Desigualdades socioecono´ micas y mortalidad infantil: comparacio

Desigualdades en salud
Desigualdades socioeconómicas y mortalidad
infantil: comparación de nueve paı́ses
en desarrollo
Adam Wagstaff1
En este artı́culo se analizan diversos datos sobre las desigualdades en mortalidad de lactantes y de menores de cinco años
en relación con los niveles de consumo, a partir de encuestas realizadas en el Brasil, Côte d’Ivoire, Filipinas, Ghana,
Nepal, Nicaragua, el Pakistán, Sudáfrica y Viet Nam. Los datos se obtuvieron del Estudio de Medición de los Niveles de
Vida y de la Encuesta Longitudinal de Cebú sobre Salud y Nutrición. Las tasas de mortalidad se estimaron directamente
cuando habı́a registros completos de la fecundidad, e indirectamente en los demás casos. Las distribuciones de la
mortalidad en los distintos paı́ses se compararon mediante curvas e ı́ndices de concentración. Se hicieron pruebas de
hipótesis de dominancia en cada una de las comparaciones entre pares de paı́ses, se calculó el error estándar de los
ı́ndices de concentración y se aplicaron pruebas de hipótesis a las diferencias en desigualdad entre unos paı́ses y otros.
Artı́culo publicado en inglés en el Bulletin of the World Health Organization 2000, 78 (1): 19–29.
Introducción
Mejorar la salud de los pobres y reducir las
desigualdades en salud entre los pobres y los que
no lo son constituyen hoy objetivos centrales de
algunas organizaciones internacionales, entre otras el
Banco Mundial, la OMS y varios gobiernos nacionales en el contexto de sus polı́ticas nacionales y sus
programas de ayuda al desarrollo.a Desde 1997 la
prioridad fundamental del Banco Mundial en su
sector de salud, nutrición, y población ha sido
«trabajar con los paı́ses para mejorar los resultados
de los pobres del mundo en materia de salud,
nutrición, y población, y proteger a las poblaciones de
los efectos empobrecedores de la enfermedad, la
malnutrición y la fertilidad elevada» (1). Reducir la
carga de morbilidad de los pobres es actualmente la
prioridad fundamental de la OMS (2). El Reino
Unido se ha comprometido a reducir las desigualdades de salud en su población y ha hecho de la mejora
de la salud de los pobres el objetivo clave de su labor
sanitaria en los paı́ses en desarrollo. Otros paı́ses
1
Development Economics Research Group and Human Development
Network, The World Bank, 1818 H Street NW, Washington, DC 20433,
EE.UU. (e-mail: awagstaff@worldbank.org); y School of Social
Sciences, University of Sussex, Brighton, Inglaterra.
(Correspondencia a la primera de esas direcciones.)
a
Lo interesante son evidentemente las desigualdades en salud
sistemáticamente asociadas con el status económico. Cabe preguntarse
— aunque ello escapa a la finalidad de este artı́culo — por qué esta
dimensión especı́fica de la desigualdad en salud ha atraı́do tanto interés
de los polı́ticos, autoridades e investigadores, mientras que los trabajos
que se refieren a las desigualdades generales en salud han recibido
mucha menos atención. Ambas son, claro está, desigualdades, aunque
las desigualdades puras se refieren a las diferencias interindividuales
mientras que las desigualdades socioeconómicas se centran en
las diferencias interindividuales vinculadas al nivel socioeconómico.
El término «desigualdad» puede aplicarse de la misma manera a ambas
y en ningún caso su uso implica por sı́ mismo que las diferencias que
se examinan sean injustas o entrañen inequidad.
18
#
Organización Mundial de la Salud 2000
europeos, especialmente los Paı́ses Bajos y Suecia, se
han comprometido ellos mismos a reducir las
desigualdades sanitarias en su territorio, o han
mostrado gran interés en colaborar en ese terreno.
El logro de estos objetivos se ve obstaculizado
entre otras cosas por la falta de datos comparativos
del nivel de salud entre pobres y no pobres,
especialmente en los paı́ses en desarrollo. En casi
todos los paı́ses hay muchos datos poblacionales, es
decir, datos promedio de indicadores sanitarios. En
paı́ses industrializados suele haber también datos
desagregados para ciertas dimensiones, como por
ejemplo regiones, niveles educativos y profesiones,
pero ha habido comparativamente pocos estudios de
estos aspectos en el mundo en desarrollo. Sin
embargo, los datos desagregados habitualmente no
son comparables entre unos paı́ses y otros, o entre
años distintos, y en cualquier caso tampoco aportan
información directa sobre la brecha entre pobres y no
pobres. Es sorprendente que haya tan pocos datos de
indicadores de salud en relación con los niveles de
ingreso o de consumo,b y además los datos
desagregados de los que se dispone raramente se
expresan en forma de ı́ndices sinópticos que
permitan realizar comparaciones entre distintos
momentos o distintos paı́ses.c En consecuencia hay
pocos elementos de juicio para comparar distintos
paı́ses en lo tocante a las desigualdades en salud
relacionadas con los ingresos. Tampoco sabemos
b
Uno de los pocos estudios realizados en paı́ses industrializados fue
el que publicaron van Doorslaer et al. (3), en el que se examinan las
desigualdades en cuanto a salud autoevaluada entre grupos de
distintos ingresos.
c
Escasean también las investigaciones sobre las causas de las
desigualdades en salud, especialmente las investigaciones empı́ricas
que permiten descomponer analı́ticamente las desigualdades o
cuantificar el impacto relativo de unas u otras polı́ticas en la reducción
de las mismas.
Boletı́n de la Organización Mundial de la Salud,
Recopilación de artı́culos No 3, 2000
Desigualdades socioeconómicas y mortalidad infantil
cómo han evolucionado estas desigualdades en paı́ses
concretos a lo largo del tiempo.
Este artı́culo intenta paliar esa falta de
información:
– describiendo de forma general algunos métodos
de medición de las desigualdades en salud entre
pobres y no pobres, ası́ como algunas pruebas de
significación de las diferencias entre paı́ses o las
variaciones en el tiempo;
– aportando datos sobre la magnitud de la desigualdad
entre pobres y no pobres en una dimensión
particular de la salud, en concreto la mortalidad, y
en un sector particular de la población del mundo en
desarrollo, en concreto los menores de cinco años.
Esperamos que estos métodos puedan ser útiles para
futuras comparaciones entre paı́ses o intertemporales. Los métodos se aplican aquı́ a nueve paı́ses en
desarrollo: Brasil, Côte d’Ivoire, Filipinas, Ghana,
Nepal, Nicaragua, Pakistán, Sudáfrica y Viet Nam.
