MEDICIÓN CUANTITATIVA DE LOS DETERMINANTES …...A principios de los años 90, Dahlgren y Whitehead...
95
MEDICIÓN CUANTITATIVA DE LOS DETERMINANTES SOCIALES DE LA SALUD EN CHILE EN EL CONTEXTO DE REDES INTEGRADAS DE SERVICIOS DE SALUD SUBSECRETARÍA DE SALUD PÚBLICA SANTIAGO DE CHILE ENERO 2018
Transcript of MEDICIÓN CUANTITATIVA DE LOS DETERMINANTES …...A principios de los años 90, Dahlgren y Whitehead...
MEDICIÓN CUANTITATIVA DE LOS DETERMINANTES SOCIALES DE LA SALUD EN CHILEEN EL CONTEXTO DE REDES INTEGRADAS DE SERVICIOS DE SALUDSUBSECRETARÍA DE SALUD PÚBLICASANTIAGO DE CHILEENERO 2018
MEDICIÓN CUANTITATIVA DE LOS DETERMINANTES SOCIALES DE LA SALUD EN CHILE. DESAL-MINSALENERO DE 2018
3
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
ÍNDICERESUMEN 51. ANTECEDENTES 6
a. Presentación 6b. El marco conceptual de los Determinantes Sociales de la Salud 7c. Evidencias y antecedentes de los determinantes sociales en Chile 10
2. ESPECIFICACION DEL MODELO DE ECUACIONES ESTRUCTURALES 183. EVALUACIÓN Y RESULTADOS GENERALES DE LOS MODELOS 24i. EL MODELO CON LA ENCUESTA CASEN 24
a. Etapa 1: Especificación del modelo 24b. Etapa 2: Identificación del modelo 24c. Etapa 3: Estimación del modelo 26
I. DEFINICIÓN DE VARIABLES DEL MODELO CON LA CASEN 26d. Etapa 4: Evaluación y resultado general del MEE-CASEN 29e. Conclusiones del modelo con CASEN 36
ii. EL MODELO CON LA ENCUESTA ENS 37a. Etapa 1 y 2: especificación e identificación de variables del Modelo con ENS 37b. Etapa 3: Estimación del modelo con ENS 41c. Etapa 4: Evaluación y resultados con ENS 41d. Evaluaciones de género con el modelo MEE-ENS 43e. Conclusiones del modelo con ENS 47
4. ESTIMACIONES DE LOS DSS A NIVEL COMUNAL 48a. Estimaciones de un ranking comunal DSS entre estados de salud y nivel socioeconómico 48b. Estimaciones de ranking comunal DSS por sexo entre estados de salud y nivel socioeconómico por sexo 59
5. CONCLUSIONES FINALES Y DISCUSIÓN 60BIBLIOGRAFÍA 63ANEXOS 66
Anexo 1. Código de programa DSS CASEN do STATA 15 66Anexo 2: Efectos totales de las ecuaciones de los sub modelos de medida con ENS 68Anexo 3: Código para calcular las tasas de AVPP comunales período 2011-2015 80Anexo 4: Script del programa DSS ENS 2009-2010 do STATA 15 82Anexo 5. Presentación matricial del MEE 85Anexo 6. Ranking por comuna y valores medios de las estimaciones de estados de salud y nivel socio económico 86
4M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
Este trabajo forma parte de los estudios que tienen por objeto analizar, evaluar y medir la eficiencia y la equidad en el sistema de salud de Chile, análisis que lleva a cabo el Departamento de Economía de la Salud (DESAL) de la División de Planificación Sanitaria de la Subsecretaría de Salud Pública del Ministerio de Salud de Chile.
El trabajo se pone a disposición de la comunidad en la página www.desal.minsal
El equipo de trabajo que elaboró este estudio estuvo conformado por Rafael Urriola que coordinó el proyecto, Lucy Kuhn jefa del Departamento de Economía de la Salud, Andrea Arenas (profesional del DESAL); y, Rosa Montaño y Claudio Vargas del Departamento de Matemática y Ciencias de la Compu-tación, Facultad de Ciencias de la Universidad de Santiago de Chile (USACH). Asimismo, se agradecen los valiosos comentarios de Báltica Cabieses, coordinadora de investigación de la Universidad del Desarrollo y la revisión de Salvador Marconi del texto final.
El Departamento de Economía de la Salud del Minsal licitó en agosto de 2017 el estudio “Estimación cuantitativa de los Determinantes Sociales de la Salud en Chile”. En este documento se recogen los resultados de dicho estudio, cuya modelación estuvo a cargo de Rosa Montaño y Claudio Vargas del Departamento de Matemática y Ciencia de la Computación, de la Facultad de Ciencias de la USACH.
Santiago, enero de 2018
ISBN: 978-956-348-159-4
Registro de Propiedad Intelectual: A-287730
Publicado en Febrero 2018
5
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
RESUMENEl objetivo de este estudio es estimar cuantitativamente el impacto de los Determinantes Sociales de la Salud (DSS) sobre el estado de salud de los individuos en Chile. Para ello se identificaron las variables observables que permitirían construir variables latentes o dimensiones que representen los determinantes sociales (nivel socioeconómico, comportamientos individuales, factores de en-torno) y permitan explicar su impacto sobre el estado de salud de las personas. Se eligió el modelo de ecuaciones estructurales como el más apropiado para este objetivo y se aplicó con los datos de la Encuesta CASEN 2015 y también, para efectos comparativos, con la Encuesta Nacional de Salud 2009.
Los resultados permitieron explicar el 77% de la varianza de las ecuaciones del modelo. Las varia-bles que más impactan en el estado de salud son el nivel socio económico (coeficiente estanda-rizado +0,32); la Edad (-0,44) lo que denota que se deteriora el estado de salud en la medida que se envejece y la variable entorno social asociada con la capacidad de contar con redes sociales y comunitarias (-0,29). En el nivel socio económico (NSE), son la educación y los ingresos las variables observadas más significativas para su construcción y, por tanto, intermedian de manera importante en la explicación de los estados de salud de la población.
La aplicación comunal del Modelo de Ecuaciones Estructurales (MEE) permitió establecer una com-paración comunal de ranking de estados de salud con el NSE, observándose una alta correlación y demostrándose que existe un gradiente en estas variables habiendo un impacto diferenciado por territorios socioeconómicamente diferentes de los DSS. Asimismo, al evaluar este ranking compa-rado comunal entre hombres y mujeres, éstas tienen peor estado de salud, aún a igual NSE que los hombres.
6M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
1. ANTECEDENTES
a. Presentación
El objetivo general de este estudio es estimar el impacto de los Determinantes Sociales de la Salud (DSS) sobre el estado de salud de los individuos en Chile a nivel nacional y comunal.
En el primer capítulo se revisa el marco conceptual de los DSS y las evaluaciones que existen en la literatura internacional para cuantificar su impacto. No se encontraron ejercicios similares de eva-luación cuantitativa con modelos estadísticos o econométricos, aunque se asignaron valores es-tablecidos por juicios de expertos en estudios en otras latitudes. Así también, en este capítulo se revisa las mediciones en Chile que evalúan aspectos que podrían influir en la salud de las personas.
El segundo capítulo, especifica el modelo de ecuaciones estructurales (MEE) que fue considerado el más adecuado para lograr los objetivos del estudio. Se desarrolla un sucinto resumen imprescindible para la comprensión de los resultados del estudio. En efecto, los modelos complejos suelen descar-tar la significación de variables que a ojos del investigador son decisivas en la lógica teórica o incluir otras que podrían no parecerlo. Por ello se requieren procesos de iteración que aseguren fiabilidad, convergencia y significación de las variables finalmente escogidas en los constructos.
En el tercer capítulo se presentan los resultados con dos bases de datos. El primero, con la Encuesta de Caracterización Socioeconómica (CASEN) de 2015 y, el segundo, con la Encuesta Nacional de Sa-lud (ENS) de 2009. Se especifican las variables que, finalmente, fueron incluidas en el modelo y los mecanismos que construyen el MEE general y los sub modelos de medida (construcción de las va-riables latentes a partir de variables observadas en las bases de datos) y del sub modelo estructural (relaciones entre las variables latentes).
En el cuarto capítulo se deducen algunas conclusiones a partir de la aplicación del MEE a nivel co-munal que origina un ranking del constructo estado de salud (variable a explicar) y otro ranking de una de las variables explicativas centrales (el nivel socioeconómico como DSS). La comparación de ambos rankings permite corroborar la correlación de ambos y, por lo tanto, es posible establecer un gradiente nacional/comunal de los DSS a partir del modelo aplicado. Con esta misma lógica se comparan los resultados a nivel comunal entre hombres y mujeres para evaluar las diferencias de género observadas.
Finalmente, en el capítulo 5 se plantean las principales conclusiones y sugerencias para futuros tra-bajos en este campo, así como para políticas públicas en esta materia.
7
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
b. El marco conceptual de los Determinantes Sociales de la Salud
Un estudio con un enfoque de esta naturaleza encuentra su justificación en la constatación de que los resultados de salud son diferentes según grupos sociales, dados los contextos ambientales, cul-turales o económicos. Existen numerosas especificaciones de lo que se ha popularizado con el tér-mino “determinantes sociales de la salud” (DSS) en escritos nacionales e internacionales. Es posible sostener que los esfuerzos contemporáneos de identificar y abordar las inequidades en salud deter-minadas por factores sociales, se remontan al Reporte Lalonde de Canadá (1974) y al Black Report, en el Reino Unido (1980). Los argumentos apuntan a que los factores socio-económicos y del entorno (social y ambiental) son los determinantes más influyentes en la salud de las personas y que dichos factores, así como los resultados en salud, se distribuyen de manera desigual e incluso inequitativa en la población. Entre los otros factores se señalan la biología humana, estilos de vida y conductas en salud. La tesis subyacente en estos enfoques es que las sociedades más igualitarias y equitativas presentan mejores estados de salud de la población que las sociedades desiguales e inequitativas.
A principios de los años 90, Dahlgren y Whitehead (1991) plantearon el ya clásico diagrama de De-terminantes Sociales en Salud (figura 1), ubicando al centro los factores demográficos y condicio-nantes de cada individuo, en que la capa externa de condiciones socioeconómicas, demográficas y ambientales es la más influyente en salud. En 2005, Whitehead desglosa las dimensiones en que actúan los DSS y tipifica acciones para reducir sus impactos negativos.
Figura 1. Determinantes sociales de la salud
Fuente: figura adaptada de Dahlgren y Whitehead 1991
Tarlov (1996), es también un autor reconocido por sus aportes al esquema de DSS basado en el reporte Lalonde, definiendo el concepto como “las características sociales dentro de las cuales se desarrolla la vida”.
La Organización Mundial de la Salud (OMS) puso en marcha en 2005 la Comisión sobre Determinan-tes Sociales de la Salud, con el fin de recabar datos científicos de posibles medidas e intervenciones en favor de la equidad sanitaria y promover un movimiento internacional para alcanzar ese objetivo.
“La mala distribución de la atención de salud -el hecho de no prestar asistencia sanitaria a quienes
8M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
más lo necesitan- es uno de los determinantes sociales de la salud. Pero la elevada carga de morbilidad causante de índices de mortalidad prematura terriblemente elevados, se debe en gran parte a las condiciones en que muchas personas nacen, crecen, viven, trabajan y envejecen. A su vez, la deficiencia y la disparidad en las condiciones de vida son consecuencia de políticas y programas sociales insuficientes, acuerdos económicos injustos y una mala gestión política”, indicaba el Infor-me Final de la Comisión, publicado en 2009.
En 2010, el Ministerio de Salud de Inglaterra da a conocer un exhaustivo análisis de los DSS que había sido encomendado al presidente de la Comisión de DSS de la OMS, Michael Marmot, para examinar las desigualdades en salud. Este Informe consagra el concepto de gradiente social para identificar que los resultados de salud se van deteriorando en la medida que empeora la situación socioeconómica, lo que se refleja como una pendiente cuando se examinan por grupos socioeconó-micos o por percentiles de ingresos.
“Las implicaciones del gradiente social en la salud son profundas”, dice el Informe. “Es tentador concentrar los recursos limitados en los más necesitados. Pero, todos estamos en necesidad, todos nosotros por debajo de los mejores… Todos deben ser incluidos en las acciones para crear una sociedad más justa.” (ibid). Parece fácil intuir que existen diferencias y determinantes sociales de la salud. No obstante, el gradiente -o el ángulo de la pendiente- es lo que define la profundidad de las inequidades. En definitiva, medir los DSS es medir el impacto de los DSS en los estados de salud de grupos diferentes.
La misión de la Comisión de DSS fue generar un movimiento de cambio social y debate sobre las necesidades de enfrentar las inequidades en salud a través de la generación de conocimiento cien-tífico sobre intervenciones efectivas, su vinculación al quehacer político, la generación de alianzas interinstitucionales e interdisciplinarias.
Hay diversas interpretaciones acerca de los principales determinantes. Es posible evaluar entonces los mecanismos por los cuales se transfieren o propagan los efectos hacia la salud, por ejemplo, en el aspecto económico, en la educación o en comportamientos relacionados con la salud. Estos efectos han sido también explicitados y hasta ponderados en la literatura. Así, el modelo que se observa en la figura 2 proviene del County Health Ranking Model (CHRM) que viene aplicándose por la Univer-sidad de Wisconsin para alrededor de 3.000 condados de EE. UU. desde 2010. Basados en la opinión de expertos, los investigadores atribuyeron pesos o ponderaciones a cada uno de los constructos (factores) que determinan la condición de salud (comportamientos, cuidados de salud, nivel socioe-conómico y factores ambientales) y a las variables que los componen.
9
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
Figura 2. Modelo de evaluación de determinantes sociales de la salud
Fuente: Remington et al (2015)
Existe evidencia de que las variables no influyen y no se ponderan de la misma manera en distintas partes del mundo. Algunas de ellas incluso pierden significancia en otros modelos similares o con los mismos propósitos1. Otros estudios arrojan resultados o ponderaciones diferentes para indicadores similares, como se observa en la figura 3. Hay también autores que argumentan que las causas de la salud no tienen necesariamente que sumar 100% (Krieger 2017).
Figura 3. Evaluaciones de factores sociales y sanitarios en la salud
Fuente: Michael Marmot, Jessica J. Allen 2014.
1 En un estudio realizado en Virginia Occidental con las mismas variables que el CHRM, las medidas de las condiciones sociales y econó-micas, y las conductas de salud, se relacionaron con los resultados de salud en el 58% a 88% de los modelos estatales; Las medidas de calidad ambiental, en cambio, se relacionaron con los resultados en 0% a 8% de los modelos. (Michael Hendryx, Melissa M. Ahern, Keith J. Zullig, 2013).
10M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
Sundmacher et al (2011) consideran la existencia de tres enfoques principales que contribuyen a explicar los determinantes sociales en salud: el de los recursos (o capacidades) socioeconómicos, sociales y psicológicos del individuo para enfrentar los desafíos de la vida denominados por el autor puntaje de capacidad); el enfoque centrado en los aspectos culturales-conductuales y, un tercero, el enfoque materialista que explicaría las desigualdades esencialmente a través de las diferencias en la posición socioeconómica de los individuos.
Sundmacher señala que por la importancia de la asociación de los factores que relacionan los DSS y las desigualdades en salud, se han evaluado estas relaciones con métodos de descomposición basa-dos en el Indice de Concentración.
EL ÍNDICE DE CONCENTRACIÓN (IC)
El IC se ha convertido en la herramienta habitual para la medición de la desigualdad relacionada con el ingreso al cumplir tres requisitos: 1) refleja la dimensión socioeconómica de las desigualdades en salud o en asistencia sanitaria; 2) refleja la situación del conjunto de la población y, 3) es sensible a cambios en la distribución de la población entre grupos socioeconómicos. Uno de los mayores atractivos del índice de concentración consiste en la posibilidad de especificar un modelo econométrico que explique las variaciones en salud o en el uso de asistencia sanitaria. Wagstaff, Van Doorslaer y Watanabe (2003) proponen, a partir de la estimación de dicho modelo, una nueva metodología que permite descomponer la desigualdad relacionada con factores socioeconómicos según la contribución de cada uno de los regresores. Esta contribución viene determinada por el producto de la elasticidad de la variable dependiente, respecto a cada factor explicativo, y su correspondiente índice de concentración respecto al ingreso (a partir de González y Clavero 2003).En cuanto al uso de los indicadores para DSS, como lo confirman González y Clavero (2003) “El estado de salud se ha aproximado mediante tres indicadores: la propia valoración del individuo, la declaración de tener alguna enfermedad o incapacidad crónica y haber tenido que limitar su actividad diaria en las últimas dos semanas por alguna enfermedad, lesión, problema emocional o de salud mental”. Para el estado de salud autovalorado, las categorías se ordenan en indicadores de buena salud, salud aceptable y mala o muy mala salud. En cuanto a padecer alguna enfermedad, las variables se diferencian según crónicos y agudos si el individuo ha sufrido alguna de ellas en el período considerado o bien mediante clasificaciones internacionalmente reconocidas.
c. Evidencias y antecedentes de los determinantes sociales en Chile
La relación del entorno de las personas con la salud ha sido tratada desde hace tiempo en el país. En 1906 se promulga la ley Nª 1.838 de Habitaciones para Obreros, que puede ser considerada la primera ley de protección social de Chile pues el Estado asume responsabilidades directas en su cumplimiento. En realidad, su objetivo era reducir las enfermedades que provocaba el hacinamiento de los conventillos (Urriola 2009). En 1918 se promulga el primer código sanitario impulsado por el Dr. Francisco Sosa, Vicepresidente del Senado y Presidente de la comisión de higiene del organismo en 1905. Más adelante, la única obra escrita del Dr. Salvador Allende, “La medicina social en Chile” de 1939, es de hecho un análisis de los determinantes sociales de la salud. Por ejemplo, analizando la ley de medicina preventiva, en su obra señala que el “concepto científico de esa denominación no involucra la atención integral de la salud y debe comprender a todos los individuos desde su gesta-ción hasta el fallecimiento”.
En 2005, la Iniciativa Chilena de Equidad en Salud (ICES) publicó un texto de varios autores en el que se explicitaba “en este libro se espera contribuir a la investigación en Chile, en términos de relacio-nar el problema de las inequidades en salud con sus respectivos determinantes sociales, mostrando evidencia significativa y con recomendaciones para el diseño de políticas públicas en algunas áreas claves…”.
11
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
La relación entre el estado de salud y los factores sociales se ha medido en diferentes situaciones y regiones en el país. Los ingresos, la educación y la adscripción a la seguridad social coinciden en aparecer como cruciales en tales evaluaciones (WHO, 2010).
a) Salud e ingresos. En Chile la relación entre los ingresos, la pobreza y los estados de salud de las personas han sido objeto de varios estudios (Cabieses et al 2017; Frenz et al 2013). El esquema presentado en Urriola (2011) con datos de la Casen 2009 muestra la importancia y la necesidad de un desglose fino. En efecto, si se intenta diferenciar la autopercepción de estados de salud según pobres y no pobres los resultados de la regresión son limitados. En cambio, si el mismo gráfico es desplegado según deciles de ingresos –gráfico 1– el estadístico de correlación mejora notoriamente (R² = 0,7175).
Gráfico 1. Porcentaje de la población (eje vertical) que percibe su estado de salud como muy bueno según decil de ingreso (eje horizontal). Chile 2009
Fuente: Urriola 2011 con datos CASEN 2009.
El mismo análisis de regresión con datos de la CASEN 2015 arroja un resultado de Y = 0,29 + 0,008X lo que da cuenta de un menor gradiente (el valor 0,008 es menor que el valor 0,0149 del gráfico 1) en el porcentaje de población que percibe su estado de salud como muy bueno. Más aún, coincidiendo con diferentes estudios sobre desigualdad, si solo se compara los nueve primeros deciles, el coeficiente R² aumenta y con una pendiente aún menor (Y = 0,31 + 0,003X).
Estos guarismos permiten concluir que en Chile habría menor desigualdad al comparar los nueve primeros deciles que al hacerlo con la serie completa; y, en 2015 comparado con 2009.
b) Salud y educación. Otro indicador que se menciona con frecuencia entre los DSS es el nivel de educación. Para analizar esta relación las tablas de contingencia entre estado de salud y nivel edu-cacional para los jefes de hogar, con los datos de la Casen 2015, arrojan un resultado estadística-mente menos robusto que en la relación con ingresos. Es decir, si bien hay correlación ésta no tiene la misma consistencia encontrada en las relaciones entre los estados de salud y los ingresos.
c) Salud y tipo de aseguramiento. Asimismo, otro indicador que generalmente se vincula a la estra-tificación nacional en Chile es la pertenencia a algún seguro de salud y en qué categoría de ingresos en el caso de FONASA.
12M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
Cuadro 1. Autopercepción de salud* de los jefes de hogar según afiliación a la seguridad social en salud (en %)
1 2 3 4 5 6 7 Total
FONASA A 2,54 2,56 6,40 15,92 32,25 23,41 16,91 100%
FONASA B 2,03 2,47 5,73 15,06 31,90 25,40 17,41 100%
FONASA C 1,16 1,73 4,32 13,55 41,98 4,36 32,89 100%
FONASA D 1,02 1,61 4,46 12,83 40,08 4,49 35,51 100%
ISAPRE 0,51 0,72 1,86 6,28 23,38 35,71 31,55 100%
*La autopercepción de salud se mide como 1 muy mala salud hasta 7 muy buena saludFuente: Elaboración propia con datos Casen 2015
Como puede observarse en el cuadro anterior, las diferencias en los valores extremos (1=muy mala salud y 7=muy buena salud) entre Fonasa A y las Isapres son estadísticamente significativas, así como los valores entre Fonasa A y Fonasa D2.
En suma, ingresos, educación y adscripción a la seguridad social (todas variables correspondientes a un constructo socioeconómico), son relevantes para evidenciar correlaciones con los gradientes en salud. Como es sabido, correlación no implica necesariamente causalidad, pero la teoría ha ya puesto en evidencia a través de numerosos análisis que los determinantes sociales son causas de la situa-ción de la salud de las personas. Esto quiere decir que la salud no dependerá exclusivamente de lo que los países sean capaces de hacer en el área de los establecimientos o instancias de gobernanza sanitarias, sino que -aun actuando equitativamente en lo curativo- podrán mantenerse las inequi-dades poblacionales a causa de los demás efectos.
Olivares-Tirado (2005) realizó un estudio para establecer un ranking de salud de las regiones del país a través de la evaluación de variables de resultados en salud y de DSS.
Se usaron tres componentes para representar los resultados en salud: la mortalidad prematura, la auto-percepción de salud y el ausentismo laboral como medida de la morbilidad en la población económicamente activa.
Los componentes de los DSS con 15 variables seleccionadas fueron agrupados en tres categorías: Atención de salud, Factores Conductuales y Factores Socio-económicos. Si bien es ampliamente reconocido el efecto del medio ambiente en la salud de los individuos y las poblaciones, la poca disponibilidad de datos dificultó las comparaciones en este aspecto. La figura 4 da cuenta de este constructo que se asemeja al de Remington (figura 2).
2 En Chile los trabajadores dependientes obligatoriamente deben cotizar para el aseguramiento en salud pudiendo elegir las instituciones de salud previsionales privadas (ISAPRES) o el Fondo Nacional de Salud público. En esta última alternativa hay categorías, siendo Fonasa A quienes no perciben ingresos; Fonasa B quienes perciben menos de un salario mínimo vital (SMV); Fonasa C entre uno y uno y medio SMV; y Fonasa D por sobre este monto. Los adscritos al grupo Fonasa A son catalogados como indigentes puesto que no cotizan en la seguridad social.
13
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
Figura 4. Componentes de los Resultados y Determinantes Sociales de Salud
Fuente: Olivares- Tirado (2005).
Los resultados regionales obtenidos se observan en el gráfico 2. Cabe notar que el eje vertical re-presenta en orden ascendente los resultados de salud que decrecen de 1 a 13, tal que la región de mejores resultados tiene la posición 1 y la de peores resultados la posición 13. Similarmente, el eje horizontal posiciona a las regiones según los DSS en orden creciente de vulnerabilidad hacia la de-recha, tal que la región de menor vulnerabilidad ocupa la posición 1 y la más vulnerable el lugar 13.
El gráfico 2 da cuenta de altas correlaciones entre los resultados y la vulnerabilidad expresada en los DSS. En efecto, lo que intuitivamente se reconoce como las regiones con mayores ingresos (Antofa-gasta y la RM) son también las que tienen mejores resultados en salud.
Ahora bien, el mismo análisis de las mismas variables hecho por Olivares-Tirado 10 años después -en 2013- pero con 15 regiones administrativas (gráfico 3), da cuenta de que hay movimientos en algu-nas posiciones. Este análisis de las causas de tales movimientos debiese ser el objeto de estudios para fortalecer las políticas públicas que involucran a los DSS.
14M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
Gráfico 2. Ranking de DSS y ranking de resultados regionales de salud. Chile 2003
Resultados
Determinantes de salud
Antofagasta
RM
Valparaíso
Aisén
Tarapacá
Atacama
Magallanes
Lib. B. O'Higgins
Coquimbo
Los Lagos
Bío Bío
La Araucanía
Maule
0
1
2
3
4
5
6
7
8
9
10
11
12
13
0 1 2 3 4 5 6 7 8 9 10 11 12 13
Fuente Olivares-Tirado P. 2005
Gráfico 3. Ranking de DSS y ranking de resultados regionales de salud. Chile 2013
Resultados
Determinantes de salud
Tarapacá
Coquimbo
Metropolitana
Los Ríos
Valparaíso
Antofagasta
Atacama
Aisén
Magallanes
Bío-Bío
Maule
Los Lagos
Lib.B. OHigginsAraucanía
Arica-Parinacota
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Fuente: Olivares-Tirado P. (no publicado)
d) Estado de salud y acceso. En la misma línea de analizar como determinante social de la salud el acceso a la atención sanitaria, entendiéndola como la posibilidad de que los individuos puedan tomar contacto con el sistema o puntos de atención cuando les surge una necesidad de salud, se evaluaron diferencias de acceso entre poblaciones.
15
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
Usando la CASEN 2015, se procedió a cruzar las preguntas S13 (autopercepción de estado de salud): Ahora, en una escala de 1 a 7, donde 1 corresponde a muy mal y 7 a muy bien, ¿qué nota le pondría a su estado de salud actual?) con la pregunta s17 ¿Por qué no tuvo consulta ni atención?, cuyas res-puestas posibles fueron las siguientes:
1. No lo consideró necesario, así que no hizo nada
2. No lo consideró necesario y tomó remedios caseros
3. Decidió tomar sus medicamentos habituales
4. Prefirió consultar en una farmacia por medicamentos para su problema de salud
5. Prefirió consultar a especialista en
6. Prefirió buscar atención de medicina indígena fuera del consultorio o posta
7. Prefirió acudir a la medicina natural u homeopática
8. Pensó en consultar pero no tuvo tiempo
9. Pensó en consultar pero no tuvo dinero
10. Pensó en consultar pero le cuesta mucho llegar al lugar de atención
11. Pidió hora pero no la obtuvo
12. Consiguió hora pero todavía no le toca
13. Consiguió hora pero no la utilizó
14. No sabe
Ahora bien, para comparar “poblaciones” semejantes se usa solo esta pregunta que está compuesta por personas que declararon positivamente (pregunta previa en la CASEN 2015) que en los últimos 3 meses habían tenido algún problema de salud, enfermedad o accidente.
Se definió como personas “sin acceso”, implicando dificultad social para acceder a los servicios de salud, a las que indicaron las respuestas 8-9-10-11 y, en cambio, “con acceso” a todas las personas que contestaron en las respuestas 1 a la 7 o en la 12 y 13, ya que se consideró que eran decisiones voluntarias y no restricciones sociales.
