SciELO - Scientific Electronic Library Online

 
vol.11 issue2Cognitive Skills through the Cooperative Learning Strategy and Epistemological Development in Mathematics of Freshmen University StudentsConceptualization and Measurement of Citizenship Behavior in the Career in University Students author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • On index processCited by Google
  • Have no similar articlesSimilars in SciELO
  • On index processSimilars in Google

Share


Formación universitaria

On-line version ISSN 0718-5006

Form. Univ. vol.11 no.2 La Serena Apr. 2018

http://dx.doi.org/10.4067/S0718-50062018000200057 

Artículos Varios

Rendimiento Académico Universitario y Conductas Alimentarias

Academic Performance and Eating Behavior of University Students

Sergio Zuniga-Jara1 

Roberto Pizarro-Díaz1 

María E. Escudero-López2 

Guillermo Honores-Marín1 

1Escuela de Ciencias Empresariales, Universidad Católica del Norte, Coquimbo, Chile. (e-mail: sz@ucn.cl; robertopizarrodiaz@gmail.com; ghonoresm@gmail.com)

2Universidad Tecnológica de Chile, La Serena, Chile. (e-mail: meel.escudero@gmail.com)

Resumen

Se presentan los resultados de una investigación de tipo transversal, que analizó la relación entre las conductas alimentarias de riesgo y el rendimiento académico en universitarios. Para esto se aplicó encuestas a estudiantes de la Universidad Católica del Norte (Coquimbo-Chile), y se realizaron mediciones de su indice de masa corporal. Los resultados del estudio sugieren que los estudiantes con mayor vulnerabilidad a la sensibilidad ante la recompensa presentaron niveles de sobrealimentación elevados, o tendencia a los atracones de comida. Además, estos estudiantes presentaron mayores niveles de preferencias por alimentos grasos y dulces. Estos constructos resultaron ser determinantes de un elevado índice de masa corporal, y además, de un rendimiento académico más bajo. Los resultados del estudio sugieren que estrategias para promover la alimentación saludable en estudiantes universitarios que presentan vulnerabilidad por sensibilidad ante la recompensa, deben ser más efectivas para mejorar el desempeño académico global.

Palabras clave: sensibilidad a la recompensa; sobrealimentación; rendimiento académico; ecuaciones estructurales; preferencias alimentarias

Abstract:

This paper presents the results of a cross-sectional research that analyzed the relationship between risky dietary behaviors and academic achievement in university students. A survey was applied to students from the University Católica del Norte (Coquimbo-Chile), and measurements were made of their body mass index. The results of the study suggest that students with higher vulnerability to sensitivity to the reward presented higher levels of overeating, or tendency to binge eating. In addition, these students had higher levels of preferences for fatty and sweet foods. These constructs proved to be determinants of a higher body mass index, and a lower academic performance. The results of the study suggest that strategies to promote healthy eating in college students with vulnerability to reward sensitivity, must be more effective in improving overall academic performance.

Keywords: sensitivity to reward; overeating; academic performance; structural equations; food preferences

INTRODUCCIÓN

Los trastornos alimentarios son complejos y se desconoce su causa exacta, aunque generalmente se les asocia con una combinación de anormalidades biológicas, psicológicas y/o ambientales (Rikani et al., 2013). Las formas más comunes de trastornos alimenticios incluyen el trastorno alimenticio compulsivo (binge eating disorder), el cual lleva a comer en exceso dando lugar a aumento de peso y a menudo a obesidad. Los jóvenes universitarios son especialmente proclives a estas conductas. Salir de casa y entrar en un mundo nuevo al comen-zar la universidad representa un cambio importante, lo que puede desencadenar un trastorno alimentario. En los Estados Unidos y Canadá se usa popularmente la expresión "Freshman 15", referido a las supuestas 15 libras (casi 7 kilos) de aumento de peso durante el primer año como estudiante universitario. Múltiples esfuerzos han sido realizados para prevenir este problema (Levitsky et al., 2004). En esta línea, el Ministerio de Salud de Chile desarrolló una guía para universidades saludables (MINSAL, 2006).

