = 2019 para “antes de la COVID-19”, = 2021 para “antes de la guerra en Ucrania” y = 2022 para “perspectivas actuales”.
C. Metodología para el análisis de la inseguridad alimentaria según el grado de urbanización y por sexo
La prevalencia de la inseguridad alimentaria puede desglosarse por las características del encuestado u hogar cuando los datos se recopilan directamente de encuestados individuales en muestras representativas a nivel nacional. En el Capítulo 2, las estimaciones relativas a la inseguridad alimentaria se presentan desglosadas por el sexo de la persona encuestada (mujer u hombre adulto) y según el grado de urbanización (DEGURBA) (esto es, residencia urbana, periurbana o rural).
La metodología para desglosar el indicador por las características de un individuo u hogar es la siguiente:
- La probabilidad comparable entre países de la inseguridad alimentaria para cada encuestado se calcula en dos niveles de gravedad, a saber, moderada o grave, y grave únicamente. Las probabilidades se agrupan para cada categoría de las características de interés, calculando la media ponderada (mediante ponderaciones de la muestra) para todos los encuestados en esa categoría, obteniendo así la prevalencia de la inseguridad alimentaria dentro de dicho grupo (por ejemplo, entre las mujeres encuestadas).
- La prevalencia de la inseguridad alimentaria en una categoría determinada se pondera en función de la población correspondiente (por ejemplo, el número de mujeres adultas en el país) a fin de obtener la estimación subregional, regional o mundial (por ejemplo, la prevalencia de la inseguridad alimentaria en la población femenina adulta en África septentrional), si se dispone de datos fiables sobre población y si existe suficiente cobertura geográfica en términos de porcentaje de la población.
El cálculo de la prevalencia de la inseguridad alimentaria por sexo es posible porque la FAO recopila los datos de los distintos encuestados (adultos de 15 años o más) a través de proveedores de servicios de recopilación de datos (véase el Anexo 1B). En el caso de países para los que se emplean los datos de las encuestas gubernamentales nacionales para calcular la prevalencia de la inseguridad alimentaria (véase el Anexo 1B), en general no es posible desglosar el indicador por sexo, pues los datos se recopilan a nivel de los hogares. Este año, por vez primera, se ha elaborado un protocolo para subsanar este problema. Así pues, en estos casos, la misma diferencia relativa por sexo estimada sobre la base de los datos recopilados por la FAO se aplica a la prevalencia de la inseguridad alimentaria en la población total basándose en los datos nacionales. Se trata de una aproximación, ya que la diferencia en los datos de la FAO se aplica a los encuestados adultos y no al conjunto de la población. Sin embargo, la ventaja es que las estadísticas por sexo están en consonancia en lo que respecta a niveles y tendencias con las de la población general. En esta edición del informe se revisó toda la serie, lo que dio como resultado actualizaciones leves de los niveles de la prevalencia de la inseguridad alimentaria por sexo en los planos regional y mundial en comparación con la edición de 2022.
El desglose según el grado de urbanización es posible por primera vez este año porque Gallup© empezó en 2021 a georreferenciar todas las entrevistas en los países realizadas de forma presencial. En 2022, los países que se cubrieron con entrevistas telefónicas también se georreferenciaron, lo que proporcionó suficiente representación geográfica para elaborar estimaciones subregionales, regionales o mundiales de la inseguridad alimentaria según el grado de urbanización.
Dentro de cada país, es posible vincular cada observación georreferenciada con el conjunto de datos DEGURBA, determinando si la observación (encuestado) se sitúa en una ciudad, un pueblo o una zona rural, en función de la densidad y el tamaño de la población, según los criterios comparables internacionalmente elaborados por la Oficina Estadística de la Unión Europea (EUROSTAT), la Organización Internacional del Trabajo (OIT), la FAO, la OCDE, ONU-Habitat y el Banco Mundial y aprobados en el 51.o período de sesiones de la Comisión de Estadística de las Naciones Unidas en marzo de 202020. La prevalencia de la inseguridad alimentaria se calcula para cada categoría de urbanización y luego se agrupa a nivel subregional, regional o mundial utilizando la distribución de población según DEGURBA actualizada en 2020 que publica EUROSTAT21. En el caso de países en los que las estadísticas oficiales sobre la inseguridad alimentaria se fundamentan en datos nacionales, se aplica el mismo método de aproximación descrito para el desglose por sexo.