Jamaica y Rumania se habı́an incluido en principio,
pero luego se excluyeron porque las estimaciones de
mortalidad basadas en encuestas mostraron diferencias excesivas respecto de las cifras previamente
publicadas. Exceptuando el caso de Filipinas, los
datos utilizados proceden del Estudio de Medición de
los Niveles de Vida (Living Standards Measurement Study,
LSMS) del Banco Mundial.d Los datos de Filipinas se
refieren a la tanda de 1991 de la Encuesta
Longitudinal de Cebú sobre Salud y Nutrición.d
Confiamos en que estos resultados estimularán la
investigación de las causas que pueden explicar las
diferencias entre unos paı́ses y otros en cuanto a la
desigual mortalidad de menores de cinco años entre
hogares pobres y no pobres, esas investigaciones
podrı́an arrojar luz sobre las combinaciones de
estrategias y polı́ticas sanitarias que conducirı́an a
tasas promedio bajas y a menores desigualdades.
Las tasas de mortalidad en la infancia repercuten de forma importante en la esperanza de vida al
nacer, que es un indicador sanitario clave. De hecho,
la mortalidad infantil y la mortalidad de menores de
cinco años (MM5A) se consideran indicadores
sanitarios clave por sı́ mismos. Además, los datos
sobre mortalidad son relativamente «sólidos» (4)e,
mientras que la morbilidad no es percibida de la
misma manera por los distintos grupos económicos y
puede ası́ considerarse sujeta a sesgo de notificación.
Hay que explicar por qué se eligió el Estudio de
Medición de los Niveles de Vida (LSMS) como base
de datos de partida. En dos aspectos clave el LSMS no
es ideal para lo que se pretende, ya que el tamaño
d
Tanto en el LSMS como en la Encuesta Longitudinal de Cebú sobre Salud
y Nutrición la recogida de datos está aún en marcha. Puede hallarse
información sobre ambos estudios en http://www.worldbank.org/lsms
y en http://www.cpc.unc.edu/projects/cebu/cebu_home.html.
e
Esto no quiere decir que no haya posibilidad de sesgos. Por ejemplo,
parece plausible que las familias pobres sean más propensas que las
acomodadas a no declarar las defunciones infantiles. También parece
verosı́mil que las mujeres pobres sean comparativamente más
susceptibles a factores contribuyentes al aborto espontáneo y
la mortinatalidad, lo cual puede no evidenciarse si se estudian
solamente los nacidos vivos.
Boletı́n de la Organización Mundial de la Salud
Recopilación de artı́culos No 3, 2000
muestral de algunas encuestas es relativamente
pequeño, lo que puede crear problemas, sobre todo
en paı́ses de baja fertilidad. Por otra parte, los
registros de fertilidad de algunas de las encuestas del
LSMS están incompletos y permiten estimar sólo de
forma indirecta las tasas de mortalidad.f
En ambos aspectos las encuestas del LSMS son
inferiores a la tı́pica encuesta demográfica y sanitaria
que usa una gran muestra con registros de fertilidad
siempre completos y permite ası́ estimar directamente la mortalidad. Sin embargo, desgraciadamente, la
encuesta demográfica y sanitaria no recoge casi nunca
información de ingresos, consumo o gasto de los
hogares, mientras que la LSMS sı́ lo hace. El Banco
Mundial ha combinado los datos sobre los gastos, los
ingresos y la producción de los hogares en una
medida de consumo doméstico que los especialistas
en pobreza consideran mucho más adecuada como
indicador del nivel de vida que los datos tradicionales
sobre los ingresos. En este sentido la LSMS es
claramente superior a las encuestas demográficas y
sanitarias.g
Medición y pruebas de hipótesis
de las desigualdades en mortalidad
Supongamos que tenemos una variable que refleja el
nivel económico de los hogares. Clasificamos a cada
nacido vivo según el nivel económico del hogar
correspondiente y dividimos la muestra en quintiles.
En principio, podrı́amos usar deciles, pero casi todas
las encuestas del LSMS son demasiado pequeñas, de
modo que una clasificación tan precisa no tendrı́a
sentido (6). Luego estimamos las tasas de mortalidad
infantil y de MM5A en cada quintil.
En la figura 1, L(p) es una curva de concentración de mortalidad, que muestra la proporción
acumulada de muertes (en el eje y) en función de la
proporción acumulada de niños en riesgo (en el eje x),
clasificados por el nivel de vida del hogar y
comenzando por el niño en peor situación. El parecido
con la curva de Lorenz es obvio, pero hay que tener
presente que aquı́ no estamos clasificando según la
variable cuya distribución se investiga. Lo que estamos
haciendo es examinar la distribución de mortalidad no
f
Los registros incompletos contienen información sobre el número
de nacidos vivos y sobre el número de hijos fallecidos de cada mujer
en edad fértil; la mortalidad sólo puede estimarse superponiendo esos
datos a tablas de mortalidad modelo (5). En los registros completos
constan para cada mujer en edad fértil las fechas de nacimiento, y
de defunción si es el caso, de cada hijo. Estos datos permiten realizar
estimaciones directas de las tasas de mortalidad. Algunas encuestas
del LSMS, incluida la encuesta sudafricana usada en este artı́culo,
no llegan a ser registros completos pero contienen información del
número de muertes entre el nacimiento y el primer cumpleaños y
durante el periodo de uno a cinco años de edad. Sin embargo no
está claro cómo podrı́a usarse esta información adicional para hacer
estimaciones más precisas que las indirectas.
g
En varios estudios se están midiendo las desigualdades en mortalidad
entre grupos formados mediante clasificación de los hogares por
el componente principal de un análisis de componentes principales
de varias medidas de la vivienda y los bienes de consumo duraderos
poseı́dos.
19
Desigualdades en salud
en quintiles agrupados por mortalidad, sino por nivel
económico. Si L(p) coincide con la diagonal, la tasa de
mortalidad es la misma para todos los niños,
independientemente de su nivel económico. Si, como
es más probable, L(p) está por encima de la diagonal,
las desigualdades en mortalidad favorecen a los niños
más acomodados, y diremos que las desigualdades
favorecen a los ricos. Si L(p) está por debajo de la
diagonal, tendremos desigualdades a favor de los
pobres (desigualdades que ponen a los más acomodados en desventaja). Cuanto más apartada está la
curva L(p) de la diagonal, mayor es el grado de
desigualdad entre los quintiles de nivel económico. Si
la curva L(p) del paı́s X está más cercana a la diagonal
que la del paı́s Y, decimos que la curva de
concentración del paı́s X domina la del paı́s Y. Parece
razonable concluir que hay sin ambigüedad menos
desigualdad en mortalidad en el paı́s X que en el Y.
