INTRODUCCIÓN
En el mundo ocurren más de 2,6 millones de nacimientos de niños muertos por año en países de medianos y bajos ingresos, con tres cuartas partes de ellos en África subsahariana y Asia meridional1.
En 2014 la Asamblea Mundial de la Salud aprobó un objetivo para 2030 de 12 o menos muertes fetales por cada 1000 nacimientos. Hacia 2015, 94 países ya habían alcanzado ese objetivo1; entre ellos, Argentina, cuya tasa de mortalidad fetal (TMF) por peso fue de 4,8 por mil nacidos (PMN)2. La mortalidad fetal (MF) por peso es el cociente entre las muertes fetales con peso de 1000 gramos y más, y el total de nacimientos de 1000 gramos y más por 1000. Por otra parte, se desconocen mediciones a nivel nacional que notifiquen el subregistro de la MF dado que, si bien la definición estadística operativa de la Organización Mundial de la Salud (OMS) no establece ni peso, ni edad, ni momento de la muerte para la registración estadística y legal, la información disponible en la Dirección de Estadísticas e Información en Salud (DEIS) del Ministerio de Salud permite observar que en la mayoría de las jurisdicciones se registran las defunciones de 22 semanas de gestación y más.
Las diferencias injustas en la salud de las personas de diferentes grupos sociales se entienden como inequidad y pueden asociarse a distintas desventajas, como pobreza, discriminación y falta de acceso a bienes o servicios. Las desigualdades en salud pueden medirse y sirven como un medio indirecto para evaluar la inequidad3. La medición de las desigualdades en el campo de la salud es una condición indispensable para mejorar la respectiva situación en una región4. Según el Banco Mundial, en el período fiscal 20072013 la República Argentina fue clasificada como país con ingreso medio-alto, en 2014 con ingreso alto y en 2015 nuevamente con ingreso medio-alto5. En cambio, en 2016 no se registró clasificación para la región.
El Gráfico 1 muestra la evolución de la TMF total para Argentina desde 2007 hasta 2010. Hubo un decremento, se llegó a un valor de 7,5 PMN y luego comenzó a incrementarse hasta alcanzar 8,3 PMN en 2016 y volver así al valor de inicio de la serie comentada.
El objetivo de la presente investigación fue analizar el comportamiento de la MF a nivel de las distintas áreas geográficas (AG) de Argentina, caracterizadas según perfil socioeconómico para el período 2007-2016.
MÉTODOS
Se realizó un estudio ecológico descriptivo. Las unidades o AG analizadas fueron las 525 subdivisiones administrativas de las 24 divisiones políticas de Argentina. Estas unidades sirvieron de base para construir el indicador de situación socioeconómica (ISS), que permitió estratificar las distintas unidades según condiciones similares. En estas nuevas agrupaciones se examinó el conjunto de observaciones de la MF en bienios para el período 2007-2016.
Según la Clasificación Estadística Internacional de Enfermedades y Problemas Relacionados con la Salud - Décima Revisión (CIE-10)6, las estadísticas deben incluir todos los fetos y recién nacidos de al menos 500 gramos, ya sean vivos o muertos; o bien, si no se encuentra el peso, los casos ocurridos a partir de la 22a semana de gestación. Si están disponibles los datos en los sistemas de información, se recomienda calcular la TMF total y la razón de mortalidad fetal (RMF). Ambas fueron incluidas en la presente investigación. Las fuentes secundarias de datos fueron las estadísticas vitales publicadas por la DEIS y el Censo Nacional de Población, Hogares y Viviendas 2010 del Instituto Nacional de Estadística y Censos (INDEC). Las bases de datos proporcionadas por la DEIS provinieron de la carga de los informes estadísticos de defunción fetal y nacidos vivos correspondientes al período 2007-2016. Las variables e indicadores sociodemográficos fueron obtenidos de la página del INDEC correspondiente al Censo 2010. Se definió la TMF como el cociente entre las defunciones fetales totales y el total de nacidos (vivos y muertos) por 1000; y la RMF como el cociente entre las defunciones fetales totales y el total de nacidos vivos por 1000. Estas definiciones corresponden a los criterios adoptados por la DEIS.