Puesto que la FAO no recopiló datos de la FIES en China en 2022, y los datos recopilados en 2021 no estaban georreferenciados, las estimaciones de la inseguridad alimentaria según el grado de urbanización en China se aproximaron como sigue: la prevalencia de la inseguridad alimentaria para 2021 se desglosó por zona de residencia, definida en la Encuesta Mundial de Gallup©, donde los encuestados notifican si viven en: una zona rural o una explotación agrícola; un pueblo pequeño o una aldea; una ciudad grande o el barrio periférico de una gran ciudad. Posteriormente, se establecieron correspondencias de estas categorías con el DEGURBA, por lo que las personas que vivían en una zona rural o en una explotación agrícola se consideraron parte de la población “rural”, aquellas que vivían en un pueblo pequeño o una aldea se consideraron parte de la población “periurbana” y aquellas que vivían en una gran ciudad o el barrio periférico de una gran ciudad se consideraron residentes “urbanos”. Esta correspondencia se justificó con el argumento de que DEGURBA clasifica las zonas con urbanización en aumento en función de la densidad y el tamaño de la población. Para garantizar que este enfoque no provocaba ningún sesgo significativo, se validó la misma correspondencia como precisa para otros países asiáticos en los que se recopilaron datos en 2022.
D. Metodología relativa al costo y la asequibilidad de una dieta saludable
La FAO, con el apoyo del Grupo sobre datos del Banco Mundial, realiza un seguimiento sistemático de los indicadores del costo y la asequibilidad de una dieta saludable y recientemente ha empezado a difundir las series actualizadas en la base de datos FAOSTAT22. Las estimaciones están actualizadas para 2021 (véanse las secciones Actualización del costo de una dieta saludable y Actualización de la asequibilidad de una dieta saludableen las páginas siguientes). Asimismo, la FAO lleva a cabo revisiones periódicas de toda la serie de datos a fin de mejorar de forma continuada la metodología y proporcionar estimaciones sólidas sobre los indicadores del costo y la asequibilidad de una dieta saludable.
El costo de una dieta saludable
El costo de una dieta saludable se define como el costo de los alimentos disponibles a nivel local menos costosos que permiten satisfacer las necesidades de energía y las recomendaciones de las guías alimentarias basadas en alimentos de una persona representativa en el marco de un balance de energía de 2 330 kcal/día. En las guías alimentarias analizadas, se indican expresamente las cantidades de alimentos recomendadas de cada grupo de alimentos y se ofrece una representación regional amplia. Aunque no se selecciona en función del contenido de nutrientes, sino según las guías alimentarias basadas en alimentos, esta dieta cubre, por término medio, cerca del 95 % de las necesidades de nutrientes, por lo que casi siempre puede considerarse adecuada en cuanto a nutrientes.
Los datos sobre la disponibilidad y los precios de los productos de cada grupo de alimentos necesarios en una dieta saludable provienen del PCI dirigido por el Banco Mundial en calidad de promedios nacionales para 2017. Las definiciones de los productos están estandarizadas internacionalmente, de manera que es posible efectuar la clasificación por grupos de alimentos y el cálculo de los costos mínimos para cumplir los requisitos de las guías alimentarias basadas en alimentos en cada país, lo que supone un promedio entre los mercados y a lo largo del año19. El indicador relativo al costo de una dieta saludable se calcula utilizando una cesta estándar, denominada la cesta de la dieta saludable, que consta de seis grupos de alimentos y recoge características comunes de diez guías alimentarias basadas en alimentos señaladas. Para obtener una descripción detallada de la dieta saludable y la correspondiente metodología, véase Herforth et al. (2020, 2022)23, 24.
Asequibilidad de una dieta saludable
En este informe, para determinar la asequibilidad de una dieta saludable, se compara su costo con las distribuciones de ingresos específicas de cada país según la PIP del Banco Mundial25. Las medidas de asequibilidad resultantes incluyen el porcentaje y el número de personas que no pudieron permitirse una dieta saludable en un país determinado en 2021. Una dieta saludable se considera inasequible cuando su costo supera el 52 % de los ingresos en un país. Este porcentaje representa la parte de los ingresos que puede reservarse de manera plausible a la adquisición de alimentos, basada en observaciones que apuntan a que la población de los países de ingresos bajos destina, de media, un 52 % de sus ingresos a la adquisición de alimentos, según se deriva de los datos sobre gastos de los hogares de las cuentas nacionales del PCI de 2017.