Cuando las curvas de concentración se cruzan o
cuando se necesita una medida numérica de la
desigualdad en salud podemos acudir al ı́ndice de
concentración, que llamaremos C y que se define como
el doble del área entre L(p) y la diagonal. Este ı́ndice está
relacionado con el ı́ndice de desigualdad relativa (IDR)
(7), muy usado por epidemiólogos y otros investigadores en los análisis de desigualdades socioeconómicas en
salud y mortalidad (8). C es cero cuando L(p) coincide
con la diagonal, negativo cuando L(p) está por encima
de la diagonal y positivo cuando L(p) está por debajo de
la diagonal. En general, cuando tenemos T grupos
económicos, C puede expresarseh como
2 T
C = m St =1 ft mt R t –1
(ec. 1)
T
donde m = St=1 ft mt es la mortalidad media global, mt
es la tasa en el t-ésimo grupo económico, y Rt es su
rango relativo definido por
t-1
1
Rt = Sy=1 fy + 2 ft
(ec. 2)
que indica la proporción acumulada de la población
hasta el punto medio de cada intervalo grupal. Otra
posibilidad es calcular C a partir de datos agrupados,
usando la siguiente regresión de conveniencia:
2 s2R [mt/m] Hnt = a1 . Hnt + b1 . Rt Hnt + ut
(ec. 3)
donde sR2 es la varianza de Rt, nt es el número de niños
nacidos alguna vez en el grupo t, a1 y b1 son
coeficientes y ut expresa el error. El estimador de b1 es
T
b^1 = m2 St=1
ft (mt – m) (Rt – 21 )
(ec. 4)
y a partir de la ecuación 1 puede deducirse que b1 = C.
Los lectores familiarizados con el ı́ndice de desigualdad
relativa (IDR) habrán observado que la ecuación 3 es
esencialmente la misma ecuación de regresión utilizada
para calcular ese ı́ndice con datos agrupados: las raı́ces
cuadradas de los tamaños grupales transforman la
estimación de mı́nimos cuadrados ordinarios en
mı́nimos cuadrados ponderados; la división del primer
miembro por m significa simplemente que el coeficiente
b1 (la pendiente) es el IDR, en vez del ı́ndice-pendiente
de desigualdad. La única diferencia entre la ecuación 3 y
la usada para calcular el IDR es entonces que el primer
miembro contiene la varianza de la variable de rango. Sin
embargo, esta varianza se aproxima a 1/12 al crecer el
tamaño muestral y por tanto puede tratarse como si
fuera aproximadamente una constante de unas muestras
a otras. Por lo tanto el IDR y C deben jerarquizar a las
distribuciones en el mismo orden. No hay muchos
criterios para optar por un enfoque u otro, aunque la
curva de concentración tiene la ventaja de que facilita la
comparación gráfica de las desigualdades en salud.
Cuando se hacen comparaciones entre distintos paı́ses o entre datos de distintos años para un
mismo paı́s hay que tener en cuenta que las tasas de
mortalidad están calculadas a partir de datos de
encuesta y, por tanto, están sujetas a errores de
muestreo. Por ello es útil asociar las comparaciones
numéricas del ı́ndice C a pruebas de significación
estadı́stica de las diferencias interpaı́ses o intertemporales. Un atractivo de la regresión de conveniencia
(ecuación 3) es que proporciona un error estándar
para el ı́ndice de concentración C. Sin embargo, este
error estándar no es muy exacto, ya que las
observaciones en cada ecuación de regresión no
son independientes entre sı́, dado el carácter de la
variable Rt. El siguiente estimador del error estándar
(6) tiene en cuenta la correlación serial de los datos:
T
ft a2t – (1 + C )2]
(ec. 5)
Var(C ) = n1 [St=1
mt
donde at = m (2 Rt – 1 – C ) + 2 – qt-1 – qt
(ec. 6)
y
q = 1 St m f
(ec. 7)
t
h
Véase Kakwani, Wagstaff y van Doorslaer (6) para más detalles
sobre la ecuación 1 y las demás ecuaciones del artı́culo.
20
m
y=1
y y
es la ordenada de L(s), con qo = 0. Este es el estimador
que se usa, no el de la ecuación 3, que será el que
Boletı́n de la Organización Mundial de la Salud
Recopilación de artı́culos No 3, 2000
Desigualdades socioeconómicas y mortalidad infantil
utilizaremos en la sección referente a los niveles de
mortalidad infantil y las desigualdades correspondientes.
Datos y definición de las variables
La tabla 1 presenta las encuestas utilizadas en este
trabajo. Difieren en lo tocante al tamaño muestral (de
1600 a 8848 hogares), el momento en que se llevaron
a cabo (entre 1987 y 1996) y la información sobre
mortalidad (dos contienen registros incompletos de
la fecundidad, por lo que sólo permiten realizar
estimaciones indirectas de la mortalidad). Hay que
señalar también que la cobertura geográfica del Brasil
y las Filipinas fue parcial.
Medición del nivel de vida
El nivel de vida se cuantificó como el consumo
doméstico equivalente según los datos de la encuesta.
El consumo doméstico se midió mediante la variable
construida de consumo agregado obtenida de las
encuestas del LSMS. Los detalles metodológicos
variaron de una encuesta a otra, pero el objetivo de
todas ellas era en términos generales el mismo:
cuantificar el consumo doméstico de alimentos y
otros productos no alimentarios y el gasto en
vivienda, con una medida que reflejase no sólo los
gastos del hogar sino también la producción
doméstica de productos alimentarios y no alimentarios y el valor del alquiler de la vivienda y otros bienes
duraderos. Las encuestas del LSMS fueron las únicas
en las que pudo obtenerse una medición global del
nivel de vida. En el caso de la Encuesta Longitudinal
de Cebú sobre Salud y Nutrición se construyó una
medida general de ingreso con inclusión de las rentas
salariales y no salariales, las rentas en especie recibidas
de fuentes extrafamiliares, el valor de las hortalizas y
otros productos vegetales cultivados en el hogar y el
valor del alquiler del hogar familiar y de otros
productos de consumo duraderos.
Se establecieron equivalencias entre los consumos
familiares para tener en cuenta las diferencias de
tamaño familiar. Las dos posiciones extremas en
cuanto a equivalencias son:
– suponer que no hay economı́as de escala en el
consumo del hogar (por ejemplo, que dos
personas gastan simplemente el doble que una);
– suponer que hay economı́as de escala máximas
(por ejemplo, que dos personas pueden vivir con
el mismo gasto que una).
Estos y otros supuestos intermedios pueden representarse con la siguiente relación entre consumo
equivalente y consumo real:
E = A/H e
(ec. 8)
donde E es el consumo equivalente, A es el consumo
real, H es el tamaño del hogar y e es un parámetro de
elasticidad de equivalencia de escala (9). Si suponemos que no hay economı́as de escala, e = 1, y
entonces el consumo equivalente es simplemente el
consumo per cápita. Si suponemos que dos o más
personas pueden vivir con lo que vive una, e = 0 y el
consumo equivalente es simplemente el consumo
agregado de los hogares. No es infrecuente hacer e =
1 (el ajuste per cápita), pero parece más lógico, al
menos en los paı́ses en los que una proporción
considerable del consumo son productos no alimen-
Tabla 1. Encuestas utilizadas en el análisis de las desigualdades en mortalidada
Paı́s
Año
Número de
hogares
Registro de
nacimientos
Brasil
1996
4940
Completo
Côte d’Ivoire
Ghana
Nepal
1987–1988
1987–1988
1996
1600
3192
3373
Completo
Completo
Completo
Nicaragua
Pakistán
Filipinas
1993
1991
1991
4200
4800
2572
Incompleto
Completo
Completo
Sudáfrica
1993
8848
Incompleto
Viet Nam
1992–1993
4800
Completo
a
Observaciones sobre los datos
Sólo cubren el sudeste y el noreste del paı́s. Registro
de nacimientos sólo para el quinquenio previo a
la encuesta. También se dispuso de registros
incompletos de la fecundidad.
