Analisou-se a validade do Índice de Massa Corporal (IMC), calculado por intermédio do peso e altura auto-referidos, para predizer o estado nutricional de adultos. Valendo-se de um estudo transversal de base populacional que inclui 3.934 indivíduos maiores de vinte anos em Pelotas, Rio Grande do Sul, Brasil, foi sorteada uma subamostra de 140 indivíduos para mensuração de peso e altura. A concordância e a validade do peso referido mostrou-se melhor do que a altura referida. Comparando-se os IMC medido e referido calculou-se o erro médio e identificaram-se os fatores associados a esse erro. O IMC "referido" é subestimado por mulheres, independentemente de seu estado nutricional; entre os homens, esse dado mostrou-se confiável. Em mulheres, idade e renda familiar mostraram-se associadas à subestimativa de IMC após análise multivariada. A utilização do IMC "referido" para predizer o estado nutricional de adultos pode resultar em subestimativa da prevalência de obesidade e superestimativa do sobrepeso em mulheres. O IMC "corrigido" calculado pela equação de regressão linear minimiza esse tipo de viés e torna os dados válidos. Outra opção é usar o peso informado com a altura medida para o cálculo do IMC.

This study evaluated the accuracy of body mass index (BMI) based on self-reported weight and height for predicting adult nutritional status. In a cross-sectional study of 3,934 adults (> 20 years) in Pelotas, Rio Grande do Sul, Brazil, a sub-sample of 140 individuals was drawn and weight and height were measured. From the comparison between "measured" and "reported" BMI, the average reported BMI error was estimated and the associated factors were identified. Regardless of nutritional status, women underestimated their "reported" BMI, while in men this information was accurate. Among women, age and income were associated with underestimated BMI in a multivariate analysis. Thus, women over 50 and with lower income underestimated BMI by more than 2kg/m². The use of "reported" BMI to predict adult nutritional status can underestimate prevalence of obesity and overestimate that of overweight in women. Correction minimizes this kind of bias, thereby making the data more accurate.