El análisis de componentes principales (PCA, por sus siglas en inglés) es una técnica utilizada para reducir la dimensionalidad de un conjunto de datos; convierte observaciones de variables posiblemente correlacionadas en un conjunto de valores de variables sin correlación lineal, llamadas componentes principales. El PCA7,9 se aplicó a las variables detalladas a continuación en las 525 AG (o departamentos) para luego poder determinar estructuralmente zonas lo más homogéneas posibles. A la hora de decidir qué factores utilizar en las mediciones indirectas de la situación socioeconómica, el manual de la Organización Panamericana de la Salud3 sugiere que esas variables deben resumir la riqueza del hogar, recurriendo a datos como condiciones de la vivienda, acceso a los servicios, escolaridad y empleo4.
Las variables utilizadas para la construcción del ISS fueron obtenidas del Censo Nacional de Población, Hogares y Viviendas 2010 como porcentajes de población que vive en área urbana, hogares sin agua de red dentro de la vivienda, hogares sin cloacas, hogares con gas de red, hogares con al menos algún indicador de necesidad básica insatisfecha (NBI), población que cursó sólo estudios primarios, población propietaria de la vivienda y tasa de empleo.
La relación entre la salud y el estado socioeconómico es un tema importante, que requiere una medición para analizar la desigualdad3. Cabe aclarar que los departamentos o AG fueron clasificados en quintiles, según el ISS obtenido por el PCA; luego se sumaron todos los nacimientos, por un lado, y las defunciones, por otro, para cada categoría en las cuales fueron agrupados los departamentos. Para calcular la variable final denominada peso relativo poblacional, incluida en el análisis de regresión de Poisson (RP), se hizo lo siguiente3: se calculó la cantidad de nacidos vivos para cada quintil de situación socioeconómica desde el Q1 al Q5 (todos los cálculos detallados a continuación se realizaron para las categorías mencionadas), luego se obtuvo el peso relativo respecto a la cantidad total de nacidos vivos, se determinó la mitad del peso relativo, se obtuvieron los pesos relativos acumulados y, por último, se definió la posición relativa poblacional, que para el Q1 tomó el valor de la mitad del peso relativo y para el Q2 y siguientes sumó el valor de la mitad del peso relativo para su categoría, más el valor del peso relativo acumulado del quintil anterior (ver Tabla 1). Se realizó el análisis de RP del modo aplicado en distintas investigaciones10-11. Se calculó el índice de desigualdad de la pendiente (SII, por sus siglas en inglés), representado por a=coeficiente de la pendiente de regresión, y el índice relativo de desigualdad de Kunst Mackenbach (RIIKM, por sus siglas en inglés), definido como el cociente entre el coeficiente de la pendiente de regresión a y el mismo coeficiente a más el coeficiente p de la variable peso relativo poblacional; dichos índices son denominados por algunos autores como índices relativos de inequidad12-16. Ambos fueron calculados con una significancia alfa=0,05, conjuntamente con los intervalos de confianza (IC) del 95%.
En el análisis de RP se utilizó la variable denominada posición relativa poblacional como variable independiente, la cantidad de defunciones fetales como variable dependiente y la cantidad de nacidos vivos como variable independiente de ajuste para el modelo (también denominada variable offset); aunque esta no está representada por un coeficiente, se utiliza para modelar la RMF cuando los períodos de tiempo son distintos. La ecuación del modelo de Poisson fue: ln (cantidad de defunciones fetales) = ln (cantidad de nacidos vivos) + a + p (posición relativa poblacional) + ei (error aleatorio). Se contabilizaron la cantidad de defunciones fetales y la cantidad de nacidos vivos registradas según el departamento de residencia de la madre. La información recogida fue procesada con Microsoft Office®. El modelo de RP fue elaborado con el paquete Stats del software R, versión 3.6.0; el mapa de Argentina, con el paquete ggplot2 y sf; el PCA, con IBM SPSS 17.0. Las variables analizadas de la base de datos del Censo Nacional de Población, Hogares y Viviendas 2010 del INDEC fueron procesadas con el paquete estadístico Redatam SP.
En lo que respecta a las consideraciones éticas, la presente investigación recopiló y analizó información de fuentes secundarias con el correspondiente resguardo del secreto estadístico, por lo cual no requirió aprobación de ningún tipo de consentimiento para su realización.