Quienes son altamente sensibles a la recompensa (SaR) serían más receptivos y vulnerables al reforzamiento que proporcionan los alimentos dulces y grasos (Epstein y Leddy, 2006). Una mayor capacidad de respuesta hedónica a la comida con sensaciones placenteras intensas al sabor de los alimentos ha sido reportada en personas propensas al aumento de peso (Blundell et al., 2005). Entonces, un rasgo de personalidad como la SaR puede influenciar el peso corporal de los estudiantes. La sensación de gratificación asociados a los alimentos altos en grasas y azúcares parece provenir de la activación del sistema dopaminérgico mesotelencefálico, similar a la dependencia de drogas (Corwin, 2006).

Existe evidencia de una relación positiva entre SaR, preferencias alimentarias y peso corporal (Franken y Muris, 2005). En particular, la relación entre vulnerabilidad por SaR, trastornos alimenticios, preferencias alimentarias y obesidad (alto índice de masa corporal, IMC) ha sido estudiada por Davis et al. (2007), encontrando que los efectos reforzantes de los alimentos sabrosos se relacionan con comportamientos que contribuyen a un alto IMC. En efecto, la SaR predice positivamente el comer en exceso alimentos ricos en grasa y azúcar, lo que permite predecir un mayor Índice de Masa Corporal (IMC). Habitualmente se considera que el resultado académico de los estudiantes es un indicador de logro. La relación entre IMC y rendimiento académico ha sido estudiada por Burkhalter y Hillman (2011), reportando que un mayor IMC se asoció con un menor rendimiento cognitivo después de ajustar las variables demográficas y psicosociales. Recientemente (Anderson y Good, 2017) reportan que el IMC se correlaciona significativamente de modo negativo con las calificaciones finales de los estudiantes universitarios.

En este estudio se expande los resultados anteriores que han postulado que detrás de los determinantes de la obesidad se encuentran variables psicológicas, planteando además que este modelo es capaz de ser relacionable con el rendimiento académico de los estudiantes universitarios. Para ello usamos una especificación basada en un modelo de ecuaciones estructurales (Wang et al., 2004), la cual es ilustrada esquemáticamente en la Figura 1. El modelo reconoce que los efectos personales de la vulnerabilidad por SaR constituyen en realidad un constructo (variable latente, representada por un óvalo) el que no puede ser observado directamente. El modelo postula que esta SaR está relacionada directamente con el comportamiento de inadecuada calidad dietaria y las preferencias por alimentos grasos y dulces. Ambos constructos a su vez afectan directamente el IMC de los estudiantes, medido por el IMC (una variable observable, representada en un rectángulo). Finalmente, el modelo postula que el IMC está vinculado directamente con el desempeño académico de los estudiantes.

Fig. 1 Modelo de ecuaciones estructurales bajo estudio, en estudiantes universitarios. Óvalos para variables latentes (constructos no observables), y rectángulos variables observables directamente. 

MATERIALES Y MÉTODOS

La hipótesis central del estudio es que la característica de los estudiantes de poseer mayor SaR incide en el tipo de alimentación que consumen, lo que conduce a un desorden alimenticio que se traduce en sobrealimentación (SAlim) y a un aumento de la preferencia por alimentos dulces y grasos (PAlim). A su vez, este comportamiento conduce a un sobrepeso (un alto índice de masa corporal, IMC), y finalmente a un menor desempeño académico (RA).

Constructos y variables

Cada uno de los tres constructos en la Fig. 1 es medido a través de un número de variables de medida observables directamente.

Vulnerabilidad por Sensibilidad ante la Recompensa (SaR): Para medir los efectos reforzantes de la comida se utilizó el cuestionario BAS (Behavioural Activation System de Gray, 1987), que mide el sistema de aproximación conductual ante el placer y recompensa. El cuestionario BAS utiliza tres subescalas: a) Pulsión: 4 preguntas que mide la fuerza que mueve al individuo a conseguir sus objetivos; b) Búsqueda de diversión, placer o sensaciones: 4 preguntas que miden las acciones encaminadas a la satisfacción personal; y c) Responsividad a la recompensa: 5 preguntas que miden las conductas específicas que llevan a obtener una recompensa. Los coeficientes alpha de Cronbach de este cuestionario BAS han sido medidos satisfactoriamente por (Carver y White, 1994).

