Construcción de tipologías: metodología de análisis para
Anuncio
Reporte Técnico de Vigilancia Diciembre 2005 ISSN 1028-4338 Vol.9 No. 6 Noviembre- Disponible en: http://bvs.sld.cu/uats/rtv_files/2005/bombino.htm Construcción de tipologías: metodología de análisis para la estratificación según indicadores de salud Yenisei Bombino Companioni ♣ Unidad de Análisis y Tendencias en Salud. MINSAP Resumen Se presenta el proceso y los resultados del método para la construcción de una tipología estructural y articulada de las provincias de Cuba, según un conjunto de indicadores de situación de salud disponibles en el Anuario Estadístico del año 2001. Este es un procedimiento alternativo de análisis multivariable de datos estadísticos, método frecuentemente utilizado en las investigaciones sociales y en particular la Sociología. Como resultado se obtiene la estratificación de las provincias de Cuba, a partir del proceso analítico-estadístico de dimensionalización de las variables de salud seleccionadas. Palabras claves Estratificación, Tipología estructural articulada, indicadores de salud Introducción El desarrollo social experimentado en Cuba en los últimos cuarenta y cinco años ha favorecido la reducción de las grandes diferencias existentes, antes de 1959, entre los territorios del país. El modelo de desarrollo humano implementado por la Revolución, ha estado fundamentado en los principios de equidad, justicia e igualdad de oportunidades entre grupos sociales y territorios (dirigidos fundamentalmente hacia los más atrasadas); para lo cual se implementaron un conjunto de políticas públicas dirigidas a transformar 1 radicalmente las condiciones materiales de vida de la población, incrementar la formación del capital humano y la cultura integral de la población, y alcanzar elevados indicadores de salud 1 de la población que repercuten en los niveles de bienestar y en la productividad del trabajo. No obstante, aún persisten diferencias en el comportamiento de algunos de los indicadores básicos de salud-enfermedad en los diferentes territorios del país, la mayoría de ellos determinados por desiguales condiciones socioeconómicas de vida. Este criterio ha sido demostrado en las investigaciones consultadas, cuyos resultados han revelado que las provincias pertenecientes a estratos con condiciones de vida más desfavorables presentan los peores indicadores de salud (1,2). En Cuba, garantizar una distribución justa y equitativa de los recursos de salud no representa solamente el cumplimiento de los principios éticos de justicia y equidad de la sociedad cubana, sino el cumplimiento de lo refrendado en nuestra Constitución, que coloca el cuidado de la salud del pueblo como uno de los objetivos principales del Estado. La limitación de recursos y el proceso de descentralización de los servicios de salud exigen que los programas sean más efectivos y eficientes para la toma de decisiones, por ello se precisa identificar áreas y poblaciones con mayores necesidades de salud insatisfechas, de manera que permita focalizar hacia esos grupos prioritarios las intervenciones. Para las Unidades de Análisis y Tendencias en Salud (UATS) ha constituido una prioridad el desarrollo de investigaciones sobre indicadores de salud-enfermedad (morbilidad y mortalidad) y condiciones de vida. Especialistas de estas unidades han diseñado metodologías que favorecen la vigilancia y evaluación de variables demográficas, sociales, económicas, de eventos de salud y condiciones asociadas, con una perspectiva espacialterritorial. Se ha estimado que cerca del 80% de la información de quienes toman decisiones y definen políticas en los gobiernos locales, está relacionado con una ubicación geográfica, o sea que está íntimamente asociado a las variables espaciales. (3,4). 1 Entre las grandes conquistas acontecidas en el sector de la salud encontramos, el reconocimiento de la salud como un deber y un derecho constitucional, la existencia de un sistema de salud público, gratuito, universal. 