RESULTADOS
Una vez realizado el PCA, se conformaron cinco grupos homogéneos de 105 AG cada uno, que determinaron los respectivos estratos y los quintiles 1 a 5 (Q1-Q5). El indicador obtenido con el análisis fue el ISS, y su clasificación fue la siguiente: Q1 (situación socioeconómica muy desfavorable); Q2 (situación socioeconómica desfavorable); Q3 (situación socioeconómica regular); Q4 (situación socioeconómica favorable); y Q5 (situación socioeconómica muy favorable). En la Tabla 2 se observan los porcentajes de la mediana para los distintos estratos del ISS, según las variables incorporadas en la investigación luego de haber aplicado el PCA.
El Gráfico 2 (http://rasp.msal.gov.ar/rasp/articulos/vol12/AOLoiaconoGrafico2.pdf) muestra la caracterización de las 525 AG de Argentina según quintiles del ISS (el color más oscuro representa el Q1). Puede observarse la frecuencia de las AG en el Q1, que fue ordenada descendentemente. Se encontraron 22 AG clasificadas con situación socioeconómica muy desfavorable en Santiago del Estero, 15 en Chaco y 10 en Misiones; también se muestra la caracterización del resto de las provincias, realizada con las variables del censo de 2010.
En la Tabla 3, los valores de los índices relativos de inequidad SII y RIIKM disminuyen negativamente hacia el bienio 2013/14 y luego comienzan nuevamente a ascender.
El SII para el bienio 2013/14 fue de -0,34 (1C95%: -0,41;
-0,28), y el R11KM fue de 1,41 (1C95%: 1,31; 1,52). Al final de la serie, en el bienio 2015/16, el SII fue de -0,61 (1C95%: -0,68; -0,55), y el valor obtenido del R11KM fue de 1,84 (1C95%: 1,72; 1,94), indicadores significativos para todos los bienios. La brecha de desigualdad en salud (ver Gráfico 3) respecto a la MF, si se comparan los Q1 y Q5 de 2013/14 frente a 2015/16, aumentó en un 77,10% (calculado sobre el SII). Se obtuvo así casi el mismo valor que al comienzo de la serie de estudio.
DISCUSIÓN
Pudo observarse y medirse la desigualdad existente en salud.
En el conjunto de las AG más desfavorables de Argentina (Q1), entre las que se encontró la RMF más elevada del país, hubo diferencias en las distintas áreas descriptas según el 1SS. Dichas condiciones se manifiestan muy heterogéneas: en la zona del norte y centro del país se hallan las áreas más desfavorables y con mayor desigualdad; en el sur están las AG más favorecidas, con algunas excepciones. Cabe señalar que, si bien el indicador SII tuvo oscilaciones, el primer bienio de análisis es prácticamente igual al último, y lo mismo se observa en la RMF. Como en muchos eventos biológicos, intervienen una multiplicidad de variables no incluidas en el presente estudio. Al compararse los bienios 2007/08 vs. 2013/14, la disminución en el SII es de un 78,4% (el indicador da como resultado una mayor equidad en salud), pero en el bienio 2015/16 dicho indicador se incrementa.
El signo negativo en el SII implica que los valores más altos en la MF están ocurriendo en el grupo más vulnerable (Q1). Otra interpretación podría darse sobre el RIIKM: por cada unidad de aumento del RIIKM, la RMF aumentó de 1,41 (bienio 2013/14) a 1,84 (bienio 2015/16).
En 2008 se llevó a cabo17 una revisión sistèmica de estudios epidemiológicos en países nórdicos publicados entre enero de 1980 y agosto de 2007 sobre asociación entre distintos indicadores sociales y resultados de aborto espontáneo, MF o mortalidad perinatal. Se encontraron diferencias estadísticamente significativas entre MF y clase social en todos los estudios finlandeses, noruegos y en la mayoría de los daneses, mientras que en los estudios suecos los hallazgos fueron menos consistentes. Hay razonable evidencia para afirmar que existe desigualdad social en la MF en Noruega, Finlandia y Dinamarca, mientras que las conclusiones con respecto a Suecia son más inciertas.