Los resultados muestrales se indican en el cuadro 2 y en el gráfico 4.
16M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
Cuadro 2. Frecuencia del estado de salud de las personas que no tuvieron consulta ni atención según decisión voluntaria (con acceso), en comparación con aquellas sin consulta por restric-ción social (sin acceso)
ESTADO DE SALUD CON ACCESO SIN ACCESO
Muy Mal (1) 72 19
2 69 26
3 181 49
4 539 107
5 1034 144
6 909 73
Muy Bien (7) 574 41
No sabe* 10 3
TOTAL 3388 462
* El valor NS fue eliminado para los cálculos estadísticos del gráfico 1
Gráfico 4. Comparación de medias del estado de salud de las personas, con respecto al porcen-taje de los que no tuvieron consulta ni atención según decisión voluntaria (con acceso) y de los con restricción social (sin acceso)
Fuente: Elaboración propia con datos de CASEN 2015
17
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
Las medias ponderadas del nivel de estado de salud fueron 5,2 (con acceso) y 4,5 (sin acceso) y el análisis estadístico permitió determinar que el resultado es significativo, es decir, hay una diferencia en los estados de salud que perjudica a quienes no tienen acceso a estos servicios. En todo caso la proporción de la población que se ubica en la situación de no acceso es solo de 0,2% razón por la que no se pudo incorporar esta variable al modelo aplicado en este estudio.
De su parte, el Departamento de Epidemiología del Ministerio de Salud publicó en 2017 la tercera versión de los Diagnósticos Regionales en Salud con Enfoques en Determinantes Sociales mediante la construcción de fichas metodológicas, sistematización de bases de datos y cálculos de indicado-res. Este trabajo brinda cifras regionales en: demografía, estilos de vida y factores de riesgo; morbi-lidad, bienestar y daño en salud; y, sistema de salud. Con estos datos se elaboran indicadores de alto interés para la decisión pública y es una fuente importante para los estudios que, a nivel regional, pretenden establecer modelos de interrelación entre esas variables.
18M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
2. ESPECIFICACION DEL MODELO DE ECUACIONES ESTRUCTURALESLos análisis basados en modelos de ecuaciones estructurales (MEE) constituyen una estrategia usa-da cada vez más frecuentemente por los investigadores.
1. El modelo de ecuaciones estructurales es un método de análisis multivariante. Se puede pensar como una extensión de varias técnicas multivariadas como la regresión múltiple y el análisis factorial (Cupani, 2012). Sin embargo, posee algunas características particulares que lo diferencian de las otras técnicas multivariadas. Una de las diferencias esenciales es la capacidad de estimar y evaluar la relación entre constructos no observables, denominados también variables latentes.
2. El MEE se puede representar en una tabla (p x n) donde aparecen los valores de p elementos (sujetos) observados sobre n variables (atributos). Por ejemplo, en este estudio se observan los mayores de 18 años de la encuesta CASEN con 4 variables latentes (nivel socio económico, comportamientos personales, entorno, cuidados de salud).
3. Permite examinar simultánea y combinadamente las posibles relaciones de dependencia en-tre las variables. Al combinar los aspectos de la regresión múltiple con el análisis factorial, permite describir la estructura interna de un número relativamente grande de variables con solo una parte de ellas. Simplifica la modelización convirtiendo, por eliminación de redun-dancias expresadas en altas correlaciones entre variables, un amplio conjunto de variables observadas en un grupo menor de factores o variables “latentes”. No es una técnica de de-pendencia (no hay selección a priori de dependiente y exógenas). Lo habitual es su aplicación sobre matrices de correlaciones entre variables (Factorial R).
4. En el análisis de regresión múltiple las variables se despliegan bajo la forma Y = α0 + ∑ αi Xi en que las Xi son las variables que explican a la variable Y. En cambio, en el MEE se examinan TODAS las relaciones entre las variables, incluidas las correlaciones entre los Xi. Incluso la variable Y no está estadísticamente predefinida, aunque los investigadores deben tener una hipótesis lógica que les permita deducir explicaciones coherentes de los resultados obteni-dos. Esto se conoce como estrategia de modelización confirmatoria, en la que el investigador especifica un modelo aislado tal que el modelo de ecuaciones estructurales se utiliza para evaluar su significación estadística. En efecto, en este trabajo se usa el MEE para encontrar la relación (impacto) de las variables latentes con (en) los estados de salud de la población.
5. Por su parte, el análisis factorial se expresa como análisis de componentes principales que tiene por objetivo analizar si es posible representar adecuadamente la información inves-tigada con un número menor de variables construidas como combinaciones lineales de las originales. Por ejemplo, al usar variables con alta dependencia es frecuente que un pequeño número de nuevas variables (menos del 20% de las originales) expliquen la mayor parte (más del 80%) de la variabilidad original.
En cambio, el MEE puede captar relaciones de dependencia e interdependencia entre las va-riables, ya que las variables que son dependientes en una relación pueden ser independientes en otra relación dentro del mismo modelo.
19
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
6. En este documento se usa como marco teórico o modelo de base el esquema de Remington et al (2015):
Fuente: Remington et al (2015)
En este esquema, la variable a explicar es el estado de salud (factores de salud) mediante los determinantes sociales (comportamiento, nivel socio económico y factores ambientales) y los cuidados de salud que debiesen representar el aporte que se hace desde el propio sector salud. Estas son variables latentes que se construyen a partir de las variables de la columna derecha, las que se califican como variables observadas. En el capítulo siguiente se especi-fican las variables observadas que se pudieron identificar con las bases de datos empleadas.
7. El MEE puede expresarse mediante distintas formas (complementarias entre sí): diagramas, matricialmente o mediante ecuaciones simultáneas.
20M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
En el diagrama siguiente que se aplicó en este trabajo se puede captar el sentido de las rela-ciones que componen el modelo.
pr_sald1.43
1 .81
pr_sald2-.13
2 .89
pr_sald3.79
3 .98
pr_sald4.65
4 .97
H_S5 .61
sexx1
.98
edad1
3.7
s134.9
6 .64
ss15.098
7 .88
ss31c1-.43
8 .71
AVPP_OCDET5.3
9 .99
ocupado1.9
10 .81
niv_educ2.7
11 .47
dautr2.8
12 .64
NSE
13 .79
ACCESO
14 .35
s22a.32
15 1
mam1.5
16 .32
zona3.2
17 1
pap1.6
18 .16
Inf_psic
19 1
s32f3.2
20 .26
s32g3.6
21 .33
pr_sald5.99
22 .56
-.58
-.22
-.12
-.026
-.15
-.47
.085
-.29
-.23
.016
.14
-.25
-.21 -.15
.029
-.13
-.027
-.24
.0093
-.021
.17
-.37
.047
-.31
.32 -.017
-.29
-.14
.6 -.34 -.53-.12
.44
.73
.6
.15
-.41
-.82
.11
.055
-.039
.83
-.026
.92
-.021
.86
.82
-.047
.13
.71
En general, la representación en los diagramas de ecuaciones estructurales sigue convenciones par-ticulares, a saber:
• Las variables observables se representan como rectángulos (20 en el diagrama que se basó en la CASEN). Son aquellas que provienen de manera directa de las bases de datos usadas. Por ej.: Nivel de educación [niv_educ], se realizó exámenes de mamografía o Papanicolaou en un es-tablecimiento de salud ([mam] o [pap]), pertenencia a un tipo de adscripción al aseguramiento en salud [pr_sald1] hasta [pr_sald5].
• Las variables latentes se representan como óvalos (4 en el diagrama: NSE, H_S, ACCESO, Inf_psic). Son aquellas que provienen de una construcción teórica, pero que son combinaciones lineales construidas con los datos de la correlación de las variables observadas que son los componentes principales del constructo. Por ejemplo, el constructo nivel socio económico (NSE) se examina a partir de la relación entre cuatro variables observadas: ingresos [dautr], educación [niv_educ], ocupación [ocupado] y tipo de adscripción al aseguramiento en salud [pr_sald1] hasta [pr_sald5].
• Las flechas rectas representan las relaciones sea entre las variables observadas y la latentes, o entre variables latentes.
• Una segunda especificación -sólo con respecto a las variables observadas- es que éstas pueden ser endógenas (aquellas que varían en el marco del funcionamiento del modelo. Por ejemplo: ingresos, educación, comportamientos, daños ambientales); y, exógenas que no son predichas por ninguna otra variable o varían por razones ajenas al modelo (en el diagrama son sexo [sexx] y [edad]). En otras palabras, las variables que reciben influencia por parte de otra se denominan endógenas y aquellas a las que no llega ninguna flecha recta son exógenas.
21
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
• Los valores al interior de las variables endógenas son los interceptos de la ecuación del modelo de medida respectivamente. Los valores al interior de las variables exógenas (sexo y edad) son la media y varianza de las variables. En el caso del sexo esta media representa la proporción de hombres.
• Las covarianzas entre variables se representan como líneas curvas terminadas en flechas en cada extremo.
8. Se entiende por modelo completo de ecuaciones estructurales (o simplemente modelo de ecuaciones estructurales) al que contiene dos tipos de sub modelos: i) un sub modelo de medida que representa las relaciones de las variables latentes (o constructos) con sus indica-dores (o variables observadas)3; y, ii) el sub modelo estructural donde se describe la interre-lación entre los constructos.
i. En nuestro caso, a modo de ejemplo, el sub modelo de medida para la construcción de la variable latente uso de servicios de salud (ACCESO)4, incluyó el acceso a la atención en diferentes exámenes (mamografía, Papanicolaou) entre otras. El objetivo fundamental del modelo de medida es corroborar la idoneidad de las variables seleccionadas en la medi-ción de los constructos de interés.
ii. El modelo de relaciones estructurales ejemplificado con la figura 6 (al costado) contiene los efectos y relaciones entre las variables latentes. Es parecido a un modelo de regresión, pero puede contener efectos concatenados entre las variables. Los números próximos a las flechas son los coeficientes de regresión y además, contiene los errores de medición (ε). Como se observa en la figura 6 se puede distinguir el modelo de relaciones estructu-rales al tener las variables latentes relaciones de regresión entre sí, como sucede con el valor 0.32 que relaciona el NSE con el estado de salud (H_S).
9. El modelo incluye los errores de medida o de medición. Uno de los supuestos fundamentales del MEE es que las variables dependientes tienen cierta variación no explicada por la variable latente, que es atribuible al error de medición identificados con la letra ε en este ejemplo. El error se define como la diferencia entre el valor medido y el “valor verdadero”. Aquellos errores que se pueden de alguna manera prever, calcular, eliminar mediante calibraciones y compensaciones, se denominan deterministas o sistemáticos y se relacionan con la exactitud de las mediciones.
El modelo de medida se construye a través de la aplicación de análisis factorial, relacionan-do variables observadas con variables latentes, relación en la que subyace la existencia de una relación lineal entre el concepto no directamente observable y su(s) manifestación(es) observable(s).
Una vez seleccionada la posible relación causal entre las variables, se procede a estimar los parámetros de la relación considerando las reglas de descomposición de la varianza y utili-zando métodos de estimación (máxima verosimilitud, por ejemplo).
10. Básicamente existen dos reglas de descomposición: (i) El efecto total es igual a la suma de los efectos directos e indirectos; y (ii) la varianza de una variable dependiente es igual a la
3 Un análisis más refinado de este concepto se encuentra en A. Oliver, J. M. Tomás, P. M. Hontangas, A. Cheyne y S.J. Cox. (1999) 4 Se estimó que las variables observadas que contiene el sub modelo de medida del constructo ACCESO (cuadro 7.3), corresponden más bien al uso de servicios y no al acceso como se entiende generalmente (mayores posibilidades de lograr atención oportuna de calidad y sin pagos adicionales). Por ello, en adelante se usará el concepto de uso para esta variable.
22M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
varianza debida a la perturbación, más la varianza explicada por otras variables del modelo. Mediante el uso de esas reglas se construye un sistema de ecuaciones estructurales que expresa cada elemento de la matriz de covarianza en función de los parámetros del modelo.
En otras palabras, dichas ecuaciones imponen una forma o estructura determinada a la matriz de varianza y covarianza de la población bajo estudio. La lógica del MEE establece que: es po-sible derivar las medidas de covariación esperadas entre las variables a partir de los efectos causales que se especifican en el modelo. De esta forma, si el modelo causal que se propone es correcto, las medidas de covariación esperadas y las observadas deberían ser semejantes o próximas (Medrano y Muñoz-Navarro 2017).
11. Dado que las variables que explican parte significativa del modelo son variables latentes no directamente observables, se puede fijar de forma arbitraria su media en 0 y su varianza en 1, en otras palabras, transformarlas en variables estandarizadas, de modo que los pesos factoriales resultan ser las correlaciones entre las variables directamente observables y los factores (variables latentes). Según Mc Donald and Ho (2002) para definir correctamente el modelo se utiliza la estimación estandarizada de cada variable latente, lo cual evita la falta de identificabilidad debido a la arbitrariedad de escala. Entonces los coeficientes de regre-sión asociados, representan los cambios en la variable dependiente que es atribuible al cam-bio de una sola unidad de desviación estándar en la variable de predicción.
12. Otra característica del MEE es que las relaciones entre las variables latentes pueden ser de tres tipos: covarianza, efectos directos y efectos indirectos (actúan mediante mediadores). La covarianza es análoga a la correlación y es definida como la relación no-direccional entre las variables (latentes) independientes. Esta relación se representa generalmente mediante una flecha curva de doble punta. Como para este modelo no se propone una relación bi di-reccional entre las variables, en la figura 6 no se especificó una covarianza entre las variables latentes. El efecto directo es la relación entre la variable latente y la medida (indicador) o entre dos variables latentes, similar a lo que se observa en el análisis de regresión múlti-ple. Se indica esta relación mediante una flecha unidireccional (por ejemplo, entre Inf_psic y H_S) que implica direccionalidad entre las variables, aunque no debe interpretarse como causalidad. Un efecto indirecto es la relación entre una variable latente independiente y una variable latente dependiente cuando su efecto es mediado por una o más variables latentes. En la figura 6, el NSE tiene un efecto directo sobre el H_S, y a su vez, un efecto indirecto sobre el H_S mediado por el ACCESO.
13. En el proceso de selección de variables observadas para construir las variables latentes y para medir su validez –y, principalmente, la fiabilidad de ellas- se calcula el alpha de Cronbach que examina la homogeneidad de los ítems (variables observadas), es decir si todos miden lo mismo mediante evaluación de la covarianza.
El alpha de Cronbach permite cuantificar el nivel de fiabilidad de una escala de medida para la magnitud inobservable construida a partir de las n variables observadas. En definitiva, es una media ponderada de las correlaciones entre las variables (o ítems) que forman parte de la escala. Puede calcularse de dos formas: a partir de las varianzas (alpha de Cronbach) o de las correlaciones de los ítems (alpha de Cronbach estandarizado). Hay que advertir que ambas fórmulas son versiones similares y que pueden deducirse la una de la otra. El alpha de Cronbach y el alpha de Cronbach estandarizados, coinciden cuando se estandarizan las variables originales (items).
23
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
El alpha de Cronbach es obtenido por los programas y se tiende a aceptar cuando éste supera el valor 0,7 aunque en algunos casos es más exigente (p. ej. en pruebas de eficacia de proce-dimientos o uso de insumos en salud).
14. El desarrollo y evaluación del MEE en este estudio involucró cinco etapas:
a. Especificación del modelo: En esta etapa el investigador establece cuáles son las variables que se incluirán en el modelo explicativo y cuál es la relación que existe entre ellas. Esta primera etapa depende fundamentalmente del conocimiento teórico sobre el fenómeno por abordar.
b. Identificación del modelo: Esta etapa consiste en examinar si se cuenta con la cantidad suficiente de información para contrastar el modelo. Cabe recordar que el MEE se basa en la estimación de covariaciones a partir de las relaciones causales que se especificaron en el modelo.
c. Estimación del modelo: Consiste en obtener los valores de los parámetros especificados en el modelo a partir de las varianzas y covarianzas muestrales.
d. Evaluación del modelo: La evaluación del ajuste tiene por objeto determinar si las relacio-nes entre las variables del modelo estimado reflejan adecuadamente las relaciones obser-vadas en los datos.
e. Re-especificación del modelo (o iteraciones): El análisis del ajuste del modelo no acaba con el examen de los índices de ajuste. Un análisis pormenorizado de los residuos permite detectar problemas inadvertidos en el diagnóstico global y sugerir posibles modificaciones del modelo para mejorarlo.
15. El MEE propuesto en este estudio se basa en la variable latente estado de salud de los indi-viduos (h1), sobre la cual se busca medir el peso del efecto de los determinantes sociales en salud: las variables latentes h2, h3 y h4. Estos se identifican mediante las siguientes cuatro ecuaciones estructurales:
Estado de salud: (1)
Nivel socio económico: h2 = g2Z2+m (2)
Uso de servicios de salud: h3=d1h2+g3Z3+u (3)
Entorno social: h4=g4Z4+e (4)
Z1, Z2, Z3, Z4 son vectores de variables observables exógenas; b,g, d son parámetros que deben estimarse. Finalmente n, m, u, e son términos de error con Esperanza cero.
Por otra parte, los modelos de medida se definen como:
Modelo de medida: xj = jj + uj con j = 1,… 4 (5)
Donde los jj son vectores de coeficientes y uj representan términos del error. Esta última ecuación representa la regresión multivariada de xj sobre hj.
Dado que las variables latentes hj no son observables, no tienen una escala definida. En resumen, el MEE completo se define mediante el sub modelo estructural compuesto por las ecuaciones estruc-turales (1-4) y los sub modelos de medida especificados con las ecuaciones en (5). El Anexo 5 detalla la presentación matricial del MEE.
24M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
3. EVALUACIÓN Y RESULTADOS GENERALES DE LOS MODELOS5
En el capítulo anterior se señaló que es posible distinguir etapas en la modelación las cuales se es-pecifican en este acápite.
i. EL MODELO CON LA ENCUESTA CASEN
a. Etapa 1: Especificación del modelo
Esta sección responde al objetivo general de identificar las variables observables para contribuir a la formulación concreta del MEE más adecuado para estimar el impacto de los DSS sobre el estado de salud. Esto es identificar las posibles variables que se incluirán en el modelo explicativo y cuál es la relación que existe entre ellas de acuerdo a la literatura existente.
En el primer capítulo se examinó la literatura acerca de los DSS y las variables latentes de mayor uso en la explicación de la relación entre éstos y el estado de salud de los individuos. En función de la revisión de esa literatura, se estimó que el diagrama de Remington (Figura 2.- Modelo de evaluación de determinantes sociales de la salud. Página 10) aportaba suficientes elementos para especificar un modelo a través de los cuatro constructos principales y las variables observadas. Así también se consultó el texto de Olivares Tirado que se reflejó en la Figura 4.- Componentes de los Resultados y Determinantes Sociales de Salud. Página 15.
b. Etapa 2: Identificación del modelo
Esta etapa consiste en examinar si se cuenta con la cantidad suficiente de información para contras-tar el modelo.
Para este efecto se examinaron las diferentes encuestas disponibles (Encuesta de Caracterización Socioeconómica (CASEN-MIDESO), Encuesta Nacional de Salud (ENS-MINSAL), Encuesta de Calidad de Vida (ENCAVI-MINSAL), Encuesta de Presupuestos Familiares (INE), Encuesta de Protección Social (MINTRAB), etc.) concluyéndose que la encuesta que aporta más variables útiles para el modelo es la CASEN en su versión 2015. Su uso implica dejar fuera algunas variables que son relevantes en la salud de los individuos, como los hábitos o comportamientos de estilos de vida (sedentarismo, uso de drogas, consumo de tabaco o alcohol), que si bien existen en otras encuestas no es posible combinarlas con la CASEN para su análisis6. A su vez, el modelo elaborado con datos de la CASEN fue replicado (ver infra) usando información disponible en la ENS 2009-2010, última versión disponible al momento del estudio, a fin de recoger variables de comportamiento no disponibles en la CASEN.
Tres motivos son centrales para elegir la encuesta más adecuada de acuerdo con el objetivo general del estudio: i) que existan variables relevantes y apropiadas para caracterizar el estado de salud de los individuos, ii) que existan variables que permitan agrupar aspectos de los diferentes constructos que comprenden los determinantes sociales y, por último, iii) que la muestra tenga representativi-dad comunal.
Con respecto a los dos primeros motivos, la encuesta Casen 2015 presenta un módulo de salud en que están caracterizadas diferentes dimensiones: estado de salud del individuo, atención de salud,
5 El Departamento de Economía de la Salud del Minsal licitó en agosto de 2017 el estudio “Estimación cuantitativa de los Determinantes Sociales de la Salud en Chile”. Este capítulo recoge los resultados de dicho estudio, cuya modelación estuvo a cargo de Rosa Montaño y Claudio Vargas de la Facultad de Ciencias de la USACH. 6 Cabe mencionar que el Minsal (2016) ha desarrollado 166 indicadores relacionados con los DSS, de los cuales varios han sido elaborados a partir de la encuesta CASEN.
25
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
previsión de salud, uso de exámenes preventivos, intensidad de uso de atenciones de urgencia, me-dicina general, salud mental, especialidad y atención dental. Además, existe información detallada del ingreso (del hogar, de la vivienda, del trabajo del jefe de hogar); de educación, tanto del jefe de hogar como de los demás miembros del hogar.
La encuesta incluye la pregunta por autopercepción de salud (s13) que ha sido usada como una variable que condensa la información del estado de salud (Cabieses B. et al 2015), ya que se asocia a muchas variables de resultado sanitarias (Yamamoto T et al 2012; Phillips AC et al 2010; Gray L. et al 2012; Kunst AE et al 1995). Otras preguntas que conforman la variable latente estado de salud (que corresponde a la variable sobre la que influyen los determinantes sociales) son las preguntas s31 (condiciones de salud deteriorada permanente o de largo plazo), y aquellas que van de la s32 a la s34.2 que informan de las dificultades y limitaciones en la vida diaria producto de la condición de salud.
En todos los modelos se incluyeron las variables género y edad, ya que son variables confusoras7
de la variable estado de salud. Estas, si bien explican una parte importante de las desigualdades en salud, corresponden al componente “legítimo” y no incluido en el concepto de inequidad, al no ser evitable (Cabieses B. et al 2015).
La tercera razón para elegir la encuesta CASEN, es que están prácticamente todas las comunas de mayor población representadas en la encuesta, lo que permite aprovechar algunas mediciones co-munales, en particular, Años de Vida Potencialmente Perdidos (AVPP).
De otra parte, se evaluó incluir en el modelo el Índice de Desarrollo Humano (IDH), también a nivel comunal, aunque posteriormente se decidió no usarlo por el hecho que el IDH es un constructo que se alimenta a partir de las mismas variables que son usadas en los modelos de medidas de las varia-bles latentes construidas con las bases de datos (sea CASEN o ENS).
Tampoco se incorporaron las mediciones de contaminación del aire debido a que la información cuantitativa existente sólo registra la contaminación en un grupo reducido de comunas (sólo 34 en 2005, el año con más datos). Asimismo, se desestimó usar las mediciones de contaminación de cauces de agua, dado el acceso casi universal al agua potable para consumo humano en la última década, con niveles de calidad aceptables8.
Un segundo modelo con una estructura lógica similar, aunque con algunas variables diferentes, co-rresponde a la Segunda Encuesta Nacional de Salud (ENS) realizada entre 2009 y 20109 que entrega información en detalle sobre aspectos generales de calidad de vida relacionadas a salud física y mental e información detallada sobre aspectos de morbilidad crónica a través de auto-reporte de enfermedades o síntomas, mediciones de examen físico (como por ejemplo: presión arterial, peso, talla, Índice de Masa Corporal, circunferencia de cintura) y exámenes de laboratorio. También es una fuente adecuada para capturar información sobre comportamientos individuales que pueden cons-tituir factores de riesgo en salud que no se recogen en la CASEN, en particular, consumo de tabaco, de alcohol o ingesta alimentaria.
7 Cuando se valora la relación entre dos variables, sean las dos cuantitativas, cualitativas las dos o cualitativa una y cuantitativa la otra, es posible encontrar que la relación que se está detectando sea confundida por una tercera variable.8 Cabe señalar que el Ministerio de Medio Ambiente colaboró con este estudio al proporcionar dicha información. 9 Al cierre de este Informe aún no estaba disponible la base de datos de la ENS 2017.
26M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
La ENS también tiene un módulo que permite obtener información sobre ingreso, educación, nivel socio económico, vivienda, trabajo y factores psicosociales. En particular, está también la pregunta sobre la autopercepción de salud. La principal desventaja de esta encuesta desde el punto de vista del objetivo general de este estudio es que sólo tiene representatividad regional y no comunal.
De esta manera, la ENS se utilizó para realizar un análisis paralelo a los resultados obtenidos con la CASEN, a fin de usarlos como un análisis de sensibilidad que da mayor sustento a los hallazgos encontrados.
La identificación del modelo también consiste en asegurar que se pueden estimar los parámetros que especifiquen las relaciones de los DSS. La teoría de MEE ha sido desarrollada para variables observadas normalmente distribuidas y continuas. Sin embargo, estos supuestos nunca se cumplen completamente en la práctica y en el modelo presentado en este trabajo, algunas variables se de-finen como variables dummy dicotómicas y ordinales. Siempre que el tamaño de la muestra sea suficientemente grande, generalmente se utiliza el estimador de máxima verosimilitud para cons-truir intervalos de confianza y determinar la significación estadística de las estimaciones (Hancock y Nevitt, 1999).
Primero se optó por usar Generalized Structural Equation Modeling (GSEM) en Stata porque logra una mayor flexibilidad, al ser un modelo estructural que combina variables de distintos tipos y cuyas funciones de enlace pueden ser, logit, probit, ordinal multinomial, de conteo, entre otras. Sin embar-go, alguno de los inconvenientes que se observaron en el proceso de estimación es que el tiempo de ejecución pudo superar las 24 horas en un computador de alta gama y en muchas situaciones el modelo no convergía al tratar de incluir dos o más variables latentes.
Como resultado de esas dificultades se tomó la decisión de trabajar sólo modelos MEE lineales, es decir, SEM en Stata. Muchas variables fueron re categorizadas para que pudieran responden a una escala binaria, ordinal o continua. Se ajustaron al menos treinta modelos a partir de los de medidas para cada una de las variables latentes, cuyos valores estimados consideraron los valores iniciales para un modelo más complejo. Asimismo, en el taller organizado por DESAL para la discusión de los resultados preliminares, surgieron recomendaciones que fueron incorporadas en los resultados finales.
STATA informa también la raíz del error cuadrático medio residual (SRMR) que se calcula utilizando el primero y el segundo momento, y el coeficiente de determinación (CD) que se interpreta como R2 para todo el modelo. Un buen ajuste corresponde a un SRMR pequeño, considerado por algunos como limitado a menos de 0.08.
c. Etapa 3: Estimación del modelo
Esta etapa consiste en obtener los valores de los parámetros especificados en el modelo a partir de las varianzas y covarianzas muestrales.
i. Definición de Variables del Modelo con la CASEN
En la base de datos de la Encuesta CASEN 2015, se considera como dominios de estudio las regiones, las áreas geográficas urbano y rural y 139 comunas que concentran alrededor del 80% de las vivien-das. Su diseño muestral es probabilístico, estratificado, por conglomerado y multietápico. La unidad final de selección es la vivienda. El modo de aplicación es a través de entrevista personal, realizada por un encuestador en cuestionario de papel.
27
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
En este estudio se seleccionaron las personas mayores de 18 años, en que el informante fuera el jefe de hogar (pco1), cónyuge o pareja. En total la muestra quedó formada por N = 133.429 personas que expandidos corresponden a 8.619.852 habitantes del país.
Para la selección de variables se revisaron las nociones teóricas que avalan estas relaciones hipoté-ticas, dando fuerza y validez no solo al modelo y los métodos analíticos, sino a la justificación teórica del problema.