—
—
En parte de la muestra hubo problemas
con respecto a las fechas de nacimiento y de
entrevista, por confusión entre los calendarios
nepalı́ y gregoriano. Los nacimientos
correspondientes a estas entrevistas fueron
excluidos del análisis.
—
—
Encuestas Longitudinales de Cebú sobre Salud y
Nutrición.
También se registró el número de defunciones
de menores de un año y de menores de cinco,
pero esto no fue suficiente para poder aplicar
el método directo.
—
Encuestas realizadas como parte del Estudio de Medición de los Niveles de Vida (LSMS) en todos los casos, excepto en Filipinas.
Boletı́n de la Organización Mundial de la Salud
Recopilación de artı́culos No 3, 2000
21
Desigualdades en salud
tarios, suponer que se dan ciertas economı́as de
escala, aunque con una elasticidad e positiva. En los
paı́ses de la OCDE se ha observado que la mayor
parte de las escalas de equivalencia pueden describirse con bastante exactitud mediante la ecuación 8 y
que, como promedio, el valor implicado de la
elasticidad e es de alrededor de 0,4 (9). Hentschel y
Lanjouw (10) experimentaron en el Ecuador con tres
valores de e, en concreto e = 0,4, e = 0,6 y e = 1,0. En
lo que sigue se utilizará una e = 0,5, lo que parece una
posición intermedia razonable. El ajuste per cápita, es
decir, el empleo de una e = 1, hizo que la desigualdad
en salud tendiera a ser menor, y en el caso del Pakistán
invirtió el gradiente.
Medición de la mortalidad
Cuando se dispuso de registros completos de
fertilidad se estimaron las tasas de mortalidad
mediante el método directo. Esto se ilustra en la
tabla 2 con los datos de la Encuesta Longitudinal de
Cebú sobre Salud y Nutrición. Al igual que en las
encuestas en las que habı́a registros completos de la
fecundidad — exceptuando el caso del Brasil, donde
se disponı́a de registros de la fecundidad sólo para los
últimos cinco años — sólo los niños nacidos durante
los 10 años previos a la encuesta se incluyeron en la
estimación de las tasas de mortalidad. En el caso de
Cebú ese criterio llevó a seleccionar a 6645 niños. En
la tabla 2 la primera celda de la tercera columna indica
cuántos de éstos fueron eliminados de la tabla de
mortalidad mediante «truncamiento» durante los
primeros 6 meses, que fue el intervalo escogido para
la tabla de mortalidad. En otras palabras, del total de
6645 niños, 163 nacieron en los 6 meses previos a la
encuesta y por tanto tenı́an menos de un semestre de
exposición, de una posible exposición máxima de
10 años. Se supuso que estos 163 niños estuvieron
expuestos en promedio sólo la mitad de un semestre,
de manera que el total de niños expuestos durante el
primer semestre fue de 6645 menos la mitad de 163,
es decir 6564. (De ahı́ la importancia de la elección del
intervalo. Los resultados de la encuesta demográfica y
sanitaria se obtienen usando intervalos variables, con
intervalos más pequeños para el primer año de vida e
intervalos mayores para años posteriores. Esto
hace engorroso el cálculo y por ello no se siguió ese
procedimiento en este estudio. Respecto de las
opciones con intervalos de amplitud fija, reducir el
intervalo a menos de un semestre tuvo poco efecto,
mientras que la elección de un intervalo mayor tuvo
un efecto considerable.)
De los 6645 niños nacidos en los 10 años
previos, 166 murieron durante los seis primeros
meses y la proporción que sobrevivió fue por lo tanto
de 6398/6564, es decir, 0,975. La tasa de mortalidad
en el primer semestre, 0,5q0, fue de 1 – 0,975 = 0,025.
El número de niños que inició el segundo semestre de
vida fue de 6645 – 163 – 166 = 6316. De éstos, 158
estuvieron expuestos menos de un semestre, es decir,
nacieron menos de un año antes de la encuesta. De
los 6237 niños expuestos al riesgo de muerte en su
primer año de vida, 86 murieron antes de su primer
cumpleaños, lo que significa que 0,961 es la
proporción acumulada de niños que sobreviven
hasta el primer cumpleaños. La columna 7 de la tabla
2 muestra la función de supervivencia. A partir de ahı́
obtenemos la tasa de mortalidad infantil (es decir, de
menores de un año), 0,039, es decir, 39 por
1000 nacidos vivos. En la columna 9 figura el error
estándar de la proporción de supervivencia acumulada o, lo que es equivalente, el error estándar de la
tasa de mortalidad entre el nacimiento y la edad en
cuestión. La columna 10 expresa ese mismo error
como porcentaje de la tasa de mortalidad. La última
columna indica el riesgo instantáneo (hazard rate), l(t),
que es la velocidad a la que la función de
supervivencia, S(t), disminuye a lo largo del tiempo,
o sea -d lnS(t)/dt. Finalmente, la última fila de la
columna 8 indica la tasa de MM5A, es decir 5q0, que
en este caso fue de 78 por 1000 nacidos vivos, con un
error estándar de 4,5%.
En los casos en los que se usaron registros
incompletos de la fecundidad las estimaciones de
Tabla 2. Ejemplo de tabla de mortalidad, Filipinas (Cebú)
1
2
Inicio del Número que
intervalo entra en el
intervalo
0,0
0,5
1,0
1,5
2,0
2,5
3,0
3,5
4,0
4,5
a
6645
6316
6072
5784
5522
5252
5012
4766
4548
4280
3
4
5
6
7
8
9
10
11
Número que Número de Número de Proporción Proporción Tasa de
EE de la
EE
Riesgo
se retira expuestos episodios
supervi- acumulativa mortalidad proporción relativoa instantáneo
durante el al riesgo terminales
viente superviviente
(xq0)
acumulativa
(l(t ))
intervalo
al final
superviviente
163
158
217
216
232
220
225
209
255
269
6564
6237
5964
5676
5406
5142
4900
4662
4421
4146
166
86
71
46
38
20
21
9
13
6
0,975
0,986
0,988
0,992
0,993
0,996
0,996
0,998
0,997
0,999
0,975
0,961
0,950
0,942
0,936
0,932
0,928
0,926
0,923
0,922
0,025
0,039
0,050
0,058
0,065
0,068
0,072
0,074
0,077
0,078
0,002
0,002
0,003
0,003
0,003
0,003
0,003
0,003
0,003
0,004
0,075
0,062
0,054
0,050
0,048
0,047
0,046
0,045
0,044
0,045
0,051
0,028
0,024
0,016
0,014
0,008
0,009
0,004
0,006
Error estándar como proporción de xq0
22
Boletı́n de la Organización Mundial de la Salud
Recopilación de artı́culos No 3, 2000
Desigualdades socioeconómicas y mortalidad infantil
mortalidad se obtuvieron por el método indirecto (5).