2 Las UATS tradicionalmente han utilizado dos metodologías fundamentales de estratificación: territorial y la epidemiológica de riesgo. La estratificación territorial es una metodología que permite dimensionar espacialmente los eventos a través de un proceso de agregación y desagregación de los territorios a evaluar, a partir de variables seleccionadas para dichos territorios que permitan agregaciones (por homologías de las características) o desagregaciones (por heterogeneidades de estas). La estratificación epidemiológica de riesgo es definida como un proceso dinámico y continuo de investigación, diagnóstico, análisis e interpretación de la información que sirve de base para categorizar metodológicamente y de manera integral áreas geoecológicas y grupos poblacionales de acuerdo a factores de riesgo de determinado problema de salud (4). Se define por estratificación de un conjunto al “reconocimiento de analogías que dan lugar a subconjuntos de unidades agregadas, denominadas estratos”. Un estrato, es una agrupación de unidades que presentan uno o varios parámetros que los hacen similares entre sí y a la vez se diferencia de unidades correspondientes a otros estratos (2). De esta forma, la estratificación es una clasificación particular que posibilita la separación de los elementos de un conjunto en niveles o estratos representativos de un universo, con desigualdades, dejando bien definidos los criterios de diferenciación cuantitativa y cualitativa. Además, constituye un nivel de agregación que permite controlar la heterogeneidad de los territorios y perfeccionar el conocimiento y la interpretación de la información generada, con una visión "desagregada" de ésta al nivel territorial más general, o con una visión agregada al nivel territorial más particular (nivel local). Son diversos los trabajos realizados en Cuba (publicados o inéditos, con enfoque nacional, provincial o municipal) que fundamentan el análisis de la situación de salud desde una perspectiva de la estratificación y el análisis multivariado de variables espaciales (territoriales), sociodemográficas, socioeconómicas, indicadores de salud-enfermedad, servicios de salud, y otros (1-8). El objetivo de este artículo es presentar el proceso y los resultados del método para la construcción de una tipología estructural y articulada de las provincias de Cuba, según un conjunto de indicadores de situación de salud disponibles en el Anuario Estadístico del año 3 2001 (9). Es interés de la autora presentar un procedimiento alternativo de análisis multivariable de datos estadísticos: la construcción de tipología estructurada y articulada, método frecuentemente utilizado en las investigaciones sociales, y en particular por la Sociología (7-8, 10-17). Es importante señalar que no se encontraron estudios cubanos publicados que hayan utilizado el método de la tipología estructurada y articulada, para la reducción de variables en el análisis de estratificación de salud. El término Tipología, es utilizado como la acción de resumir o concentrar una diversidad de características, situaciones, fenómenos o individuos que comparten algún carácter más evidente o notorio, y que puede identificarse como modelo o prototipo diferenciado. La metodología de construcción de tipologías responde a un conjunto de técnicas que permiten ordenar, analizar, clasificar, estructurar y “resumir” en un conjunto reducido y significativo de categorías. La finalidad de la tipología es crear nuevos conceptos elaborados a partir de los definidos en un primer momento, elegidos por su pertinencia en el problema investigado. (8,12-14). La tipología estructural conceptualización y y análisis articulada, se es realizan un modelo desde una metodológico perspectiva flexible, de cuya investigación distributiva, basada en la estadística como instrumento de recogida y examen de los datos. Se deriva de este proceso un procedimiento de investigación adecuado que articula los modelos teóricos de construcción y clasificación de los datos, con una operación empírica del tratamiento y análisis de la matriz de datos. Esto significa que permite el permanente replanteo y cuestionamiento de las hipótesis y proposiciones de trabajo que se construyen en el proceso inicial de la investigación, esta característica “le confiere la posibilidad de oscilar entre la deducción y la inducción, entre la abstracción y la concreción” (11-13). Temas que centran el debate moderno de las ciencias de la sociedad. El diseño que a continuación se expone es coherente con los objetivos de construcción de tipologías articulada y estructural porque: 1) la complejidad de los conceptos tipológicos incorpora múltiples dimensiones que interactúan y se combinan para explicar el fenómeno estudiado, lo que permite la estructuración dimensional del concepto