Entre otras variables, se identificó el auto reporte de salud (s13) con nota de 1 a 7; la edad; el ni-vel educacional alcanzado o actual (e6a) de básica a superior, incluyendo quienes nunca hubieran estudiado. Adicionalmente, se realizó un merge10 por comuna con los años de vida potencialmente perdidos (AVPP).
El cuadro 3 identifica las variables que a priori definen el constructo estado de salud del individuo, sobre el cual se busca medir el efecto de los otros constructos o determinantes sociales en salud. Los cuadros 4 a 6 detallan las variables seleccionadas que permiten configurar los otros constructos que corresponden a dimensiones conceptuales de los DSS, como se examinó en el capítulo 1 y en el paso 1 de este capítulo. Por cierto, las variables observadas que se presentan en estos cuadros pueden ser aceptadas o rechazadas en su capacidad explicativa por la lógica del modelo. El criterio de aceptación dependerá de cuánto una variable observada ayuda a la explicación de la variable latente. Es decir, los cuadros 3 al 6 incluyen variables que se consideraron al inicio del trabajo y que pueden haber sido descartadas luego por no influr en el modelo.
Cuadro 3. Constructo de estado de salud (MEE-CASEN)
Estado de salud (H_S)
Código Pregunta Escala de Medición
S13 ¿Qué nota le pondría a su estado de salud actual? Mala a Muy Buena: 1 a 7
S15 En los últimos 3 meses, ¿tuvo algún problema de salud, enfermedad o accidente? 1 Si - 0 No
S28 Durante los últimos 12 meses, ¿ha estado en tratamiento médico? 1 Si - 0 No
S27.a En los últimos 12 meses, ¿ha estado hospitalizado o se ha realizado alguna intervención quirúrgica? 1 Si - 0 No
S31c1 Tiene alguna condición de salud permanente 1 Si - 0 No
AVPP Años de Vida potencialmente perdidos Evaluación comunal estimada entre 2011 y 2015 con metodología OCDE
SEXX Sexo 0 Mujer – 1 Hombre
EDAD Edad del encuestado 18 y mas
R8 Etnia 1 pertenece – 0 No
10 Merge: Corresponde al procedimiento de unir dos bases de datos de acuerdo a una variable en común.
28M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
Cuadro 4. Constructo de nivel socio económico (MEE-CASEN)
Nivel socio económico (NSE)
Código Pregunta Escala de Medición
Ocupado
¿(o1: La semana pasada, ¿trabajó al menos una hora, sin considerar los quehaceres del hogar?; o2 Aunque no trabajó la semana pasada, ¿realizó alguna actividad por lo menos durante una hora…? Y o3 Aunque no trabajó la semana pasada, ¿tenía algún empleo, negocio u otra actividad...?
1 Si - 0 No
Niv_educ E6a
Cuál es el nivel más alto alcanzado o el nivel educacional actual
0 Nunca asistió;1 Educ. Básica;2 Educ. Media; 3 Educ. Media Téc-Prof.4 Téc-Profesional5 Profesionales y Postgrado.
Dautr Decil autónomo
O15 En su trabajo o negocio Ud trabaja como
1 Empleado - Público 2 Independiente3 FFAA 4 Serv. Doméstico
S12¿A qué sistema previsional de salud pertenece Ud.? Cada categoría es una variable Dummy (codificada como 0 y 1) quedando de referencia el grupo de sin ninguna previsión (Pr_sal6).
Pr_sal1: Fonasa grupo APr_sal2: Fonasa grupo BPr_sal3: Fonasa grupo CPr_sal4: Fonasa grupo DPr_sal5: IsaprePr_sal6: ninguno (particular)
Cuadro 5. Constructo de uso de servicios de salud (MEE-CASEN)
Uso de servicios de salud (ACCESO)
Código Pregunta Escala de Medición
Zona Zona de residencia1 Urbano2 Rural
S22a Consulta de Especialidad N° consultas
S22b Consulta de Especialidad (Establecimiento)0: consultorio general1: Centro médico Privado
S17 ¿Por qué no tuvo consulta ni atención? 1 Si - 0 No
Mam S10 En los últimos tres años, ¿se ha hecho una mamografía?
0: No1: Si2: Si más de un año
Pap S8 En los últimos tres años, ¿se ha hecho el Papanicolaou?
0: No1: Si2: Si más de un año
Nota: en este cuadro las variables S22a, S22b y S17 fueron finalmente descartadas.
29
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
Cuadro 6. Constructo de relación con el entorno social (MEE-CASEN)
Entorno social (Inf_Psic)
Código Pregunta Escala de Medición
S32f Dificultad para relacionarse con personas que no conoce?
Ninguna; leve; moderada; severa; extrema
S32g Dificultad para: establecer y mantener relaciones personales y familiares
Ninguna; leve; moderada; severa; extrema
Otras variables posiblemente relevantes tuvieron que ser descartadas del modelo y posterior aná-lisis, principalmente por la presencia de un alto número de no respuesta, en blanco o missing, lo cual limita los resultados. Este fue el caso de, por ejemplo, la pregunta O12: ¿Su trabajo o negocio principal es de tipo Permanente ó Temporal? Esta pregunta tiene un 58.7% de respuestas en blanco. Asimismo, se eliminaron las preguntas: s17 ¿Por qué no tuvo consulta ni atención? porque contiene 99,4% de respuestas en blanco; y, la pregunta s22b Consulta de Especialidad (por tipo de estableci-miento) con un 89.6% de no respuestas.
Tampoco fueron consideradas otras variables que podrían haber ampliado la medida de Entorno como las siguientes:
Código Pregunta Escala de Medición
Disc r8s (no ha sido tratado injustamente o discriminado) 1 Si - 0 No
r7i¿Alguien en su hogar, conoce a una persona que pueda aconsejar a los miembros del hogar en caso de problemas personales o familiares?
1 Si - 0 No
Esto se debió a que no presentaron convergencia en las “corridas” del modelo general.
d. Etapa 4: Evaluación y resultado general del MEE-CASEN
El MEE general estimado con la CASEN (figura 5) muestra las relaciones entre las cuatro variables latentes: estado de salud (H_S), nivel socio económico (NSE), uso de servicios de salud (ACCESO) e impacto de entorno (Inf_Psic), junto a las variables exógenas sexo [sexx] y edad [edad]. Para una me-jor comparación e identificabilidad del modelo, en la figura 6 se muestran los resultados de efectos directos del sub modelo estructural estandarizado.
El MEE general estimado (figura 5) presenta el conjunto de componentes del modelo bajo forma gráfica, lo cual permite una mejor visualización de las principales relaciones.
30M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
Figura 5. MEE general estimado. CASEN
En él se encuentran: los sub modelos de medida (al interior de los encuadrados en rojo) que relacio-nan las variables observadas con las latentes; el sub modelo estructural que relaciona las variables latentes entre sí (especificado en la figura 6); las variables exógenas sexx y edad; los errores de me-dida (ε); y, los regresores (valores al costado de las flechas). Estas dos últimas variables, como puede observarse, adquieren solamente valores entre cero y uno debido a que han sido estandarizadas.
Como se dijo, los efectos de relación entre las variables pueden ser directos o indirectos, es decir, pueden ser mediados por interrelaciones con terceras variables. Este aspecto se examina en detalle más adelante.
31
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
Figura 6. Sub Modelo Estructural-CASEN
En la figura 6 se presenta el sub modelo estructural que relaciona exclusivamente las variables la-tentes entre sí mediante efectos directos estandarizados y el efecto directo de las variables exóge-nas. Las “corridas” del modelo fueron hechas con el objeto de evaluar la predictividad de las variables latentes ecogidas sobre el constructo central estado de salud (H_S). Estos resultados constituyen el core de la interpretación del MEE de este estudio.
En efecto, los valores beta o coeficientes estandarizados con mayor impacto directo sobre el es-tado de salud son el nivel socioeconómico (+0,32); la edad (-0,31); el entorno (inf_psic) con -0,29 y uso (Acceso) con -0,17 (todas encuadradas en verde para mejor visualización). Estos resultados, precisamente por representarse con coeficientes beta estandarizados, reflejan la importancia de cada variable explicativa sobre la variable explicada. En definitiva, mientras el estado de salud es mejor en los individuos de mayor nivel socioeconómico; en cambio, tiende a ser peor (a causa del signo negativo del coeficiente) cuando aumenta la edad; el uso de servicios de salud (también con signo negativo) implica que las personas que más usan los servicios tienen peor estado de salud; y, finalmente la variable de entorno (inf_psic) es negativa porque se calificó con valor máximo a las personas que presentan dificultad extrema para relacionarse con personas que no conoce y que tie-nen mayor dificultad para establecer y mantener relaciones personales y familiares (las que tenían ninguna dificultad fueron evaluadas con valor mínimo, ver cuadro 6). Es decir, a mayores dificultades de relaciones con el entorno, peor estado de salud.
32M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
Cabe insistir sobre la interpretación de estos valores11. Los coeficientes estandarizados beta no son exactamente iguales a los coeficientes de regresión parcial teniendo en cuenta que, en este caso, tanto la variable explicada como las explicativas están medidas en unidades de desviación estándar. Así el valor +0,32 mide el cambio en la variable dependiente H-S (en unidades de desviación están-dar) producido por un cambio de una unidad de desviación estándar de la variable NSE, manteniendo constantes las demás variables.
Por lo demás, los valores definitivos del modelo incluyen los efectos directos e indirectos de las va-riables lo que se examina en la sección siguiente.
Los resultados estimados del modelo permitieron concluir que la combinación de los predictores observados y latentes, explican el 77% de la varianza global de la variable latente estado de salud (H_S), es decir el R2 corregido de la ecuación general es 0,77.12
De este modo, se observa también en la figura 6 que la variable latente uso de servicios de salud (Ac-ceso), tal como se definió en este trabajo, no tiene un impacto relevante para determinar los estados de salud de las personas (-0,017).
De su parte, la variable exógena sexo aparece también con importancia directa menor (+0.05). Em-pero, al visualizar las flechas que parten de esta variable y que influyen en todas las demás variables latentes es posible inferir que los impactos indirectos podrán ser más importantes, lo que se corro-borará mas adelante.
Además se verifica lo que puede ser intuitivamente obvio: una alta correlación negativa entre la edad y el estado de salud.
Efectos directos e indirectos
En el cuadro 7 se presentan los resultados de los efectos totales, directos e indirectos de los sub modelos estructurales. Este cuadro es solo una corrección en que se agregan los efectos indirectos cuando existen. Como se advirtió, el cálculo de los efectos indirectos adicionados a los efectos direc-tos podía tener impacto en la ponderación de las variables. En este estudio, resultaron especialmen-te importantes en las variables exógenas. En efecto, el impacto de la variable [sexx] sobre el estado de salud (H_S) cambia desde un valor + 0,05 como efecto directo a un valor total de +0,17 debido al impacto de los efectos indirectos de esta variable.
La primera columna del cuadro 7 refleja las variables que impactan sobre una variable latente. Inte-
11 Pearl (2000) define las ecuaciones estructurales de la siguiente forma: “Una ecuación y=βx+u se dice que es estructural si es interpreta-da como sigue: En un experimento ideal donde controlamos X a x y cualquier otro conjunto de variables Z (que no contienen X o Y) a z, el valor de y de Y es dado por βx+u, donde u no es una función de los conjuntos x y z”.
La elucidación causal de la ecuación reside en el coeficiente β, el cual es interpretado por Pearl (2000) como el valor de cambio en la esperanza de y, E(y), cuando x cambia en una unidad. Pearl habla de la palabra “cambio” y no de la “expectativa condicionada”. Es decir, si se tuvieran los medios físicos para fijar el valor de x a algún valor constante x1, y cambiar esa constante de x1 a x2, entonces el cambio observado en E(y) sería β(x2-x1).12 El R2 se define como la proporción de la varianza total de la variable explicada por la regresión. El R2, también llamado coeficiente de determinación, refleja la bondad del ajuste de un modelo a la variable que pretender explicar.
El R2 ajustado permite decir que el modelo explica en un 77% a la variable real.
33
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
resa particularmente en este estudio las relaciones establecidas entre el primer grupo de variables (NSE, ACCESO, Inf_psic, sexx y edad) que mide el impacto sobre (H_S <-). Como se observa en los va-lores destacados en amarillo del cuadro 7, los efectos totales expresados por los coeficientes estan-darizados beta de NSE y de entorno (Inf_psic), se mantienen muy próximos a los valores destacados a partir de la figura 6 (los que se recogen en la columna de efectos directos, destacados en verde). En cambio, el valor del coeficiente de los efectos totales asociado a la edad y al sexo, aumenta signifi-cativamente por el efecto indirecto.
Cuadro 7. Efectos totales, directos e indirectos de variables latentes y exógenas sobre las varia-bles latentes MEE-CASEN
Modelo estructural
Efectos Totales Efectos Directos Efectos Indirectos
Coef. Std. Err. Std. Coef. Coef. Std.
Err.Std. Coef. Coef. Std.
Err.Std. Coef.
H_S <-
NSE 0.151 *** 0.005 0.321 0.152 *** 0.005 0.323 -0.001 *** 0 -0.002
ACCESO -0.036 0.026 -0.017 -0.036 0.026 -0.017 0 No path -
Inf_psic -0.966 *** 0.034 -0.291 -0.966 *** 0.034 -0.291 0 No path -
sexx 0.183 *** 0.01 0.115 0.075*** 0.019 0.047 0.108 *** 0.017 0.068
Edad -0.024 *** 0.0004 -0.439 -0.017 *** 0.0004 -0.307 -0.007 *** 0.0002 -0.132
NSE <-
Sexx 0.504 *** 0.02 0.149 0.504 *** 0.02 0.149 0 No path -
Edad -0.048 *** 0.001 -0.413 -0.048 *** 0.001 -0.413 0 No path -
ACCESO <-
NSE 0.026 *** 0.001 0.115 0.026 *** 0.001 0.115 0 No path -
sexx -0.616 *** 0.003 -0.806 -0.629 *** 0.003 -0.823 0.013 *** 0.0007 0.017
edad -0.001 *** 0.00005 -0.047 0 No path - -0.001 *** 0 -0.047
Inf_psic <-
sexx -0.01 *** 0.003 -0.021 -0.01 *** 0.003 -0.021 0 No path -
*** indican p-valores <0.001 / Valores en negrita corresponden a efectos directos ilustrados en Figura 5
Examinando los efectos totales (directos e indirectos) del sub modelo estructural, el cambio esencial con respecto a los resultados de efectos directos que más impactan en el estado de salud (H_S) es que la Edad aumenta su impacto a (-0,439) lo que denota que esta variable es significativa; el Nivel Socioeconómico permanece en (+0,321); así como el entorno en (-0,29) que reitera que a mayores dificultades de relación con otros hay un impacto negativo en el estado de salud.
34M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
Los sub modelos de medida
Las ecuaciones de estos sub modelos entregan antecedentes para mejorar el modelo general. Una discusión de este tema puede obviarse en un resumen de resultados, pero es importante para futuras investigaciones similares.
En relación con los sub modelos de medida (ver Cuadros 8 a 11), se examinarán los resultados obte-nidos en cada caso a partir de los coeficientes R2 y la significación de las variables que se testean con el alfa de Cronbach.
Cuadro 8. Composición de las ecuaciones del sub modelo de medida sobre el estado de salud MEE-CASEN
Estado de salud H_S
Variables observadas Coef estandarizado Error Stand R2
Autopercepción estado de salud (s13) 0.596 *** 0.007 0.36
Tuvo enfermedad (ss15) -0.344 *** 0.007 0.12
Condición permanente (ss31c1) -0.535 *** 0.006 0.29
AVPP_OCDET -0.116 *** 0.005 0.01*** indican p-valores <0.001
Se observa que en el modelo de medida de la variable latente H_S el mayor aporte al constructo proviene principalmente de la autopercepción de salud. En este sentido, hay una correlación posi-tiva tal que mejor autopercepción de salud se asocia a mejor estado de salud. Por el contrario, la aparición de problemas de salud en los últimos tres meses y, más aún, si posee una condición de vulnerabilidad de salud permanente, se traduce en un impacto negativo y significativo en el estado de salud de (-0.344) y (-0.535), respectivamente.
De su parte, la variable AVPP_OCDET es un valor comunal que fue incluida para evaluar aspectos comunales del modelo, si bien su efecto sobre el estado de salud aparece con una menor magni-tud que las otras variables, es estadísticamente significativo. El valor AVPP_OCDE (expresado como años de vida perdidos prematuramente por cada 100.000 habitantes), se calcula considerando sólo las muertes de menores de 70 años con estandarización de la población comunal, y se imputa a cada individuo por comuna.
35
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
Cuadro 9. Composición de las ecuaciones del sub modelo de medida sobre el nivel socio econó-mico MEE-CASEN
Nivel socio económico (NSE)
Variables observadas Coef estandarizado Error Stand R2
FONASA A (pr_sald1) -0.469 *** 0.005 0.19
FONASA B (pr_sald2) -0.255 *** 0.005 0.12
FONASA C (pr_sald3) -0.027 *** 0.006 0.02
FONASA D (pr_sald4) 0.168 *** 0.007 0.03
ISAPRE (pr_sald5) 0.714 *** 0.007 0.44
Ocupado 0.439 *** 0.006 0.19
niv_educ 0.729 *** 0.004 0.53
Decil autónomo de ingreso (dautr) 0.597 *** 0.005 0.36*** indican p-valores <0.001
En el sub modelo de medida del NSE, la ecuación es determinada principalmente por las variables educación e ingreso y, con menos relevancia, por la variable ocupación. El tipo de previsión es una variable nominal y sus categorías de respuestas representan los distintos tipos de sistemas previ-sionales. Para medir el efecto de cada una de ellas se crearon variables dummy (binarias), dejando como variable base o de referencia a las personas que no tienen previsión. Los resultados muestran que dichas variables se correlacionan bien con el NSE, es decir, los de mayores ingresos están en Isa-pres (0,71) y los de menores ingresos están en Fonasa A (-0.47). Cabe notar que si bien los afiliados a ISAPRE tienen un coeficiente de correlación R2 alto esta variable está asociada al decil de ingreso autónomo.
Los signos negativos en Fonasa A, B y C indicarían que los niveles económicos calculados según este constructo serían inferiores en estos segmentos que en las personas que no tienen ningún tipo de previsión.
Cuadro 10. Composición de las ecuaciones del sub modelo de medida sobre uso de servicios de salud MEE-CASEN
Uso de Servicio de Salud (ACCESO)
Variables observadas Coef estandarizado Error Stand R2
Consulta de especialidad (s22a) 0.055 *** 0.005 0.003
Mamografía (mam) 0.826 *** 0.002 0.68
Zona de residencia urbano-rural (zona) -0.026 *** 0.004 0.0006
Papanicolaou (pap) 0.916 *** 0.002 0.84*** indican p-valores <0.001
36M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
El uso de los servicios de salud (variable ACCESO) no tuvo valores significativos para impactar en el sub modelo estructural de estado de salud (H_S). Se estima que las variables observadas que con-tiene el sub modelo de medida del constructo ACCESO (cuadro 10), corresponden más bien al uso de servicios y no al acceso como se entiende generalmente (mayores posibilidades de lograr atención oportuna, de calidad y sin pagos adicionales cuando se presenta una necesidad de salud).
De esta manera, la definición de acceso no es recogida por la construcción de esta variable por lo que se emplea la palabra uso. En efecto, el signo negativo que resulta de la estimación (figura 6, Sub Modelo Estructural-CASEN con un valor –0.017) indica solamente que las personas de peor estado de salud concurren con más frecuencia a los servicios (causalidad reversa), aunque de todos modos la influencia es muy pequeña (-0.017). Al mismo tiempo puede existir confusión residual con sexo, dado que en la muestra el constructo ACCESO se asocia principalmente a sexo femenino (por los exámenes de Papanicolaou y de mamografía), que presenta los niveles de salud más deteriorados, ya que las variables que explicarían este acceso preventivo abordan problemas de salud que afectan exclusivamente a las mujeres.
Cuadro 11. Composición de las ecuaciones del sub modelo de medida sobre el entorno MEE-CASEN
Entorno (Inf_Psic)
Variables observadas Coef estandarizado Error Stand R2
Dificultad para relacionarse con personas desconocidas (s32f) 0.86 *** 0.013 0.74
Dificultad establecer relaciones persona-les y familiares (s32g) 0.82 *** 0.013 0.67
*** indican p-valores <0.001
La ecuación usada para definir el entorno finalmente se restringió a solo dos variables explicativas observadas en la encuesta CASEN. Estas fueron la dificultad para relacionarse con desconocidos y la dificultad para establecer y mantener relaciones personales y familiares. Ambas aportan de manera importante al constructo y con significancia estadística.
e. Conclusiones del modelo con CASEN
Se logró la identificación y estimación del modelo para cuantificar la asociación entre diversas va-riables latentes presentes en los modelos teóricos de DSS. El modelo general explica un porcentaje alto del total de la varianza del estado de salud (77%) y pasó los tests de calidad. La variable obser-vada más importante en la explicación de la variabilidad del estado de salud corresponde a la edad.
Este hecho no debe sorprender pues la asociación de la edad con morbilidad, mortalidad y discapa-cidad está ampliamente documentada. Como la edad se considera una variable no modificable, las desigualdades que provienen de ella no corresponden necesariamente a inequidades (de hecho, en epidemiología se controla el efecto de la edad para cuantificar sin sesgo el efecto de otras variables).
Por su parte, la variable observable sexo en este estudio muestra asociación entre sexo femenino y un estado de salud disminuido. Este hecho se contrapone a la evidencia de mayor mortalidad pre-matura ajustada por edad que experimenta el sexo masculino en nuestro país. Podría pensarse que se trata de un sesgo del estudio que no logra ser compensado incorporando los AVPP comunales al
37
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
modelo. Sin embargo, el estudio de carga de enfermedad del 2007 mostró un gran predominio de los años de vida ajustados por discapacidad por sobre los AVPP en el cómputo total de la carga, y que la mujer predominaba en la cuenta total de los AVISA (Minsal 2008).
Con respecto a los constructos o variables latentes es el nivel socio económico el más determinan-te sobre el estado de salud. Su impacto es principalmente directo, identificándose apenas algunos caminos indirectos de su influencia. Le sigue en importancia sobre el estado de salud, la variable de entorno.
Como se mencionó, la dimensión de la acción sanitaria, entendida como posibilidad de acceso a los servicios de salud, no tiene efectos significativos en la variabilidad del estado de salud. Se sospe-cha que la construcción de esta variable podría tener algunos sesgos y confusores, que deben ser analizados con mayor profundidad en futuros análisis. Otras variables potencialmente mediadoras como los comportamientos individuales que entrañan riesgo o bien son conductas saludables, o la contaminación ambiental no se incorporaron al modelo por falta de datos adecuados o compatibles con la base de datos disponible.
II. EL MODELO CON LA ENCUESTA ENSa. Etapa 1 y 2: especificación e identificación de variables del Modelo con ENS
La Encuesta Nacional de Salud 2009-2010 es una encuesta poblacional con un diseño muestral pro-babilístico, multi etápico y estratificado por región. Encuestó un total de 5.293 personas mayores de 15 años que completaron el formulario 1, y a 4.877 de ellas se le aplicó el formulario 2 que además de preguntas realizadas por una enfermera sobre enfermedades específicas y uso de medicamentos, incluía mediciones antropométricas y algunos exámenes de laboratorio.
De acuerdo con el esquema de la figura 2 del marco conceptual en que se identifican los construc-tos, se seleccionaron las variables que potencialmente corresponden al modelo de medida de cada latente: estado de salud, nivel socio económico, acceso a servicios de salud y entorno. A ello se aña-dió una variable de comportamientos individuales asociados a riesgos en salud.
Para el modelo de medida de la variable latente estado de salud (H_status) se seleccionaron las preguntas del módulo III del formulario 1 de la ENS, que contiene las preguntas de calidad de vida relacionadas con salud y que corresponden al cuestionario SF-12 (Ware JE Jr, Kosinski M, Keller SD 1996), versión abreviada del SF-36.
38M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
Cuadro 12. Constructo de estado de salud (MEE-ENS)
Estado de salud (H_Status)
Código Pregunta Escala de Medición
cd2 En general Ud. diría que su salud es 1 Mala a 5 Excelente
cd3 Su salud actual, ¿lo(a) limita para realizar esfuerzos moderados como mover una mesa?
1Me limita mucho2 Muy Poco 3 Nada
cd4 Su salud actual ¿lo(a) limita para realizar esfuerzos moderados como subir varios pisos por la escalera?
1Me limita mucho 2 Muy Poco 3 Nada
Las preguntas de la cd5 a la cd13 se refieren a las últimas 4 semanas
cd5 ¿Hizo menos de lo que hubiera querido hacer? 1 Siempre a 5 Nunca
cd6 ¿Tuvo que dejar de hacer algunas tareas en su trabajo o en sus actividades cotidianas? 1 Siempre a 5 Nunca
cd7 ¿Hizo menos de lo que hubiese querido hacer por algún problema emocional? 1 Siempre a 5 Nunca
cd8 ¿Hizo su trabajo u otra actividad con menos cuidado que el de costumbre por algún problema emocional? 1 Siempre a 5 Nunca
dolor (cd9) ¿Hasta qué punto el dolor ha interferido con sus tareas normales?
0 Sin dolor 1 Nada a 5 Mucho
cd10 ¿Con qué frecuencia se sintió tranquilo(a) y calmado(a)? 1 Siempre a 5 Nunca
cd11 ¿Con qué frecuencia se sintió con mucha energía? 1 Siempre a 5 Nunca
cd12 ¿Con qué frecuencia se sintió desanimado(a) o deprimido(a)? 1 Siempre a 5 Nunca
cd13 ¿Con qué frecuencia su salud física o los problemas emocionales han dificultado sus actividades sociales? 1 Siempre a 5 Nunca
39
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
Cuadro 13. Constructo del Nivel Socioeconómico (MEE-ENS)Nivel socio económico
Código Pregunta Escala de Medición
trab_rem Actividad laboral remunerada 1 Si 0 No
ingreso
ns18 ingreso por hogar 1 Menos de $65000
2 $65000 a $136999
3 $137000 a $180999
4 $181000 a $ 250999
5 $251000 a $350999
6 $ 351000 a 450999
7 $ 451000 a 650999
8 $ 651000 a 850999
9 $ 851000 a $ 1050999
10 $ 1051000 a $ 1250999
11 $1251000 o más
educación Nivel de educación alcanzado 1 Sin Educación a 15 Postgrado
prevsa_1 Indicadora de Sin previsión (particular) 1 Si 0 No
prevsa_2 Indicadora de Fonasa A 1 Si 0 No
prevsa_3 Indicadora de Fonasa B 1 Si 0 No
prevsa_4 Indicadora de Fonasa C 1 Si 0 No
prevsa_5 Indicadora de Fonasa D 1 Si 0 No
prevsa_6 Indicadora de FFAA 1 Si 0 No
prevsa_7 Indicadora de Isapre 1 Si 0 No
Cuadro 14. Constructo de uso de servicios de salud (MEE-ENS)Uso de servicios de salud (Acceso)
Código Pregunta Escala de Medición
exvihsi se realizó alguna vez el examen de VIH-Sida 0 No 1 Si
eda se ha hecho alguna vez una endoscopía digestiva alta 1 No 1 Si
colon se ha hecho alguna vez una colonoscopía 2 No 1 Si
eco se ha hecho alguna vez una ecotomografía abdominal 4 No 1 Si
40M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
Cuadro 15. Constructo de relación con el entorno (MEE-ENS)
Entorno (Psicosocial)
Código Pregunta Escala de Medición
psic1 “A nadie le importa mucho lo que me pasa”
1 Total acuerdo a 4 Total desacuerdo
psic2 “Es más seguro no confiar en nadie” 1 Total acuerdo a 4 Total desacuerdo
psic3 Nivel de confianza con personas de su barrio 1 nada a 7 mucha confianza
psic4 Tiene una persona de confianza en caso de problemas 1 Siempre 4 Nunca 5 No necesita
psic5 Tiene a quien recurrir en caso de necesidad económica 1Siempre 4 Nunca 5 No necesita
psic6 Cree que le devolverían la billetera si se le cae en su barrio
1 Muy de acuerdo a 5 Muy en desacuerdo
psic7 Los vecinos se ayudan unos a otros 1 Muy de acuerdo a 5 Muy en desacuerdo
psic8 Pertenece a algún grupo de reunión 1 Si 2No, solo Internet 3 No
psic9 No se utilizó por ser respondida sólo por un grupo pequeño
psic10 Se ha sentido estresado el último año 1 Nunca a 4 Todo el tiempo
psic11 ¿Qué nivel de estrés financiero ha tenido el último año? 1 Poco 2 Moderado 3 Alto
psic12 ¿Ha sufrido una pérdida o separación? 0 No 1 Si
psic13 Ha perdido el trabajo o jubilado 0 No 1 Si
El cuarto constructo (Cuadro 15) corresponde al modelo de medida de la variable Entorno, pero que dada la mayor y diversa información que proporciona la ENS se decidió denominar a esta variable la-tente Psicosocial. Esta utilizó las variables observadas en el Módulo XXI de la ENS en que se dispone de información como: percepción de hostilidad, stress general y financiero, nivel de confianza en los vecinos y familiares, eventos traumáticos recientes (separación, duelo, etc.).