Esto implicó superponer sobre tablas de mortalidad
modelo las observaciones de nacidos vivos y
defunciones. Los requisitos de información para esto
fueron de dos tipos: el número de niños nacidos de
cada mujer en cuestión y el número de niños
fallecidos. Las estimaciones pueden hacerse mediante el programa de computador QFIVE (5). El
programa proporciona estimaciones de mortalidad
infantil y de MM5A para mujeres en diferentes
intervalos de edad según distintas tablas de mortalidad regionales. Los resultados que se indican más
adelante están basados en las tablas de mortalidad
regionales (tabla 2) utilizadas por Hill y Yazbeck (11)
para los paı́ses en cuestión. Las tasas indicadas son
simplemente promedios de las tasas estimadas para
las mujeres en los intervalos de edad de 25–29, 30–34
y 35–39 años.i
Mortalidad en la infancia: nivel y
desigualdades en nueve paı́ses
Conviene quizá empezar comparando las tasas de
mortalidad globales obtenidas de las encuestas aquı́
utilizadas con las tasas para estos paı́ses obtenidas de
otras encuestas y de otras fuentes.
Tasas globales de mortalidad de lactantes
y de niños pequeños a partir de las encuestas
La tabla 3 muestra las tasas de mortalidad infantil y de
MM5A obtenidas a partir de las encuestas utilizadas
en el presente artı́culo, junto con los errores estándar
correspondientes. También muestra las tasas calculadas para los mismos periodos a partir de las cifras
notificadas por Hill y Yazbeck (11). Cuando se utilizó
el método directo, las tasas promedio muestrales
fueron casi siempre razonablemente similares a estos
valores, especialmente en lo que se refiere a la MM5A.
Los errores estándar relativos también fueron
alentadores: en la encuesta demográfica y sanitaria
habitualmente se obtienen errores estándar del 4%–
8% (12). La excepción fue el Brasil, donde la
estimación directa de la tasa de mortalidad se situó
más de un 50% por debajo de las tasas de Hill y
Yazbeck para todo el paı́s y donde los errores
estándar fueron de alrededor del 15% de las tasas de
mortalidad. Hay que señalar que la encuesta no
abarcó geográficamente todo el Brasil, mientras que
las tasas de Hill y Yazbeck sı́ se refieren a todo el
territorio brasileño. No obstante, la exclusión de las
zonas distintas del sureste o el noreste deberı́a dar
lugar a una tasa de mortalidad mayor, no menor (13).
La estimación indirecta para el Brasil se situó
ligeramente por encima de la estimación de Hill y
¡
Las Naciones Unidas (5) sugieren que esas franjas de edad son
probablemente las más idóneas, y que una tasa razonable de
mortalidad podrı́a ser un promedio no ponderado de las tasas para
esas franjas de edad. La adopción de un promedio no ponderado
normaliza las diferencias entre paı́ses en lo tocante a la distribución
de edades de las mujeres, lo cual es por supuesto una ventaja.
Boletı́n de la Organización Mundial de la Salud
Recopilación de artı́culos No 3, 2000
Yazbeck, y por ello el método indirecto parece en este
caso una base más fiable para investigar las
desigualdades. El uso de estimaciones indirectas en
los casos de Nicaragua y Sudáfrica arrojó estimaciones algo desviadas respecto a las de Hill y Yazbeck,
pero las diferencias no llegaban a ser marcadas. Los
resultados globales fueron por tanto alentadores, y
llevan a pensar que los datos del LSMS pueden
considerarse razonablemente ilustrativos de las
diferencias de mortalidad relacionadas con el estatus
económico.
Diferencias de mortalidad de lactantes
y de MM5A por consumo equivalente
La tabla 4 muestra la extensión de las desigualdades
en mortalidad infantil y en MM5A. Excepto en
Ghana, el quintil más pobre padece mayor mortalidad
infantil y de menores de cinco años que cualquier
otro. En Ghana esto es válido para la MM5A, pero no
para la mortalidad infantil. En muchos paı́ses se
observa una gran distancia entre el último quintil y el
resto de la población. Esto es especialmente cierto
para la MM5A, aunque hay excepciones, en concreto
las de Ghana, el Pakistán y Viet Nam. Solamente en el
Brasil, Filipinas y Nicaragua las tasas muestran una
disminución monotónica conforme se pasa de menor
a mayor consumo. En Sudáfrica se observa una
disminución monotónica de la mortalidad infantil,
pero no de la MM5A. En los otros paı́ses, excepto el
Pakistán, la tendencia correspondiente es claramente
al descenso. De forma que parece que las perspectivas de supervivencia infantil, al menos en estos
paı́ses, son para los nacidos en familias pobres peores
que para los nacidos en familias más acomodadas, y
que esas perspectivas mejoran de forma más o menos
constante al desplazarnos hacia arriba en la distribución de ingresos.
Los datos de la tabla 4 no indican de manera obvia
qué paı́ses tienen mayores o menores desigualdades en
mortalidad infantil y en MM5A. Complica las cosas el
hecho de que los quintiles para el Brasil, Nicaragua y
Sudáfrica no se refieren a los niños nacidos, sino a las
madres. Ası́, serı́a engañoso comparar el quintil inferior
del Brasil, que representa el 34% de los nacidos vivos
durante el periodo en cuestión, con el de Viet Nam, que
representa sólo el 20%.
Desigualdades en las tasas de mortalidad de
lactantes y de MM5A: pruebas de dominancia
Las desigualdades en las tasas de mortalidad de
lactantes y de MM5A pueden acotarse comparando
las curvas de concentración, es decir, haciendo un
ejercicio de verificación de la dominancia. Las curvas
de concentración asignan automáticamente el número correcto de niños a la tasa de mortalidad en
cuestión. En el caso de la mortalidad infantil el cuadro
general es algo confuso, ya que las curvas se cruzan en
bastantes de las posibles comparaciones de paı́ses. El
panorama es más claro en lo que atañe a la MM5A. La
figura 2 representa las desviaciones, respecto de la
diagonal (lı́nea de 45o), de las curvas de concentración
23
Desigualdades en salud
Tabla 3. Estimaciones muestrales de la tasa de mortalidad
Paı́s
Brasil
Brasil
Côte d’Ivoire
Ghana
Nepal
Nicaragua
Pakistán
Filipinas
(Cebú)
Sudáfrica
Viet Nam
Año de la Método de No de naencuesta estimación cimientos
1996–97
1996–97
1988–89
1988–89
1996
1993
1991
1991
Directo
Indirecto (S)
Directo
Directo
Directo
Indirecto (W)
Directo
Directo
1985
4676
2538
4001
5572
8834
12 678
6645
1993
1992–93
Indirecto (N) 11 087
Directo
5283
Tasa de mortalidad de lactantes
Tasa de mortalidad de menores de cinco años
1q0
EE
Valor Fuente % de Periodo 5q0
EE
Valor Fuente % de
relativo de refediscrerelativo de refediscre(%)
rencia
pancia
(%)
rencia
pancia
Periodo
1990–97
1987–92
1978–89
1978–89
1985–96
1983–88
1981–90
1981–91
23
53
68
82
62
71
124
39
1985–89 74
1982–93 34
a
2
6
51
57
89
99
94
81
99
50
b
7
58
36
15
7
5
5
a
a
a
a
a
a
a
a
–55
–7
–23
–17
–34
–12
26
–22
1991–96
1987–92
1978–89
1978–89
1985–96
1983–88
1981–90
1981–91
29
64
116
142
91
98
147
78
28
–6
1985–89
1982–93
117
51
a
2
4
61
70
124
162
134
118
144
65
b
6
78
49
14
6
4
5
–53
–9
–6
–12
–32
–17
2
19
a
a
a
a
a
a
a
50
4
a
a
El artı́culo de Hill y Yazbeck (11) da tasas correspondientes a diversos años. Aquı́ se han interpolado sus datos y se ha empleado el promedio correspondiente al
periodo en cuestión.
b
Fuentes nacionales.