El estudio realizado por González18 analizó las tendencias y variaciones a través de quintiles distritales clasificados en distintos niveles de estratos socioeconómicos para determinar la desigualdad en salud entre 1990 y 2004. Según la investigación, en ese período se introdujeron varias intervenciones dirigidas a la salud materna e infantil como parte de una iniciativa a gran escala para reducir en un 10% las diferencias en salud entre el nivel socioeconómico más bajo y más alto de los quintiles analizados hacia 2010. Entre 1991 y 2000 se implementaron distintas estrategias para disminuir la MF. Aun así, la MF observada para los distintos quinquenios de 1990 a 2004 fue mayor siempre para el primer quintil o quintil más pobre. Dichas diferencias en las tasas fluctuaron desde 3,61 en el período 1990/94 a 2,00 en el período 2000/04, mientras que la TMF disminuyó de 6,0 a 5,0 por 1000 nacidos. Comparado con el presente estudio, Chile logró reducir un punto la MF; en Argentina no se observan políticas de salud dirigidas a su disminución.
Un estudio ecológico19 realizado en Brasil recabó datos de muertes perinatales, de madres residentes en Belo Horizonte, ocurridas en el período 2003-2007. Las variables analizadas fueron obtenidas del Sistema de Información sobre Mortalidad (SIM) y del Sistema de Información de Nacidos Vivos (Sinasc). Del SIM se analizó la variable de MF y mortalidad neonatal precoz, y se realizó la clasificación de riesgo como índice de vulnerabilidad de la salud (IVS); dicha clasificación fue elaborada con el objetivo de mapear las áreas de riesgo de la ciudad para dirigir acciones de salud. El IVS sintetiza variables sociodemográficas tales como saneamiento, vivienda, educación, renta, etc. Cuanto mayor es el IVS, peor es la condición de la población en el sector. Se jerarquizaron las unidades espaciales definidas en cuatro clases de riesgo. Se concluyó que las mayores tasas de MF no especificadas se habían dado en las áreas de riesgo muy elevado con un valor de la tasa de 4,99 (pv 0,001), que fue significativa. Los resultados son consistentes con la presente investigación; también se observa que las mayores RMF se dieron en el Q1.
Otro estudio realizado en Quebec20, cuyo objetivo fue determinar las tendencias temporales en la desigualdad relacionadas con la educación materna para la MF por todas las causas y por causas específicas durante las últimas tres décadas, reveló que la desigualdad educativa absoluta (SII 2,5 por 1000 nacimientos; IC95%: 2,1-2,8; todos los períodos combinados) había sido estable en el tiempo, mientras que la desigualdad relativa había aumentado (RII 1981-1989: 1,8; RII 2000-2009: 2,3). La desigualdad absoluta disminuyó para MF causada por desprendimiento de la placenta (SII 1981-1989: 0,6; SII 2000-2009: 0,3), pero aumentó por causas no especificadas (SII 1981-1989: 0,2; SII 2000-2009: 0,7). La TMF disminuyó con el tiempo para todos los niveles educativos. En la presente investigación la relación de estudios de la madre pudo obtenerse por variables indirectas vinculadas con zonas geográficas desfavorables, como fue mencionado anteriormente. Por dicho motivo, se sugiere realizar investigaciones sobre el tema en Argentina con una mayor profundidad.
Menezes1 realizó un estudio de cohorte en Pelotas, Brasil, en el período 1982, 1993, 2004 y 2015. Entre otros objetivos analizó la MF y los factores socioeconómicos, y halló que durante el estudio la MF había disminuido en un 47,8% (de 16,1 a 8,4 por 1000), mientras que las TMF tardía, neonatal e infantil eran más altas para los niños nacidos de mujeres negras y mujeres de bajos ingresos. En el presente estudio la MF clasificada en el Q1 tuvo un indicador de inequidad mayor al Q5 para todos los bienios, pero con tendencias opuestas: ascendente en el Q1 y descendente en el Q5.
En el estudio de Loiacono22 realizado en Argentina para el período 2007-2014, se analizó la MF y la condición social del lugar de residencia materna. Se concluyó que el indicador SII era significativo para todos los bienios analizados (-0,617 en 2007-08 [pv = 2E-6*], el valor p es mucho menor que 0,05, valor tomado como corte de referencia en dicho estudio; -0,467 en 2009-10 [pv = 2E-16*]; -0,419 en 2011-12 [pv = 2e-16*]; -0,345 en 2013-14 [pv = 2E-16*]) y que la RMF era mayor para el estrato de situación socioeconómica muy desfavorable. Dichos parámetros se continúan observando en la presente investigación. El incremento de la amplitud en los últimos indicadores obtenidos merece una mayor atención, puesto que se amplió la brecha de desigualdad en salud para esas madres (Q1 vs. Q5).