Sobrealimentación (SAlim): Este constructo fue medido por dos instrumentos que capturan la tendencia a sobrealimentarse en respuesta a ciertos desencadenantes. The Dutch Eating Behaviour Questionnaire, DEBQ (Van Strien, 1986), de la cual en este estudio se aplicó las subescalas de alimentación emocional y de alimentación externa. La Binge Eating Scale, BES 16 (Gormally, 1982), se utilizó para evaluar el comportamiento de atracones de comida (Gormally, Black, Daston y Rardin, 1982). Ambos cuestionarios han mostrado confiabilidad satisfactoria a través de mediciones del alpha de Cronbach (Wardle, 1987).

Preferencias Alimentarias (PAlim): Este constructo fue medido a través del Cuestionario de Preferencias Alimentarias (CPA) diseñado por Geiselman et al. (1998). Algunas adaptaciones fueron realizadas para incluir 42 alimentos representativos para la población chilena. Se utilizó una escala de Likert de 5 ítems, desde alto a bajo contenido de grasas, y desde alto en azúcares simples, hidratos de carbono de alta complejidad, hasta bajo en carbohidratos / alta proteína.

Las dos variables dependientes en nuestro modelo son el índice de masa corporal y el rendimiento académico: i) Índice de Masa Corporal (kg/m2), IMC: Fue medido por profesionales nutricionistas de la Universidad siguiendo las técnicas estandarizadas, donde el peso se obtuvo con ropa ligera y descalzo con balanza digital portátil marca SECA, con precisión de 100 g. La talla se midió con tallímetro portátil marca SECA con 0,1 cm de precisión. A partir del peso y la talla se calculó el índice de masa corporal (kg/m2) y se clasificó el estado nutricional según la norma de la OMS: Enflaquecido < 18,5 kg/m2, Normopeso 18,5-24,9 kg/ m2, Sobrepeso 25,0-29,9 kg/m2 y Obesos ≥ 30 kg/m2.

ii) Rendimiento Académico, RA: El rendimiento académico es el conjunto de resultados efectivos obtenidos por un estudiante. Se trata de una variable difícil de medir (Richardson et al., 2012). Debido a la heterogeneidad de asignaturas de cada estudiante según su carrera, usualmente se utilizan algunos proxis. Ibarra y Michalus (2010) asignan categorías según el número promedio de asignaturas anuales que haya aprobado el estudiante. En nuestro estudio el rendimiento fue aproximado por la cantidad de asignaturas reprobadas por un estudiante (Agarwal et al., 2013). Un menor número de asignaturas reprobadas se consideró equivalente a un buen rendimiento, y viceversa.

El Método de Estimación

En nuestro modelo las variables clave son conceptos psicológicos abstractos. El comportamiento de estas variables latentes sólo puede ser observado indirecta e imperfectamente a través de sus efectos sobre variables de medida (manifiestas). Modelos de Ecuación Estructurales (SEM) son una técnica de análisis estadístico multivariado usado para analizar las relaciones estructurales latentes. Este método es generalmente el preferido, porque integra la dependencia múltiple e interrelacionada de variables endógenas y exógenas. El método de las SEM usa un algoritmo que escribe la matriz de covarianzas, Σ(θ), en función de parámetros desconocidos θ, que incluyen los de medición y los estructurales. Como contraparte, S es la matriz de covarianzas estimada de los datos muestrales. El objetivo es encontrar los parámetros θ que minimizan la diferencia entre ambas matrices, S-Σ(θ). Para ello se plantea habitualmente la función de ajuste de máxima verosimilitud (ML) dada por:

En esta ecuación, p=es el número de variables explicadas, y q = el número de variables explicativas (Wang y Wang, 2012).

