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