Tabla 4. Tasas de mortalidad de lactantes y de menores de cinco años por quintil de consumo equivalente
Paı́s
Tasa de mortalidad de lactantes
Quintil
Brasil
Côte d’Ivoire
Ghana
Nepal
Nicaragua
Pakistán
Filipinas (Cebú)
Sudáfrica
Viet Nam
Tasa de mortalidad de menores de cinco años
a
Quintila
1
2
3
4
5
Promedio
general
1
2
3
4
5
Promedio
general
72,7
106,7
85,1
80,1
98,7
130,4
47,8
97,3
40,2
37,0
64,4
72,5
70,1
77,3
120,3
41,0
83,7
24,3
32,7
40,9
75,8
53,7
64,0
118,1
40,9
64,3
35,7
17,0
63,4
93,0
64,9
60,0
125,7
38,4
64,0
37,0
15,3
66,6
84,0
40,6
40,7
127,3
25,9
51,0
31,9
43,2
68,4
82,1
61,9
71,9
124,4
38,8
74,1
33,9
113,3
163,1
155,5
126,8
141,7
160,1
109,0
159,7
53,5
51,7
107,6
142,4
107,2
108,3
147,4
91,3
133,3
48,7
45,0
119,1
140,9
75,2
87,3
137,6
84,0
74,5
53,4
20,3
93,9
143,7
81,2
81,0
145,9
64,2
99,3
50,4
18,7
99,7
129,7
64,6
51,3
145,2
44,0
76,7
47,4
63,5
116,7
142,5
91,0
99,8
147,2
78,5
112,7
50,7
a
En los paı́ses en los que se usó el método indirecto de estimación de la mortalidad los quintiles corresponden a las madres, no a los nacidos. En el Brasil los cinco
quintiles corresponden al 34%, 22%, 17%, 14% y 12% de los nacidos vivos, respectivamente; en Nicaragua las proporciones son de 26%, 22%, 19%, 17% y 15%,
respectivamente, y en Sudáfrica, de 24%, 20%, 19%, 20% y 16%, respectivamente.
de la tasa de MM5A. Todas las curvas de concentración están por encima de la diagonal — y, por lo
tanto, por encima del eje horizontal en la figura 2 — lo
que indica que en todos los paı́ses se hallaron
desigualdades de la MM5A a favor de los ricos. La
curva de concentración del Brasil es la que, con
mucho, más se aleja de la diagonal y no se cruza con
ninguna de las curvas de los demás paı́ses. En la parte
central de la gráfica hay un grupo de paı́ses con menor
desigualdad y curvas de concentración que se
entrecruzan: Côte d’Ivoire, Filipinas, Nepal, Nicaragua y Sudáfrica. Y por último hay tres paı́ses con
desigualdades mucho menores — Ghana, el Pakistán
y Viet Nam — dos de cuyas curvas de concentración
se entrecruzan. Estos resultados pueden representarse con el diagrama de Hasse que muestra la
figura 3. Los paı́ses situados en un nivel similar, con
curvas de concentración secantes, están unidos por
lı́neas de puntos, situados más arriba aquellos cuyas
curvas de concentración están más cercanas a la
diagonal — es decir, con menor desigualdad. Ası́, las
24
Boletı́n de la Organización Mundial de la Salud
Recopilación de artı́culos No 3, 2000
Desigualdades socioeconómicas y mortalidad infantil
curvas de concentración del Pakistán y Viet Nam
dominan a la de Ghana, que a su vez domina a las de
Côte d’Ivoire, Filipinas, Nepal, Nicaragua y Sudáfrica. A su vez estas curvas de concentración
dominan a la del Brasil.
Desigualdades en mortalidad de lactantes
y en MM5A: ı́ndices de concentración
Otra posibilidad es calcular los ı́ndices de concentración como medida de la desigualdad. Una razón
para hacerlo es que las curvas de concentración sólo
proporcionan una ordenación que, en cualquier caso,
es incompleta. Las figuras 2 y 3 revelan que en el
Brasil hay más desigualdad en MM5A que, por
ejemplo, en Filipinas, pero no indican cuánto mayor
es esa desigualdad. Según la figura 3, Côte d’Ivoire
está al mismo nivel que las Filipinas, pero la figura 2
muestra que aunque las curvas de concentración son
secantes, la curva de Côte d’Ivoire está casi siempre
más cerca de la diagonal que la curva de Cebú. Si
aceptamos los juicios de valor implı́citos en el ı́ndice
de concentración — al igual que el coeficiente de
Gini, el ı́ndice de concentración es más sensible a las
transferencias cercanas a la media —, este ı́ndice
permite comparar los niveles de desigualdad entre
paı́ses con curvas de concentración que no se
entrecruzan, y permite además resolver el empate
en caso de intersección de esas curvas. Además, el
ı́ndice de concentración se presta fácilmente a las
pruebas de hipótesis por los métodos ya mencionados. Esto nos permite evaluar la posibilidad de que
las diferencias de desigualdad entre paı́ses se deban a
la variación muestral. También hay métodos para
comparar la significación estadı́stica de las diferencias
en las ordenadas de las curvas de concentración, pero
su aplicación no siempre está exenta de problemas.
La tabla 5 muestra los ı́ndices de concentración
para los datos de mortalidad infantil y de MM5A junto
con los errores estándar, computados con el método
exacto indicado en la ecuación 5, ası́ como los
correspondientes valores t e intervalos de confianza
del 95%. Como la curva de concentración, el ı́ndice de
concentración tiene en cuenta los diferentes números
de niños en cada quintil. Esto es importante cuando se
comparan desigualdades entre paı́ses en los que se han
usado métodos diferentes para estimar la mortalidad.