Partiendo de este umbral y comparando el costo de la dieta con las distribuciones de ingresos de los países, se obtiene el porcentaje de personas para el que la dieta resulta inasequible. A continuación, estas proporciones se multiplican por la población de cada país en 2021 según los indicadores del desarrollo mundial del Banco Mundial26 para obtener el número de personas que no pueden permitirse una dieta saludable en un país determinado. Para consultar una descripción detallada de los indicadores de asequibilidad y la metodología conexa, véase el Anexo 3 de FAO, FIDA, OMS, PMA y UNICEF (2020)27.
Actualización del costo de una dieta saludable
El PCI, como parte de los esfuerzos generales por calcular los tipos de cambio con PPA en todos los países del mundo, es actualmente la única fuente de datos sobre el precio de los alimentos al por menor para los productos estandarizados a nivel internacional. Sin embargo, estos datos solo están disponibles cada tres a cinco años, lo que no permite realizar un seguimiento mundial anual de los costos de la dieta para orientar los programas y las políticas. A falta de datos actualizados sobre los precios de los alimentos, en este informe el método de actualización del indicador de los costos entre los años de publicación de los datos del PCI se basa en los índices de precios al consumidor (IPC) publicados por la FAO. Mediante este conjunto de datos puede hacerse un seguimiento de la variación de los IPC mensuales generales y de los alimentos a nivel nacional tomando como año de referencia 2015. Los IPC anuales se calculan como promedios simples de los 12 IPC mensuales de un año. En particular, los datos de los IPC de los alimentos y las bebidas no alcohólicas sirven como base para actualizar el costo de las dietas saludables en 2021 para todos los países excepto Guyana y la República Centroafricana, para los que se utiliza el IPC general. El costo de una dieta saludable se estima para la serie completa (2018-2021) multiplicando el costo real de cada país correspondiente a 2017, expresado en unidades monetarias locales (LCU en la fórmula, por sus siglas en inglés), por la relación del IPC (CPI en la fórmula, por sus siglas en inglés), y por último dividiendo por la paridad del poder adquisitivo:
El costo de la dieta saludable se actualiza primero en unidades monetarias locales y, a continuación, se convierte en dólares internacionales utilizando la PPA (PPP en la fórmula, por sus siglas en inglés) de los indicadores del desarrollo mundial para los factores de conversión del consumo privado28, a fin de comparar el costo entre países y entidades políticas. Para obtener una descripción detallada de la metodología, véase Bai et al. (en prensa)29.
El costo de una dieta saludable se calculó para 169 países y territorios en 2017 y se actualizó para el período 2018-2021 para todos ellos excepto Anguila, Montserrat y la Provincia china de Taiwán, que no disponían de información ni sobre los IPC ni sobre la PPA. De los 166 países restantes, 24 no contaban con datos sobre la PPA para ningún año entre 2018 y 2021bg y un territorio carecía de datos sobre los IPC (las Islas Turcas y Caicos). En los 24 países, se aplicaron extrapolaciones de la PPA empleando un modelo de promedio móvil integrado y autorregresivo con una variable explicativa externa (ARIMAX). En consonancia con la metodología de los indicadores del desarrollo mundial del Banco Mundial para las extrapolaciones de la PPA, la relación entre el IPC general de un país y el IPC del país de referencia (en este caso, los Estados Unidos de América) se incluye en la especificación del modelo como principal indicador para predecir los valores de la PPA. Además, también se añaden el PIB per cápita y el gasto de consumo doméstico per cápita como covariables externas, y la metodología de alisado Holt-Winters se aplica a ambas series para rellenar los huecos, si fuera necesario. El enfoque ARIMAX permite estimar, para cada país, varias especificaciones de modelos que incluyen un componente autorregresivo, un componente de integración, un promedio móvil y una combinación de los tres. Se selecciona la mejor especificación cuando al menos el coeficiente estimado de la relación del IPC es significativo desde el punto de vista estadístico, seguida de la significación estadística de los parámetros ARIMAX. Para los países y territorios que presentan una serie de la PPA anormal a lo largo del tiempo, se considera que la relación del IPC es el único coeficiente estadísticamente significativo que afecta a la variabilidad de los valores de la PPA. Por el contrario, para los países y territorios con una serie de la PPA menos volátil, la tendencia histórica de la PPA también desempeña una función en la predicción de los valores de la PPA, así como las estimaciones del coeficiente del PIB per cápita o el gasto per cápita. El modelo ARIMAX calcula los valores previstos en la especificación seleccionada más adecuada para cada país o territorio.