tipológico que inicialmente aparece desestructurado; 2) el proceso implica tres operaciones fundamentales: selección, combinación y reducción de las dimensiones en un proceso que 4 combina el nivel teórico y de construcción del objeto de estudio, y articula la aplicación de los instrumentos estadísticos y el análisis, interpretación y validación de los resultados. Material y Método El universo del estudio fueron las catorce provincias de Cuba. Se utilizó como fuente de información el Anuario Estadístico del año 2001 (9). Fueron seleccionados cuatro indicadores y un total de veintiséis variables: 1) Datos demográficos, representados por las variables densidad poblacional, natalidad x 1000 habitantes, población menor de 15 años, población mayor de 60 años, población menor de 1 año. 2) Mortalidad: mortalidad infantil x 103 nacidos vivos (n.v), mortalidad menor de 5 años x 103 n.v, mortalidad perinatal x 103 n.v, mortalidad materna x 105 n.v, mortalidad por enfermedades del corazón x 105 habitantes (hab.), mortalidad por tumores malignos x 105 hab., mortalidad por enfermedades cerebrovasculares 105 hab., mortalidad por influenza y neumonía x 105 hab., mortalidad por accidentes x 105 hab., mortalidad por enfermedades infecciosas y parasitarias x 105 hab. 3) Morbilidad: incidencia de hepatitis x 105 hab., incidencia de tuberculosis x 105 hab., incidencia de diabetes x 105 hab., incidencia de hipertensión x 105 hab., incidencia de asma x 105 hab., incidencia de bajo peso al nacer. 4) Recursos y Servicios: camas de asistencia x 103 hab., consultas médicas x hab., consultas de pediatría, consultas de puericultura, ingresos x 102 hab. El análisis estadístico de los datos se realizó en el paquete estadístico SPSS 10.0. El diseño del análisis se estructuró en dos etapas sucesivas y complementarias; en un primer momento se procedió a la dimensionalización, que permitió la combinación y reducción de las variables iniciales para lo cual se utilizó la técnica de Análisis de Componentes Principales; y en un segundo momento, se procedió a la clasificación para la construcción de tipos de tipologías como conjunto reducido (obtenidos en el análisis de dimensionalización) de estratos excluyentes, homogéneos en su interior y heterogéneos entre ellos. Esta propuesta constituyó un método práctico que permitió caracterizar y crear conglomerados con las provincias del país, en cuanto a los indicadores sociodemográficos, morbilidad, mortalidad, recursos y servicios seleccionados. 5 El análisis de dimensionalización se realizó a través de las técnicas del Análisis Factorial, específicamente se seleccionó el Análisis de Componentes Principales (ACP) por ser un método descriptivo de simplificación y reducción de dimensiones en componentes o factores que condensan y explican la información original. El Análisis de Componentes Principales es un conjunto de técnicas que se utilizan para clasificar los objetos o casos en grupos relativamente homogéneos llamados conglomerados (clusters). Los objetos en cada grupo (conglomerado) tienden a ser similares entre sí (alta homogeneidad interna, dentro del cluster) y diferentes a los objetos de los otros grupos (alta heterogeneidad externa, ente clusters) con respecto a algún criterio de selección predeterminado. Constituye una técnica de análisis exploratorio diseñada para revelar las agrupaciones naturales dentro de una colección de datos (5). En la segunda etapa se agruparon las provincias en unidades homogéneas internamente y significativamente diferentes entre sí. El proceso de clasificación de las provincias se desarrolló con la aplicación de las técnicas de clasificación automática o de cluster (ACL). El análisis de cluster es una técnica fundamentalmente exploratorio-descriptiva, no establece relaciones de dependencia entre las variables. Permite reunir a los elementos de la muestra en grupos denominados conglomerados, de tal forma que, respecto a la distribución de los valores de las variables, por un lado, cada conglomerado sea lo más homogéneo posible y, por otro, los conglomerados sean muy distintos entre sí. Los objetos en cada grupo tienden a ser similares entre sí (alta homogeneidad interna, dentro del cluster) y diferentes a los objetos de los otros grupos (alta heterogeneidad externa, entre clusters) con respecto a algún criterio de selección predeterminado. De este modo, si la clasificación es un éxito, los objetos dentro del cluster estarán muy cercanos unos del otro en la representación geométrica, y los clusters diferentes estarán muy apartados. Este análisis se conoce también como análisis de clasificación o taxonomía numérica. Su propósito esencial es agrupar los objetos que reúnan idénticas características, no haciendo una distinción entre variables dependientes e independientes sino calculando las relaciones interdependientes de todo el conjunto de variables (18, 19, 21). 