En todos los paı́ses, las desigualdades en MM5A
fueron más pronunciadas que las desigualdades en
mortalidad infantil. De hecho, en Côte d’Ivoire y en
Ghana las desigualdades en MM5A fueron estadı́sticamente significativas, mientras que no lo fueron las de
mortalidad infantil. En todos los paı́ses salvo en el
Pakistán y en Viet Nam las desigualdades en MM5A
fueron estadı́sticamente significativas, pero sólo en
cinco paı́ses lo fueron las desigualdades en mortalidad
infantil. Entre los paı́ses con ı́ndices de concentración
importantes parece haber diferencias considerables en
los niveles de desigualdad. El Brasil tiene con mucho la
distribución más desigual de mortalidad infantil y de
MM5A, pero Filipinas, Nicaragua y Sudáfrica también
muestran desigualdades importantes en cuanto a
Boletı́n de la Organización Mundial de la Salud
Recopilación de artı́culos No 3, 2000
supervivencia infantil entre unos y otros grupos de
consumo. Ghana muestra en cambio un nivel muy
bajo, aunque estadı́sticamente significativo, de desigualdad en MM5A.
Estas diferencias obvias entre paı́ses obligan a
preguntarse qué diferencias de desigualdad son
estadı́sticamente significativas. Las tablas 6 y 7
muestran los resultados de las pruebas t de
significación de las diferencias entre los ı́ndices de
concentración de los paı́ses de la columna y de la fila.
En la tabla 6, por ejemplo, el Brasil tiene mayor nivel
de desigualdad que Côte d’Ivoire (de ahı́ el signo
menos que afecta al valor de 1,92), pero la diferencia
entre los dos ı́ndices de concentración no es
estadı́sticamente significativa. De forma similar el
ı́ndice de concentración del Brasil en lo que se refiere
a la mortalidad de lactantes fue mayor en términos
absolutos que el de Nicaragua, pero la diferencia no
fue significativa. Por el contrario, el Brasil presentaba
una desigualdad en mortalidad de lactantes significativamente mayor que las de Filipinas, Ghana, Nepal,
el Pakistán, Sudáfrica y Viet Nam. Los resultados de
las pruebas t correspondientes a la MM5A se
presentan en un diagrama de Hasse (figura 4) en el
que las lı́neas de puntos indican que la diferencia no es
significativa y las lı́neas continuas indican significación. Ası́, no hubo diferencias significativas entre los
ı́ndices de concentración de Ghana, el Pakistán y Viet
Nam, ni entre los de Côte d’Ivoire, Nepal y Sudáfrica,
pero los ı́ndices de estos tres últimos paı́ses fueron
mayores en valor absoluto que los de los tres
primeros. El Brasil presentó una desigualdad significativamente mayor en MM5A que los seis paı́ses
situados por encima de él en el diagrama de Hasse,
pero su ı́ndice de concentración no difirió significativamente de los de Filipinas y Nicaragua, cuyos
ı́ndices, a su vez, no eran significativamente distintos
de los de Côte d’Ivoire, Nepal y Sudáfrica.
Aunque los diagramas de Hasse (figuras 3 y 4) no
son idénticos, las conclusiones generales son las
mismas: el Brasil es el paı́s con la distribución más
desigual de la MM5A por consumo equivalente, y
muy de cerca le siguen Nicaragua y Filipinas; Côte
d’Ivoire, Nepal y Sudáfrica mostraron niveles intermedios de desigualdad, y Ghana, el Pakistán y Viet Nam
mostraron niveles bajos de desigualdad en MM5A.
25
Desigualdades en salud
Tabla 5. Índices de concentración (IC), errores estándar (EE), valores t e intervalos de confianza
del 95% (IC95%) para las tasas de mortalidad de lactantes y de mortalidad de menores de cinco años
Paı́s
Brasil
Côte d’Ivoire
Ghana
Nepal
Nicaragua
Pakistán
Filipinas (Cebú)
Sudáfrica
Viet Nam
Tasa de mortalidad de lactantes
IC
EE (C)
t (C)
–0,284
–0,095
0,018
–0,109
–0,150
0,000
–0,096
–0,123
–0,009
0,063
0,076
0,019
0,043
0,041
0,011
0,041
0,024
0,043
–4,52
–1,25
0,94
–2,52
–3,71
–0,04
–2,31
–5,14
–0,22
Tasa de mortalidad de menores de cinco años
Lı́mite
Lı́mite
inferior superior
del IC95% del IC95%
–0,410
–0,247
–0,020
–0,195
–0,231
–0,023
–0,179
–0,171
–0,096
–0,159
0,057
0,055
–0,022
–0,069
0,022
–0,013
–0,075
0,077
IC
EE (C)
t (C)
–0,322
–0,096
–0,028
–0,132
–0,169
–0,017
–0,160
–0,148
–0,016
0,073
0,039
0,012
0,027
0,046
0,012
0,046
0,027
0,011
–4,43
–2,47
–2,26
–4,98
–3,67
–1,39
–3,45
–5,48
–1,51
Lı́mite
Lı́mite
inferior superior
del IC95% del IC95%
–0,468
–0,175
–0,053
–0,185
–0,262
–0,041
–0,253
–0,203
–0,038
–0,177
–0,018
–0,003
–0,079
–0,077
0,007
–0,067
–0,094
0,005
Tabla 6. Pruebas de significación de las diferencias entre los ı́ndices de concentración de las tasas
de mortalidad de lactantes
Brasil
Côte d’Ivoire
Ghana
Nepal
Nicaragua
Pakistán
Filipinas (Cebú)
Sudáfrica
Viet Nam
Brasil Côte d’Ivoire Ghana
Nepal
–1,92
–4,60
–2,30
–1,79
–4,44
–2,50
–2,40
–3,60
0,70
–2,43
–0,22
0,29
–1,63
–1,44
0,16
0,64
–1,23
0,01
0,35
–0,98
2,69
3,77
0,83
2,50
4,62
0,58
Nicaragua Pakistán
–3,57
–0,94
–0,58
–2,38
2,22
4,63
0,20
Filipinas
(Cebú)
0,57
–1,45
Sudáfrica
–2,30
Tabla 7. Pruebas de significación de las diferencias entre los ı́ndices de concentración de las tasas
de mortalidad de menores de cinco años
Brasil
Côte d’Ivoire
Ghana
Nepal
Nicaragua
Pakistán
Filipinas (Cebú)
Sudáfrica
Viet Nam
26
Brasil Côte d’Ivoire Ghana
Nepal
–2,73
–3,98
–2,45
–1,78
–4,14
–1,88
–2,24
–4,16
0,70
–3,94
0,52
0,43
–4,03
–1,67
0,76
1,20
–1,94
1,05
1,09
–1,97
3,55
2,95
–0,64
2,75
4,04
–0,71
Nicaragua Pakistán
–3,19
–0,14
–0,39
–3,22
2,98
4,43
–0,03
Filipinas
(Cebú)
–0,22
–3,01
Sudáfrica
–4,52
Conclusiones
mortalidad a edades inferiores a 5 años, obtuvimos las
siguientes conclusiones:
En este artı́culo se han explicado algunos métodos para
medir las desigualdades en salud entre pobres y no
pobres y para aplicar pruebas de significación a las
diferencias o cambios en dichas desigualdades. Al
aplicar estos métodos a la medición de la desigualdad
entre pobres y no pobres en lo referente a las tasas de
.