Puede mostrarse que el estimador de máxima verosimilitud es insesgado, consistente y eficiente, y que las estimaciones de los parámetros convergen asintóticamente a la distribución normal. El algoritmo de estimación está implementado en varios softwares especializados, y en esta investigación hemos usado Stata de StataCorp (2015). Una vez aplicados los cuestionarios y tabulados los resultados se realizó un Análisis Factorial Confirmatorio (CFA), con el objeto de analizar la validez de los constructos (Jöreskog, 1969). Este considera correr un SEM reducido incluyendo covarianzas entre variables latentes, pero no las dependencias entre ellas, es decir sin incluir las ecuaciones estructurales. El modelo completo (modelo estructural) fue estimado en base a las recomendaciones obtenidas a partir de los resultados del CFA.

Los Sujetos del Estudio Transversal

En este estudio de tipo transversal se realizó un muestreo por conveniencia que incluyó estudiantes de diversas carreras pertenecientes a varias facultades. De entre los estudiantes de la Universidad Católica del Norte, Coquimbo, Chile, una muestra de n=173 estudiantes se presentaron voluntariamente para participar en este estudio. Esto supera los requisitos establecidos por la fórmula usual basada en el caso binomial para población infinita. En efecto, usando p=0.5 como la proporción de la población que posee la característica de interés; q=0.5 la proporción que no posee la característica; K=2 (constante de nivel de confianza) y e=10% (error absoluto), se obtiene un tamaño muestral mínimo de 100 casos. En las instrucciones iniciales de la encuesta, se incluyó un texto que indicaba que, al completar la encuesta, implicaba el consentimiento de uso de la información para estudios académicos.

RESULTADOS

La Tabla 1 muestra estadísticos resumen peso (k), talla (cm), edad (años) y IMC de los encuestados. Puede notarse que los índices de masa corporal (IMC) observados en hombres son cercanos a 25, lo cual indica un estado nutricional normal, en el límite superior, en estos participantes.

Tabla 1 Características de la Muestra 

Variable Num. de observ. Media global Hombres Mujeres Desv. Std. global Min global Max global
Peso (k) 173 63.35 71.50 58.91 10.95 40.0 95.0
Talla (cm) 173 164.20 171.84 160.04 7.88 149.0 185.0
Edad (años) 173 21.40 21.56 21.32 1.84 19.0 29.0
IMC 173 23.38 24.18 22.95 2.97 16.7 32.7

Tabla 2 Ítems de cada instrumento utilizados en la especificación final 

Instrumento Preguntas (medidas)
Vulnerabilidad por Sensibilidad ante la Recompensa Cuando estoy haciendo algo bien, me encanta seguir haciéndolo. Siempre estoy dispuesto(a) a probar algo nuevo sí creo que es divertido. Si veo la oportunidad de obtener algo que quiero, me muevo de inmediato hacia ello.
Sobrealimentación (DEBQ) Deseas seguir comiendo cuando es delicioso. Comes algo inmediatamente cuando es delicioso.
Sobrealimentación (BES 16) Tengo la costumbre de hacer dietas estrictas por periodos de una semana, pero luego vuelvo a comer demasiado. Me siento totalmente incapaz de controlar mis impulsos de comer. Es difícil para mí dejar de comer una vez que empiezo, usualmente termino por sentirme demasiado satisfecho(a). Muchas veces siento que vivo para comer.
Preferencias Alimentarias Helados de crema y chocolate. Chocolates. Alfajor relleno con manjar cubierto de chocolate. Leche entera fluida o en polvo.

Análisis Factorial Confirmatorio (CFA)

La Tabla 2 muestra los ítems finalmente seleccionados, y que proporcionaros los mejores resultados desde el punto de vista de la validez convergente como la discriminante. Para esto se utilizó Stata de StataCorp (2015). Entonces, tales constructos latentes pueden considerarse válidos.