6 El Análisis de Clusters tiene como objetivo metodológico cuantificar las características de un conjunto de observaciones. Por ello, tiene fuertes propiedades matemáticas, pero no fundamentos estadísticos (presenta un fuerte contraste con el análisis de la varianza, la regresión, el análisis discriminante y el análisis factorial). En cuanto a los mecanismos a seguir son: 1) Seleccionar las variables adecuadas para la formulación del problema. Estas variables deben elegirse sobre la base de la investigación previa y la teoría poniendo en práctica la intuición y el criterio; 2) Seleccionar el procedimiento de agrupación; 3) Determinar el número adecuado de clusters. Resultados El análisis se inició con un examen de significación de los coeficientes de correlación de la matriz de datos (formada por 14 unidades de observación –provincias- y un conjunto de veintiséis variables que describen 4 indicadores –datos demográficos, mortalidad, morbilidad y recursos y servicios- publicados nacionalmente), que arrojó un valor de 0,00001084 indicando que no existe dependencia lineal entre las variables. El test de Bartlett mostró un valor de 0,000 por lo que no existe correlación entre las variables, y el índice de KMO fue 0,80 catalogándolo como muy óptimo, su elevada tendencia a 1 indicó la validez de utilizar el Análisis de Componentes Principales. La Matriz de Correlaciones mostró la presencia de fuertes correlaciones entre algunos pares de variables, por ejemplo: densidad poblacional y camas de asistencia x 1000 habitantes; mortalidad perinatal con influenza y neumonía, y enfermedades cerebrovasculares; morbilidad por diabetes con mortalidad por enfermedades del corazón; incidencia de asma y bajo peso al nacer; etc. En la Tabla 1 (Anexos) se aprecia el rápido decrecimiento de los valores propios de la matriz y su acumulación en los primeros valores lo que facilitó la reducción a las 5 primeras variables que acumulan el 73.5% de la varianza. Hasta el octavo componente tienen un valor propio superior a la unidad y acumulan el 90.3% (Ver Gráfico 1) 7 Gráfico 1. Variación explicada por el modelo según componentes Scree Plot 8 6 4 Eigenvalue 2 0 -2 1 3 5 7 9 11 13 15 17 19 21 23 25 Component Number Fuente: Tabla 1 Todas las variables mostraron una comunalidad superior a 0,80, es decir, se correlacionan significativamente. Una comunalidad elevada expresó que cuando las variables se sintetizaron en los componentes se perdió poca información sobre ellas. La variable que menor valor presentó fue la mortalidad por tumores malignos (0,82), y los mayores valores se registraron en consultas pediátricas (0,99), población mayor de 60 años (0,989) y morbilidad por diabetes (0,986). Para explicar e interpretar mejor la relación que se estableció entre los componentes, se decidió, una vez obtenida la matriz factorial, rotarla mediante el proceso varimax para identificar las variables con mayor peso en los componentes. El componente 1 reflejó las variables sociodemográficas y de servicios. En este factor mantienen una elevada correlación positiva la densidad poblacional, la población mayor de 60 años, población menor de 1 año, población menor de 15 años, camas de asistencia médica x1000 habitantes, consultas médicas x habitantes, e ingresos x habitantes. También muestra una elevada correlación la morbilidad por diabetes. 