En el caso de un territorio sin información sobre los IPC (las Islas Turcas y Caicos), las extrapolaciones de los costos se aplicaron empleando el costo de la dieta promedio en la subregión correspondiente:
Los promedios de los costos subregionales fueron extrapolados excepto para las Islas Turcas y Caicos.
Una limitación de este método, empleado para actualizar el costo de las dietas saludables entre 2018 y 2021, es que las variaciones en el costo dependen de los IPC (de los alimentos) y no reflejan las variaciones de los precios de los alimentos correspondientes a cada producto, así como tampoco los cambios diferenciales en los precios de los distintos grupos de alimentos, debido a la falta de datos nuevos sobre los precios de los distintos productos alimentarios más nutritivos. La FAO está estudiando cómo ampliar la notificación de los precios de los productos para permitir un seguimiento más frecuente y sólido del costo de una dieta saludable.
Actualización de la asequibilidad de una dieta saludable
En este informe se ha actualizado la asequibilidad para los años comprendidos entre 2018 y 2021. De los 169 países y territorios con información sobre los costos en 2017, se estimaron los indicadores de asequibilidad para 143 con las distribuciones de ingresos disponibles en la base de datos de la PIP. Esta información se actualizó para todos los países y territorios para el período de 2018 a 2021, excepto para la Provincia china de Taiwán, para la que no se dispone de los IPC de los alimentos.
Gracias a las constantes actualizaciones basadas en las sucesivas encuestas nacionales y extrapolaciones de datos, las distribuciones de ingresos para los años 2020 y 2021 están ahora disponibles y actualizadas en la base de datos de la PIP25 para muchos países y territorios. Para actualizar la asequibilidad en estos años, se utilizaron las distribuciones de la base de datos de la PIP para 78 de los 142 países o territorios en 2020 y para 27 en 2021. Para los restantes (64 en 2020; 115 en 2021), el equipo de la PIP estimó la asequibilidad mediante proyecciones de distribuciones30 obtenidas al aplicar los métodos estándar del Banco Mundial para prever a muy corto plazo la pobreza31. Por último, la proporción de personas que no pueden permitirse una dieta saludable, estimada utilizando ambos métodos, se multiplicó por la población de cada país o territorio a partir de los indicadores del desarrollo mundial del Banco Mundial para obtener el número de personas que no podían permitirse una dieta saludable. Las últimas estimaciones de los indicadores de la asequibilidad se realizaron el 26 de abril de 2023. Debido a que se están realizando actualizaciones continuas de las distribuciones de ingresos en la base de datos de la PIP, las estimaciones de la asequibilidad posteriores a esa fecha pueden cambiar ligeramente.
En la edición de este año, la revisión de la metodología comprende las series de datos sobre asequibilidad. Tras la reciente publicación de la nueva PPA para 2017, el Banco Mundial adoptó los factores de conversión más recientes para expresar su conjunto de indicadores monetarios en términos de PPA de 2017, incluidas las distribuciones de los ingresos en la base de datos de la PIP25. Ello implica que los indicadores de asequibilidad ya no se expresan en PPA de 2011 como en años anteriores, sino en PPA de 2017. El cambio del año base ha provocado variaciones notables en la asequibilidad para ciertos países. No obstante, este cambio está asociado con mejoras en la calidad de las PPA y refleja mejor la situación económica actual en todo el mundo32. Concretamente, para siete países, la proporción de la población que no podía permitirse una dieta saludable era al menos 7 puntos porcentuales menos en 2021 al expresarse en PPA de 2017 en lugar de PPA de 2011 (Angola, Egipto, el Estado Plurinacional de Bolivia, Iraq, Jordania, Santo Tomé y Príncipe y Suriname). En cambio, esta era 14 y 7 puntos porcentuales mayor en Ghana y Belice, respectivamente. El Banco Mundial también ha reconocido cambios importantes en la medición de las tasas de pobreza para los mismos países citados, después de la adopción de la PPA de 2017. Estos se evaluaron con detenimiento y se observó que reflejaban mejoras en la calidad de las PPA32. En algunos de estos países, las PPA de 2017 se basan en datos de precios procedentes de una lista de artículos más amplia que en la ronda de la PPA de 2011; en otros países, los datos de precios se recopilaron por primera vez en 2017, superando la limitación de las PPA extrapoladas antes de esta ronda. En el caso de países de ingresos medianos altos como Belice y Ghana, los umbrales de los costos han aumentado entre 2011 y 2017 y, por consiguiente, la proporción y número de población cuyos ingresos son inferiores a los umbrales (es decir, no se pueden permitir una dieta saludable) es mayor33.