El quinto constructo -que no existió en el análisis de la CASEN- se relaciona con los comportamien-tos individuales asociados a riesgo en salud (Comp_salud), de los cuales se seleccionaron como variables observadas:
Código Pregunta Escala de Medición
p_ebba Alcohol: puntaje en escala ebba >=2 0 No 1 Si
gr_sal24 Consumo diario de sal gr/día
grs_dia5 Consumo diario de frutas en gr gr/día
fum_act Fuma actualmente 0 No 1 Si
sedent_t actividad física tiempo libre (menos de 3 veces/sem) 0 No 1 Si
41
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
Sin embargo, este constructo no logró ser incorporado en un modelo que convergiese. Esto fortalece los resultados del modelo con la encuesta CASEN en que se había considerado que la ausencia de estas variables podrían reducir la significación estadística del modelo.
b. Etapa 3: Estimación del modelo con ENS
Se construyeron varios modelos alternativos para combinaciones de diferentes variables latentes con la condición de que estuviesen representadas en el modelo las variables latentes nivel socioe-conómico y estado de salud, puesto que el modelamiento con ENS tenía por objeto esencial compa-rar resultados con el modelamiento con la Encuesta CASEN.
c. Etapa 4: Evaluación y resultados con ENS
Pese a lo que suele encontrarse en la literatura (capítulo 1) no hubo convergencia en ninguno de los modelos en que se intentó explorar el efecto de los comportamientos de riesgo en salud sobre el estado de salud: tabaco, alcohol y sal entre los nocivos; ejercicio y consumo de frutas entre las conductas saludables.
Entonces, el MEE estimado con la ENS muestra las relaciones entre cuatro variables latentes, por lo demás, muy similares a las encontradas en la CASEN: estado de salud (H_Status), nivel socio eco-nómico (NSE), uso de servicios de salud (Acceso) e influencia del entorno (Psicosocial) junto a las variables exógenas sexo (sexo) y edad (edad). Al igual que los resultados de la CASEN, para una me-jor comparación e identificabilidad del modelo se muestran los resultados de efectos directos del modelo con coeficientes y varianzas estandarizadas, de manera que el efecto está en unidades de desviación estándar. El modelo estimado tiene un índice de ajuste SRMR (Standardized Root Mean Square Residual) de 0.06213.
Figura 7. Modelo Estructural Estimado. MEE-ENS
13 El SRMR es una medida de la diferencia promedio entre las correlaciones implícitas observadas y las estimadas por el modelo. Se aproxi-mará a 0 cuando el modelo se ajusta bien. Hu y Bentler (1999) sugieren valores cercanos o inferiores a 0.08.
42M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
La figura 7 muestra los resultados generales del MEE-ENS. Como puede observarse, los coeficientes beta estandarizados (enmarcados en rojo) corresponden a los efectos directos de las tres variables latentes: NSE (+0.19); Uso (Acceso = - 0.089) y entorno psicosocial (+0.29). Nuevamente la variable exógena edad (-0.28) cobra importancia decisiva en la explicación de la varianza. Por cierto, más que la variable sexo que solo tiene un valor de (-0.102).
En definitiva, se mantienen las “tendencias” encontradas en la CASEN pudiendo concluirse que las variables de entorno ampliadas en la ENS como se explicó en el cuadro 15 (transformada en variable de entorno (psicosocial) dieron un mayor valor explicativo a esta variable latente y de signo positivo porque los valores de mayor integración social y solidaridad son los más altos a diferencia del mo-delo con CASEN en que la construcción era inversa.
En el cuadro 16 se presentan los resultados de los efectos totales, directos e indirectos del modelo estructural para el estado de salud con ENS.
Cuadro 16. Efectos totales, directos e indirectos del modelo general con ENS.
Structural Coef. Std. Err. Std. Coef. Coef. Std. Err. Std. Coef. Coef. Std. Err.Std. Coef.
Prev_1 0.005 0.009 0.002 0 (no path) 0.005 0.009 0.002Prev_3 0.003 0.004 0.003 0 (no path) 0.003 0.004 0.003Prev_4 0.009 0.007 0.005 0 (no path) 0.009 0.007 0.005Prev_5 0.006 0.008 0.003 0 (no path) 0.006 0.008 0.003Prev_6 -0.019 0.014 -0.005 0 (no path) -0.019 0.014 -0.005Prev_7 0.004 0.010 0.003 0 (no path) 0.004 0.010 0.003NSE 0.062 *** 0.008 0.233 0.049 *** 0.010 0.186 0.013 0.007 0.047Psicosocial 0.363 *** 0.062 0.292 0.363 *** 0.062 0.292 0 (no path)Acceso -0.174 0.092 -0.089 -0.174 0.092 -0.089 0 (no path)sexo -0.178 *** 0.028 -0.178 -0.102 *** 0.029 -0.102 -0.076 *** 0.019 -0.076edad -0.011 *** 0.001 -0.368 -0.008 *** 0.001 -0.280 -0.003 *** 0.001 -0.088
sexo -0.393 *** 0.121 -0.105 -0.393 *** 0.121 -0.105 0 (no path)edad -0.023 *** 0.003 -0.208 -0.023 *** 0.003 -0.208 0 (no path)
Prev_1 -0.027 0.048 -0.026 -0.027 0.048 -0.026 0 (no path)Prev_3 -0.02 0.022 -0.038 -0.02 0.022 -0.038 0 (no path)Prev_4 -0.05 0.032 -0.059 -0.05 0.032 -0.059 0 (no path)Prev_5 -0.034 0.040 -0.036 -0.034 0.040 -0.036 0 (no path)Prev_6 0.11 0.057 0.059 0.11 0.057 0.059 0 (no path)Prev_7 -0.025 0.055 -0.032 -0.025 0.055 -0.032 0 (no path)NSE 0.042 *** 0.009 0.309 0.044 *** 0.013 0.325 -0.002 0.006 -0.016sexo 0.129 *** 0.027 0.253 0.146 *** 0.029 0.286 -0.017 *** 0.006 -0.032edad 0.006 *** 0.000 0.379 0.007 *** 0.000 0.443 -0.001 *** 0.000 -0.064
NSE 0.055 *** 0.014 0.256 0.055 *** 0.014 0.256 0 (no path)sexo -0.094 *** 0.032 -0.117 -0.072 *** 0.031 -0.090 -0.022 *** 0.009 -0.027edad -0.001 *** 0.000 -0.053 0 (no path) -0.001 *** 0.000 -0.053
Psicosocial
Efectos Totales Efectos Directos Efectos Indirectos
H_S <-
NSE <-
ACCESO <-
*** indican p-valores <0.001
43
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
Al igual que en la evaluación con el MEE-CASEN, el efecto indirecto más notorio sobre el estado de salud es el de la edad que hace crecer el impacto desde (-0.280 a -0.368). Esto hace que la variable explicativa más importante sea nuevamente la edad, es decir, conforme aumenta la edad, hay una disminución del estado de salud.
El sexo femenino también se asocia a menor salud. Al examinar el efecto total de esta variable -que tomó el valor uno para mujeres- sobre la variable estado de salud marcó un beta de (-0.178), de lo cual el efecto directo fue (-0.102) es decir, su influencia se ejerce fundamentalmente por vía directa (57%); mientras que por las rutas indirectas (43%) la más importante corresponde a la mediada por la latente de entorno (Psicosocial 45%), y en menor medida a través del NSE (26%) y Acceso (29%).
De otra parte, se observa en el cuadro 16 que alrededor del 80% del efecto del NSE sobre el estado de salud se produce por vía directa y sólo el 20% lo hace de manera indirecta, principalmente inter-mediado por la variable Psicosocial.
En el anexo 2 se presentan las estimaciones de los sub modelos de medida. En cualquier caso, todos los coeficientes tienen los signos esperados. La variable latente de uso de los servicios de salud (ACCESO), al igual que en el MEE-CASEN, no tuvo significación porque el coeficiente es muy próximo a cero.
d. Evaluaciones de género con el modelo MEE-ENS
Para evaluar las diferentes influencias sobre la variable latente estado de salud, se estimó un modelo estructural similar al MEE-ENS con los cuatro constructos, pero solo para mujeres (figura 8) y otro solo para hombres (figura 9) y con algunas variables menos en el modelo de medida del constructo de entorno (eliminadas por razones de convergencia).
Figura 8. MEE - ENS. (Mujeres)
44M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
Figura 9. MEE – ENS hombres
NSE
ε1 .97
ingreso2.5
ε2 .41
educacion2.2
ε3 .54
prev_1.32
ε4 1
prev_3.7
ε5 .99
prev_4.35
ε6 1
prev_5.35
ε7 1
prev_6.22
ε8 .97
prev_7.63
ε9 .69H_status
ε10 .81
salud3.5
ε11 .74
cd35.5
ε12 .56
cd45
ε13 .5
cd54.1
ε14 .51
cd64.6
ε15 .45
cd74.7
ε16 .55
cd85.1
ε17 .59
dolor1.2
ε18 .57
cd101.7
ε19 .89
cd111.8
ε20 .79
cd124
ε21 .69
cd134.4
ε22 .62
Psicosocial ε23 .88
psic13.5
ε24 .86
psic22.3
ε25 .87
psic32.3
ε26 .86
psic41.2
ε27 .73
psic51.2
ε28 .71
psic62.6
ε29 .91
psic72.4
ε30 .9
psic82.3
ε31 1
trab_rem1.2
ε32 .92
edad1
2.4
Acceso
ε33 .72
eco.15
ε34 .6
eda.041
ε35 .66
colon-.045
ε36 .89
exvihsi.52
ε37 .95
-.18
.77
.68
.065
-.21
-.1
-.18
-.096
-.26
-.25
-.28
-.0026
-.12-.051
-.16
.036-.099
-.055
-.18
.16-.053
-.094
-.18
.56.19
.2-.24
-.077
.51 .66 .71 .7 .74 .67 .64-.65 -.34 -.45 .55 .62
.33
-.046
.37 .36 .38 -.52 -.54 -.3 -.32 -.066
.28
.5-.12
-.094
-.1
-.075-.015
-.26
.42.63
.59
.32
.22
Lo que interesa dilucidar con este ejercicio es si los valores de impacto beta (en las columnas std coef) cambian significativamente en magnitud como en sentido (signo) si el modelo corresponde a mujeres o a hombres. Para analizar ese aspecto se ha construido el cuadro resumen de efectos totales, directos e indirectos en ambos modelos que dan cuenta de los valores representados en las figuras 8 y 9.
45
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
Cuadro 17. Comparación de efectos directos e indirectos de las variables latentes en el MEE-ENS (mujeres) y en el MEE-ENS (hombres)
46M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
En el modelo estructural global la variable latente estado de salud es explicada en un 19% en el caso del MEE-ENS hombres y en un 28,9% en el MEE-ENS mujeres.
Al examinar el cuadro 17 que permite visualizar los impactos de las variables latentes y exógenas sobre el estado de salud se verifica que, tanto para hombres como para mujeres, la variable expli-cativa más importante es la edad, que produce un cambio de (-0,415) desviaciones estándar del estado de salud por cada desviación estándar en que aumente la edad en el grupo femenino y este valor es de (-0,321) en el modelo que solo incluye hombres. Estos resultados confirman las hipótesis de que, si bien las mujeres son más longevas, su calidad de vida es peor, especialmente en los tramos finales de vida.
Los efectos directos predominan (corresponden aproximadamente al 75% del total en el MEE-ENS hombres y al 67% en el MEE-ENS mujeres), y los indirectos se explican principalmente por el efecto de la edad sobre el nivel socio económico. Asimismo, en cuanto a efectos directos e indirectos prác-ticamente no hay diferencias en la distribución en ambos modelos para hombres y mujeres.
La segunda variable en importancia es el nivel socio económico cuyo coeficiente estandarizado es de 0,22 en el modelo para el sexo masculino y de 0,27 en el modelo para el sexo femenino. El efecto directo es aproximadamente el 90% en ambos modelos.
La variable latente de entorno (Psicosocial) es la tercera en importancia con un coeficiente estanda-rizado de 0,20 en el MEE-ENS hombres y de 0,19 en el MEE-ENS mujeres. En el modelo aplicado sólo se detectaron efectos directos.
Estas diferencias entre ambos modelos sugieren modificaciones del efecto del sexo sobre NSE y edad, pero no sobre el constructo Psicosocial. La mujer sería más sensible, en términos de estado de salud, a diferencias en la edad y NSE.
La variable uso (Acceso) no tiene tampoco con esta base de datos significancia estadística, y el sen-tido de la variable muestra que quienes mayormente usan de servicios de salud reducen el nivel del estado de salud tanto en el modelo para hombres como en el de las mujeres. La explicación, tal como en la modelación con la CASEN, es que las variables del modelo de medida representan el uso de los recursos sanitarios, es decir lo usan más quienes tienen peor estado de salud.
Por último, ninguna de las variables indicadoras de previsión tuvo un efecto estadísticamente signi-ficativo sobre el estado de salud. En el modelo, el camino del efecto de la previsión en salud sobre el estado de salud pasa a través de Acceso lo cual la diluye porque ésta no es una variable significativa.
En su conjunto, los modelos explican un 35,7% de la varianza total con un SRMR aceptable de 0,063. El modelo para las mujeres explica un 36% de la varianza total y el de los hombres un 26%.
Al comparar los resultados del MEE-ENS (modelo compacto) con los MEE-ENS por sexo, se aprecia que los efectos y su importancia son similares con excepción de la latente de entorno (psicosocial). La diferencia se explica por la incorporación de nuevos elementos en las ecuaciones de medida de la latente Psicosocial con ENS, de tal modo que esta variable adquiere mayor importancia en el modelo compacto. La fuerte relación entre el constructo Psicosocial y el de estado de salud está mediada especialmente por las variables observadas del modelo de medida de esta última latente, que in-quieren sobre el estado de ánimo.
47
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
e. Conclusiones del modelo con ENS
Los modelos identificados y estimados con datos de la ENS comparten los mismos constructos de los modelos efectuados con la información proporcionada por la CASEN. La importancia de la edad, el sexo, y la de los constructos Nivel Socioeconómico y factores de entorno (psicológicos y psico-sociales) se confirman. El nivel socioeconómico se caracteriza en la ENS por preguntas relacionadas con el ingreso familiar, educación del encuestado, algunas preguntas sobre trabajo, vivienda y pre-visión de salud. El modelo de medida de la variable Psicosocial utilizó las variables observadas en el Módulo XXI de la ENS en que se pregunta por percepción de hostilidad, stress general y financiero, nivel de confianza en los vecinos y familiares, eventos traumáticos recientes (separación, duelo, etc.).
Las dificultades para representar adecuadamente el uso y el acceso a la salud se vuelven a presen-tar en esta base de datos. Se debe repensar cómo poder distinguir el uso de servicios de salud del acceso a esos servicios.
Se confirma que la ENS contiene información valiosa para representar las variables observadas que pueden alimentar las variables latentes del modelo teórico de los DSS. El elemento ambiental, que en este estudio no fue incluido por lo fragmentario de la información disponible en términos co-munales, se ha incorporado en la última versión de la ENS (presentada parcialmente en 2017), al efectuarse en ésta mediciones individuales de exposición a metales. El comportamiento individual de exposiciones dañinas a la salud y otras protectoras, que en teoría puede corresponder a variables que medien la relación entre el NSE y el estado de salud, se recoge en varias preguntas en la ENS. Este es un aspecto importante que distingue a esta encuesta del resto de las encuestas poblaciona-les, en que las mediciones asociadas a daño y riesgo en salud son independientes de la autopercep-ción de la salud.
48M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
4. ESTIMACIONES DE LOS DSS A NIVEL COMUNALComo se mencionó, si los DSS tienen alguna importancia para las políticas de salud es que éstos se despliegan como gradientes en las personas dependiendo de su exposición a los distintos DSS. Es intuitivamente simple suponer que las personas con mayor vulnerabilidad tendrán menor autoper-cepción de buena salud que quienes están en los peldaños superiores.
Puesto que la variable latente central de DSS encontrada en estos dos estudios (el realizado con la encuesta CASEN y el realizado con la ENS) fue el nivel socio económico, cabe preguntarse si este nivel de vulnerabilidad socioeconómica puede asociarse a comunas y si mantiene alguna lógica con la autopercepción de salud. En esta perspectiva, trabajando con los datos de CASEN, se estimó lo siguiente.
a. Estimaciones de un ranking comunal DSS entre estados de salud y nivel socioeconómico
De este modo, se realizaron predicciones de la variable latente estado de salud (H_S) mediante el mismo modelo, pero por comunas. Esto incluye las preguntas del cuadro 3 (¿qué nota le pondría a su estado de salud actual?; En los últimos 3 meses, ¿tuvo algún problema de salud, enfermedad o accidente?; durante los últimos 12 meses, ¿ha estado en tratamiento médico?; ¿ha estado hospitali-zado o se ha realizado alguna intervención quirúrgica?; tiene alguna condición de salud permanente y años de vida potencialmente perdidos, AVPP); así como las exógenas sexo y edad). Puesto que cada comuna tiene diferentes valores según sus variables observadas, los resultados H_S pueden diferir según comuna -como efectivamente sucede- dando lugar al ranking comunal de estado de salud.
De su parte, la variable latente nivel socio económico (NSE) se construyó a partir de las variables observadas: ocupación; nivel educacional actual; Decil autónomo; categoría ocupacional y sistema previsional tal como se explicitó en el cuadro 4.
Las predicciones se promediaron a nivel de las comunas presentes en la muestra. El cuadro 18 pre-senta las estimaciones de las variables latentes estado de salud y nivel socio económico para cada comuna observada, ordenadas según código de la comuna, y con su respectivo ranking, tal que la comuna con peor estado de salud promedio ocupa el lugar 1 (Rio Hurtado) y la mejor el lugar 324 (Providencia). Así mismo, la comuna con menor promedio de constructo nivel socio económico y que ocupa el lugar 1 (Camiña) y la mejor el lugar 324 (Providencia). Se distingue que las comunas con mejor estado de salud se hallan en la Segunda Región y, en especial, en la Región Metropolitana. Por otro lado, comunas rurales, con peor nivel de vida, en la I, IV, VIII, IX, XIV y XV Regiones presentan el estado de salud más deteriorado.