8 Componente 2: Tiene una elevada correlación negativa con la incidencia de diabetes y asma; y positiva, con bajo peso al nacer, consultas de pediatría y puericultura. Componente 3: Describe la mortalidad de infantes menores de 1 y 5 años, respectivamente. Componente 4: Presenta una elevada correlación positiva con la mortalidad perinatal y enfermedades cerebrovasculares. Componente 5: Refiere una elevada correlación positiva con la mortalidad por enfermedades del corazón, influenza y neumonía. Una vez que se analizaron los factores y se les atribuyó el significado, fue interesante conocer cómo se sitúan las provincias con relación a las dimensiones que representan los componentes. La Tabla 2 contiene las coordenadas de las provincias en los cinco factores. Se destaca la provincia de Ciudad de La Habana con el puntaje más elevado en el factor 1, que se explica porque esta provincia es la capital del país donde se ubican la mayor parte de los centros asistenciales, algunos de ellos con carácter nacional, y posee la mayor densidad poblacional y uno de los municipios más envejecidos del país. Las provincias más orientales de Cuba—Santiago de Cuba y Guantánamo—, alcanzan los valores más elevados en los factores que condensan información sobre mortalidad perinatal y menores de 1 y 5 años, respectivamente; bajo peso al nacer y consultas pediátricas y de puericultura. 9 Tabla 2. Coordenadas de las provincias en los cinco factores Pinar del Río La Habana C. de La Habana Matanzas Villa Clara Cienfuegos Sancti Spíritus Ciego de Avila Camagüey Las Tunas Holguín Granma Santiago de Cuba Guantánamo Se puede efectuar un Factor 1 0.04518 -0.48475 3.26983 -0.32838 0.21503 -0.65291 -0.5089 -0.57044 -0.04033 -0.47403 0.31754 -0.29403 0.18371 -0.67753 análisis Factor 2 -0.54832 -1.62407 -0.28202 -0.60098 -0.07943 0.96145 -0.94095 -0.1706 -0.99702 0.91329 0.50221 0.525 2.32802 0.01343 más Factor 3 -0.58784 0.70561 0.11296 -1.76799 -0.68273 -0.54404 0.80511 -1.49819 0.28962 0.60996 0.86917 -0.41103 0.10653 1.99285 exhaustivo de Factor4 0.46145 0.4117 0.30219 -0.32398 -0.67817 0.574 0.56988 0.19034 0.31467 -1.6786 -2.18013 -0.41526 1.68576 0.76616 la Factor 5 -1.2943 1.50748 0.39602 1.61038 -0.94166 1.09311 -1.38509 -1.28017 -0.29805 -0.0058 -0.21853 0.62358 -0.14754 0.34057 situación por provincias correlacionando componentes para caracterizarlos y diferenciarlos según las dimensiones obtenidas en el análisis. A continuación se muestran dos ejemplos. El gráfico 2 correlaciona los componentes referidos a las variables sociodemográficas y de servicios (Factor 1), y la mortalidad por enfermedades del corazón, influenza y neumonía (Factor 5). En el cuadrante 2 aparecen Matanzas, Cienfuegos, Granma, La Habana y Guantánamo, provincias con pocas densidades poblacionales y sistemas de servicios poco favorecidos y altas tasas de mortalidad por enfermedades del corazón, influenza y neumonía. Mientras que en el cuarto cuadrante, aparecen las provincias de Santiago de Cuba, Holguín, Villa Clara y Pinar del Río con bajas tasas de mortalidad y un adecuado sistema de servicios. 10 Factor 5 Gráfico No. 2 Correlación de componentes 1 y 5 según provincias 2 MT 1,5 CF HB 1 GR0,5 GT 0 CG -0,5 0 -1 LT SC HG -1 VC CA -1,5 SS CH 1 2 3 PR -2 Factor 1 El gráfico 3 correlaciona la mortalidad de menores de 1 y 5 años (Factor 3) con el bajo peso al nacer, las consultas de puericultura y pediatría (Factor 2). La provincias de Guantánamo, Holguín, Las Tunas y Santiago de Cuba (cuadrante 1) muestran la situación más desfavorable en los indicadores correlacionados; se debe significar que las provincias mencionadas junto a Granma que muestra indicadores desfavorables en cuanto al bajo peso al nacer y elevado número de consultas de pediatría y puericultura; representan a las provincias orientales del país. En el tercer cuadrante se agrupan las provincias de Pinar del Río, Matanzas, Villa Clara y Ciego de Avila con bajas tasas de mortalidad en menores de 1 y 5 años, menores índices de bajo peso al nacer, y consultas de pediatría y puericultura. Gráfico 3. Correlación de componentes 2 y 3 según provincias Factor 3 2,5 2 HB -2 SS CG 1,5 1 0,5 GT HO LT CH 0 -1 PR SC -0,5 0 -1 VC -1,5 MT CA-2 1 GR 2 3 CF Factor 2 11 Para la construcción de tipos de tipologías, segundo momento de la investigación, se utilizó el método de clasificación jerárquica ascendente para determinar el número idóneo de grupos de secciones censales. Específicamente se empleó el método ward que consiste en un proceso iterativo de agregación de los casos evaluando cada unión posible en términos de la variación de sus inercias, de manera que cada agregación suponga la pérdida de mínima inercia, y la optimización de la varianza. El algoritmo de wards 2 es efectivo para la agrupación de unidades territoriales colindantes, pero a la vez, es un método muy sensible a las desviaciones extremas (18). Para la decisión del número de grupos adecuado para estratificar las 14 provincias de Cuba en función