Valor nutricional
Huevo fresco, entero, crudo |
Valor nutricional por cada 100 g |
Energía 150 kcal 650 kJ |
Carbohidratos | 1.12 g |
Grasas | 10.6 g |
Proteínas | 12.6 g |
Agua | 75 g |
Vitamina A equiv. 140 μg | 16% |
Tiamina (Vit. B1) 0.66 mg | 51% |
Riboflavina (Vit. B2) 0.5 mg | 33% |
Acido pantoténico (B5) 1.4
mg | 28% |
Acido fólico (Vit. B9) 44 μg |
11% |
Calcio 50 mg | 5% |
Hierro 1.2 mg | 10% |
Magnesio 10 mg | 3% |
Fósforo 172 mg | 25% |
Potasio 126 mg | 3% |
Zinc 1.0 mg | 10% |
Colina | 225 mg |
Colesterol | 424 mg |
|
% CDR diaria para adultos.
Fuente: Base de datos de nutrientes (USDA) |
Los huevos son una fuente barata y rica de proteínas, y en casi todas
sus preparaciones son muy digestivos,[1]
también son ricos en vitaminas (aunque carecen de la vitamina C) y de
minerales esenciales (Ver tabla adjunta). Ha habido, no obstante alguna
polémica sobre su contenido en colesterol, que es alto*, y si eso puede
producir hipercolesterolemia en quien lo ingiere. Sin embargo la yema del huevo es rica también
en fosfolípidos, en especial fosfatidilcolina o lecitina que
poresterificación y substitución lo limpiaría
(téngase en cuenta el condicional) del muy arriesgado colesterol malo (LDL). No
es un tema que esté claro ni zanjado, como tantos otros en
nutrición. La consideración tradicional de no tomar mas de
dos huevos al día ni mas de diez a la
semana, sigue siendo valida.
Si se consume sólo la clara, no existe riesgo
de hipercolesterolemia, ya que ésta no contiene lípidos de
ningún tipo (todos los lípidos estan en la yema).
Los huevos son convenientes para las mujeres embarazadas ya que poseen colina
la cual facilita el desarrollo del
sistema nervioso central del embrión y del feto, asimismo la
presencia de colina transformada en acetilcolina ayuda a la memoria en el ser
humano. También es rico el huevo en luteina y caxantina lo cual previene
de problemas oculares como las cataratas. El huevo duro se caracteriza por provocar sensación de
saciedad ayudando así cuando se quiere disminuir el consumo de comidas.
Si en la investigación no se encuentra una causa
probable, ¿qué debe hacerse? Un
enfoque sería realizar un analisis de datos con el valor
atípico y sin él. Si las conclusiones son
diferentes, entonces se considera que el valor atípico tiene influencia
y esto debería indicarse en el informe. Otra opción es
utilizar estimadores rigurosos para caracterizar los grupos de datos, tal como
la mediana de la muestra en lugar de la media.
La ASTM E178, Practica para manejar observaciones de valores
atípicos, contiene muchos procedimientos estadísticos para
realizar pruebas de valores atípicos. En esta norma
se proveen otros criterios para valores atípicos únicos,
así como
pruebas para valores atípicos múltiples, y la norma
también da pautas para la elección de la prueba. Una referencia mas amplia para la prueba de valores
atípicos es el libro Outliers in Statistical Data (Valores
atípicos en datos estadísticos), publicado por Wiley. Otra
referencia útil y mas practica es el Volumen 16 de la
Sociedad Estadounidense de Calidad (American Society for Quality, ASQ)
'Referencias basicas para el control de calidad, técnicas
estadísticas' (Reference in Quality Control,Statistical
Techniques): Cómo detectar y manejar valores atípicos', ASQC
Quality Press. En la practica E178 de ASTM se indican
otras referencias.
Cuando hay múltiples valores atípicos en un
grupo de datos, la investigación resulta mas complicada, pero
existen procedimientos de prueba para estos casos. Un
problema es que un valor atípico puede enmascarar otro valor
atípico en una prueba de un valor atípico único. La prueba
de Dixon supera
esto redefiniendo los espacios a utilizar a medida que
aumenta el tamaño de la muestra. Este tema esta bien tratado en
la norma E178 y en otras fuentes.
Resulta importante destacar que lo primero es considerar los datos
graficamente para identificar la posible existencia de mas de un valor atípico, ya sea en la misma dirección
o en la dirección opuesta, antes de utilizar la técnica de Dixon o la técnica
de Grubbs. Estas técnicas estan diseñadas para detectar un único valor atípico en un grupo de datos, y
por lo tanto no son adecuadas para la detección de múltiples valores
atípicos. Una técnica rigurosa y amplia para identificar
eficazmente múltiples valores atípicos es el procedimiento para
muchos valores atípicos con generalización extrema de la
desviación de Student, descrito en la Referencia Basica de ASQ,
Volumen 16.