E. Metodología para el análisis rural-urbano de los resultados nutricionales
En la Sección 2.3 se realizó un análisis rural-urbano en función de la residencia urbana y rural aplicada a cuatro indicadores de nutrición utilizando estimaciones regionales con sus intervalos de confianza. El análisis se llevó a cabo en todas las regiones sobre la base de los datos disponibles para los países en cada región.
Se aplicó un análisis ponderado usando los últimos datos disponibles procedentes de encuestas nacionales realizadas entre 2015 y 2021. La lista de países que contribuyeron a cada región figura en el Cuadro A2.3; las fuentes de los datos se incluyen en las notas de los cuadros.
CUADRO A2.3 Países y territorios con datos sobre resultados nutricionales procedentes de encuestas nacionales entre 2015 y 2021 para lactancia materna exclusiva y entre 2016 y 2022 para retraso del crecimiento, emaciación y sobrepeso que contribuyeron al análisis rural-urbano
Los resultados regionales urbanos y rurales que se presentan se basan en un análisis ponderado en función de la población de un subconjunto de países con datos desglosados disponibles por lugar de residencia a partir de los últimos datos disponibles procedentes encuestas nacionales entre 2015 y 2021 para lactancia materna exclusiva y entre 2016 y 2022 para retraso del crecimiento, emaciación y sobrepeso. Las estimaciones regionales rurales y urbanas solo se presentan cuando la estimación regional en función de la residencia tiene una cobertura poblacional del 50 % o más por residencia rural o urbana. La cobertura poblacional se calcula dividiendo la suma de la población de niños menores de cinco años de países con al menos un punto de datos de las encuestas por hogares dentro del rango de años especificado por la población total de niños menores de cinco años de todos los países de la región.
F. Metodología de evaluación de los progresos en relación con las metas regionales y mundiales en materia de nutrición
Estas notas metodológicas corresponden a los resultados presentados en el Cuadro 6 de la Sección 2.3 del informe, que muestra la evaluación regional y subregional de los progresos hacia las metas de nutrición para 2030. Se evaluaron los progresos en relación con las metas de nutrición para 2030 establecidas por la OMS y el UNICEF34 y una versión adaptada de las normas del Grupo asesor de expertos técnicos sobre vigilancia de la nutrición establecido por la OMS y el UNICEF35 para todos los indicadores donde no se han establecido metas para 2030 ni normas para la evaluación de los progresos.
Para determinar qué categoría de evaluación de los progresos se debe utilizar para cada indicador y cada región, en primer lugar, se calculan dos tasas de reducción anual media (TRMA)bh distintas: i) la TRMA necesaria para que la región alcance la meta establecida para 2030, y ii) la TRMA real que la región ha registrado hasta la fecha. El valor de la TRMA real registrada hasta la fecha se utiliza después para determinar la categoría de evaluación de los progresos que se asigna a la región sin dejar de tener en cuenta la TRMA necesaria. En el Cuadro A2.4 pueden verse los intervalos de la TRMA y los umbrales de prevalencia que se aplican para cada categoría y para cada indicador, a saber:
- En vías de cumplimiento: se considera que están “en vías de cumplimiento” (verde) de una meta específica las regiones cuya TRMA real es superior a la TRMA necesaria para dicha meta. También se utiliza un umbral estático para la prevalencia más reciente, como se señala para cada indicador en el Cuadro A2.4, a fin de clasificar a las regiones en la categoría “en vías de cumplimiento”. Así, por ejemplo, se considera que cualquier región cuya prevalencia más reciente del sobrepeso esté por debajo del 3 % está “en vías de cumplimiento”, aunque la TRMA real sea inferior a la TRMA necesaria.