49
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
Cuadro 18. Ranking por comuna según estado de salud (S_H) y nivel socio económico
Estado de salud Nivel socio económico
Ranking Comuna Región Ranking Comuna Región
1 RÍO HURTADO IV 1 CAMIÑA I
2 SAAVEDRA IX 2 SAAVEDRA IX
3 PAREDONES VI 3 RÍO HURTADO IV
4 COBQUECURA VIII 4 SAN JUAN DE LA C X
5 CAMIÑA I 5 ALTO BIOBÍO VIII
6 NINHUE VIII 6 PAREDONES VI
7 SANTA JUANA VIII 7 GALVARINO IX
8 GALVARINO IX 8 TEODORO SCHMIDT IX
9 QUILACO VIII 9 PORTEZUELO VIII
10 EL MONTE XIII 10 SANTA JUANA VIII
11 CAMARONES XV 11 COBQUECURA VIII
12 EL CARMEN VIII 12 SAN PEDRO XIII
13 COMBARBALÁ IV 13 LUMACO IX
14 HUALAÑÉ VII 14 CANELA IV
15 PORTEZUELO VIII 15 CARAHUE IX
16 SAN JUAN DE LA C X 16 RETIRO VII
17 ANTUCO VIII 17 EL CARMEN VIII
18 VICHUQUÉN VII 18 TOLTÉN IX
19 TEODORO SCHMIDT IX 19 NINHUE VIII
20 PAILLACO XIV 20 VICHUQUÉN VII
21 QUILLÓN VIII 21 QUILACO VIII
22 QUILLECO VIII 22 LAGO RANCO XIV
23 QUEILÉN X 23 QUILLECO VIII
24 LOS SAUCES IX 24 QUEMCHI X
25 SAN PEDRO XIII 25 CORRAL XIV
26 CUREPTO VII 26 LOS MUERMOS X
27 CHANCO VII 27 MÁFIL XIV
28 PURÉN IX 28 PURÉN IX
29 SAN NICOLÁS VIII 29 PAILLACO XIV
30 RETIRO VII 30 VILCÚN IX
31 MONTE PATRIA IV 31 SAN RAFAEL VII
50M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
32 ZAPALLAR V 32 CHANCO VII
33 SAN ROSENDO VIII 33 PUMANQUE VI
34 VILLA ALEGRE VII 34 ÑIQUÉN VIII
35 ANDACOLLO IV 35 MAULLÍN X
36 TUCAPEL VIII 36 LOS SAUCES IX
37 RÁNQUIL VIII 37 QUEILÉN X
38 LAGO RANCO XIV 38 CAMARONES XV
39 CANELA IV 39 HUARA I
40 NAVIDAD VI 40 LOS ÁLAMOS VIII
41 LOS MUERMOS X 41 ERCILLA IX
42 CAUQUENES VII 42 LA HIGUERA IV
43 TOLTÉN IX 43 SAN PABLO X
44 NANCAGUA VI 44 SAN ROSENDO VIII
45 YUNGAY VIII 45 MALLOA VI
46 MÁFIL XIV 46 TUCAPEL VIII
47 LICANTÉN VII 47 SAN CLEMENTE VII
48 PEMUCO VIII 48 CHOLCHOL IX
49 PETORCA V 49 ZAPALLAR V
50 LA ESTRELLA VI 50 ALTO DEL CARMEN III
51 CARAHUE IX 51 COIHUECO VIII
52 NUEVA IMPERIAL IX 52 TIRÚA VIII
53 PAIGUANO IV 53 CUREPTO VII
54 CARTAGENA V 54 ANTUCO VIII
55 FLORIDA VIII 55 PUTRE XV
56 SAN RAFAEL VII 56 TREGUACO VIII
57 CORRAL XIV 57 MELIPEUCO IX
58 ALTO BIOBÍO VIII 58 SAGRADA FAMILIA VII
59 ALTO DEL CARMEN III 59 COMBARBALÁ IV
60 LOS ÁLAMOS VIII 60 EMPEDRADO VII
61 PADRE HURTADO XIII 61 SAN NICOLÁS VIII
62 PUTRE XV 62 SAN IGNACIO VIII
63 SAGRADA FAMILIA VII 63 RÁNQUIL VIII
64 MULCHÉN VIII 64 PUQUELDÓN X
65 QUEMCHI X 65 PEMUCO VIII
66 TREGUACO VIII 66 CHÉPICA VI
51
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
67 LA UNIÓN XIV 67 LOS LAGOS XIV
68 SAN CLEMENTE VII 68 FRESIA X
69 QUIRIHUE VIII 69 VILLA ALEGRE VII
70 MAULLÍN X 70 HUALAÑÉ VII
71 SAN IGNACIO VIII 71 PETORCA V
72 LA HIGUERA IV 72 CUNCO IX
73 SAN PABLO X 73 LA ESTRELLA VI
74 LUMACO IX 74 PENCAHUE VII
75 LO PRADO XIII 75 LEBU VIII
76 PARRAL VII 76 LICANTÉN VII
77 MALLOA VI 77 LONQUIMAY IX
78 VILCÚN IX 78 RENAICO IX
79 LOLOL VI 79 CURARREHUE IX
80 PERALILLO VI 80 LO ESPEJO XIII
81 COIHUECO VIII 81 PANGUIPULLI XIV
82 CUNCO IX 82 PELARCO VII
83 CHOLCHOL IX 83 QUINCHAO X
84 MOLINA VII 84 MULCHÉN VIII
85 CURACAUTÍN IX 85 LANCO XIV
86 CURARREHUE IX 86 CURACO DE VÉLEZ X
87 EL QUISCO V 87 LONGAVÍ VII
88 MELIPEUCO IX 88 COINCO VI
89 PUMANQUE VI 89 PURRANQUE X
90 CERRO NAVIA XIII 90 PINTO VIII
91 BULNES VIII 91 EL MONTE XIII
92 LOTA VIII 92 QUIRIHUE VIII
93 LITUECHE VI 93 SAN CARLOS VIII
94 OLMUÉ V 94 CONTULMO VIII
95 LINARES VII 95 NUEVA IMPERIAL IX
96 LEBU VIII 96 PLACILLA VI
97 LANCO XIV 97 CURACAUTÍN IX
98 LO ESPEJO XIII 98 PAIGUANO IV
99 EL TABO V 99 COLLIPULLI IX
100 SAN CARLOS VIII 100 OLMUÉ V
101 CHONCHI X 101 SAN FABIÁN VIII
52M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
102 ÑIQUÉN VIII 102 CALBUCO X
103 PUTAENDO V 103 FLORIDA VIII
104 CURANILAHUE VIII 104 RÍO NEGRO X
105 SAN RAMÓN XIII 105 CAUQUENES VII
106 PLACILLA VI 106 PERALILLO VI
107 LOS LAGOS XIV 107 CATEMU V
108 PURRANQUE X 108 NEGRETE VIII
109 RENGO VI 109 MONTE PATRIA IV
110 FREIRE IX 110 RÍO IBÁÑEZ XI
111 CHIMBARONGO VI 111 COELEMU VIII
112 COLLIPULLI IX 112 CAÑETE VIII
113 GORBEA IX 113 LOLOL VI
114 RÍO NEGRO X 114 TRAIGUÉN IX
115 TRAIGUÉN IX 115 PUTAENDO V
116 SANTA MARÍA V 116 NANCAGUA VI
117 PALMILLA VI 117 LA UNIÓN XIV
118 CHÉPICA VI 118 PAPUDO V
119 LONGAVÍ VII 119 LLAILLAY V
120 PUQUELDÓN X 120 CERRO NAVIA XIII
121 LAUTARO IX 121 TENO VII
122 NATALES XII 122 PARRAL VII
123 PEDRO AGUIRRE CE XIII 123 FRUTILLAR X
124 COELEMU VIII 124 RINCONADA V
125 LLAILLAY V 125 PUNITAQUI IV
126 YUMBEL VIII 126 PUERTO OCTAY X
127 PERQUENCO IX 127 CHIMBARONGO VI
128 PAPUDO V 128 NAVIDAD VI
129 COINCO VI 129 CARTAGENA V
130 PANGUIPULLI XIV 130 PITRUFQUÉN IX
131 ERCILLA IX 131 ANDACOLLO IV
132 NEGRETE VIII 132 FREIRE IX
133 PITRUFQUÉN IX 133 YUMBEL VIII
134 FRESIA X 134 MARIQUINA XIV
135 VILLARRICA IX 135 PERQUENCO IX
136 PENCAHUE VII 136 YERBAS BUENAS VII
53
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
137 LA LIGUA V 137 FUTRONO XIV
138 CURACO DE VÉLEZ X 138 HIJUELAS V
139 QUINCHAO X 139 QUILLÓN VIII
140 YERBAS BUENAS VII 140 SANTA MARÍA V
141 HUARA I 141 LITUECHE VI
142 NACIMIENTO VIII 142 PALMILLA VI
143 SAN ANTONIO V 143 LAUTARO IX
144 CALBUCO X 144 LA PINTANA XIII
145 CAÑETE VIII 145 PADRE LAS CASAS IX
146 PINTO VIII 146 GORBEA IX
147 CONTULMO VIII 147 SAN RAMÓN XIII
148 SAN FABIÁN VIII 148 FREIRINA III
149 TENO VII 149 LINARES VII
150 EL BOSQUE XIII 150 ISLA DE MAIPO XIII
151 HIJUELAS V 151 CABRERO VIII
152 SAN JOAQUÍN XIII 152 LA LIGUA V
153 TILTIL XIII 153 RÍO CLARO VII
154 PUERTO OCTAY X 154 MARCHIHUE VI
155 HUECHURABA XIII 155 LOTA VIII
156 PELARCO VII 156 CISNES XI
157 VALLENAR III 157 PADRE HURTADO XIII
158 PICHIDEGUA VI 158 PUYEHUE X
159 PELLUHUE VII 159 QUINTA DE TILCOC VI
160 ANGOL IX 160 CHONCHI X
161 RÍO BUENO XIV 161 NACIMIENTO VIII
162 CATEMU V 162 RENGO VI
163 MARCHIHUE VI 163 PICHILEMU VI
164 ROMERAL VII 164 PEUMO VI
165 PUYEHUE X 165 RÍO BUENO XIV
166 RINCONADA V 166 NATALES XII
167 VICTORIA IX 167 PELLUHUE VII
168 LONCOCHE IX 168 EL BOSQUE XIII
169 SAN ESTEBAN V 169 LAJA VIII
170 FREIRINA III 170 PEDRO AGUIRRE CE XIII
171 PENCO VIII 171 COLBÚN VII
54M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
172 RENAICO IX 172 CABILDO V
173 CURACAVÍ XIII 173 MAULE VII
174 LONQUIMAY IX 174 SALAMANCA IV
175 CHILLÁN VIEJO VIII 175 VILLARRICA IX
176 RÍO IBÁÑEZ XI 176 EL QUISCO V
177 LAJA VIII 177 CURANILAHUE VIII
178 CABILDO V 178 PICHIDEGUA VI
179 OVALLE IV 179 MOSTAZAL VI
180 SALAMANCA IV 180 LONCOCHE IX
181 CORONEL VIII 181 ALGARROBO V
182 MARÍA PINTO XIII 182 ROMERAL VII
183 TIRÚA VIII 183 BULNES VIII
184 OLIVAR VI 184 DALCAHUE X
185 MELIPILLA XIII 185 MOLINA VII
186 ARAUCO VIII 186 EL TABO V
187 HUALPÉN VIII 187 TILTIL XIII
188 MAULE VII 188 YUNGAY VIII
189 ALHUÉ XIII 189 CALERA DE TANGO XIII
190 CALERA V 190 SAN JAVIER VII
191 TOMÉ VIII 191 ILLAPEL IV
192 ESTACIÓN CENTRAL XIII 192 MARÍA PINTO XIII
193 PEUMO VI 193 PANQUEHUE V
194 CISNES XI 194 SANTA CRUZ VI
195 ILLAPEL IV 195 COLTAUCO VI
196 QUINTERO V 196 HUALQUI VIII
197 PADRE LAS CASAS IX 197 RENCA XIII
198 SANTA CRUZ VI 198 LAS CABRAS VI
199 INDEPENDENCIA XIII 199 COLINA XIII
200 MARIQUINA XIV 200 VICTORIA IX
201 LA GRANJA XIII 201 LAMPA XIII
202 RÍO CLARO VII 202 ARAUCO VIII
203 COLBÚN VII 203 VICUÑA IV
204 LAS CABRAS VI 204 SANTA BÁRBARA VIII
205 ALGARROBO V 205 TALAGANTE XIII
206 CABRERO VIII 206 LOS VILOS IV
55
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
207 PICHILEMU VI 207 LO PRADO XIII
208 TALAGANTE XIII 208 NOGALES V
209 COLTAUCO VI 209 OLIVAR VI
210 MOSTAZAL VI 210 RAUCO VII
211 LAMPA XIII 211 ALHUÉ XIII
212 ANCUD X 212 SAN ESTEBAN V
213 FUTRONO XIV 213 PAINE XIII
214 BUIN XIII 214 QUELLÓN X
215 CONSTITUCIÓN VII 215 ANGOL IX
216 SAN JAVIER VII 216 VALLENAR III
217 RECOLETA XIII 217 PENCO VIII
218 CERRILLOS XIII 218 CONSTITUCIÓN VII
219 VICUÑA IV 219 SAN ANTONIO V
220 CONCHALÍ XIII 220 MELIPILLA XIII
221 SAN FERNANDO VI 221 ANCUD X
222 FRUTILLAR X 222 CURACAVÍ XIII
223 COLINA XIII 223 OVALLE IV
224 EMPEDRADO VII 224 CORONEL VIII
225 PUCÓN IX 225 TOMÉ VIII
226 LIMACHE V 226 CHILE CHICO XI
227 VILLA ALEMANA V 227 LA GRANJA XIII
228 REQUÍNOA VI 228 PUCÓN IX
229 TALCAHUANO VIII 229 CALERA V
230 SANTO DOMINGO V 230 CERRILLOS XIII
231 RENCA XIII 231 SAN JOAQUÍN XIII
232 ISLA DE MAIPO XIII 232 RECOLETA XIII
233 LOS VILOS IV 233 ESTACIÓN CENTRAL XIII
234 SAN VICENTE VI 234 REQUÍNOA VI
235 SAN BERNARDO XIII 235 TALTAL II
236 NOGALES V 236 BUIN XIII
237 PANQUEHUE V 237 CODEGUA VI
238 LA PINTANA XIII 238 CALLE LARGA V
239 OSORNO X 239 AYSÉN XI
240 HUALQUI VIII 240 CONCHALÍ XIII
241 QUILPUÉ V 241 QUINTERO V
56M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
242 RAUCO VII 242 LA CRUZ V
243 CHIGUAYANTE VIII 243 OSORNO X
244 PEÑAFLOR XIII 244 LIMACHE V
245 PICA I 245 LLANQUIHUE X
246 TALCA VII 246 SAN VICENTE VI
247 SAN JOSÉ DE MAIP XIII 247 TIERRA AMARILLA III
248 CALERA DE TANGO XIII 248 PICA I
249 CHILE CHICO XI 249 CHAÑARAL III
250 TALTAL II 250 SAN FELIPE V
251 LLANQUIHUE X 251 HUECHURABA XIII
252 QUILLOTA V 252 CASABLANCA V
253 LA FLORIDA XIII 253 HUALPÉN VIII
254 AYSÉN XI 254 SAN BERNARDO XIII
255 SAN FELIPE V 255 CURICÓ VII
256 CHAÑARAL III 256 PUDAHUEL XIII
257 QUINTA NORMAL XIII 257 LOS ÁNGELES VIII
258 CHILLÁN VIII 258 POZO ALMONTE I
259 PUNITAQUI IV 259 CHILLÁN VIEJO VIII
260 LA CRUZ V 260 SAN FERNANDO VI
261 PUERTO VARAS X 261 CASTRO X
262 TEMUCO IX 262 TOCOPILLA II
263 LOS ÁNGELES VIII 263 PUERTO MONTT X
264 CODEGUA VI 264 SANTO DOMINGO V
265 ARICA XV 265 HUASCO III
266 PUDAHUEL XIII 266 PEÑAFLOR XIII
267 CURICÓ VII 267 COCHRANE XI
268 VIÑA DEL MAR V 268 CALDERA III
269 PEÑALOLÉN XIII 269 CHIGUAYANTE VIII
270 QUINTA DE TILCOC VI 270 COQUIMBO IV
271 PAINE XIII 271 PUERTO VARAS X
272 VALPARAÍSO V 272 CHILLÁN VIII
273 COQUIMBO IV 273 SAN JOSÉ DE MAIP XIII
274 DALCAHUE X 274 PORVENIR XII
275 CASTRO X 275 PUCHUNCAVÍ V
276 SANTA BÁRBARA VIII 276 TALCAHUANO VIII
57
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
277 PUCHUNCAVÍ V 277 ARICA XV
278 LA SERENA IV 278 ALTO HOSPICIO I
279 LA CISTERNA XIII 279 TALCA VII
280 PUERTO MONTT X 280 PEÑALOLÉN XIII
281 TIERRA AMARILLA III 281 SIERRA GORDA II
282 VALDIVIA XIV 282 LA FLORIDA XIII
283 CASABLANCA V 283 VALPARAÍSO V
284 TOCOPILLA II 284 VILLA ALEMANA V
285 CONCEPCIÓN VIII 285 SAN PEDRO DE ATA II
286 QUELLÓN X 286 INDEPENDENCIA XIII
287 PUENTE ALTO XIII 287 DOÑIHUE VI
288 HUASCO III 288 QUILLOTA V
289 SAN PEDRO DE ATA II 289 TEMUCO IX
290 PIRQUE XIII 290 GRANEROS VI
291 PORVENIR XII 291 PUENTE ALTO XIII
292 CALDERA III 292 LA SERENA IV
293 DOÑIHUE VI 293 COYHAIQUE XI
294 MACUL XIII 294 LA CISTERNA XIII
295 MAIPÚ XIII 295 QUILPUÉ V
296 CALLE LARGA V 296 QUINTA NORMAL XIII
297 LOS ANDES V 297 CONCEPCIÓN VIII
298 RANCAGUA VI 298 COPIAPÓ III
299 DIEGO DE ALMAGRO III 299 MEJILLONES II
300 POZO ALMONTE I 300 RANCAGUA VI
301 PUNTA ARENAS XII 301 QUILICURA XIII
302 COCHRANE XI 302 VALDIVIA XIV
303 CONCÓN V 303 PUNTA ARENAS XII
304 COPIAPÓ III 304 LOS ANDES V
305 GRANEROS VI 305 MAIPÚ XIII
306 SAN PEDRO DE LA VIII 306 VIÑA DEL MAR V
307 COYHAIQUE XI 307 SAN PEDRO DE LA VIII
308 SIERRA GORDA II 308 ANTOFAGASTA II
309 LO BARNECHEA XIII 309 MACUL XIII
310 ANTOFAGASTA II 310 CALAMA II
311 CALAMA II 311 DIEGO DE ALMAGRO III
58M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
312 QUILICURA XIII 312 IQUIQUE I
313 MACHALÍ VI 313 MARÍA ELENA II
314 ALTO HOSPICIO I 314 CONCÓN V
315 IQUIQUE I 315 PIRQUE XIII
316 LA REINA XIII 316 MACHALÍ VI
317 SAN MIGUEL XIII 317 SAN MIGUEL XIII
318 MARÍA ELENA II 318 LO BARNECHEA XIII
319 MEJILLONES II 319 LA REINA XIII
320 ÑUÑOA XIII 320 SANTIAGO XIII
321 VITACURA XIII 321 ÑUÑOA XIII
322 LAS CONDES XIII 322 LAS CONDES XIII
323 SANTIAGO XIII 323 VITACURA XIII
324 PROVIDENCIA XIII 324 PROVIDENCIA XIII
Ahora bien, de igual modo que para el estado de salud se estableció un ranking medido a través de los coeficientes que arrojan los cálculos de correlación (sub modelo de medida) que definen el valor del constructo NSE. Esto también permite ordenar los niveles socioeconómicos de las comunas de Chile de menor a mayor según nuestro modelo como se observó en la tabla anterior. El índice de correlación R2 entre estos dos constructos es de 0.92 (los valores de las medias y desviaciones es-tándar de las variables se encuentran en el anexo 6).
En el gráfico 5 -que sintetiza lo expuesto en el cuadro 18- se muestra cómo el incremento en la medición del nivel socio económico comunal se asocia a menor daño en la salud de la comuna. En general, las tres comunas que sobresalen con valores más altos, tanto en salud como en el nivel so-cio económico son Providencia, Las Condes y Vitacura; por el contrario, las dos con valores más bajos en ambos constructos son Camiña y Rio Hurtado (en este grupo también se observan Paredones, Ninhue y Santa Juana).
Habría una correlación perfecta si cada comuna se ubicase en el mismo número de ranking en nivel socioeconómico y estado de salud. Si bien esto no es exacto, la forma de dispersión de la nube de puntos que identifican a las comunas (gráfico 5) da cuenta de que hay una alta correlación entre estas variables confirmándose la hipótesis de este estudio en cuanto al impacto diferenciado por territorios socioeconómicamente diferentes de los DSS.
59
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
Gráfico 5. Ranking de comunas según estado de salud y nivel socioeconómico
b. Estimaciones de ranking comunal DSS por sexo entre estados de salud y nivel socioeconó-mico por sexo
Finalmente, en el gráfico 6 se incluye una nueva diferenciación a los resultados presentados en el gráfico anterior. Esto es, evaluar el ranking comunal según hombres y mujeres. Se ha concluido que la pendiente es más baja en el caso de mujeres significando que ellas, aun a igual nivel socioeco-nómico que los hombres, tienen estados de salud más deteriorados. De otro modo, en promedio en cada comuna las mujeres tienen una medida de NSE menor y un estado de salud más deteriorado.
Gráfico 6. Dispersión por sexo y comuna de las predicciones del estado de salud y Nivel Socio Económico
60M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
5. CONCLUSIONES FINALES Y DISCUSIÓN 1. Este es el primer estudio en Chile cuyo objetivo ha sido cuantificar, mediante modelos de
ecuaciones estructurales, las contribuciones de los Determinantes Sociales en la Salud (DSS) en el estado de salud de los individuos. La metodología permite cuantificar en principio, no sólo la influencia directa en el estado de salud del nivel socio económico y otros determinan-tes, sino también la contribución indirecta, explicando de esta manera los mecanismos por los cuáles se produce el efecto de los DSS y sus diversas interacciones.
2. En los modelos estimados, tanto con la Encuesta CASEN como con la Encuesta ENS, aparecen cómo relevantes en la explicación del estado de salud dos variables latentes calificadas como DSS: el nivel socio económico (NSE) y el entorno (influencia psicosocial). Entre las variables exógenas influyentes en los estados de salud la edad es la más relevante en todos los mode-los, lo que es coherente con el conocimiento epidemiológico actual.
Otras dos variables exógenas contribuyen a la explicación del MEE. La edad es considerada habitualmente un aspecto “inevitable” de la desigualdad entre las personas. Interesante es constatar que parte de la influencia de la edad (entre un 25% y un 30%) se produce a través de su influencia indirecta, especialmente a través del nivel socio económico lo que plantea una discusión sobre este supuesto. Se requerirá explorar en el futuro si esta circunstancia se deba a la relación inversa que existe entre educación y edad lo cual, en todo caso, por el au-mento generalizado de la escolaridad en el país se amortiguará a mediano plazo.
De alguna manera esto también es coherente con el hallazgo en el modelo ENS que el efecto indirecto de la edad sobre el estado de salud es más importante entre las mujeres, que han sido históricamente desfavorecidas.
La segunda variable exógena de importancia es el sexo. En el MEE-CASEN su componente indirecto es equivalente al directo. Así también, además de la edad (las mujeres son más lon-gevas) los impactos (coeficientes negativos) son más perjudiciales para las mujeres.
3. Los efectos indirectos en los modelos son prácticamente irrelevantes salvo en el caso de la edad. Esto sugiere que en futuros trabajos podría agregarse las comparaciones con modelos parciales en que se tomen cohortes de similar edad.
4. Los determinantes de entorno (incluidos en la variable Psicosocial) en ambos modelos fue-ron significativos, y con el sentido (signo) esperado: a mejor estado psicosocial (sentido de integración y solidaridad con el entorno) o menos trastornos psicológicos se corresponde un mejor estado de salud14. El coeficiente incrementa su importancia en el MEE-ENS porque el modelo de medida utilizado para las variable latente Psicosocial incluyó más variables ob-servadas que en la MEE CASEN.
5. La variable Acceso, definida en este trabajo como uso de servicios de salud, no resultó signi-ficativa en ninguno de los modelos (coeficiente β cercano a cero). Se puede concluir que la razón de tal fenómeno es que el sub modelo de medida de este constructo recoge elementos de uso de servicios de salud sin que se haya podido comparar con las personas que no pudie-ron hacer uso de estos servicios por restricciones sociales.
14 Recuérdese que el signo contrario entre MEE CASEN y MEE ENS se debe a que las preguntas tienen sentido inverso.
61
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
Por una parte, mejor acceso debiese determinar mejor salud, pero, por otra parte, el mayor uso se efectúa mayoritariamente por parte de aquellas personas con mayor morbilidad. En-tonces, el uso se correlaciona con mayores problemas de salud y no con mejores atenciones o más oportunas, porque esto no puede medirse con estas encuestas. Se debiera considerar la manera de formular una variable latente de acceso en futuros análisis.
6. En el caso específico del modelo con la encuesta CASEN, el modelo logra una interpretación de 77% de la varianza lo que es estadísticamente robusto. Las variables que más impactan en el estado de salud son el nivel socio económico (coeficiente estandarizado +0,32); la Edad (-0,44) lo que denota que se deteriora el estado de salud en la medida que se envejece y la variable entorno social definida como capacidad de generar redes sociales y comunitarias (-0,29). En el nivel socio económico, son la educación y los ingresos las variables observadas más significativas para su construcción y, por tanto, intermedian de manera importante en la explicación de los estados de salud de la población15.
7. Los comportamientos personales y entornos ambientales fueron aspectos que no pudieron evaluarse. Seguramente ellos podrán mejorar la amplitud de la explicación, pero también hay evidencias de que, salvo en uso de tabaco, los demás comportamientos están también co-rrelacionados con educación e ingresos, es decir, podría suponerse que de algún modo fueron parte de la construcción general del modelo. Al menos esto explicaría por qué el constructo no convergió en la construcción del modelo MEE-ENS.
8. Ni la encuesta CASEN ni la ENS son el instrumento más adecuado para medir acceso a ser-vicios de salud, en particular porque no están diseñadas para seguir “historias clínicas” que permitan diferenciar las debilidades en el acceso. Por consiguiente, será necesario diseñar un constructo que identifique los aportes de los cuidados sanitarios que entregan los servicios de salud a las personas. En particular, al usar la CASEN 2015 no se pudo disponer de indica-dores sobre hábitos o comportamientos personales (tabaquismo, sedentarismo, alcoholismo, sobrepeso) que puede llegar a explicar un alto porcentaje de las muertes.
9. En términos de políticas públicas de corto plazo si la edad (envejecimiento) es capaz por sí sola de influir de manera significativa en los estados de salud de la población, la gradiente puede ser más pronunciada si se consideran las debilidades del sistema de salud para antici-par una demanda creciente de este grupo etario (adultos mayores). Esta situación constituye una preocupación adicional para las autoridades sectoriales.
10. De cualquier modo, es evidente que la salud de las personas depende de múltiples factores. El concepto de “Salud en todas las políticas” se torna cada vez más urgente y necesario. Chile dispone del programa Elige vivir sano en Comunidad, un modelo de trabajo intersectorial en el que convergen los esfuerzos de los Ministerios de Desarrollo Social, Salud, Educación y Deportes, entre otros. Esta línea de trabajo además aparece entre las recomendaciones prio-ritarias de la OCDE (2017) para Chile.
11. No basta con medir los estados de salud de la población. Es imprescindible evaluar los cam-bios y promedios por grupos socioeconómicos (la variable de mayor significación en los DSS). Reducir las brechas en los resultados de salud es un indicador significativo para la medida de políticas equitativas en el país. Para efectos de la medición, la Encuesta Nacional de Salud podría incorporar algunas preguntas para responder a la evaluación y seguimiento de los DSS en el futuro.
15 En Estados Unidos una persona perteneciente a un hogar de ingresos superiores a $84,000 puede esperar vivir 7.8 años más que una persona que vive en un hogar de ingresos menores a $21,000. Esta disparidad es equivalente a los efectos de los infartos, la más común causa de muerte en EE. UU (Kaplan 2009).
62M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
Este monitoreo se puede hacer según Vega y Frenk (2013): (a) desglosando los indicadores por diferentes medidas de posición socioeconómica para reflejar el gradiente social y la comple-jidad de la estratificación de las redes sociales; y (b) conectando los indicadores de resultados y cobertura de salud, con los DSS y las políticas dentro y fuera del sector de la salud. En este documento -en los resultados comunales especialmente- se ha presentado un avance en esta perspectiva.
12. Algunas investigaciones de las relaciones de los determinantes de la salud con el estado de salud utilizando datos longitudinales, encuentran que el mejor predictor del estado de salud actual (la salud en el período T) depende esencialmente del estado de salud anterior (la salud en el período T-1) (Hay, 2007). Esto sugiere que este tipo de evaluaciones deben hacerse con continuidad para potenciar resultados y maximizar la eficiencia de los recursos públicos.
13. Los resultados de los indicadores comunales que se obtuvieron en este trabajo son conclu-yentes en cuanto a una alta correlación entre los estados de salud en las comunas y sus respectivos niveles socioeconómicos. La comparación de ambos rankings permite corroborar la correlación de ambos y por lo tanto es posible establecer un gradiente nacional/comunal de los DSS a partir del modelo aplicado. Con esta misma lógica se comparan los resultados a nivel comunal entre hombres y mujeres para evaluar las diferencias en este plano. Se conclu-ye que las mujeres con respecto a los hombres están más desfavorecidas porque, aun a igual nivel socioeconómico de la comuna, tienen peores estados de salud. Estos resultados pueden ser útiles al momento de establecer criterios y mecanismos de distribución de recursos en el sistema público de salud.
14. Las limitaciones del estudio tienen su origen en la insuficiencia de variables observadas que habrían podido servir a la medición de todas las variables latentes postuladas en el mode-lo teórico y en las dificultades técnicas de convergencia y de no linealidad que impidieron identificar modelos más complejos. En el primer caso, no se pudo identificar en la CASEN las variables necesarias para el constructo de comportamientos -tanto de riesgo como preven-tivos- que son determinantes proximales de salud por ausencia de preguntas en la encuesta. Tampoco se pudo incorporar la contaminación ambiental (por limitaciones en su representa-tividad territorial) ni la exposición a carcinógenos. Por último, la variable latente estado de salud sólo incorporó elementos de autopercepción de salud y limitaciones a la calidad de vida asociadas a la salud. En el modelo CASEN también se incorporó una medida de mortalidad prematura comunal, pero probablemente es insuficiente para recoger de manera adecuada esos resultados en salud.
También existen limitaciones que derivan de la incorporación de variables no continuas al modelo, y las dificultades de no convergencia que impidieron la cuantificación de la impor-tancia de algunos caminos teóricamente bien fundamentados.
En suma, se ha logrado identificar y estimar un modelo de ecuaciones estructurales que da cuenta de las relaciones entre los determinantes sociales de la salud y un constructo teórico que recoge el estado de salud a partir de mediciones a nivel individual. Este método perfec-cionado y con mejores mediciones de las variables observadas, puede consolidarse como una herramienta importante en la cuantificación de los efectos de los DSS sobre la salud de la población y, consecuentemente, ser un instrumento útil para el diseño de políticas públicas que buscan el bienestar de la población.
63
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
BIBLIOGRAFÍA
1. Cabieses Báltica, Victor Pedrero, Marcela Oyarte, David Sirlopu, Jaime Alfaro, Margarita Ber-nales, Javiera Flaño. Pobreza Multidimensional, Salud Auto-percibida y Acceso a Salud en Chile: Generando Conocimiento Crítico para la Acción en Red en Salud Pública Agosto. Uni-versidad del Desarrollo, 2017.
2. Casas Guillén M.. Los modelos de ecuaciones estructurales y su aplicación en el Índice Euro-peo de Satisfacción del Cliente Universidad San Pablo CEU. s/f.
3. Cupani, M. Análisis de Ecuaciones Estructurales: conceptos, etapas de desarrollo y un ejemplo de aplicación. Revista Tesis 2012, Nº 1. pp. 186-199
4. Dahlgren G and Whitehead M, Policies and strategies to promote social equity in health, Stoc-kholm: Institute of Future Studies, 1991.
5. Frenz Patricia, Iris Delgado Becerra, Loreto Villanueva Pabón, Jay s. Kaufman, Fernando Muñoz Porras, María Soledad Navarrete Couble. Seguimiento de cobertura sanitaria universal con equidad en Chile entre 2000 y 2011 usando las Encuestas CASEN. Rev Med Chile 2013; 141: 1095-1106
6. González Alvarez M. Luz. Antonio Clavero Barranquero. Análisis de las desigualdades socioe-conómicas en la utilización de asistencia sanitaria mediante modelos dinámicos. Hacienda Pública Española / Revista de Economía Pública, 186-(3/2008): 9-42Gray L et al: International differences in self-reported health measures in 33 major metropolitan areas in Europe. Eur J Public Health (2012) 22:40-407
7. Hancock GR, Nevitt J. 1999. Bootstrapping and the identification of exogenous latent varia-bles within structural equation models. Structural Equation Modeling 6(4): 394-399.
8. Hay David I. Developing a Canadian Economic Case for Financing the Social Determinants of Health. CPRN Research Report November 2007.
9. Hendryx Michael, Melissa M. Ahern, Keith J. Zullig, “Improving the Environmental Quality Component of the County Health Rankings Model”, American Journal of Public Health 103, no. 4 (April 1, 2013): pp. 727-732.
10. Hu, Li-tze & M Bentler, Peter. (1999). Cutoff Criteria for Fit Indexes in Covariance Structure Analysis: Conventional Criteria Versus New Alternatives. Structural Equation Modeling A Mul-tidisciplinary Journal. 6. 1-55. 10.1080/10705519909540118.
11. ICES. Determinantes sociales de la salud en Chile. En la perspectiva de la equidad. ICES, 2005.
12. IOM (Institute of Medicine). 2009. State of the USA Health Indicators: Letter Report. Washing-ton, DC: The National Academies Press.
13. Kaplan G. The Poor Pay More —POVERTY’S HIGH COST TO HEALTH. 2009
14. Krieger N. Health equity and the fallacy of treating causes of population health as if they sum to 100%. Am J Public Health. 2017;107:541–549. doi:10.2105/AJPH.2017.303655
15. Kunst AE e al: International variation in socioeconomic inequalities in self reported health. J Epidemiol Community Health(1995) 49:117-123
16. McDonald, R.P. and Ho, M.H.R. (2002), “Principals and practice in reporting structural equation analyses”, Psychological Methods, Vol. 7, pp. 64-82.
64M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
17. MACELI REPPORT. Comparative efficiency of health systems, corrected for selected lifestyle factors. Unión Europea. 2015.
18. Marmot Michael, Jessica J. Allen. American Journal of Public Health. Supplement 4, 2014, Vol 104, No. S4 McGinnis, J. M., and W. H. Foege. 1993. Actual causes of death in the United States. JAMA 270(18):2207–2212.
