Introducción: Datos recogidos de episodios de historias clínicas informatizadas, estudiando las variables sexo, edad, peso, talla, lugar de residencia (CP, centro de salud, barrio) de nuestra población entre 01/01/2022-31/03/2022. Para calcular las curvas y tablas percentiles hemos utilizado el algoritmo LMS de Cole-Green con verosimilitud penalizada, implementado en el software RefCurv 0.4.2 (2020), que permite gestionar grandes cantidades de datos. Los hiperparámetros se han seleccionado mediante el BIC (Bayesian Information Criterion). Para calcular desviaciones poblacionales respecto a la referencial se ha cogido como referencia el estar por encima de 1,5 desviaciones estándar respecto de la media según la edad. Se determina obesidad si más 2 SDS.

Resultados: Se recogen 66.975 episodios informatizados de menores de 16 años y un total de 1.205.000 variables estudiadas. Aunque se dispone de datos se excluyen individuos > 16 años por N bajas. Se representan las gráficas de nuestra población respecto a los estándares observando que existen diferencias con Orbegozo 2011 y españolas 2010. El mayor % de obesidad (14-19%) se registra en 3 barrios de la ciudad y un pueblo. Dichos barrios presentan un nivel socio económico por debajo de la media (entre el 68-75% de renta media), un menor número de parques (< 10 hectáreas) y mayor concentración de población inmigrada (con la excepción de un barrio 27% de menores vs. 15% de media). El pueblo con mayor prevalencia presenta una renta media algo inferior a la media 95% de la provincia y mayor número de personas de origen inmigrante. Los barrios con menor prevalencia de obesidad (incluso en algún caso 0%) corresponde a los de mayor renta económica, acceso a espacios verdes y menor tasa de inmigración. Lo mismo ocurre en zonas rurales. Así mismo las zonas rurales presentan menor prevalencia global que la urbana.