El Modelo Estructural

A partir de los resultados del CFA se estimó el modelo completo, incluyendo ahora las relaciones estructurales. La Figura 2 muestra las cargas estimadas en cada relación. Aquí puede verse que las cargas son apropiadas individualmente dados los estadísticos valores t obtenidos. Puede verse que todas las relaciones estructurales arrojaron los signos esperados en los estudiantes universitarios. En efecto, existe una relación estructural positiva entre SaR y la sobrealimentación, y también con las preferencias de consumo de alimentos de mejor valor sápido. A su vez, ambos constructos influyen significativamente y de un modo positivo en el índice de masa corporal de los estudiantes. Puede también notarse que altos índices de masa corporal aparecen relacionados positivamente con un mayor número de asignaturas reprobadas, es decir con un menor rendimiento académico.

La Figura 2 también proporciona índices de bondad de ajuste globales, los que en general son satisfactorios. La ratio Chi-cuadrado/grados de libertad obtenido fue de 1.05, lo que se considera aceptable considerando que el máximo aceptable es 3,0. Lo mismo ocurre con el RMSEA=0.018, por debajo por el máximo aceptable 0.8. Los indicadores NNFI, GFI y AGFI son todos muy cercanos a 1. Con esto, se considera entonces que el modelo global es aceptable.

Fig. 2 Resultados del Modelo de Ecuaciones Estructurales: Coeficientes de carga estandarizados para las asociaciones significativas. Nota: **p<0.01 (significancia al 1%); *p<0.05 (significancia al 5%). 

DISCUSIÓN

En este estudio se analizó si detrás de los determinantes de la inadecuada calidad dietaria y el bajo rendimiento académico se encuentran variables psicológicas. Para ello utilizamos cuestionarios validados previamente en otros estudios, a fin de obtener medidas de una serie de constructos relevantes. Para la estimación del modelo usamos Ecuaciones Estructurales, justamente el método generalmente recomendado para este tipo de estudios, en los que los constructos no pueden ser medidos directamente. El modelo postula que altos niveles de vulnerabilidad por SaR en un estudiante están relacionados directamente con un comportamiento de sobrealimentación, y con las preferencias por alimentos grasos y dulces. Además, se postula que ambos constructos a su vez afectan directamente el IMC de los estudiantes, y que, a su vez, elevados IMC son relevantes para explicar un bajo desempeño académico de los estudiantes.

La relación entre las características personales de alta sensación reconfortante y el desorden alimenticio evidenciado por mayores IMC ha sido estimada en este estudio, indicando que la vulnerabilidad por SaR predice una tendencia a un consumo excesivo de comida o sobrealimentación. Davis et al. (2007) obtienen estimaciones similares, con un coeficiente positivo de 0.57** entre las variables, lo que es un poco más alto al que hemos obtenido nosotros. Esto parece recoger parte de la evidencia obtenida en otros estudios, en los cuales se ha encontrado una alta relación entre la vulnerabilidad a una mayor SaR y el abuso de alcohol o a la alimentación disfuncional (Loxton y Dawe, 2001). Esto se ha relacionado a nivel neurofisiológico por la regulación de la dopamina, y la influencia de la activación del cerebro en regiones más sensibles ante la recompensa (Cohen et al., 2005). La similitud entre obesidad y drogadicción también ha sido discutida por Wang et al. (2004), de modo que la literatura establece tal relación con bastantes fundamentos.

En relación a la relación entre la vulnerabilidad por SaR y la preferencia por alimentos poco sanos, Davis et al. (2007) reportan una relación positiva significativa, con un coeficiente de 0.41**. Esto representa un valor más elevado comparado al que nosotros hemos estimado (0.23**), sin embargo, la relación obtenida mantiene claramente la dirección hipotetizada. Tal relación ha sido soportada previamente por varios otros estudios, sugiriendo que el placer (confort alimenticio) experimentado por los alimentos dulces y grasos es más alto en las personas con una sensibilidad más grande en regiones de la recompensa del cerebro. Drewnowski y Greenwood (1983) en un experimento encuentran que las respuestas hedónicas de los estudiados dependían fuertemente de las proporciones relativas de sacarosa y grasa en las muestras alimenticias. Wansink et al. (2003) adicionalmente encuentran que el confort alimenticio es diferente a través de los sexos y las edades: los hombres prefieren alimentos calientes (carne, guisados y sopa), las mujeres bocadillos (chocolate y helado), y comidas tipo snacks en los jóvenes.