- Cumplimiento desviado: se considera que tienen “cumplimiento desviado” las regiones cuya TRMA real es inferior a la TRMA necesaria y cuya prevalencia más reciente está por encima del umbral estático de la categoría “en vías de cumplimento” indicado en el Cuadro A2.4. La categoría “cumplimiento desviado” se divide en subcategorías diferentes en función del indicador. Para los indicadores del retraso del crecimiento infantil, el sobrepeso infantil y la emaciación infantil, hay tres subcategorías de cumplimiento desviado: “Cumplimiento desviado: algunos progresos” (amarillo), “Cumplimiento desviado: sin progresos” (rojo claro) y “Cumplimiento desviado: empeoramiento” (rojo oscuro). En el caso del bajo peso al nacer y la lactancia materna exclusiva, las subcategorías “Cumplimiento desviado: sin progresos” (rojo claro) y “Cumplimiento desviado: empeoramiento” (rojo oscuro) se combinan en la subcategoría única “Cumplimiento desviado: sin progresos o empeoramiento”, que se representa con un color naranja, dado que el intervalo de variación en los progresos registrados hasta la fecha no es suficiente para distinguir dos subcategorías en relación con estos indicadores.
- La evaluación no fue posible: Por lo que se refiere a los indicadores basados en datos modelados por países (retraso del crecimiento infantil, sobrepeso infantil, bajo peso al nacer), fue posible realizar una evaluación para todas las regiones porque había una estimación basada en modelos para todos los países, lo que significa que había datos suficientes para elaborar estimaciones representativas para todas las regiones y para todos los años. En cuanto a los indicadores para los que no se disponía de estimaciones basados en modelos por países (emaciación infantil y lactancia materna exclusiva), la evaluación no fue posible en el caso de las regiones con una cobertura de la población inferior al 50 % (véanse las notas a pie de página 16 y 17 del Cuadro A2.4).
CUADRO A2.4 Normas para la evaluación de los progresos realizados en relación con las metas de nutrición mundiales
1. En el caso del bajo peso al nacer y la lactancia materna exclusiva, las categorías “Cumplimiento desviado: sin progresos” y “Cumplimiento desviado: empeoramiento” se combinan en la categoría única “Cumplimiento desviado: sin progresos o empeoramiento”, dado que el intervalo de variación en los progresos actuales no es suficiente para dividir estas categorías en relación con estos indicadores.
2. En lo que respecta a la lactancia materna exclusiva, la meta real es aumentar su prevalencia en los primeros seis meses de vida hasta el 70 % para 2030, si bien aquí se ha revisado para contemplar la prevalencia de la lactancia materna no exclusiva de modo que pueda aplicarse el concepto de la TRMA como en el caso de las otras seis metas.
3. La TRMA necesaria se basa en la variación en la prevalencia del retraso del crecimiento correspondiente a una reducción del 50 % en el número de niños y niñas con retraso del crecimiento entre 2012 y 2030, teniendo en cuenta el crecimiento demográfico estimado por World Population Prospects de las Naciones Unidas. La TRMA real se calcula a partir de los datos correspondientes a todos los años comprendidos entre 2012 y 2022.
4. Se consideran regiones que están en vías de cumplimiento aquellas en las que la estimación puntual de la prevalencia del retraso del crecimiento o el intervalo de confianza inferior al 95 % para 2022 es menor del 3 %.
5. La TRMA necesaria se basa en la variación necesaria en la prevalencia del sobrepeso o la emaciación para reducir sus niveles respecto de la prevalencia de referencia (2012) hasta el 3 % para 2030. La TRMA real se calcula a partir de los datos correspondientes a todos los años comprendidos entre 2012 y 2022. Nótese que, en el caso de la emaciación, para elaborar la TRMA real se utilizan estimaciones de tendencias no publicadas procedentes de las estimaciones conjuntas sobre la malnutrición (JME).
6. Se considera que las regiones en las que la estimación puntual de la prevalencia del sobrepeso o la emaciación para 2022 es menor del 3 % están “En vías de cumplimiento”.
7. La TRMA necesaria se basa en la variación requerida para reducir en un 30 % la prevalencia del bajo peso al nacer entre 2012 (año de referencia) y 2030. La TRMA necesaria de 1,96 es la misma para todas las regiones, ya que la meta exige una variación relativa (reducción de un 30 %) en el valor de referencia. La TRMA real se calcula a partir de los datos correspondientes a todos los años comprendidos entre 2012 y 2020.
8. Se considera que las regiones en las que la estimación puntual de la prevalencia del bajo peso al nacer para 2020 es inferior al 5 % están “En vías de cumplimiento”.