19. Marmot M. Fair society, healthy lives. Estrategic review of health inequalities in England post-2010. 2010.
20. Medrano Leonardo Adrián y Roger Muñoz-Navarro. Aproximación conceptual y práctica a los Modelos de Ecuaciones Estructurales. Rev. Digit. Invest. Docencia Univ. vol.11 no.1 Lima ene./jun. 2017. http://dx.doi.org/10.19083/ridu.11.486
21. Ministerio de Salud. Diagnósticos Regionales en Salud con Enfoques en Determinantes Socia-les. Minsal-Departamento de Epidemiología. 2017
22. Minsal. Encuesta Nacional de Salud. Chile 2009-2010. Minsal 2011.
23. Minsal. Informe final Estudio de Carga de Enfermedad y Carga Atribuible Chile Julio 2008.
24. OCDE. Chile: hacia un futuro más sano. OCDE, octubre 2017.
25. Olivares-Tirado P. RANKING DE SALUD REGIONAL. CHILE 2005. Superintendencia de Salud. De-partamento de Estudios y Desarrollo. Documento de Trabajo. Junio 2005
26. Oliver A., J. M. Tomás, P. M. Hontangas, A. Cheyne y S.J. Cox. Efectos del error de medida alea-torio en modelos de ecuaciones estructurales con y sin variables latentes. Psicológica (1999) 2017;107:541–549. doi:10.2105/AJPH.2017.303655
27. OMS. Declaración de Adelaida sobre la Salud en Todas las Políticas. OMS, Gobierno de Austra-lia Meridional, Adelaida 2010.
28. OMS. Comisión sobre determinantes sociales de la salud. Informe final. Subsanar las desigual-dades en una generación. 2009.
29. Phillips et al: Self reported health, self reported fitness, and all cause mortality: prospective cohort study. Br J Health Psychol(2010) 15:337-346,
30. Remington Patrick L, Bridget B Catlin and Keith P Gennuso. The County Health Rankings: ratio-nale and methods. Population Health Metrics (2015) 13:11
31. Stringhini Silvia et al. Socioeconomic status and the 25 × 25 risk factors as determinants of premature mortality: a multicohort study and meta-analysis of 1·7 million men and women. The Lancet. January 31, 2017 http://dx.doi.org/10.1016/S0140-6736(16)32380-7 1
32. Sundmacher Leonie, David Scheller-Kreinsen, Reinhard Busse. The wider determinants of in-equalities in health: A decomposition analysis: International Journal for Equity in Health 2011, 10:30 doi:10.1186/1475-9276-10-30
33. Tarlov A. Social determinants of health: the sociobiological translation. In: Blane D, Brunner E, Wilkinson R (eds). Health and social organization. Londres: Routledge; 1996. p. 71-93.
34. Urriola R. Medir desigualdades e inequidades para mejorar las políticas de salud Cuadernos Médico Sociales Chile 2011; Vol. 51, No 3.
35. Urriola (2009). Historia de la protección social de la salud en Chile. FONASA-LOM.
65
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
36. Vega J. and Patricia Frenz. Integrating social determinants of health in the universal health coverage monitoring framework. En Revista Panamericana de Salud Pública / Pan american journal of public health. Diciembre / December 2013. Vol. 34, No. 6
37. Wagstaff, A., Van Doorslaer, E., Watanabe, N.; On decomposing the causes of health sector inequalities with an application to malnutrition inequalities in Vietnam. Journal of Econome-trics 2003, 112, 207–223
38. Ware JE Jr, Kosinski M, Keller SD. A 12-Item Short-Form Health Survey: construction of scales and preliminary tests of reliability and validity. Med Care. 1996;34:220-33.
39. Whitehead Margaret. A typology of actions to tackle social inequalities in health. J Epidemiol Community Health. 2007 June; 61(6): 473–478. doi: 10.1136/jech.2005.037242
40. WHO. European Social Determinants and Health Divide Review. September 2010
41. Yamamoto T. et al: Association between self-reported health status and onset of dementia: a 4 year prospective cohort sudy of older japnese adults from the Aichi gerontological evalua-tion study (AGES) Project. Psychosomatic Medicine (2012) 74:241-248.
66M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
ANEXOSAnexo 1: Código de programa DDS CASEN do STATA 15.
Anexo 2: Efectos totales, directo e indirectos del modelo ENS.
Anexo 3: Código para calcular las tasas de AVPP comunales período 2011-2015.
Anexo 4: Código del programa DDS ENS 2009-2010 do STATA 15.
Anexo 5: Presentación matricial del MEE.
Anexo 1. Código de programa DSS CASEN do STATA 15
# Lectura de la Base de Datos CASEN Ubicacion de DIrectoriouse “C...\casen 2015.dta”, clear# Seleccion del grupo objetivo de estudio keep if edad>18 # Parentesco con Jefe de Hogar (Jefe de Hogar o esposa o parejakeep if pco1 ==1 | pco1 ==2 # Eliminacion de nivel educacional diferencial y personas sobre 100 añosdrop if e6a==5drop if edad >100# Union de los AVPP a la base totales como por sexomerge m:1 comuna sexo using “C:\Users\RosaM\Dropbox\salud\CASEN\avpp comunalsex.dta”drop _mergemerge m:1 comuna using “C:\Users\RosaM\Dropbox\salud\CASEN\avpp comunaltotal.dta”drop _merge# Limpieza de la Base de Datos# Eliminacion de caracteristicas generadas por el Merge drop if comuna==15202drop if reg==.# Generacion y recodificacion de las variables en USOgen ocupado=o1recode ocupado (2=0)replace ocupado=1 if o2==1replace ocupado=1 if o3==1recode e6a (6=7) ( 8=9)(10 11=12) (13=14)(15 16=17) (99=.), gen(niv_educ)recode niv_educ (1=0)(7=1) (9=2) (12=3) (14=4) (17=5) recode s13 (9=.)recode s15 (9=.) (5=0)recode s15 (2 3 4 5 =1), gen(ss15)recode s31c1 (9=.) (7=0)recode s31c1 (2 3 4 5 6 =1), gen(ss31c1)recode sexo (2=0),gen(sexx)recode s12 (99 9 6 =.)(5=2), gen(pre_sal)tab pre_sal, gen(pr_sald) recode s22a (99=.)recode s8 (.=4) if sexo==1
67
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
recode s8 (9=.) (4=0) (2 3=1), gen(pap)recode s10 (.=4) if sexo==1recode s10 (9=.) (4=0) (2 3=1), gen(mam)recode r3 (2 3 4 5 6 7 8 9=1) (10=0) (99=.), gen(etnia)recode r7i (9=.) (4=0), gen(aconsejar)recode r8s (0=2) (1=0) (.=0), gen(disc)recode disc (2=1)recode s32f (9=.)recode s32g (9=.)# Lectura del esquema vacio del modelo de ecuaciones estructurales de DSSsembuilder “C:....\SEM_modeloF.stsem”# Estimacion de los parametros del modelosem (H_S -> s13, ) (H_S -> ss15, ) (H_S -> ss31c1, ) (H_S -> AVPP_OCDET, ) (sexx -> pr_sald2, ) (sexx -> pr_sald3, ) (sexx -> pr_sald4, ) (sexx -> pr_sald5, ) (sexx -> H_S, ) (sexx -> NSE, ) (sexx -> ACCESO, ) (sexx -> Inf_psic, ) (sexx -> pr_sald1, ) (edad -> pr_sald2, ) (edad -> pr_sald3, ) (edad -> pr_sald4, ) (edad -> pr_sald5, ) (edad -> H_S, ) (edad -> NSE, ) (edad -> pr_sald1, ) (NSE -> pr_sald2, ) (NSE -> pr_sald3, ) (NSE -> pr_sald4, ) (NSE -> pr_sald5, ) (NSE -> H_S, ) (NSE -> ocupado, ) (NSE -> niv_educ, ) (NSE@1 -> dautr, ) (NSE -> ACCESO, ) (NSE -> pr_sald1, ) (ACCESO -> H_S, ) (ACCESO -> s22a, ) (ACCESO@1 -> mam, ) (ACCESO -> zona, ) (ACCESO -> pap, ) (Inf_psic -> H_S, ) (Inf_psic -> s32f, ) (Inf_psic@1 -> s32g, ) [pweight = expr], difficult satopts(difficult) baseopts(difficult) latent(H_S NSE ACCESO Inf_psic ) cov( e.pr_sald3*e.pr_sald2 e.pr_sald4*e.pr_sald2 e.pr_sald4*e.pr_sald3 e.pr_sald5*e.pr_sald2 e.pr_sald5*e.pr_sald3 e.pr_sald5*e.pr_sald4 sexx*edad e.zona*e.s22a e.pr_sald1*e.pr_sald2 e.pr_sald1*e.pr_sald3 e.pr_sald1*e.pr_sald4 e.pr_sald1*e.pr_sald5) no-capslatentsem, standardizedestat gof, stat(residuals)estat teffects, standardizedestat eqgof# Predicciones del Modelopredict H_Spr, xblatent(H_S)predict NSEpr, latent(NSE)tabstat H_Spr [fweight = expr], statistics( count mean sd min max ) by(comuna) columns(statistics)tabstat NSEpr [fweight = expr], statistics( count mean sd min max ) by(comuna) columns(statistics)by comuna, sort : egen float M_HS = mean(H_Spr)by comuna, sort : egen float M_NSE = mean( NSEpr )bysort comuna sexo : egen MG_HS=mean(H_Spr)bysort comuna sexo : egen MG_NSE=mean(NSEpr)twoway (scatter M_HS M_NSE, mlabel(comuna))
68M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
Anexo 2: Efectos totales de las ecuaciones de los sub modelos de medida con ENS
Efectos Totales Efectos Directos Efectos Indirectos
Medida Coef. Std. Err. Std. Coef. Coef. Std. Err. Std.
Coef. Coef. Std. Err. Std. Coef.
ingreso <-
NSE 1 (restr) 0.798 1 (restr) 0.798 0 (no path)
sexo -0.393 *** 0.121 -0.084 0 (no path) -0.393
*** 0.121 -0.084
edad -0.023 *** 0.003 -0.166 0 (no path) -0.023
*** 0.003 -0.166
educacion <-
NSE 1.331 *** 0.097 0.674 1.331 *** 0.097 0.674 0 (no path)
sexo -0.524 *** 0.162 -0.071 0 (no path) -0.524
*** 0.162 -0.071
edad -0.03 *** 0.005 -0.140 0 (no path) -0.03 *** 0.005 -0.140
trab_rem <-
NSE 0.077 *** 0.009 0.288 0.077 *** 0.009 0.288 0 (no path)
sexo -0.03 *** 0.011 -0.030 0 (no path) -0.03 *** 0.011 -0.030
edad -0.002 *** 0.000 -0.060 0 (no path) -0.002
*** 0.000 -0.060
salud <-
Prev_1 0.005 0.009 0.001 0 (no path) 0.005 0.009 0.001
Prev_3 0.003 0.004 0.002 0 (no path) 0.003 0.004 0.002
Prev_4 0.009 0.007 0.003 0 (no path) 0.009 0.007 0.003
Prev_5 0.006 0.008 0.002 0 (no path) 0.006 0.008 0.002
Prev_6 -0.019 0.014 -0.003 0 (no path) -0.019 0.014 -0.003
Prev_7 0.004 0.010 0.002 0 (no path) 0.004 0.010 0.002
NSE 0.062 *** 0.008 0.133 0 (no path) 0.062 *** 0.008 0.133
H_status 1 (restr) 0.571 1 (restr) 0.571 0 (no path)
Psicosocial 0.363 *** 0.062 0.167 0 (no path) 0.363 *** 0.062 0.167
Acceso -0.174 0.092 -0.051 0 (no path) -0.174 0.092 -0.051
sexo -0.178 *** 0.028 -0.102 0 (no path) -0.178
*** 0.028 -0.102
69
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
Efectos Totales Efectos Directos Efectos Indirectos
Medida Coef. Std. Err. Std. Coef. Coef. Std. Err. Std.
Coef. Coef. Std. Err. Std. Coef.
Edad -0.011 *** 0.001 -0.210 0 (no path) -0.011
*** 0.001 -0.210
cd3 <-
Prev_1 0.004 0.007 0.002 0 (no path) 0.004 0.007 0.002
Prev_3 0.003 0.003 0.002 0 (no path) 0.003 0.003 0.002
Prev_4 0.007 0.006 0.004 0 (no path) 0.007 0.006 0.004
Prev_5 0.005 0.006 0.002 0 (no path) 0.005 0.006 0.002
Prev_6 -0.015 0.011 -0.004 0 (no path) -0.015 0.011 -0.004
Prev_7 0.003 0.008 0.002 0 (no path) 0.003 0.008 0.002
NSE 0.048 *** 0.007 0.156 0 (no path) 0.048 *** 0.007 0.156
H_status 0.781 *** 0.045 0.669 0.781 *** 0.045 0.669 0 (no path)
Psicosocial 0.284 *** 0.044 0.195 0 (no path) 0.284 *** 0.044 0.195
Acceso -0.136 0.072 -0.060 0 (no path) -0.136 0.072 -0.060
sexo -0.139 *** 0.020 -0.119 0 (no path) -0.139
*** 0.020 -0.119
Edad -0.008 *** 0.001 -0.246 0 (no path) -0.008
*** 0.001 -0.246
cd4 <-
Prev_1 0.004 0.008 0.002 0 (no path) 0.004 0.008 0.002
Prev_3 0.003 0.004 0.002 0 (no path) 0.003 0.004 0.002
Prev_4 0.008 0.007 0.004 0 (no path) 0.008 0.007 0.004
Prev_5 0.005 0.007 0.002 0 (no path) 0.005 0.007 0.002
Prev_6 -0.018 0.013 -0.004 0 (no path) -0.018 0.013 -0.004
Prev_7 0.004 0.009 0.002 0 (no path) 0.004 0.009 0.002
NSE 0.057 *** 0.008 0.162 0 (no path) 0.057 *** 0.008 0.162
H_status 0.921 *** 0.048 0.694 0.921 *** 0.048 0.694 0 (no path)
Psicosocial 0.335 *** 0.053 0.202 0 (no path) 0.335 *** 0.053 0.202
Acceso -0.161 0.084 -0.062 0 (no path) -0.161 0.084 -0.062
sexo -0.164 *** 0.023 -0.124 0 (no path) -0.164
*** 0.023 -0.124
70M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
Efectos Totales Efectos Directos Efectos Indirectos
Medida Coef. Std. Err. Std. Coef. Coef. Std. Err. Std.
Coef. Coef. Std. Err. Std. Coef.
Edad -0.01 *** 0.001 -0.255 0 (no path) -0.01 *** 0.001 -0.255
cd5 <-
Prev_1 0.009 0.016 0.002 0 (no path) 0.009 0.016 0.002
Prev_3 0.006 0.008 0.002 0 (no path) 0.006 0.008 0.002
Prev_4 0.016 0.013 0.004 0 (no path) 0.016 0.013 0.004
Prev_5 0.011 0.013 0.002 0 (no path) 0.011 0.013 0.002
Prev_6 -0.034 0.025 -0.004 0 (no path) -0.034 0.025 -0.004
Prev_7 0.008 0.018 0.002 0 (no path) 0.008 0.018 0.002
NSE 0.111 *** 0.015 0.171 0 (no path) 0.111 *** 0.015 0.171
H_status 1.792 *** 0.089 0.732 1.792 *** 0.089 0.732 0 (no path)
Psicosocial 0.651 *** 0.105 0.214 0 (no path) 0.651 *** 0.105 0.214
Acceso -0.313 0.164 -0.065 0 (no path) -0.313 0.164 -0.065
sexo -0.318 *** 0.044 -0.130 0 (no path) -0.318
*** 0.044 -0.130
Edad -0.019 *** 0.002 -0.270 0 (no path) -0.019
*** 0.002 -0.270
cd6 <-
Prev_1 0.008 0.016 0.002 0 (no path) 0.008 0.016 0.002
Prev_3 0.006 0.008 0.003 0 (no path) 0.006 0.008 0.003
Prev_4 0.015 0.012 0.004 0 (no path) 0.015 0.012 0.004
Prev_5 0.01 0.013 0.002 0 (no path) 0.01 0.013 0.002
Prev_6 -0.034 0.024 -0.004 0 (no path) -0.034 0.024 -0.004
Prev_7 0.008 0.017 0.002 0 (no path) 0.008 0.017 0.002
NSE 0.108 *** 0.015 0.176 0 (no path) 0.108 *** 0.015 0.176
H_status 1.744 *** 0.089 0.754 1.744 *** 0.089 0.754 0 (no path)
Psicosocial 0.633 *** 0.103 0.220 0 (no path) 0.633 *** 0.103 0.220
Acceso -0.304 0.160 -0.067 0 (no path) -0.304 0.160 -0.067
sexo -0.31 *** 0.042 -0.134 0 (no path) -0.31 *** 0.042 -0.134
71
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
Efectos Totales Efectos Directos Efectos Indirectos
Medida Coef. Std. Err. Std. Coef. Coef. Std. Err. Std.
Coef. Coef. Std. Err. Std. Coef.
Edad -0.019 *** 0.002 -0.278 0 (no path) -0.019
*** 0.002 -0.278
cd7 <-
Prev_1 0.007 0.014 0.002 0 (no path) 0.007 0.014 0.002
Prev_3 0.005 0.006 0.002 0 (no path) 0.005 0.006 0.002
Prev_4 0.013 0.011 0.004 0 (no path) 0.013 0.011 0.004
Prev_5 0.009 0.011 0.002 0 (no path) 0.009 0.011 0.002
Prev_6 -0.029 0.021 -0.004 0 (no path) -0.029 0.021 -0.004
Prev_7 0.007 0.015 0.002 0 (no path) 0.007 0.015 0.002
NSE 0.092 *** 0.013 0.158 0 (no path) 0.092 *** 0.013 0.158
H_status 1.484 *** 0.086 0.678 1.484 *** 0.086 0.678 0 (no path)
Psicosocial 0.539 *** 0.094 0.198 0 (no path) 0.539 *** 0.094 0.198
Acceso -0.259 0.139 -0.061 0 (no path) -0.259 0.139 -0.061
sexo -0.264 *** 0.041 -0.121 0 (no path) -0.264
*** 0.041 -0.121
Edad -0.016 *** 0.001 -0.249 0 (no path) -0.016
*** 0.001 -0.249
cd8 <-
Prev_1 0.006 0.012 0.002 0 (no path) 0.006 0.012 0.002
Prev_3 0.005 0.006 0.002 0 (no path) 0.005 0.006 0.002
Prev_4 0.012 0.010 0.003 0 (no path) 0.012 0.010 0.003
Prev_5 0.008 0.010 0.002 0 (no path) 0.008 0.010 0.002
Prev_6 -0.026 0.018 -0.003 0 (no path) -0.026 0.018 -0.003
Prev_7 0.006 0.013 0.002 0 (no path) 0.006 0.013 0.002
NSE 0.082 *** 0.012 0.152 0 (no path) 0.082 *** 0.012 0.152
H_status 1.331 *** 0.086 0.653 1.331 *** 0.086 0.653 0 (no path)
Psicosocial 0.483 *** 0.084 0.191 0 (no path) 0.483 *** 0.084 0.191
Acceso -0.232 0.126 -0.058 0 (no path) -0.232 0.126 -0.058
sexo -0.236 *** 0.039 -0.116 0 (no path) -0.236 *** 0.039 -0.116
72M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
Efectos Totales Efectos Directos Efectos Indirectos
Medida Coef. Std. Err. Std. Coef. Coef. Std. Err. Std.
Coef. Coef. Std. Err. Std. Coef.
Edad -0.014 *** 0.001 -0.240 0 (no path) -0.014 *** 0.001 -0.240
dolor <-
Prev_1 -0.008 0.015 -0.001 0 (no path) -0.008 0.015 -0.001
Prev_3 -0.006 0.007 -0.002 0 (no path) -0.006 0.007 -0.002
Prev_4 -0.014 0.012 -0.003 0 (no path) -0.014 0.012 -0.003
Prev_5 -0.01 0.012 -0.002 0 (no path) -0.01 0.012 -0.002
Prev_6 0.032 0.023 0.003 0 (no path) 0.032 0.023 0.003
Prev_7 -0.007 0.016 -0.002 0 (no path) -0.007 0.016 -0.002
NSE -0.102 *** 0.014 -0.151 0 (no path) -0.102 *** 0.014 -0.151
H_status -1.649 *** 0.076 -0.646 -1.649 *** 0.076 -0.646 0 (no path)
Psicosocial -0.599 *** 0.100 -0.189 0 (no path) -0.599 *** 0.100 -0.189
Acceso 0.288 0.151 0.058 0 (no path) 0.288 0.151 0.058
sexo 0.293 *** 0.042 0.115 0 (no path) 0.293 *** 0.042 0.115
Edad 0.018 *** 0.001 0.238 0 (no path) 0.018 *** 0.001 0.238
cd10 <-
Prev_1 -0.004 0.007 -0.001 0 (no path) -0.004 0.007 -0.001
Prev_3 -0.003 0.004 -0.001 0 (no path) -0.003 0.004 -0.001
Prev_4 -0.007 0.006 -0.002 0 (no path) -0.007 0.006 -0.002
Prev_5 -0.005 0.006 -0.001 0 (no path) -0.005 0.006 -0.001
Prev_6 0.016 0.011 0.002 0 (no path) 0.016 0.011 0.002
Prev_7 -0.004 0.008 -0.001 0 (no path) -0.004 0.008 -0.001
NSE -0.05 *** 0.008 -0.083 0 (no path) -0.05 *** 0.008 -0.083
H_status -0.812 *** 0.070 -0.357 -0.812 *** 0.070 -0.357 0 (no path)
Psicosocial -0.295 *** 0.056 -0.104 0 (no path) -0.295 *** 0.056 -0.104
Acceso 0.142 0.076 0.032 0 (no path) 0.142 0.076 0.032
sexo 0.144 *** 0.025 0.064 0 (no path) 0.144 *** 0.025 0.064
73
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
Efectos Totales Efectos Directos Efectos Indirectos
Medida Coef. Std. Err. Std. Coef. Coef. Std. Err. Std.
Coef. Coef. Std. Err. Std. Coef.
Edad 0.009 *** 0.001 0.131 0 (no path) 0.009 *** 0.001 0.131
cd11 <-
Prev_1 -0.005 0.010 -0.001 0 (no path) -0.005 0.010 -0.001
Prev_3 -0.004 0.005 -0.002 0 (no path) -0.004 0.005 -0.002
Prev_4 -0.009 0.008 -0.003 0 (no path) -0.009 0.008 -0.003
Prev_5 -0.006 0.008 -0.002 0 (no path) -0.006 0.008 -0.002
Prev_6 0.02 0.014 0.003 0 (no path) 0.02 0.014 0.003
Prev_7 -0.005 0.010 -0.001 0 (no path) -0.005 0.010 -0.001
NSE -0.065 *** 0.010 -0.112 0 (no path) -0.065 *** 0.010 -0.112
H_status -1.046 *** 0.069 -0.481 -1.046 *** 0.069 -0.481 0 (no path)
Psicosocial -0.38 *** 0.065 -0.140 0 (no path) -0.38 *** 0.065 -0.140
Acceso 0.182 0.097 0.043 0 (no path) 0.182 0.097 0.043
sexo 0.186 *** 0.028 0.086 0 (no path) 0.186 *** 0.028 0.086
Edad 0.011 *** 0.001 0.177 0 (no path) 0.011 *** 0.001 0.177
ACCESO <-
Prev_1 0.006 0.012 0.001 0 (no path) 0.006 0.012 0.001
Prev_3 0.004 0.006 0.002 0 (no path) 0.004 0.006 0.002
Prev_4 0.011 0.009 0.003 0 (no path) 0.011 0.009 0.003
Prev_5 0.008 0.010 0.002 0 (no path) 0.008 0.010 0.002
Prev_6 -0.025 0.018 -0.003 0 (no path) -0.025 0.018 -0.003
Prev_7 0.006 0.013 0.002 0 (no path) 0.006 0.013 0.002
NSE 0.079 *** 0.012 0.135 0 (no path) 0.079 *** 0.012 0.135
H_status 1.276 *** 0.079 0.580 1.276 *** 0.079 0.580 0 (no path)
Psicosocial 0.464 *** 0.083 0.169 0 (no path) 0.464 *** 0.083 0.169
Acceso -0.223 0.119 -0.052 0 (no path) -0.223 0.119 -0.052
sexo -0.227 *** 0.035 -0.103 0 (no path) -0.227 *** 0.035 -0.103
74M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
Efectos Totales Efectos Directos Efectos Indirectos
Medida Coef. Std. Err. Std. Coef. Coef. Std. Err. Std.
Coef. Coef. Std. Err. Std. Coef.
Edad -0.014 *** 0.001 -0.213 0 (no path) -0.014 *** 0.001 -0.213
cd13 <-
Prev_1 0.007 0.013 0.001 0 (no path) 0.007 0.013 0.001
Prev_3 0.005 0.006 0.002 0 (no path) 0.005 0.006 0.002
Prev_4 0.012 0.010 0.003 0 (no path) 0.012 0.010 0.003
Prev_5 0.008 0.011 0.002 0 (no path) 0.008 0.011 0.002
Prev_6 -0.027 0.019 -0.003 0 (no path) -0.027 0.019 -0.003
Prev_7 0.006 0.014 0.002 0 (no path) 0.006 0.014 0.002
NSE 0.087 *** 0.012 0.141 0 (no path) 0.087 *** 0.012 0.141
H_status 1.406 *** 0.079 0.603 1.406 *** 0.079 0.603 0 (no path)
Psicosocial 0.511 *** 0.088 0.176 0 (no path) 0.511 *** 0.088 0.176
Acceso -0.245 0.131 -0.054 0 (no path) -0.245 0.131 -0.054
sexo -0.25 *** 0.038 -0.107 0 (no path) -0.25 *** 0.038 -0.107
Edad -0.015 *** 0.001 -0.222 0 (no path) -0.015 *** 0.001 -0.222
Psic1 <-
NSE 0.055 *** 0.014 0.098 0 (no path) 0.055 *** 0.014 0.098
Psicosocial 1 (restr) 0.383 1 (restr) 0.383 0 (no path)
sexo -0.094 *** 0.032 -0.045 0 (no path) -0.094 *** 0.032 -0.045
edad -0.001 *** 0.000 -0.020 0 (no path) -0.001 *** 0.000 -0.020
Psic2 <-
NSE 0.064 *** 0.016 0.102 0 (no path) 0.064 *** 0.016 0.102
Psicosocial 1.165 *** 0.123 0.397 1.165 *** 0.123 0.397 0 (no path)
sexo -0.109 *** 0.035 -0.047 0 (no path) -0.109 *** 0.035 -0.047
edad -0.001 *** 0.000 -0.021 0 (no path) -0.001 *** 0.000 -0.021
75
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
Efectos Totales Efectos Directos Efectos Indirectos
Medida Coef. Std. Err. Std. Coef. Coef. Std. Err. Std.
Coef. Coef. Std. Err. Std. Coef.
Psic3 <-
NSE 0.129 *** 0.024 0.129 0 (no path) 0.129 *** 0.024 0.129
Psicosocial 2.366 *** 0.428 0.504 2.366 *** 0.428 0.504 0 (no path)
sexo -0.222 *** 0.073 -0.059 0 (no path) -0.222 *** 0.073 -0.059
edad -0.003 *** 0.001 -0.027 0 (no path) -0.003 *** 0.001 -0.027
Psic4 <-
NSE -0.07 *** 0.020 -0.100 0 (no path) -0.07 *** 0.020 -0.100
Psicosocial -1.272 *** 0.167 -0.391 -1.272 *** 0.167 -0.391 0 (no path)
sexo 0.119 *** 0.035 0.046 0 (no path) 0.119 *** 0.035 0.046
edad 0.002 *** 0.000 0.021 0 (no path) 0.002 *** 0.000 0.021
Psic5 <-
NSE -0.076 *** 0.021 -0.105 0 (no path) -0.076 *** 0.021 -0.105
Psicosocial -1.39 *** 0.182 -0.408 -1.39 *** 0.182 -0.408 0 (no path)
sexo 0.13 *** 0.039 0.048 0 (no path) 0.13 *** 0.039 0.048
edad 0.002 *** 0.001 0.022 0 (no path) 0.002 *** 0.001 0.022
Psic6 <-
NSE -0.079 *** 0.015 -0.113 0 (no path) -0.079 *** 0.015 -0.113
Psicosocial -1.45 *** 0.304 -0.441 -1.45 *** 0.304 -0.441 0 (no path)
sexo 0.136 *** 0.044 0.052 0 (no path) 0.136 *** 0.044 0.052
edad 0.002 *** 0.000 0.024 0 (no path) 0.002 *** 0.000 0.024
Psic7 <-
NSE -0.076 *** 0.013 -0.117 0 (no path) -0.076 *** 0.013 -0.117
76M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
Efectos Totales Efectos Directos Efectos Indirectos
Medida Coef. Std. Err. Std. Coef. Coef. Std. Err. Std.