El presente estudio es la continuación de otra investigación22, que ha comenzado a utilizarse como herramienta epidemiológica para medir el comportamiento de la MF y la desigualdad en salud.
Los registros de defunción analizados son de inscripción obligatoria y otorgan continuidad a las series estadísticas del país. Así se elabora información con adhesión a convenciones internacionales que facilitan una comparación23. Se debería evaluar el subregistro de la MF en Argentina siguiendo las propuestas efectuadas por algunos autores24,29 en otros países.
En lo que respecta a las limitaciones, cabe señalar que el carácter ecológico de este estudio no permite establecer con mayor profundidad las razones29,30.
RELEVANCIA PARA POLÍTICAS E INTERVENCIONES SANITARIAS
Los indicadores de salud son esenciales, puesto que el patrón de distribución espacial de la mortalidad tiene profundas implicancias para la focalización de políticas: ayuda a entender cómo ciertos procesos sociales/demográficos ocurren en el territorio argentino.
En los casos analizados dentro de los departamentos identificados con una situación socioeconómica desfavorable, se sugiere implementar una muestra probabilística a nivel nacional de mujeres embarazadas que se encuentren en las zonas de residencia de las 105 AG más vulnerables, e indagar qué está sucediendo con el acceso al sistema público de salud y con los factores de riesgo asociados al embarazo, o bien si existen otras condiciones que no han permitido reducir en los últimos años la brecha de la RMF. Asimismo, la metodología implementada en el presente estudio podría ser una herramienta útil para llevar a cabo la vigilancia epidemiológica24 del comportamiento de la MF, con un análisis a nivel departamental y de implicancia nacional. Es necesario crear a nivel nacional un Registro de las Muertes Fetales y un Comité de Prevención de Muertes Fetales, realizar encuestas para intentar conocer los motivos de dicha pérdida y efectuar análisis con el trabajo de médicos patólogos, indagando sobre las posibles causas ocurridas en el feto y la placenta. Se debe ayudar a esas madres a saber qué sucedió y trabajar con equipos interdisciplinarios de Estadística, que recaben y analicen la información, y de Maternidad e Infancia, para conjuntamente realizar la implementación y, por sobre todo, lograr una mayor prevención y control en el embarazo para las madres de dichas zonas geográficas.
RELEVANCIA PARA LA FORMACIÓN DE RECURSOS HUMANOS EN SALUD
La complejidad del problema estudiado convoca a trabajar en distintas redes nacionales e internacionales para promover un marco de formación interdisciplinaria y analizar la reducción de la inequidad y la MF, generando líneas en salud pública dirigidas a disminuir sus posibles efectos. En los controles obstétricos se debería informar siempre a la madre la probabilidad de ocurrencia de dicho suceso, para que entre ella y el equipo de salud puedan elaborar acciones conjuntas y evitarlo en la medida de lo posible.
RELEVANCIA PARA LA INVESTIGACIÓN EN SALUD
Los resultados de este estudio ecológico invitan a profundizar esta línea y a aplicar diseños metodológicos que ayuden a comprender la causalidad del fenómeno, como se sugiere en la presente investigación.
ACRÓNIMOS Y SIGLAS
AG: áreas geográficas
CIE-10: Clasificación Estadística Internacional de Enfermedades y Problemas Relacionados con la Salud - Décima Revisión
DEIS: Dirección de Estadísticas e Información en Salud
INDEC: Instituto Nacional de Estadística y Censos
ISS: indicador de situación socioeconómica
ln: logaritmo natural
MF: mortalidad fetal
NBI: necesidades básicas insatisfechas
OMS: Organización Mundial de la Salud
PCA: análisis de componentes principales
PMN: por mil nacidos
RII: índices relativos de desigualdad
RIIKM: índice relativo de desigualdad de Kunst Mackenbach
RMF: razón de mortalidad fetal
RP: regresión de Poisson
SII: índice de desigualdad de la pendiente
TMF: tasa de mortalidad fetal