Entre los determinantes de altos niveles del IMC, nuestro modelo reporta que ambos, tanto la sobrealimentación como la preferencia por alimentos poco sanos, parecen conducir a un mayor IMC. Esta relación estructural significativa y positiva coincide con lo reportado por Davis et al. (2007), presentando coeficientes similares a los que nosotros hemos encontrado. VanderBroek-Stice et al. (2017) encontraron que existen dos aspectos significativos con la adicción a la comida: urgencia compuesta positiva y negativa, y un descenso abrupto de recompensas retrasadas. Esto parece confirmar entonces la hipótesis de que los alimentos ricos en grasas y azúcar terminan por traducirse en peso menos saludable en relación a la propia estatura, es decir un perfil de riesgo para elevados IMC (Delahanty et al., 2002 y Partearroyo, et al., 2013). Rogers (2017) sugiere que sugiere que, en lugar de ser visto como adicción, el consumo excesivo de alimentos se explica por la amplia disponibilidad, atractivo y menor capacidad saciante de éstos. En un estudio en 22 países, Peltzer et al. (2014) encuentran que son los hombres jóvenes y las mujeres mayores en países de altos ingresos quienes tienden a poseer hábitos de alimentación más saludables.

En los resultados también pudo estimarse una relación estadística significativa y positiva entre el IMC de los estudiantes y un bajo rendimiento académico. Esto aparece como un factor del bajo rendimiento académico en estudiantes de primaria y secundaria (Burkhalter y Hillman, 2011), pero ha sido poco estudiada en estudiantes universitarios. Franz y Feresu (2013) evaluaron 77 participantes en edad universitaria y encontraron una correlación negativa entre el IMC y los puntajes del Global Assessment Certificate. Entre las posibles causas de esta relación, pueden encontrarse determinantes psicológicos, tales como vinculaciones entre la imagen corporal negativa, síntomas depresivos, estrés y disminución de la autoestima (Swami et al., 2009). Otro grupo de factores fisiológicos, bioquímicos y clínicos (Yates et al., 2012), se refieren por ejemplo al síndrome metabólico, una agrupación de factores de riesgo para la diabetes mellitus tipo 2 y la enfermedad cardiovascular, la que se ha asociado con disfunción cognitiva y anomalías cerebrales.

CONCLUSIONES

En resumen, los resultados del modelo aquí estimado indican que la vulnerabilidad por SaR en los estudiantes parece influir significativamente en una conducta de sobrealimentación. A su vez, la sobrealimentación parece afectar el rendimiento académico de los estudiantes universitarios. Los resultados entregan nueva evidencia para comprender como la SaR puede promover la sobrealimentación y aumento de peso, con repercusiones asociadas a una disminución en el rendimiento académico. Este nos parece ser un avance importante ante la explicación de fenómenos asociados al desempeño de los estudiantes, especialmente en lo referido al efecto potencial en planes de intervención temprana. Las universidades buscan disminuir la aparición de vulnerabilidades de carácter biológico y conductual en los estudiantes, y en este sentido, estrategias asociadas a la promoción de la salud de los estudiantes pueden ser más efectivas si se dirigen hacia los grupos más vulnerables. Esta es la principal implicancia que tiene esta investigación en la comunidad universitaria chilena. Adicionalmente, este estudio permitió identificar varios factores de riesgo específicos los que pueden ser utilizados en programas de promoción de la salud. A partir de los resultados, el estudio sugiere continuar investigando tales relaciones, analizando estudiantes de otras universidades y países.