Coef. Coef. Std. Err. Std. Coef.
Psicosocial -1.397 *** 0.285 -0.456 -1.397 *** 0.285 -0.456 0 (no path)
sexo 0.131 *** 0.045 0.053 0 (no path) 0.131 *** 0.045 0.053
edad 0.002 *** 0.000 0.024 0 (no path) 0.002 *** 0.000 0.024
Psic10 <-
NSE -0.044 *** 0.009 -0.089 0 (no path) -0.044 *** 0.009 -0.089
Psicosocial -0.801 *** 0.125 -0.349 -0.801 *** 0.125 -0.349 0 (no path)
sexo 0.075 *** 0.029 0.041 0 (no path) 0.075 *** 0.029 0.041
edad 0.001 *** 0.000 0.019 0 (no path) 0.001 *** 0.000 0.019
Psic11 <-
NSE -0.034 *** 0.008 -0.084 0 (no path) -0.034 *** 0.008 -0.084
Psicosocial -0.613 *** 0.088 -0.329 -0.613 *** 0.088 -0.329 0 (no path)
sexo 0.057 *** 0.021 0.039 0 (no path) 0.057 *** 0.021 0.039
edad 0.001 *** 0.000 0.018 0 (no path) 0.001 *** 0.000 0.018
Psic12 <-
NSE 0.004 *** 0.001 0.030 0 (no path) 0.004 *** 0.001 0.030
Psicosocial 0.071 *** 0.025 0.119 0.071 *** 0.025 0.119 0 (no path)
sexo -0.007 *** 0.003 -0.014 0 (no path) -0.007 *** 0.003 -0.014
edad 0 *** 0.000 -0.006 0 (no path) 0 *** 0.000 -0.006
eco <-
Prev_1 -0.027 0.048 -0.015 0 (no path) -0.027 0.048 -0.015
Prev_3 -0.02 0.022 -0.022 0 (no path) -0.02 0.022 -0.022
Prev_4 -0.05 0.032 -0.034 0 (no path) -0.05 0.032 -0.034
Prev_5 -0.034 0.040 -0.021 0 (no path) -0.034 0.040 -0.021
Prev_6 0.11 0.057 0.034 0 (no path) 0.11 0.057 0.034
77
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
Efectos Totales Efectos Directos Efectos Indirectos
Medida Coef. Std. Err. Std. Coef. Coef. Std. Err. Std.
Coef. Coef. Std. Err. Std. Coef.
Prev_7 -0.025 0.055 -0.018 0 (no path) -0.025 0.055 -0.018
NSE 0.042 *** 0.009 0.179 0 (no path) 0.042 *** 0.009 0.179
Acceso 1 (restr) 0.579 1 (restr) 0.579 0 (no path)
sexo 0.129 *** 0.027 0.147 0 (no path) 0.129 *** 0.027 0.147
edad 0.006 *** 0.000 0.220 0 (no path) 0.006 *** 0.000 0.220
eda <-
Prev_1 -0.023 0.039 -0.014 0 (no path) -0.023 0.039 -0.014
Prev_3 -0.017 0.017 -0.021 0 (no path) -0.017 0.017 -0.021
Prev_4 -0.041 0.025 -0.033 0 (no path) -0.041 0.025 -0.033
Prev_5 -0.028 0.032 -0.020 0 (no path) -0.028 0.032 -0.020
Prev_6 0.091 0.049 0.033 0 (no path) 0.091 0.049 0.033
Prev_7 -0.021 0.044 -0.018 0 (no path) -0.021 0.044 -0.018
NSE 0.035 *** 0.006 0.171 0 (no path) 0.035 *** 0.006 0.171
Acceso 0.824 *** 0.098 0.553 0.824 *** 0.098 0.553 0 (no path)
sexo 0.107 *** 0.015 0.140 0 (no path) 0.107 *** 0.015 0.140
edad 0.005 *** 0.001 0.210 0 (no path) 0.005 *** 0.001 0.210
eco <-
Prev_1 -0.007 0.012 -0.008 0 (no path) -0.007 0.012 -0.008
Prev_3 -0.005 0.005 -0.012 0 (no path) -0.005 0.005 -0.012
Prev_4 -0.012 0.007 -0.019 0 (no path) -0.012 0.007 -0.019
Prev_5 -0.008 0.009 -0.012 0 (no path) -0.008 0.009 -0.012
Prev_6 0.027 0.014 0.019 0 (no path) 0.027 0.014 0.019
Prev_7 -0.006 0.013 -0.010 0 (no path) -0.006 0.013 -0.010
NSE 0.01 *** 0.002 0.098 0 (no path) 0.01 *** 0.002 0.098
Acceso 0.24 *** 0.043 0.319 0.24 *** 0.043 0.319 0 (no path)
sexo 0.031 *** 0.005 0.081 0 (no path) 0.031 *** 0.005 0.081
78M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
Efectos Totales Efectos Directos Efectos Indirectos
Medida Coef. Std. Err. Std. Coef. Coef. Std. Err. Std.
Coef. Coef. Std. Err. Std. Coef.
edad 0.001 *** 0.000 0.121 0 (no path) 0.001 *** 0.000 0.121
exvihsi <-
Prev_1 -0.009 0.015 -0.005 0 (no path) -0.009 0.015 -0.005
Prev_3 -0.007 0.008 -0.007 0 (no path) -0.007 0.008 -0.007
Prev_4 -0.016 0.012 -0.011 0 (no path) -0.016 0.012 -0.011
Prev_5 -0.011 0.014 -0.007 0 (no path) -0.011 0.014 -0.007
Prev_6 0.036 0.021 0.011 0 (no path) 0.036 0.021 0.011
Prev_7 -0.008 0.018 -0.006 0 (no path) -0.008 0.018 -0.006
NSE 0.014 *** 0.005 0.057 0 (no path) 0.014 *** 0.005 0.057
Acceso 0.328 *** 0.071 0.183 0.328 *** 0.071 0.183 0 (no path)
sexo 0.042 *** 0.016 0.046 0 (no path) 0.042 *** 0.016 0.046
edad 0.002 *** 0.000 0.069 0 (no path) 0.002 *** 0.000 0.069
Efectos Totales Efectos Directos Efectos Indirectos
Structural Coef. Std. Err.
Std. Coef. Coef. Std. Err. Std.
Coef. Coef. Std. Err. Std. Coef.
Prev_1 <-
NSE 0.006 0.004 0.043 0.006 0.004 0.043 0 (no path)
sexo -0.002 0.002 -0.004 0 (no path) -0.002 0.002 -0.004
edad 0 0.000 -0.009 0 (no path) 0 0.000 -0.009
Prev_3 <-
NSE -0.015 0.008 -0.060 -0.015 0.008 -0.060 0 (no path)
sexo 0.006 0.004 0.006 0 (no path) 0.006 0.004 0.006
edad 0 0.000 0.012 0 (no path) 0 0.000 0.012
Prev_4 <-
79
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
NSE 0.006 0.004 0.036 0.006 0.004 0.036 0 (no path)
sexo -0.002 0.002 -0.004 0 (no path) -0.002 0.002 -0.004
edad 0 0.000 -0.007 0 (no path) 0 0.000 -0.007
Prev_5 <-
NSE 0.018 *** 0.004 0.126 0.018
*** 0.004 0.126 0 (no path)
sexo -0.007 *** 0.003 -0.013 0 (no
path) -0.007 *** 0.003 -0.013
edad 0 *** 0.000 -0.026 0 (no path) 0 *** 0.000 -0.026
Prev_6 <-
NSE 0.007 *** 0.002 0.103 0.007
*** 0.002 0.103 0 (no path)
sexo -0.003 *** 0.001 -0.011 0 (no
path) -0.003 *** 0.001 -0.011
edad 0 *** 0.000 -0.021 0 (no path) 0 *** 0.000 -0.021
Prev_7 <-
NSE 0.088 *** 0.008 0.518 0.088
*** 0.008 0.518 0 (no path)
sexo -0.035 *** 0.011 -0.054 0 (no
path) -0.035 *** 0.011 -0.054
edad -0.002 *** 0.000 -0.108 0 (no
path) -0.002 *** 0.000 -0.108
80M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
Anexo 3: Código para calcular las tasas de AVPP comunales período 2011-2015
****GENERA AVPP comunales para el período 2011-2015**** PARTE 1: GENERA numerador con los avpp para el periodo 2011-2015 por comuna, sexo (1 masc, 2 fem 3 total) y edadcat(1 a 17, ultima >=80)**** Usa base en que se agregaron varios años de la base de defunciones del DEIS-Minsal**** avpp fueron previamente generados para cada individuo como 70-edad en años cumplidos para los AVPP_OCDE **** y 80-edad en años cumplidos para AVPP_Minsaluse “Directorio\maestro reducido para avpp.dta” **** Agrega por comuna sexo el avppcollapse (sum) avpp_ocde avpp_minsal if ANO_DEF>=2011 &ANO_DEF<2016, by(COMUNA SEXO edadcat)*** Elimina los pocos muertes mal clasificadas por sexo 39 en totaldrop if SEXO==9***Suma los totales a partir de las muertes por cada sexoreshape wide avpp_ocde avpp_minsal, i(COMUNA edadcat) j(SEXO)replace avpp_ocde1=0 if avpp_ocde1==.replace avpp_ocde2=0 if avpp_ocde2==.replace avpp_minsal1=0 if avpp_minsal1==.replace avpp_minsal2=0 if avpp_minsal2==.gen avpp_ocde3= avpp_ocde1+ avpp_ocde2gen avpp_minsal3= avpp_minsal1+ avpp_minsal2reshape long***renombra variables para el merge (fusión de bases de datos)rename SEXO sexorename COMUNA comunasave “Directorio\avpp 2011-2015 por comuna sexo y edadcat.dta”,replace
*** Parte II: Genera denominador con las poblaciones comunales por sexo y edadcat *** Carga base obtenida de INE con proyecciones de población 2002 a 2020 según censo 2002 y actualizadas 2014 use “Directorio\epidemiologia del cáncer\población por comuna y edad 2002-2030.dta” ***Genera la base de población (denominador de la tasa en años persona del período 2011-2015) por sexo y edad por quinquenio(edadcat)collapse (sum) pob2011_2015, by(Comuna nombre_comuna sexo edadcat)save “Directorio\poblacion comunal 2011-2015 por edadcat.dta”,replace***Genera la base con la unión de las poblaciones de ambos sexoscollapse (sum) pob2011_2015, by(Comuna nombre_comuna edadcat)**Genera sexo=3 para la poblacion comunal total; 1 queda para poblacion masculina y 2 para la femeninagen sexo=3***Adiciona los años persona de cada sexo y el totalappend using “Directorio\poblacion comunal 2011-2015 por edadcat.dta”*** Renombra Comuna como comuna para la fusión (merge)y salva la base para la fusión con el nú-mero de AVPP por comunarename Comuna comuna
81
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
save “Directorio\poblacion comunal 2011-2015 por edadcat sexos y total.dta”, replace
*** Parte III: Funde archivo denominador y numerador y Ponderador población mundial de la OMS Estima la tasa de AVPP por 100000 habitantes****Funde archivos poblacion con avpp obtenidos en bases de mortalidad anual obtenidas del DEISmerge 1:1 comuna sexo edadcat using “Directorio\avpp 2011-2015 por comuna sexo y edadcat.dta”drop if _merge!=3save “Directorio\avpp con poblacion por edadcat.dta”,replacedrop _merge****Fusiona cada categoria de edad con el peso la población mundial OMSmerge m:1 edadcat using “Directorio \pesos OMS.dta”***Genera el AVPP_OCDE y AVPP_MINSAL como tasa por 100000 poderado por pesos de población por edad OMSgen AVPP_OCDE= (avpp_ocde/pob2011_2015)* WHO_OCDE*100000gen AVPP_MINSAL= (avpp_minsal/pob2011_2015)* WHO_Minsal*100000collapse (sum) AVPP_OCDE AVPP_MINSAL, by(comuna sexo)reshape wide AVPP_OCDE AVPP_MINSAL, i(comuna) j(sexo)rename AVPP_OCDE3 AVPP_OCDETsave “Directorio\AVPP con metodolgia ocde.dta”,replace
82M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
Anexo 4: Script del programa DSS ENS 2009-2010 do STATA 15
***Usa Encuesta Nacional de salud 2009-2010use “D:\dropbox\Dropbox\salud\ens.dta”***crea prevision como indicadora**** prev_1 sin prev prev_2 fonasa a prev_3 fonasa b prev_4 fonasa c prev_5 fonasa d prev_6 ffaa prev_7 isapretab prevsa, gen(prev_)*****Invierte cd2 para que tenga igual sentido que en CASEN a mayor puntaje escala likert mejor saludgen salud=6-cd2**** genera ingreso a partir de ns18 en 11 nivelesgen ingreso=ns18replace ingreso=. if ingreso==12*****genera educacion a partir de ns8gen educacion= ns8tab educacionreplace educacion=. if educacion==17replace educacion=1 if educacion==16****genera dolor a partir de cd9 último nivel de la likert sin dolor se homologa a primero: dolor que no afecta actividadgen dolor=cd9recode dolor (6=1)***Crea variables psicosocialesgen psic1= dataf1_2recode psic1 (5=.)gen psic2= dataf1_1recode psic2 (5=.)gen psic3= p2agen psic4= dataf1_3recode psic4 (6 7=.)gen psic5= dataf1_4recode psic5 (6 7=.)gen psic6= p4agen psic7= p4bgen psic8= dataf1_5recode psic8 (4=.)gen psic10= dataf1_6gen psic11= dataf1_7recode psic11 (4=.)
83
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
gen psic12= p8agen psic13= p8bgen psic14= p8cgen psic15= p8dgen psic16= p8egen psic17= p8fgen psic18= p8ggen psic19= p8hgen psic20= p8irecode psic12-psic20 (3=.)gen psic21= p9gen psic22= p10gen psic23= p11gen psic24= p12recode psic24 (3=.)*******************************save “D:\dropbox\Dropbox\modelos ENS\ens final.dta”, replaceset more offcapture log offlog using “D:\dropbox\Dropbox\modelos ENS\modelos finales 911.log”,replace*** Modelo ENS cuatro latentes por sexosembuilder “C:....\SEM_modelo4 latentes por sexo”sem (NSE -> ingreso, ) (NSE -> educacion, ) (NSE -> prev_1, ) (NSE -> prev_3, ) (NSE -> prev_4, ) (NSE -> prev_5, ) (NSE -> prev_6, ) (NSE -> prev_7, ) /// (NSE -> H_status, ) (NSE -> Psicosocial, ) (NSE -> trab_rem, ) (NSE -> Acceso, ) (prev_1 -> Acceso, ) (prev_3 -> Acceso, ) (prev_4 -> Acceso, ) (prev_5 -> Acceso, ) /// (prev_6 -> Acceso, ) (prev_7 -> Acceso, ) (H_status -> salud, ) (H_status -> cd3, ) (H_status -> cd4, ) (H_status -> cd5, ) (H_status -> cd6, ) (H_status -> cd7, ) /// (H_status -> cd8, ) (H_status -> dolor, ) (H_status -> cd10, ) (H_status -> cd11, ) (H_status -> cd12, ) (H_status -> cd13, ) (Psicosocial -> H_status, ) /// (Psicosocial -> psic1, ) (Psicosocial -> psic2, ) (Psicosocial -> psic3, ) (Psicosocial -> psic4, ) (Psicoso-cial -> psic5, ) (Psicosocial -> psic6, ) /// (Psicosocial -> psic7, ) (Psicosocial -> psic8, ) (edad -> NSE, ) (edad -> H_status, ) (edad -> Psicosocial, ) (edad -> Acceso, ) (Acceso -> H_status, ) /// (Acceso -> eco, ) (Acceso -> eda, ) (Acceso -> colon, ) (Acceso -> exvihsi, ) [pweight = fexp1], group(sexo) latent(NSE H_status Psicosocial Acceso ) /// cov( e.prev_3*e.prev_1 e.prev_4*e.prev_1 e.prev_4*e.prev_3 e.prev_5*e.prev_1 e.prev_5*e.prev_3 e.prev_5*e.prev_4 e.prev_6*e.prev_1 e.prev_6*e.prev_3 /// e.prev_6*e.prev_4 e.prev_6*e.prev_5 e.prev_7*e.prev_1 e.prev_7*e.prev_3 e.prev_7*e.prev_4 e.prev_7*e.prev_5 e.prev_7*e.prev_6) nocapslatentestat gof, stat(all)
84M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
estat eqgofestat teffects,standardized*** Modelo ENS cuatro latentes compactasembuilder “C:....\SEM_modelo4latentes.stsem”sem (NSE -> ingreso, ) (NSE -> educacion, ) (NSE -> prev_1, ) (NSE -> prev_3, ) (NSE -> prev_4, ) (NSE -> prev_5, ) (NSE -> prev_6, ) (NSE -> prev_7, ) (NSE -> H_status, ) ///(NSE -> Psicosocial, ) (NSE -> trab_rem, ) (NSE -> Acceso, ) (prev_1 -> Acceso, ) (prev_3 -> Acceso, ) (prev_4 -> Acceso, ) (prev_5 -> Acceso, ) (prev_6 -> Acceso, ) ///(prev_7 -> Acceso, ) (H_status -> salud, ) (H_status -> cd3, ) (H_status -> cd4, ) (H_status -> cd5, ) (H_status -> cd6, ) (H_status -> cd7, ) (H_status -> cd8, ) ///(H_status -> dolor, ) (H_status -> cd10, ) (H_status -> cd11, ) (H_status -> cd12, ) (H_status -> cd13, ) (Psicosocial -> H_status, ) (Psicosocial -> psic1, ) ///(Psicosocial -> psic2, ) (Psicosocial -> psic3, ) (Psicosocial -> psic4, ) (Psicosocial -> psic5, ) (Psicosocial -> psic6, ) (Psicosocial -> psic7, ) ///(Psicosocial -> psic10, ) (Psicosocial -> psic11, ) (Psicosocial -> psic12, ) (Psicosocial -> psic14, ) (Psi-cosocial -> psic15, ) (Psicosocial -> psic16, ) ///(Psicosocial -> psic17, ) (Psicosocial -> psic18, ) (Psicosocial -> psic19, ) (Psicosocial -> psic20, ) (Psi-cosocial -> psic22, ) (Psicosocial -> psic23, ) ///(Psicosocial -> psic24, ) (sexo -> NSE, ) (sexo -> H_status, ) (sexo -> Psicosocial, ) (sexo -> Acceso, ) (edad -> NSE, ) (edad -> H_status, ) (edad -> Acceso, ) ///(Acceso -> H_status, ) (Acceso -> eco, ) (Acceso -> eda, ) (Acceso -> colon, ) (Acceso -> exvihsi, ) (psic13) [pweight = fexp1], ///group() latent(NSE H_status Psicosocial Acceso ) cov( e.prev_3*e.prev_1 e.prev_4*e.prev_1 e.prev_4*e.prev_3 e.prev_5*e.prev_1 ///e.prev_5*e.prev_3 e.prev_5*e.prev_4 e.prev_6*e.prev_1 e.prev_6*e.prev_3 e.prev_6*e.prev_4 e.prev_6*e.prev_5 e.prev_7*e.prev_1 ///e.prev_7*e.prev_3 e.prev_7*e.prev_4 e.prev_7*e.prev_5 e.prev_7*e.prev_6 sexo*edad psic13*sexo psic13*edad) nocapslatentestat gof, stat(all)estat eqgofestat teffects,standardized
85
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
Anexo 5. Presentación matricial del MEE16
De manera general, el modelo de ecuaciones estructurales puede estar compuesto de uno o más sub-modelos estructurales17. Este es aquel componente del modelo general que describe las rela-ciones causales entre variables latentes. Las relaciones entre las variables directamente observa-bles se incluyen cuando éstas no actúan como indicadoras de las variables latentes. En definitiva, habrá tantas ecuaciones estructurales como constructos latentes.
La estructura que sigue este tipo de ecuaciones de los sub-modelos estructurales también se puede expresar de la siguiente forma (de acuerdo al Diagrama siguiente):
“η” = βη + Γξ + ζ (1)
donde: “η” (eta) es un vector “p x 1” de variables endógenas latentes (esto es, variables predictoras o variables no explicadas por otras incluidas en el modelo). “ξi” es un vector “q x 1” de variables exóge-nas latentes (esto es, variables predictoras o variables no explicadas por otras incluidas en el modelo como el caso de sexo y edad en el modelo de este trabajo).
“Γ” (gamma) es una matriz “p x q” de coeficientes γ que relacionan las variables latentes exógenas (ξ) con las endógenas (η). Indican que una unidad de cambio en la variable exógena ξ resulta en un cam-bio en ηγ unidades, manteniendo todas las demás variables constantes. Este coeficiente estructural se interpreta, al igual que β como efectos directos de las variables endógenas.
“β” (beta) es una matriz “q x q” de coeficientes que relacionan las variables latentes endógenas entre sí. Cada β indica una unidad de cambio en la variable endógena η, manteniendo todas las demás variables constantes. Para cada efecto hipotetizado de una variable latente endógena en otra, de las mismas características, se tendrá un coeficiente estructural β.
“ζ” (zeta) es un vector “q x 1” de errores de medida o términos de perturbación. Indican que las varia-bles endógenas no son perfectamente predichas por las ecuaciones estructurales. Se supone que no existe correlación entre los errores y las variables exógenas.
16 Ver en Mercedes Casas Guillén. s/f.17 Si el análisis es de tipo confirmatorio, es decir, el MEE busca verificar una determinada relación causal entre las variables latentes solo cabe un sub modelo estructural.