de los componentes resultantes del ACP previamente descrito, se tomaron dos criterios, uno de ellos es la distancia cuadrática eucladiana que permitió la separación de las secciones en una jerarquía cuya distancias con respecto a la siguiente representaba un importante salto o incremento, y el segundo el dendograma que nos sugirió el número de K means (clusters) a seleccionar. El número óptimo de estrato se fijó en 4. Una vez determinado el número de estratos, con la clasificación de las secciones resultantes del método ward nos interesó conocer la ubicación de las secciones a los estratos. La Tabla 3 muestra la distribución final de los centros de gravedad o medias de los 5 factores en los 4 grupos resultantes de la clasificación jerárquica, clasificando las secciones en cada estrato según su proximidad topológica definida mediante la distancia cuadrática euclidiana. 2 Para una presentación más detallada del Algoritmo de Wards, ver Shaw G. y Wheeler D. Statistical Techniques in Geographical Analysis. Citado por Molina I. Segregación habitacional étnica en la ciudad sueca. Un proceso de racialización. Scripta Nova. Revista Electrónica de Geografía y Ciencias Sociales 2001 (Consultado Noviembre 1) 2005; 90. Disponible en http://www.ub.es/geocrit/sn-90.htm. 12 Tabla 3. Distribución final de las secciones por estratos y centros finales Estrato 1 2 3 4 No. Final de Centros Finales Secciones No. % Fact 1 Fact 2 Fact 3 Fact 4 3 21.4 -0.34655 1.03962 -0.64523 0.8167 6 42.9 -0.33245 0.78298 0.23956 0.36664 1 7.1 3.26983 0.28202 0.11296 0.30219 4 28.6 -0.05887 0.46526 0.09634 1.23804 Fact 5 -0.11153 0.08016 0.39602 -0.1356 El estrato 1 centra el mayor peso en indicadores de bajo peso al nacer, consultas de pediatría y puericultura. Mientras que es baja la incidencia de diabetes y asma. Por el contrario, el estrato 2 presenta bajas tasas en los indicadores de bajo peso al nacer, consultas de pediatría y puericultura. Mientras que es elevada la incidencia de diabetes y asma. El estrato 3 sólo representa a la provincia de Ciudad de La Habana que como se explicó anteriormente, esta provincia es la capital del país donde se ubican la mayor parte de los centros asistenciales algunos de ellos con carácter nacional. En esta provincia se ubican los municipios más densamente poblados de Cuba: Centro Habana, Habana Vieja, 10 de Octubre, Plaza y Cerro. El estrato 4 representa indicadores de bajas tasas de mortalidad perinatal y enfermedades cerebrovasculares, es decir las provincias que pudieran estar presentando un sistema de salud más efectivo tanto en la labor de promoción y educación para la salud, o en la calidad de los servicios médicos. La estratificación territorial —como se mencionó— es una metodología que permite dimensionar espacialmente los eventos, a través de un proceso de agregación y desagregación de los territorios a evaluar. La utilidad principal de esta metodología es la posibilidad de identificar áreas con mayores necesidades de salud insatisfechas y por tanto permitir la focalización de las intervenciones necesarias. Un elemento clave en el análisis espacial es la precisión al evaluar las fronteras o límites político - administrativos que demarcan los territorios en sus diferentes niveles (localidad, municipio, provincia, 13 país) y su relación con la distribución de los problemas de salud. En este sentido, es pertinente recordar que los fenómenos y condiciones que afectan la salud o sus consecuencias, no respetan estos límites arbitrarios impuestos por el hombre, sino que responden a los factores y a determinantes de salud que los originan y que no necesariamente se distribuyen según esos límites territoriales. El análisis de las condiciones de vida y la identificación de desigualdades en los territorios también presenta esta dificultad, sin embargo, la posibilidad de identificar de inmediato cuáles son las provincias que presentan peores condiciones de vida y dentro de ellas los municipios, así como la posibilidad de analizar cómo se presentan en éstos los diferentes problemas de salud, resulta de extrema importancia para el Sistema de Salud; de manera que se utiliza la estratificación como una metodología muy eficaz para poner en evidencia las desigualdades. A continuación se muestra de forma mapificada las estratificación de las provincias de Cuba, resultado del proceso analítico-estadístico de dimensionalización de las