REFERENCIAS

Agarwal, S., P. Bhalla, S. Kaur y R. Babbar. Effect of body mass index on physical self-concept, cognition & academic performance of first year medical students. Indian J. Med. Res. 138, October, 515-522 (2013) [ Links ]

Anderson, A.S. y Deborah, J. Good, Increased body weight affects academic performance in university students. Preventive Medicine Reports, 5, 220-223 (2017) [ Links ]

Burkhalter, T.M., Hillman, C.H. A narrative review of physical activity, nutrition, and obesity to cognition and scholastic performance across the human lifespan. Adv. Nutr., 2 (2), 201S-206S (2011) [ Links ]

Blundell, J. E., Stubbs, R. J., Golding, C., Croden, F., Alam, R., Whybrow, S., Le Noury J. y Lawton C.L. Resistance and susceptibility to weight gain: Individual variability in response to high-fat diet. Physiology & Behavior, 86, 614-622 (2005) [ Links ]

Carver, C.S. y White, T.L. Behavioral inhibition, behavioral activation, and affective responses to impending reward and punishment: The BIS/BAS scales. Journal of Personality and Social Psychology, 67, 319-333 (1994) [ Links ]

Cohen, M. X., Young, J., Baek, J.M., Kessler, C., y Ranganath, C. Individual differences in extraversion and DA genetics predict neural reward responses. Cognitive Brain Research, 25, 851-861 (2005) [ Links ]

Corwin, R.L. Bingeing rats: A model of intermittent excessive behavior? Appetite, 46, 11-15 (2006) [ Links ]

Davis, C., Patte, K., Leviatan, RD., Reid, C., Tweed, S. y Curtis C. From Motivation to behavior: a model of reward sensitivity, overeating, and food preferences in the risk profile for obesity. Appetite , 48, 12-19 (2007) [ Links ]

Delahanty, L.M., Meigs, J.B., Williamson y D.A. , Nathan D.M. Psychological and behavioral correlates of baseline BMI in the diabetes prevention program (DPP). Diabetes Care. 25(11), 1992-1998 (2002) [ Links ]

Drewnowski A. y Greenwood M.R. Cream and sugar: human preferences for high-fat foods. Physiol Behav., 30, 629-33 (1983) [ Links ]

Epstein, L.H. y Leddy J.J. Food reinforcement. Appetite . Jan, 46(1), 22-5. Epub 2005, Oct 28 (2006) [ Links ]

Franken, I. H. A. y Muris, P. Individual differences in reward sensitivity are related to food craving and relative body weight in healthy women. Appetite , 45, 198-201 (2005) [ Links ]

Franz, D. y Feresu, S. The relationship between physical activity, body mass index, and academic performance and college-age students. Open J. Epidemiol., 3, 4-11 (2013) [ Links ]

Geiselman, P., Anderson, A., Dowdy, M., West, D., Redmann, S. y Smith, S. Relibiability and validity of a Macronutrient self-selection paradigm and a food preference Questionnaire. Physiology & Behavior , 63 (5), 919-928 (1998) [ Links ]

Gray, J.A. Perspectives on anxiety and impulsivity: A commentary. Journal of Research in Personality, 21, 293-509 (1987) [ Links ]

Gormally, J., Black, S., Daston, S. y Rardin, D. The assessment of binge eating severity among obese persons. Addictive behaviors, 7 (1), 47-55 (1982) [ Links ]

Ibarra, M. y J.D. Michalus. Análisis del Rendimiento Académico mediante un modelo LOGIT. Ingeniería Industrial - Año 9, Nº 2, 47-56, 2010. ISSN: 0717-9103. ISSN Online: 0718-8307 (2010) [ Links ]

Jöreskog, K.G. A general approach to confirmatory maximum likelihood factor analysis. Psychometrika, 34, 183-202 (1969) [ Links ]

Levitsky, D.A., C.A. Halbmaier y G. Mrdjenovic. The freshman weight gain: a model for the study of the epidemic of obesity. International Journal of Obesity, 28(11), 1435-42. DOI: 10.1038/sj.ijo.0802776 (2004) [ Links ]

Loxton, N. J., y Dawe, S. Alcohol abuse and dysfunctional eating in adolescent girls: The influence of individual differences in sensitivity to reward and punishment. International Journal of Eating Disorders, 29, 455-462 (2001) [ Links ]