9. La TRMA necesaria se basa en la variación requerida para reducir la prevalencia de la lactancia materna no exclusiva al 30 % entre 2012 (año de referencia) y 2030. La TRMA real se calcula utilizando solo dos estimaciones para los años 2012 y 2021, donde los promedios regionales se ponderan por la población empleando la estimación más reciente para cada país entre 2005 y 2012 para la estimación de 2012, y entre 2016 y 2021 para la estimación de 2021.
10. Se considera que las regiones en las que la estimación puntual de la prevalencia de la lactancia materna no exclusiva para 2021 es inferior al 30 %, es decir, en las que la lactancia materna exclusiva es ≥70 %, están “En vías de cumplimiento”.
11. Las bases de datos mundiales para los indicadores del retraso del crecimiento, el sobrepeso y el bajo peso al nacer se basan en modelos a escala nacional que proporcionan estimaciones anuales de todos los países para elaborar estimaciones regionales y mundiales (es decir, se dispone de estimaciones anuales también para los países sin datos procedentes de las encuestas por hogares, incluso en casos en los que las estimaciones basadas en modelos por países no se han hecho públicas y se han utilizado exclusivamente para la elaboración de estimaciones mundiales y regionales), con lo cual la evaluación de los progresos fue posible para todas las regiones.
12. La evaluación de los progresos en relación con las metas en materia de retraso del crecimiento y sobrepeso infantil no se llevó a cabo en el caso de los países para los que no se disponía de datos de entrada (por ejemplo, datos de encuestas por hogares) posteriores a 2022 que pudieran utilizarse en el modelo específico del país o cuyas estimaciones basadas en modelos estuvieran pendientes de revisión final.
13. La evaluación de los progresos en relación con la emaciación no fue posible en el caso de las regiones donde la cobertura de la población era inferior al 50 %. La cobertura de la población se calcula dividiendo la suma de la población de menores de cinco años de los países con al menos un punto de datos de las encuestas por hogares entre 1990 y 2020 por la población total de menores de cinco años de todos los países de la región. Dado que las estimaciones sobre la emaciación se elaboran partiendo de un modelo subregional, incluso los datos de un solo año del período comprendido entre 1990 y 2020 cuentan para la cobertura de población regional.
14. La evaluación de los progresos en relación con la meta de la emaciación infantil no se llevó a cabo en el caso de los países que no tenían al menos dos puntos de datos (por ejemplo, encuestas por hogares) entre 2005 y 2022, con al menos uno de ellos posterior a 2012.
15. La evaluación de los progresos en relación con la lactancia materna exclusiva no fue posible en el caso de las regiones donde la cobertura de la población de los datos de las encuestas a los países era inferior al 50 % para la estimación de 2012 o la de 2021. Para 2012, la cobertura de la población se calcula dividiendo la suma de la población de menores de cinco años de los países con al menos un punto de datos de las encuestas por hogares entre 2005 y 2012 por la población total de menores de cinco años de todos los países de la región. Para 2021, la cobertura de la población se calcula dividiendo la suma de la población menores de cinco años de los países con al menos un punto de datos de las encuestas por hogares entre 2016 y 2021.
FUENTES: Elaborado a partir de información procedente de: OMS y UNICEF. 2017. Methodology for monitoring progress towards the global nutrition targets for 2025 – technical report; y OMS y UNICEF. 2017. The extension of the 2025 Maternal, Infant and Young Child nutrition targets to 2030. OMS y UNICEF.
Para calcular la TRMA real registrada hasta la fecha a nivel regional se utilizaron datos de varios años en función del indicador, como se especifica en las notas a pie de página del Cuadro A2.4. Las TRMA reales correspondientes a cada región se calculan empleando una línea de tendencia en la que se incluyen todas las estimaciones disponibles entre 2012 (año de referencia) y la última estimación disponible para cada indicador, excepto en el caso de la lactancia materna exclusiva, para la que no se dispone de estimaciones basadas en modelos. En su caso, se ha calculado empleando solo dos estimaciones: la de referencia (2012) y la del último año disponible (2019). La TRMA necesaria se calcula empleando la prevalencia de referencia de la región en 2012 y la prevalencia meta establecida en las metas para 2030 relativas a la nutrición de madres, lactantes y niños pequeños34. Por ejemplo, en el caso del sobrepeso infantil, la TRMA necesaria a nivel mundial es del 3,41 % anual, que es la tasa anual de cambio necesaria para pasar de una prevalencia del 5,6 % en el año de referencia 2012 a la meta del 3,0 % en 2030.