variables de salud seleccionadas. Para la elaboración del mapa se utilizó el programa Epimap 2.01. Gráfico 4. Distribución de los clusters según provincias. Cuba, 2003 14 Discusión Los resultados expuestos demuestran la utilidad y validez del empleo del método de construcción de tipología estructural y articulada en los estudios de estratificación de las provincias del país, según condiciones de vida y estado de salud. Como fue señalado, no se encontraron estudios cubanos publicados que hayan utilizado este método para el análisis de la situación de salud desde una perspectiva desagregada por provincias. Del análisis efectuado se pudo constatar que a pesar de que el Sistema de Salud cubano ha reducido las desigualdades entre las provincias mediante la puesta en práctica de políticas de desarrollo justo y armónico, haciendo llegar los servicios básicos y oportunidades de desarrollo integral (educación, salud, cultura, recreación, trabajo, etcétera) a todas las provincias con énfasis en las menos favorecidas y al margen de las diferencias socioeconómicas que entre ellas existan, los resultados reflejan que persisten diferencias entre las provincias, tanto en las condiciones de vida como de salud. Estos resultados coinciden con los obtenidos por Batista R, Coutin G y Feal P (2), Astrain ME, Pría MC y Ramos N. (1), así como Robaina G., Pollo JM, Morales JM y Robaina R. (7). También los estudios realizados en los últimos años por el Instituto de la Demanda Interna (22) y por autores cubanos como Amaro Guerra y Villorio Sánchez, han enfocado su atención en identificar las diferencias en el estado de salud en territorios con diferentes grados de desarrollo socioeconómico 3 . 3 Amaro Guerra I. La mortalidad como expresión de las diferencias en las condiciones de vida. Santiago de Cuba, 1989-1991. Citado en Batista R, Coutin G, y Feal P. Condiciones de Vida y Salud Materno Infantil. Rev Cubana de Salud Pública 2001; 27(2):2. Villorio Sánchez M. La salud como expresión de las diferencias de las condiciones de vida. Estudio de los asentamientos urbanos. Marianao 1990-1991. Citado en Batista R, Coutin G, y Feal P. Condiciones de Vida y Salud Materno Infantil. Rev Cubana de Salud Pública 2001;27(2):2. 15 Conclusiones La realización de estudios de este tipo constituyen una herramienta de trabajo para los decisores del sistema de salud, les permite obtener una valiosa información estratificada de la situación salud-enfermedad del país, que les posibilita implementar acciones más efectivas y modificar los cuadros de salud-enfermedad mediante la orientación de políticas sociales específicas, labores de educación y promoción para la salud, y facilita la planificación y distribución de los recursos con un enfoque equitativo. Es importante resaltar que la tipología estructural y articulada, es un modelo metodológico flexible, que articula el proceso teórico de construcción y clasificación de los datos, con una operación empírica del tratamiento y análisis de la matriz de datos lo que facilita un permanente replanteo y cuestionamiento de las hipótesis de trabajo que se construyen en el proceso inicial de la investigación, y de la calidad de las variables. Es importante la adecuada selección de los indicadores y variables que participan en la construcción de tipologías puesto que de ello dependen los resultados finales. Como el presente artículo respondía al interés general de realizar un ejercicio de estratificación de las provincias del país según indicadores generales de morbilidad, mortalidad, datos demográficos, recursos y servicios, utilizando el método de la tipología estructural y articulada, no se hizo una selección exhaustiva de las variables lo que dio como resultado que la provincia de Villa Clara estuviera en un mismo estrato que las provincias Orientales, así como Guantánamo junto a las provincias Occidentales; cuando estas provincias no tienen niveles de desarrollo socioeconómicos y de salud semejantes al resto de las provincias que comparten el cluster. Referencias 1. Astrain ME, Pría MC y Ramos N. La mortalidad como expresión de las diferencias en las condiciones de vida. Rev Cubana Salud Pública 1998; 23(1):23-31. 2. Batista R, Coutin G, y Feal P. Condiciones de Vida y Salud Materno Infantil. Rev Cubana de Salud Pública 2001; 27(2):126-34. 3. Batista R, Coutin G, Feal R, González y Rodríguez D. Determinación de estratos para priorizar intervenciones y evaluación en salud pública. Rev. Cubana de Hig y Epidemiol 2001; 39(1):32-41. 