MINSAL, Guía para Universidades Saludables y otras Instituciones de Educación Superior 2006. Ministerio de Salud de Chile (MINSAL), (2006) [ Links ]

Partearroyo, T., E. Sánchez Campayo y G. Varela Moreiras. Sugar role through the life cycle: from infancy to the elderly. Nutrición Hospitalaria, 28 (Supl. 4), 40-47 (2013) [ Links ]

Peltzer, K., S. Pengpid, T.A. Samuels, N. Keser, C. Mantilla, O.H. Rahamefy, M.L. Wong y A. Gasparishvili. Prevalence of Overweight/Obesity and Its Associated Factors among University Students from 22 Countries. Int. J. Environ. Res. Public Health, 11, 7425-7441; doi:10.3390/ijerph110707425 (2014) [ Links ]

Richardson, M., Ch. Abraham y R. Bond. Psychological Correlates of University Students’ Academic Performance: A Systematic Review and Meta-Analysis. Psychological Bulletin, 138(2), 353-387. DOI: 10.1037/a0026838 (2012) [ Links ]

Rikani, A., Z. Choudhry, A.M. Choudhry, H. Ikram, M.W. Asghar; D. Kajal, A. Waheed, y N.J. Mobassarah. A critique of the literature on etiology of eating disorders. Ann Neurosci. Oct., 20(4): 157-161. doi: 10.5214/ans.0972.7531.200409 (2013) [ Links ]

Rogers, P.J. Food and drug addictions: Similarities and differences. Pharmacology, Biochemistry and Behavior 153, 182-190 (2017) [ Links ]

StataCorp, Stata Statistical Software: Release 14. College Station, TX: StataCorp LP. (2015) [ Links ]

Swami, V., Begum, S. y Petrides, KV. Associations between trait emotional intelligence, actual-ideal Wight discrepancy, and positive body image. Pers. Indiv. Differ., 49, 485-89 (2009) [ Links ]

VanderBroek-Stice, L., M.K. Stojek, S.R.H. Beach, M.R. vanDellen y J. MacKillop. Multidimensional assessment of impulsivity in relation to obesity and food addiction, Appetite 112 (2017) [ Links ]

Van Strien, T., Frijters, JER., Bergers GPA. y Defares PB. The Dutch Eating Behavior Questionnaire (DEBQ) for assessment of restrained, emotional, and external eating behavior. International Journal of Eating Disorders , 5(2), 295-315 (1986) [ Links ]

Wang, G.J., N.D. Volkow, P.K. Thanos y J.S. Fowler, Similarity between Obesity and Drug Addiction as Assessed by Neurofunctional Imaging: A Concept Review. Journal of Affective Disorders, 23, 39-53 (2004) [ Links ]

Wang, J. y Wang X. Structural Equation Modeling: Applications Using Mplus, John Wiley & Sons Ltd. Higher Education Press (2012) [ Links ]

Wansink, B., Painter, J.E. y North J. Bottomless bowls: why visual cues of portion size may influence intake. Obes Res. 2005, 13 (1), 93-100 (2005) [ Links ]

Wansink, B., M.M. Cheney y N. Chan. Exploring comfort food preferences across age and gender. Physiology & Behavior , 79, 739-747 (2003) [ Links ]

Wardle, J. Eating styles: a validation study of the Dutch Eating Behavior Questionnaire in normal subjects and women with eating disorders. Journal of Psychosomatic Research, 31, 161-169 (1987) [ Links ]

Yates, K.F., Sweat, V., Yau, P.L., Turchiano, M.M., Convit, A. Impact of metabolic syndrome on cognition and brain: A selected review of the literature. Arterioscler. Thromb. Vasc. Biol., 32 (9), 2060-2067 (2012) [ Links ]

Received: June 02, 2017; Accepted: August 08, 2017

Autor a quien debe ser dirigida la correspondencia: Sergio Zuniga-Jara, sz@ucn.cl

Creative Commons License Este es un artículo publicado en acceso abierto bajo una licencia Creative Commons