86M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
Anexo 6. Ranking por comuna y valores medios de las estimaciones de estados de salud y nivel socio económico
Región Comuna NH_S NSE
Ranking media (sd) Ranking media (sd)
I IQUIQUE 97864 315 -0.99 (0.47) 312 -1.67 (1.51)
I ALTO HOSPICIO 48766 314 -0.99 (0.41) 278 -2.24 (1.27)
I POZO ALMONTE 5755 300 -1.08 (0.43) 258 -2.42 (1.19)
I CAMIÑA 1274 5 -1.48 (0.41) 1 -3.83 (0.8)
I HUARA 2664 141 -1.27 (0.4) 39 -3.21 (1.04)
I PICA 1879 245 -1.18 (0.48) 248 -2.5 (1.29)
II ANTOFAGASTA 158643 310 -1.01 (0.46) 308 -1.81 (1.49)
II MEJILLONES 4887 319 -0.94 (0.37) 299 -1.99 (1.19)
II SIERRA GORDA 801 308 -1.03 (0.38) 281 -2.22 (1.02)
II TALTAL 5688 250 -1.17 (0.42) 235 -2.57 (1.33)
II CALAMA 77659 311 -1.01 (0.49) 310 -1.71 (1.38)
II SAN PEDRO DE ATA 2382 289 -1.11 (0.46) 285 -2.17 (1.37)
II TOCOPILLA 11926 284 -1.12 (0.42) 262 -2.37 (1.38)
II MARÍA ELENA 4195 318 -0.95 (0.32) 313 -1.63 (1.12)
III COPIAPÓ 64948 304 -1.06 (0.45) 298 -2.02 (1.42)
III CALDERA 6392 292 -1.1 (0.44) 268 -2.3 (1.28)
III TIERRA AMARILLA 6028 281 -1.13 (0.35) 247 -2.51 (1.12)
III CHAÑARAL 5981 256 -1.16 (0.5) 249 -2.48 (1.31)
III DIEGO DE ALMAGRO 9259 299 -1.08 (0.54) 311 -1.69 (1.44)
III VALLENAR 26210 157 -1.25 (0.51) 216 -2.63 (1.26)
III ALTO DEL CARMEN 2229 59 -1.35 (0.41) 50 -3.16 (0.96)
III FREIRINA 2997 170 -1.24 (0.59) 148 -2.86 (1.09)
III HUASCO 4548 288 -1.11 (0.47) 265 -2.35 (1.51)
IV LA SERENA 98297 278 -1.13 (0.44) 292 -2.12 (1.38)
IV COQUIMBO 105662 273 -1.14 (0.48) 270 -2.3 (1.3)
IV ANDACOLLO 5407 35 -1.37 (0.51) 131 -2.9 (1.3)
IV LA HIGUERA 2229 72 -1.33 (0.41) 42 -3.19 (1.02)
IV PAIGUANO 1405 53 -1.35 (0.33) 98 -3.01 (0.83)
IV VICUÑA 15724 219 -1.21 (0.39) 203 -2.67 (1.16)
IV ILLAPEL 19279 195 -1.23 (0.43) 191 -2.73 (1.37)
IV CANELA 4576 39 -1.37 (0.47) 14 -3.37 (1.1)
IV LOS VILOS 8760 233 -1.19 (0.4) 206 -2.66 (1.24)
IV SALAMANCA 13600 180 -1.24 (0.49) 174 -2.77 (1.19)
IV OVALLE 51483 179 -1.24 (0.49) 223 -2.62 (1.2)
87
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
Región Comuna NH_S NSE
Ranking media (sd) Ranking media (sd)
IV COMBARBALÁ 6612 13 -1.44 (0.55) 59 -3.13 (1.23)
IV MONTE PATRIA 14476 31 -1.39 (0.64) 109 -2.99 (1.21)
IV PUNITAQUI 9994 259 -1.16 (0.43) 125 -2.9 (1.13)
IV RÍO HURTADO 2178 1 -1.53 (0.46) 3 -3.63 (0.78)
V VALPARAÍSO 160327 272 -1.15 (0.48) 283 -2.19 (1.43)
V CASABLANCA 12901 283 -1.12 (0.39) 252 -2.45 (1.12)
V CONCÓN 19454 303 -1.07 (0.5) 314 -1.59 (1.64)
V PUCHUNCAVÍ 16781 277 -1.13 (0.45) 275 -2.28 (1.41)
V QUINTERO 15738 196 -1.23 (0.52) 241 -2.54 (1.55)
V VIÑA DEL MAR 183602 268 -1.15 (0.54) 306 -1.91 (1.6)
V LOS ANDES 32068 297 -1.09 (0.49) 304 -1.92 (1.47)
V CALLE LARGA 7121 296 -1.09 (0.41) 238 -2.55 (1.09)
V RINCONADA 4218 166 -1.25 (0.41) 124 -2.9 (1.16)
V SAN ESTEBAN 9886 169 -1.25 (0.45) 212 -2.64 (1.18)
V LA LIGUA 14392 137 -1.27 (0.48) 152 -2.84 (1.17)
V CABILDO 8863 178 -1.24 (0.34) 172 -2.78 (1.07)
V PAPUDO 2143 128 -1.28 (0.38) 118 -2.95 (1.03)
V PETORCA 4851 49 -1.36 (0.49) 71 -3.08 (1.15)
V ZAPALLAR 3373 32 -1.39 (0.41) 49 -3.17 (0.94)
V QUILLOTA 45641 252 -1.17 (0.6) 288 -2.14 (1.6)
V CALERA 25694 190 -1.23 (0.55) 229 -2.6 (1.24)
V HIJUELAS 9923 151 -1.26 (0.45) 138 -2.89 (0.98)
V LA CRUZ 9301 260 -1.16 (0.41) 242 -2.54 (1.08)
V NOGALES 11805 236 -1.19 (0.45) 208 -2.65 (1.27)
V SAN ANTONIO 43767 143 -1.27 (0.56) 219 -2.63 (1.22)
V ALGARROBO 9161 205 -1.22 (0.39) 181 -2.75 (1.21)
V CARTAGENA 14079 54 -1.35 (0.44) 129 -2.9 (1.13)
V EL QUISCO 9123 87 -1.31 (0.42) 176 -2.76 (1.14)
V EL TABO 4113 99 -1.3 (0.5) 186 -2.74 (1.11)
V SANTO DOMINGO 4024 230 -1.19 (0.48) 264 -2.36 (1.57)
V SAN FELIPE 28339 255 -1.17 (0.48) 250 -2.47 (1.21)
V CATEMU 5435 162 -1.25 (0.43) 107 -3 (1.09)
V LLAILLAY 16414 125 -1.28 (0.5) 119 -2.95 (1.12)
V PANQUEHUE 2481 237 -1.19 (0.34) 193 -2.72 (0.94)
V PUTAENDO 7697 103 -1.3 (0.46) 115 -2.98 (1.19)
V SANTA MARÍA 5853 116 -1.29 (0.44) 140 -2.88 (1)
88M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
Región Comuna NH_S NSE
Ranking media (sd) Ranking media (sd)
V QUILPUÉ 79520 241 -1.19 (0.52) 295 -2.07 (1.41)
V LIMACHE 24269 226 -1.2 (0.46) 244 -2.53 (1.28)
V OLMUÉ 9181 94 -1.31 (0.41) 100 -3.01 (0.98)
V VILLA ALEMANA 63104 227 -1.2 (0.51) 284 -2.19 (1.35)
VI RANCAGUA 126995 298 -1.08 (0.45) 300 -1.97 (1.4)
VI CODEGUA 6686 264 -1.15 (0.41) 237 -2.55 (1.17)
VI COINCO 4042 129 -1.27 (0.42) 88 -3.03 (1.22)
VI COLTAUCO 10423 209 -1.22 (0.49) 195 -2.72 (1.2)
VI DOÑIHUE 12301 293 -1.1 (0.43) 287 -2.16 (1.35)
VI GRANEROS 18372 305 -1.06 (0.36) 290 -2.13 (1.27)
VI LAS CABRAS 13962 204 -1.22 (0.4) 198 -2.69 (1.11)
VI MACHALÍ 19950 313 -1.01 (0.51) 316 -1.48 (1.69)
VI MALLOA 5955 77 -1.33 (0.44) 45 -3.18 (1.11)
VI MOSTAZAL 9832 210 -1.22 (0.53) 179 -2.75 (1.16)
VI OLIVAR 7432 184 -1.24 (0.4) 209 -2.65 (1.34)
VI PEUMO 7589 193 -1.23 (0.42) 164 -2.81 (1.07)
VI PICHIDEGUA 11003 158 -1.25 (0.48) 178 -2.75 (1.06)
VI QUINTA DE TILCOC 10385 270 -1.15 (0.37) 159 -2.83 (1.12)
VI RENGO 25276 109 -1.3 (0.52) 162 -2.81 (1.14)
VI REQUÍNOA 11954 228 -1.2 (0.51) 234 -2.57 (1.11)
VI SAN VICENTE 24371 234 -1.19 (0.41) 246 -2.51 (1.4)
VI PICHILEMU 7469 207 -1.22 (0.41) 163 -2.81 (1.15)
VI LA ESTRELLA 1526 50 -1.36 (0.51) 73 -3.07 (1.2)
VI LITUECHE 2932 93 -1.31 (0.47) 141 -2.88 (1.08)
VI MARCHIHUE 3720 163 -1.25 (0.47) 154 -2.84 (1.44)
VI NAVIDAD 2651 40 -1.37 (0.43) 128 -2.9 (1.29)
VI PAREDONES 3309 3 -1.5 (0.43) 6 -3.57 (0.94)
VI SAN FERNANDO 38230 221 -1.2 (0.47) 260 -2.39 (1.35)
VI CHÉPICA 6841 118 -1.28 (0.38) 66 -3.09 (1.07)
VI CHIMBARONGO 15575 111 -1.29 (0.44) 127 -2.9 (1.03)
VI LOLOL 4431 79 -1.32 (0.5) 113 -2.98 (1.17)
VI NANCAGUA 8028 44 -1.36 (0.57) 116 -2.97 (1.07)
VI PALMILLA 5650 117 -1.29 (0.46) 142 -2.88 (1)
VI PERALILLO 6673 80 -1.32 (0.55) 106 -3 (1.08)
VI PLACILLA 4797 106 -1.3 (0.37) 96 -3.01 (1.04)
VI PUMANQUE 1718 89 -1.31 (0.4) 33 -3.22 (1)
89
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
Región Comuna NH_S NSE
Ranking media (sd) Ranking media (sd)
VI SANTA CRUZ 19226 198 -1.23 (0.43) 194 -2.72 (1.29)
VII TALCA 108736 246 -1.18 (0.51) 279 -2.23 (1.44)
VII CONSTITUCIÓN 23086 215 -1.21 (0.47) 218 -2.63 (1.2)
VII CUREPTO 5574 26 -1.4 (0.51) 53 -3.15 (1.21)
VII EMPEDRADO 1889 224 -1.2 (0.37) 60 -3.13 (1.01)
VII MAULE 10482 188 -1.23 (0.62) 173 -2.77 (1.19)
VII PELARCO 5334 156 -1.25 (0.39) 82 -3.05 (1.07)
VII PENCAHUE 5522 136 -1.27 (0.47) 74 -3.07 (1.06)
VII RÍO CLARO 8245 202 -1.22 (0.4) 153 -2.84 (0.91)
VII SAN CLEMENTE 22132 68 -1.33 (0.43) 47 -3.17 (0.95)
VII SAN RAFAEL 4056 56 -1.35 (0.47) 31 -3.22 (1.04)
VII CAUQUENES 21318 42 -1.37 (0.56) 105 -3 (1.15)
VII CHANCO 4347 27 -1.4 (0.54) 32 -3.22 (0.82)
VII PELLUHUE 6627 159 -1.25 (0.42) 167 -2.8 (1.23)
VII CURICÓ 74638 267 -1.15 (0.42) 255 -2.43 (1.27)
VII HUALAÑÉ 5081 14 -1.43 (0.57) 70 -3.08 (1.03)
VII LICANTÉN 3544 47 -1.36 (0.51) 76 -3.07 (1.04)
VII MOLINA 24509 84 -1.32 (0.63) 185 -2.74 (1.18)
VII RAUCO 8924 242 -1.19 (0.51) 210 -2.65 (1.15)
VII ROMERAL 7020 164 -1.25 (0.43) 182 -2.75 (1.02)
VII SAGRADA FAMILIA 13654 63 -1.34 (0.56) 58 -3.14 (0.96)
VII TENO 15336 149 -1.26 (0.45) 121 -2.93 (1.06)
VII VICHUQUÉN 1830 18 -1.42 (0.44) 20 -3.32 (1.04)
VII LINARES 42944 95 -1.3 (0.46) 149 -2.86 (1.1)
VII COLBÚN 13145 203 -1.22 (0.46) 171 -2.78 (1.06)
VII LONGAVÍ 17644 119 -1.28 (0.45) 87 -3.03 (1.08)
VII PARRAL 21749 76 -1.33 (0.57) 122 -2.93 (1.31)
VII RETIRO 11941 30 -1.39 (0.46) 16 -3.34 (0.97)
VII SAN JAVIER 22187 216 -1.21 (0.44) 190 -2.73 (1.26)
VII VILLA ALEGRE 7932 34 -1.38 (0.45) 69 -3.09 (1.12)
VII YERBAS BUENAS 11553 140 -1.27 (0.46) 136 -2.89 (0.97)
VIII CONCEPCIÓN 114821 285 -1.11 (0.48) 297 -2.04 (1.48)
VIII CORONEL 53683 181 -1.24 (0.47) 224 -2.61 (1.27)
VIII CHIGUAYANTE 46428 243 -1.18 (0.49) 269 -2.3 (1.38)
VIII FLORIDA 6432 55 -1.35 (0.37) 103 -3 (1.16)
VIII HUALQUI 10778 240 -1.19 (0.45) 196 -2.72 (1.26)
90M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
Región Comuna NH_S NSE
Ranking media (sd) Ranking media (sd)
VIII LOTA 26534 92 -1.31 (0.47) 155 -2.84 (1.15)
VIII PENCO 23793 171 -1.24 (0.56) 217 -2.63 (1.23)
VIII SAN PEDRO DE LA 66166 306 -1.05 (0.46) 307 -1.88 (1.67)
VIII SANTA JUANA 5112 7 -1.46 (0.46) 10 -3.47 (1)
VIII TALCAHUANO 83132 229 -1.2 (0.49) 276 -2.26 (1.35)
VIII TOMÉ 27060 191 -1.23 (0.44) 225 -2.61 (1.27)
VIII HUALPÉN 50340 187 -1.23 (0.46) 253 -2.44 (1.26)
VIII LEBU 9947 96 -1.3 (0.46) 75 -3.07 (1.14)
VIII ARAUCO 14045 186 -1.23 (0.45) 202 -2.68 (1.29)
VIII CAÑETE 17099 145 -1.26 (0.49) 112 -2.98 (1.29)
VIII CONTULMO 2733 147 -1.26 (0.51) 94 -3.02 (1.24)
VIII CURANILAHUE 16765 104 -1.3 (0.55) 177 -2.76 (1.16)
VIII LOS ÁLAMOS 9238 60 -1.35 (0.47) 40 -3.2 (1.11)
VIII TIRÚA 5064 183 -1.24 (0.41) 52 -3.15 (1.17)
VIII LOS ÁNGELES 98957 263 -1.15 (0.46) 257 -2.42 (1.41)
VIII ANTUCO 2363 17 -1.42 (0.53) 54 -3.15 (1.19)
VIII CABRERO 15242 206 -1.22 (0.44) 151 -2.85 (1.06)
VIII LAJA 13637 177 -1.24 (0.49) 169 -2.8 (1.4)
VIII MULCHÉN 15199 64 -1.34 (0.45) 84 -3.04 (1.08)
VIII NACIMIENTO 14751 142 -1.27 (0.57) 161 -2.82 (1.24)
VIII NEGRETE 4511 132 -1.27 (0.45) 108 -2.99 (1.17)
VIII QUILACO 2231 9 -1.44 (0.54) 21 -3.32 (1.1)
VIII QUILLECO 5522 22 -1.41 (0.53) 23 -3.3 (0.99)
VIII SAN ROSENDO 1886 33 -1.38 (0.45) 44 -3.18 (1.17)
VIII SANTA BÁRBARA 7503 276 -1.13 (0.35) 204 -2.67 (1.2)
VIII TUCAPEL 7820 36 -1.37 (0.56) 46 -3.18 (1.11)
VIII YUMBEL 11272 126 -1.28 (0.41) 133 -2.9 (1.21)
VIII ALTO BIOBÍO 2315 58 -1.35 (0.4) 5 -3.59 (1.01)
VIII CHILLÁN 103836 258 -1.16 (0.5) 272 -2.29 (1.51)
VIII BULNES 10653 91 -1.31 (0.57) 183 -2.75 (1.25)
VIII COBQUECURA 2224 4 -1.49 (0.51) 11 -3.42 (1.2)
VIII COELEMU 7247 124 -1.28 (0.46) 111 -2.99 (1.26)
VIII COIHUECO 12262 81 -1.32 (0.44) 51 -3.15 (1.07)
VIII CHILLÁN VIEJO 14075 175 -1.24 (0.52) 259 -2.39 (1.22)
VIII EL CARMEN 5925 12 -1.44 (0.6) 17 -3.32 (0.96)
VIII NINHUE 2457 6 -1.48 (0.58) 19 -3.32 (1.11)
91
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
Región Comuna NH_S NSE
Ranking media (sd) Ranking media (sd)
VIII ÑIQUÉN 6942 102 -1.3 (0.42) 34 -3.22 (0.81)
VIII PEMUCO 4524 48 -1.36 (0.57) 65 -3.09 (1.26)
VIII PINTO 6305 146 -1.26 (0.42) 90 -3.02 (1.11)
VIII PORTEZUELO 2383 15 -1.43 (0.41) 9 -3.47 (0.98)
VIII QUILLÓN 9003 21 -1.41 (0.46) 139 -2.89 (1.32)
VIII QUIRIHUE 6118 69 -1.33 (0.4) 92 -3.02 (0.93)
VIII RÁNQUIL 3340 37 -1.37 (0.43) 63 -3.11 (1.16)
VIII SAN CARLOS 26210 100 -1.3 (0.45) 93 -3.02 (1.1)
VIII SAN FABIÁN 2205 148 -1.26 (0.4) 101 -3.01 (1.21)
VIII SAN IGNACIO 9117 71 -1.33 (0.48) 62 -3.12 (1.12)
VIII SAN NICOLÁS 5087 29 -1.39 (0.56) 61 -3.12 (1.21)
VIII TREGUACO 2139 66 -1.34 (0.45) 56 -3.14 (1.13)
VIII YUNGAY 7273 45 -1.36 (0.57) 188 -2.73 (1.36)
IX TEMUCO 147503 262 -1.15 (0.54) 289 -2.13 (1.49)
IX CARAHUE 12315 51 -1.36 (0.48) 15 -3.34 (1.2)
IX CUNCO 9211 82 -1.32 (0.46) 72 -3.07 (1.1)
IX CURARREHUE 5242 86 -1.32 (0.42) 79 -3.05 (1.17)
IX FREIRE 12461 110 -1.3 (0.54) 132 -2.9 (1.2)
IX GALVARINO 5567 8 -1.45 (0.47) 7 -3.55 (0.96)
IX GORBEA 7397 113 -1.29 (0.46) 146 -2.86 (1.15)
IX LAUTARO 16629 121 -1.28 (0.51) 143 -2.87 (1.33)
IX LONCOCHE 15108 168 -1.25 (0.48) 180 -2.75 (1.27)
IX MELIPEUCO 3274 88 -1.31 (0.44) 57 -3.14 (1.05)
IX NUEVA IMPERIAL 15428 52 -1.35 (0.54) 95 -3.01 (1.39)
IX PADRE LAS CASAS 33536 197 -1.23 (0.47) 145 -2.86 (1.32)
IX PERQUENCO 3092 127 -1.28 (0.52) 135 -2.89 (1.09)
IX PITRUFQUÉN 12957 133 -1.27 (0.42) 130 -2.9 (1.18)
IX PUCÓN 13337 225 -1.2 (0.44) 228 -2.61 (1.31)
IX SAAVEDRA 7362 2 -1.5 (0.63) 2 -3.72 (1.07)
IX TEODORO SCHMIDT 8729 19 -1.42 (0.41) 8 -3.54 (1.09)
IX TOLTÉN 4561 43 -1.36 (0.49) 18 -3.32 (1.1)
IX VILCÚN 11978 78 -1.33 (0.43) 30 -3.23 (1.19)
IX VILLARRICA 26533 135 -1.27 (0.51) 175 -2.76 (1.38)
IX CHOLCHOL 8101 83 -1.32 (0.41) 48 -3.17 (1.23)
IX ANGOL 28967 160 -1.25 (0.54) 215 -2.64 (1.36)
IX COLLIPULLI 10889 112 -1.29 (0.57) 99 -3.01 (1.24)
92M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
Región Comuna NH_S NSE
Ranking media (sd) Ranking media (sd)
IX CURACAUTÍN 9920 85 -1.32 (0.5) 97 -3.01 (1.25)
IX ERCILLA 5618 131 -1.27 (0.46) 41 -3.2 (1.12)
IX LONQUIMAY 6106 174 -1.24 (0.43) 77 -3.06 (1.37)
IX LOS SAUCES 3036 24 -1.4 (0.58) 36 -3.21 (1.33)
IX LUMACO 5323 74 -1.33 (0.47) 13 -3.37 (1.16)
IX PURÉN 7137 28 -1.39 (0.54) 28 -3.26 (1.19)
IX RENAICO 4464 172 -1.24 (0.45) 78 -3.06 (1.07)
IX TRAIGUÉN 10075 115 -1.29 (0.44) 114 -2.98 (1.28)
IX VICTORIA 18626 167 -1.25 (0.52) 200 -2.68 (1.4)
X PUERTO MONTT 123937 280 -1.13 (0.46) 263 -2.37 (1.43)
X CALBUCO 20010 144 -1.27 (0.39) 102 -3 (1.24)
X FRESIA 10413 134 -1.27 (0.38) 68 -3.09 (1.13)
X FRUTILLAR 12625 222 -1.2 (0.42) 123 -2.93 (1.1)
X LOS MUERMOS 8499 41 -1.37 (0.43) 26 -3.27 (1.09)
X LLANQUIHUE 9561 251 -1.17 (0.41) 245 -2.52 (1.38)
X MAULLÍN 10330 70 -1.33 (0.42) 35 -3.22 (1.14)
X PUERTO VARAS 18015 261 -1.16 (0.45) 271 -2.29 (1.58)
X CASTRO 27869 275 -1.13 (0.46) 261 -2.37 (1.52)
X ANCUD 24891 212 -1.22 (0.44) 221 -2.62 (1.32)
X CHONCHI 7009 101 -1.3 (0.63) 160 -2.83 (1.28)
X CURACO DE VÉLEZ 2240 138 -1.27 (0.41) 86 -3.03 (1.33)
X DALCAHUE 9103 274 -1.14 (0.52) 184 -2.74 (1.31)
X PUQUELDÓN 2508 120 -1.28 (0.46) 64 -3.1 (1.05)
X QUEILÉN 3136 23 -1.41 (0.49) 37 -3.21 (1.2)
X QUELLÓN 14425 286 -1.11 (0.45) 214 -2.64 (1.38)
X QUEMCHI 4402 65 -1.34 (0.42) 24 -3.28 (1.25)
X QUINCHAO 4503 139 -1.27 (0.49) 83 -3.04 (1.41)
X OSORNO 88313 239 -1.19 (0.49) 243 -2.53 (1.41)
X PUERTO OCTAY 5236 154 -1.25 (0.44) 126 -2.9 (1.06)
X PURRANQUE 10760 108 -1.3 (0.51) 89 -3.03 (1.26)
X PUYEHUE 7877 165 -1.25 (0.41) 158 -2.84 (1.08)
X RÍO NEGRO 7999 114 -1.29 (0.45) 104 -3 (1.21)
X SAN JUAN DE LA C 4263 16 -1.42 (0.36) 4 -3.63 (0.91)
X SAN PABLO 4585 73 -1.33 (0.39) 43 -3.18 (1.02)
XI COYHAIQUE 34951 307 -1.04 (0.46) 293 -2.11 (1.52)
XI AYSÉN 11465 254 -1.17 (0.46) 239 -2.55 (1.43)
93
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
Región Comuna NH_S NSE
Ranking media (sd) Ranking media (sd)
XI CISNES 2755 194 -1.23 (0.47) 156 -2.84 (1.55)
XI COCHRANE 1546 302 -1.07 (0.44) 267 -2.3 (1.42)
XI CHILE CHICO 2366 249 -1.17 (0.44) 226 -2.61 (1.41)
XI RÍO IBÁÑEZ 1491 176 -1.24 (0.43) 110 -2.99 (1.29)
XII PUNTA ARENAS 70494 301 -1.08 (0.46) 303 -1.94 (1.47)
XII PORVENIR 3486 291 -1.1 (0.43) 274 -2.28 (1.25)
XII NATALES 10261 122 -1.28 (0.53) 166 -2.8 (1.36)
XIII SANTIAGO 297358 323 -0.77 (0.53) 320 -0.84 (1.49)
XIII CERRILLOS 49870 218 -1.21 (0.45) 230 -2.59 (1.24)
XIII CERRO NAVIA 58482 90 -1.31 (0.51) 120 -2.94 (1.08)
XIII CONCHALÍ 61618 220 -1.21 (0.48) 240 -2.54 (1.26)
XIII EL BOSQUE 77007 150 -1.26 (0.42) 168 -2.8 (1.12)
XIII ESTACIÓN CENTRAL 60251 192 -1.23 (0.47) 233 -2.57 (1.29)
XIII HUECHURABA 54770 155 -1.25 (0.45) 251 -2.47 (1.34)
XIII INDEPENDENCIA 44157 199 -1.22 (0.53) 286 -2.16 (1.43)
XIII LA CISTERNA 50088 279 -1.13 (0.52) 294 -2.07 (1.51)
XIII LA FLORIDA 175444 253 -1.17 (0.5) 282 -2.2 (1.39)
XIII LA GRANJA 59453 201 -1.22 (0.53) 227 -2.61 (1.19)
XIII LA PINTANA 88070 238 -1.19 (0.38) 144 -2.87 (0.97)
XIII LA REINA 71290 316 -0.98 (0.46) 319 -1.09 (1.7)
XIII LAS CONDES 155961 322 -0.85 (0.49) 322 -0.12 (1.34)
XIII LO BARNECHEA 23930 309 -1.02 (0.5) 318 -1.24 (1.74)
XIII LO ESPEJO 48314 98 -1.3 (0.46) 80 -3.05 (0.95)
XIII LO PRADO 49324 75 -1.33 (0.59) 207 -2.66 (1.15)
XIII MACUL 49958 294 -1.1 (0.51) 309 -1.72 (1.52)
XIII MAIPÚ 236578 295 -1.09 (0.43) 305 -1.91 (1.38)
XIII ÑUÑOA 104965 320 -0.89 (0.55) 321 -0.63 (1.65)
XIII PEDRO AGUIRRE CE 50068 123 -1.28 (0.44) 170 -2.78 (1.23)
XIII PEÑALOLÉN 114865 269 -1.15 (0.44) 280 -2.23 (1.57)
XIII PROVIDENCIA 69093 324 -0.73 (0.48) 324 0 (1.31)
XIII PUDAHUEL 111351 266 -1.15 (0.47) 256 -2.43 (1.3)
XIII QUILICURA 97195 312 -1.01 (0.45) 301 -1.94 (1.23)
XIII QUINTA NORMAL 60165 257 -1.16 (0.56) 296 -2.04 (1.47)
XIII RECOLETA 78974 217 -1.21 (0.51) 232 -2.57 (1.26)
XIII RENCA 67458 231 -1.19 (0.42) 197 -2.71 (1.12)
XIII SAN JOAQUÍN 39928 152 -1.26 (0.57) 231 -2.58 (1.24)
94M
EDIC
IÓN
CUAN
TITA
TIVA
DE
LOS
DETE
RMIN
ANTE
S SO
CIAL
ES D
E LA
SAL
UD E
N CH
ILE,
MAR
ZO 2
018
Región Comuna NH_S NSE
Ranking media (sd) Ranking media (sd)
XIII SAN MIGUEL 59434 317 -0.98 (0.52) 317 -1.25 (1.68)
XIII SAN RAMÓN 38767 105 -1.3 (0.47) 147 -2.86 (1.31)
XIII VITACURA 33727 321 -0.89 (0.53) 323 -0.02 (1.22)
XIII PUENTE ALTO 281972 287 -1.11 (0.42) 291 -2.13 (1.33)
XIII PIRQUE 7091 290 -1.1 (0.53) 315 -1.51 (1.59)
XIII SAN JOSÉ DE MAIP 4805 247 -1.18 (0.39) 273 -2.28 (1.23)
XIII COLINA 44650 223 -1.2 (0.46) 199 -2.68 (1.17)
XIII LAMPA 33476 211 -1.22 (0.53) 201 -2.68 (1.43)
XIII TILTIL 8422 153 -1.25 (0.49) 187 -2.74 (1.13)
XIII SAN BERNARDO 115984 235 -1.19 (0.48) 254 -2.43 (1.34)
XIII BUIN 34490 214 -1.21 (0.4) 236 -2.56 (1.33)
XIII CALERA DE TANGO 14067 248 -1.17 (0.34) 189 -2.73 (1.08)
XIII PAINE 22210 271 -1.15 (0.36) 213 -2.64 (1)
XIII MELIPILLA 47651 185 -1.23 (0.48) 220 -2.63 (1.33)
XIII ALHUÉ 3928 189 -1.23 (0.56) 211 -2.65 (1.38)
XIII CURACAVÍ 13517 173 -1.24 (0.5) 222 -2.62 (1.34)
XIII MARÍA PINTO 11089 182 -1.24 (0.38) 192 -2.72 (1.15)
XIII SAN PEDRO 7629 25 -1.4 (0.58) 12 -3.4 (0.91)
XIII TALAGANTE 31343 208 -1.22 (0.46) 205 -2.66 (1.35)
XIII EL MONTE 13406 10 -1.44 (0.51) 91 -3.02 (1.31)
XIII ISLA DE MAIPO 13770 232 -1.19 (0.37) 150 -2.85 (1.14)
XIII PADRE HURTADO 18438 61 -1.34 (0.55) 157 -2.84 (1.12)
XIII PEÑAFLOR 41404 244 -1.18 (0.42) 266 -2.33 (1.34)
XIV VALDIVIA 85224 282 -1.13 (0.54) 302 -1.94 (1.56)
XIV CORRAL 2766 57 -1.35 (0.45) 25 -3.27 (0.91)
XIV LANCO 7037 97 -1.3 (0.49) 85 -3.03 (1.13)
XIV LOS LAGOS 10644 107 -1.3 (0.48) 67 -3.09 (1.12)
XIV MÁFIL 3540 46 -1.36 (0.53) 27 -3.27 (0.98)
XIV MARIQUINA 8723 200 -1.22 (0.46) 134 -2.89 (1.19)
XIV PAILLACO 9757 20 -1.41 (0.56) 29 -3.25 (1.15)
XIV PANGUIPULLI 17548 130 -1.27 (0.45) 81 -3.05 (1.13)
XIV LA UNIÓN 19214 67 -1.33 (0.53) 117 -2.96 (1.22)
XIV FUTRONO 5465 213 -1.21 (0.42) 137 -2.89 (1.32)
XIV LAGO RANCO 2661 38 -1.37 (0.41) 22 -3.31 (1.13)
XIV RÍO BUENO 17957 161 -1.25 (0.44) 165 -2.8 (1.24)
XV ARICA 79254 265 -1.15 (0.46) 277 -2.25 (1.36)
95
MED
ICIÓ
N CU
ANTI
TATI
VA D
E LO
S DE
TERM
INAN
TES
SOCI
ALES
DE
LA S
ALUD
EN
CHIL
E, M
ARZO
201
8
Región Comuna NH_S NSE
Ranking media (sd) Ranking media (sd)
XV CAMARONES 813 11 -1.44 (0.45) 38 -3.21 (0.94)
XV PUTRE 902 62 -1.34 (0.49) 55 -3.14 (1.11)
Nota: Las predicciones calculadas por STATA para el modelo de medida del NSE y del modelo estruc-tural estado de salud (H_S) utilizan el vector de media y la matriz de varianza y covarianza ajustada por el modelo. En este sentido, en la ecuación final las variables son centradas en su media, es decir, como en un modelo de regresión tal que:
Y=b0 + b1(x1-mean(x1)) + b2(x2-mean(x2)) +…+ e
Por esto los valores para las estimaciones de las personas son negativos y positivos, pero al prome-diarlos para la comuna quedan negativos.
![WHITEHEAD, ALFRED - La Función de la Razón [por Ganz1912].pdf](https://static.fdocuments.co/doc/165x107/577c78171a28abe0548eae69/whitehead-alfred-la-funcion-de-la-razon-por-ganz1912pdf.jpg)