16 4. Batista R, Coutin G, Feal R, González y Rodríguez D. Guía para la realización del proceso de estratificación epidemiológica. Disponible en http://bvs.sld.cu/uats/articulos_files/estratificacion.pdf Consultado Julio, 2005. 5. Batista JM y Martínez MR. Análisis multivariable. Análisis en componentes principales. Barcelona: Editorial Hispano Europea; 1989. 6. Lozares C y López P. El análisis multivariado: definición, criterios y clasificación. Papers. Revista de Sociología 1991; 37: 31-63. 7. Robaina G, Pollo JM, Morales JM, Robaina R. Análisis multivariado de factores de riesgo de prematuridad en Matanzas. Rev Cubana Obstet Ginecol 2001;27(1):62-9 8. Castillo A y Arocha C. El estado de salud de la población cubana en el período revolucionario. Rev Cubana Salud Pública 2000;26(1):57-62 9. República de Cuba. Ministerio de Salud Pública. Anuario Estadístico 2001. Disponible en http://www.dne.sld.cu/desplegables/cuba2001.htm 10. López P. Métodos y Técnicas de Análisis II. Técnicas de análisis para la dimensionalización y tipificación de la realidad social. Dossier de Maestría en Sociología. Universidad de la Habana, 2002. 11. López P. La construcción de tipologías: metodología de análisis. Papers. Revista de Sociología 1996; 48: 9-229. 12. López P. La construcción de una tipología de segmentación del mercado de trabajo. Papers. Revista de Sociología 1996; 48: 41-58. 13. Capecchi V. On the Definition of Typology and Classification in Sociology. Quality and Quality 1968 enero; 2 (1-2): 9-30. 14. Cornejo JM. Técnicas factoriales de correspondencias. Un instrumento de investigación en Ciencias Sociales (Teoría y Práctica). Barcelona: Promociones y Publicaciones Universitarias; 1988. 15. Díaz de Rada V. Técnicas de análisis de datos multivariantes para investigación social y comercial. Ejemplos prácticos utilizando SpSS versión 11. Madrid: Editorial Ra-Ma; 2002. 16. Domínguez M y Lopez P. La construcció de tipologies: procés i técniques d´ análisi de dades. Papers. Revista de Sociología 1996; 48:31-39. 17. Lazarsfeld P. Some remarks on the typological procedure in social research. Zeitchrift für Socialforschung; 1937. 18. Molina I. Segregación habitacional étnica en la ciudad sueca. un proceso de racialización. Scripta Nova. Revista Electrónica de Geografía y Ciencias Sociales 2001 17 Junio 1 (Consultado 3 Noviembre 2005); 90. Disponible en: URL: http://www.ub.es/geocrit/sn-90.htm 19. Perlbach I, Calderón M y Papi S. Clusters aplicados a la informalidad en Mendoza. (Consultado 3 Noviembre 2005). Disponible http://www.aaep.org.ar/espa/anales/PDF_02/perlbach_calderon_papi.pdf. 20. González B. Análisis multivariante. Aplicación al ámbito sanitario. Barcelona: SG Editores S.A.; 1991. 21. Aldenderfer MS y Blashfield RK. Cluster Analysis. Beverly Hills: Sage Publications; 1987. 22. Amaro Guerra I, Villorio Sánchez M. Características de las condiciones de vida y de la estructura del sistema de necesidades de territorios con diferentes niveles de desarrollo socioeconómico. Instituto Cubano de Investigaciones y Orientaciones de la Demanda Interna: Ciudad de La Habana; 1989. Correspondencia a: Yenisei Bombino Companioni [email protected] Recibido: 1 octubre 2005 Aprobado: 14 noviembre 2005 Cita sugerida (Vancouver): Bombino Companioni Y. Construcción de tipologías: Metodología de análisis para la estratificación según indicadores de salud. Reporte Técnico de Vigilancia 2005 [Consultado: día/mes/año]; 9(6). Disponible en: http://bvs.sld.cu/uats/rtv_files/2005/bombino.htm 18 ANEXO Tabla 1 Total Variance Explained Compon ent 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 ♣ Initial Total 6.733 4.637 3.161 2.458 2.134 1.805 1.446 1.116 .872 .705 .587 .194 .152 7.236E-16 5.750E-16 5.288E-16 3.984E-16 1.972E-16 8.403E-17 -3.393E17 -1.156E16 -1.352E16 -3.301E16 -4.391E16 -5.681E16 -9.933E16 Eigenvalues % Cumulative % Variance 25.897 25.897 17.833 43.730 12.157 55.888 9.455 65.343 8.206 73.548 6.941 80.490 5.561 86.051 4.292 90.342 3.353 93.696 2.713 96.409 2.258 98.667 .747 99.414 .586 100.000 2.783E-15 100.000 2.212E-15 100.000 2.034E-15 100.000 1.532E-15 100.000 7.584E-16 100.000 3.232E-16 100.000 -1.305E-16 100.000 -4.445E-16 100.000 -5.199E-16 100.000 -1.270E-15 100.000 -1.689E-15 100.000 -2.185E-15 100.000 -3.821E-15 100.000 Licenciada en Sociología 19