Los datos del LSMS produjeron estimaciones
muestrales de la mortalidad infantil y de la MM5A
bastante buenas, relativamente similares a las tasas
obtenidas a partir de otras fuentes y, en el caso de
las estimaciones directas, con errores estándar
pequeños. Esto resultó alentador, ya que los datos
Boletı́n de la Organización Mundial de la Salud
Recopilación de artı́culos No 3, 2000
Desigualdades socioeconómicas y mortalidad infantil
.
del LSMS no siempre se han considerado útiles
para estimar la mortalidad en la infancia.
Las curvas de concentración y los ı́ndices
calculados a partir de los datos mostraron que
las desigualdades en mortalidad infantil y en
MM5A eran desfavorables para los estratos peor
situados. Estas desigualdades casi siempre fueron
estadı́sticamente significativas. Y lo que es más
interesante, el grado de validez de esa afirmación
difiere de unos paı́ses a otros. Las desigualdades en
MM5A fueron especialmente marcadas en el
Brasil, y bastante elevadas en Filipinas y Nicaragua. Fueron menores en Côte d’Ivoire, Nepal y
Sudáfrica, pero mayores en estos paı́ses que en
Ghana, el Pakistán y Viet Nam.
Ciertos aspectos que se señalan a continuación no
fueron investigados en este estudio, pero convendrı́a
prestarles atención en futuras investigaciones.
.
Los resultados reflejan una forma concreta de
definir el nivel de vida, a saber, el consumo
equivalente, donde el número de adultos equivalentes se define como la raı́z cuadrada del número de
integrantes del hogar. Ésta es sólo una de las
opciones, y adoptando otras escalas de equivalencia
se obtienen resultados diferentes. En el Pakistán,
por ejemplo, donde el tamaño promedio de los
hogares es muy grande (más de nueve personas en la
muestra utilizada en este estudio) la elección del
factor de equivalencia puede influir considerablemente en los resultados. De hecho, cuando se
adopta el ajuste per cápita el gradiente se invierte.
Naturalmente la dirección del cambio es impredecible y puede variar de un paı́s a otro. Se obtendrı́a otra
ordenación jerárquica de los paı́ses si se decidiera
considerar, en lugar del consumo doméstico, la
riqueza o los bienes poseı́dos por los integrantes del
hogar, o si se partiera de otros indicadores, por
ejemplo de ı́ndices antropométricos.
.
En este estudio se investigaron las desigualdades
entre niños clasificados en distintos niveles de la
distribución de ingresos de sus paı́ses, pero no
examinamos las desigualdades entre niños con
diferente nivel de vida en valores absolutos. Los
niños en el quintil más pobre del Brasil pueden ser
pobres aplicando criterios brasileños, pero podrı́an ser relativamente acomodados según criterios, por ejemplo, de Côte d’Ivoire.
.
Sólo se consideraron las desigualdades, sin
intentar relacionarlas con las tasas de mortalidad
promedio para obtener una visión más general de
las posiciones relativas de los paı́ses. El bajo nivel
de desigualdad en el Pakistán no es motivo
.
suficiente de consuelo, ya que las tasas de
mortalidad infantil y de MM5A son muy altas.
Hay que tener presente que los formuladores de
polı́ticas probablemente estarán interesados en
relativizar las desigualdades en salud resaltando los
niveles promedio de los indicadores.
Por último, hay que señalar que el artı́culo se
centra en medir las desigualdades, no en explicarlas. Los resultados sugieren que, en su mayor
parte, las desigualdades en mortalidad infantil y en
MM5A favorecen a los más acomodados, y que
estas desigualdades varı́an de unos paı́ses a otros.
Sin embargo, no se ha hablando de por qué las
desigualdades favorecen a los más acomodados,
de por qué son mayores en ciertos paı́ses, y de qué
polı́ticas podrı́an ser más eficaces en relación con
el costo para reducirlas. Esos temas merecen ser
analizados con especial atención en futuros
trabajos. n
Nota de agradecimiento
Estoy especialmente agradecido al Programa de
Investigadores Visitantes y a la Sección de Salud,
Nutrición y Población del Banco Mundial, ası́ como a
Jacques van der Gaag y Alex Preker, que organizaron
mi visita al Banco Mundial. Agradezco también a Ed
Bos su ayuda para calcular las tasas de mortalidad; a
Giovanna Prennushi, su ayuda en el manejo de los
datos de Nepal; a Diane Steele, su rápida transmisión
de los datos del LSMS y sus respuestas a mis
preguntas; a Dave Gwatkin, las útiles conversaciones
mantenidas; y a los participantes en los seminarios del
ECuity Project, la Global Health Equity Initiative, el
Foro de Salud Pública de la Escuela de Higiene y
Medicina Tropical de Londres, el Banco Mundial y la
OMS, sus útiles comentarios.
Referencias
1. Sector strategy, health, nutrition and population. Washington, DC,
Banco Mundial, 1997.
2. Informe sobre la salud en el mundo 1999. Cambiar la
situación. Ginebra, Organización Mundial de la Salud,
1999.
Boletı́n de la Organización Mundial de la Salud
Recopilación de artı́culos No 3, 2000
3. van Doorslaer E et al. Income-related inequalities in health:
some international comparisons. Journal of Health Economics,
1997, 16: 93–112.
4. Sen A. Mortality as an indicator of economic success and failure.
Economic journal, 1998, 108: 1–25.
27
Desigualdades en salud
5. Step-by-step guide to estimation of child mortality. Nueva York,
Naciones Unidas, 1990.
6. Kakwani N, Wagstaff A, van Doorslaer E. Socioeconomic
inequalities in health: measurement, computation and statistical
inference. Journal of Econometrics, 1997, 77: 87–104.
7. Wagstaff A, Paci P. van Doorslaer E. On the measurement
of inequalities in health. Social Science and Medicine, 1991,
33: 545–557.
8. Pamuk E. Social class inequality in infant mortality in England and
Wales from 1921 to 1980. European Journal of Population, 1998,
4: 1–21.
9. Buhmann B et al. Equivalence scales, well-being, inequality and
poverty. Review of Income and Wealth, 1988, 34: 115–142.
28
10. Hentschel J, Lanjouw P. Constructing an indicator of
consumption for the analysis of poverty: principles and illustrations
with reference to Ecuador. Washington DC, Banco Mundial, 1996
(Living Standards Measurement Study, Working Paper No. 124).
11. Hill K, Yazbeck A. Trends in child mortality, 1960–90; estimates
for 84 developing countries. Washington, DC, Banco Mundial,
1994 (World Development Report 1993, Background paper
No. 6).
12. Curtis SL. Assessment of the quality of data used for direct
estimation of infant and child mortality in DHS-II surveys.
Calverton, MD, Macro International Inc., 1995.
13. [Estudio nacional sobre población y salud 1996.] Calverton, MD,
Macro International Inc., 1997 (en portugués).
Boletı́n de la Organización Mundial de la Salud
Recopilación de artı́culos No 3, 2000