En los últimos años, la mayoría de los países del mundo han reportado una mejoría notable en sus condiciones de salud, tales como marcadas reducciones en la tasa de mortalidad en los menores de 5 años y en la mortalidad materna, así como incrementos en la esperanza de vida al nacer1. No obstante, estas mejorías no han sido experimentadas de la misma manera por todos los países2. Según algunos autores, existen evidentes desigualdades entre los países, e igualmente grandes diferencias en el interior de cada uno de ellos3,4. Por ejemplo, mientras los países desarrollados reportan las más bajas tasas de mortalidad en menores de 5 años (1 de 152 niños mueren antes de los 5 años de edad), África subsahariana reporta tasas promedio que son 16 veces mayores o más. A menor escala geográfica, el Reino Unido también ha reportado marcadas variaciones en la distribución de la esperanza de vida entre sus municipalidades, con diferencias de hasta 12,5 años entre los municipios menos pobres y los más pobres5.

La percepción de la propia salud por parte de los individuos es otro de los indicadores utilizados para evaluar las condiciones de vida de las personas y de las poblaciones6. Según la literatura, la percepción de tener mala salud depende de múltiples factores, tanto individuales como comunitarios7. Ser mujer, pertenecer a un nivel socioeconómico desfavorecido, ser mayor de 60 años, con baja escolaridad, sin actividad ocupacional y sin cobertura de salud incrementa el riesgo de percibir mala salud8,9. En relación a los factores contextuales, algunos autores afirman que, además de los ingresos individuales, la distribución de los ingresos del área donde residen las personas también afecta la salud individual10–12. Tal aseveración se conoce como la «hipótesis de la desigualdad de renta»13, la cual describe que países, regiones o áreas geográficas con mayor desigualdad de ingresos presentan peores condiciones de salud14.

Para explicar tal relación, la literatura señala tres mecanismos7: el primero sugiere que áreas con una distribución desigual de los ingresos se asocian a una menor inversión en bienes públicos como educación y salud; el segundo, que tales áreas sufren una descomposición del capital social y de cooperación entre los habitantes; y el tercero se justifica en el efecto psicológico causado por comparaciones sociales entre los individuos del entorno15. Esta hipótesis ha incrementado el interés por la investigación del impacto del contexto socioeconómico macro sobre la salud individual16, en el cual, sin ignorar el efecto de las condiciones individuales, es cada vez más aceptado el efecto que tienen sobre la salud individual variables que operan e interactúan a niveles superiores, como barrios, ciudades o regiones. Tal investigación es escasa en Colombia, en donde aunque se ha logrado un desarrollo económico en las últimas dos décadas, este ha ido acompañado de un aumento en las desigualdades económicas entre las diferentes regiones y ciudades. Su capital, Bogotá, ha mostrado un patrón semejante, con un crecimiento económico desigual dentro de sus 19 localidades urbanas. Según algunos informes, aunque entre 2003 y 2011 se evidenció una disminución importante de la pobreza, pasando del 29,0% al 12,8%, existen diferencias entre sus localidades y se observan áreas con proporciones de pobreza del 23,4% (Ciudad Bolívar) y otras del 1,7% (Teusaquillo)17.

El objetivo de este estudio es evaluar la influencia de la desigualdad de los ingresos y de la pobreza en las localidades de Bogotá sobre la percepción de mala salud de sus residentes. Así mismo, se exploran cómo interactúan estas características contextuales en relación a características individuales.

Se obtuvieron datos sobre salud autopercibida de la Encuesta Multipropósito para Bogotá-Colombia, aplicada a 54.614 individuos miembros de 15.832 hogares de 19 localidades en el año 201118. La encuesta fue aplicada por el Departamento Administrativo Nacional de Estadística (DANE) a una muestra obtenida mediante diseño probabilístico por conglomerados, la cual fue posteriormente ponderada para ajustarse a las probabilidades diferenciales de no respuesta19.

Este estudio utilizó los datos reportados por los jefes de cada uno de los hogares encuestados. Aquellos hogares en los que se detectó la existencia de más de un jefe fueron eliminados del análisis (3,2%). Con esto, la muestra final tiene una estructura jerárquica, con 15.326 individuos anidados en 19 localidades.

Los indicadores de pobreza y de desigualdad de ingresos de las localidades también se obtuvieron del DANE19.

La variable dependiente fue la percepción de mala salud, la cual fue autorreferida por los jefes de hogar utilizando cuatro categorías en una escala Likert: muy buena, buena, regular y mala. La variable se analizó como dicotómica: 0=buena (buena o muy buena) y 1=mala (mala o regular).

Para las localidades, las variables independientes fueron:

• •

  Coeficiente de GINI del año 2011, que mide el grado de desigualdad en la distribución de los ingresos en la localidad18. Este indicador varía entre 0 y 1, donde 0 indica perfecta igualdad (población relativamente homogénea en sus ingresos) y 1 indica perfecta desigualdad (máxima concentración de los ingresos, sólo un individuo tiene todo el ingreso)20.

• •

  Índice de pobreza multidimensional del año 2011, que representa el porcentaje de personas en la localidad que tienen al menos un 30,0% de privaciones en las siguientes variables relacionadas con condiciones de vida: logro educativo, analfabetismo, asistencia/atraso escolar, acceso a servicios de primera infancia, trabajo infantil, desempleo, empleo formal, aseguramiento, acceso a servicios de salud, calidad del agua, saneamiento, material de pisos y paredes de la vivienda, y hacinamiento19,21.

Para los individuos se consideraron variables demográficas y socioeconómicas de los jefes de hogar: edad del entrevistado (años), educación (primaria o menos, secundaria completa, técnico o tecnológico completo, universitario o más), trabajo en la última semana (sí, no) y sistema de cobertura en salud (contributivo, subsidiado y especial). Estas variables fueron incluidas como potenciales factores de confusión.

Análisis estadístico

Dada la estructura jerárquica de los datos (individuos=nivel 1, localidades=nivel 2), se utilizó para el análisis un modelo logístico multinivel de tipo logit que permitió estimar los resultados en términos de odds ratio.

Se realizó un análisis crudo para estimar las relaciones bivariadas entre la percepción de mala salud y cada una de las variables independientes. El análisis ajustado consistió en la estimación de una serie de modelos multinivel: el primer modelo incluyó las características demográficas y socioeconómicas de los entrevistados; el segundo modelo adicionó las variables de pobreza y desigualdad de ingresos de las localidades; y el tercer modelo exploró las interacciones transnivel de las variables individuales y de las localidades. Se utilizaron gráficos para reportar los resultados de las interacciones que fueron estadísticamente significativas (p <0,05).

El modelo final se expresó como:

donde yij tiene valor 1 si el individuo i en la localidad j reporta tener mala salud, y 0 en caso contrario. El intercepto es representado por β0. Los coeficientes de regresión de las variables del nivel individual (xhij) y de las variables del nivel localidad (xlj) están representados por βh y βl, respectivamente, y los coeficientes del parámetro de interacción están representados por βhl. El efecto aleatorio a nivel localidad está representado por u0j, para el cual se asume una distribución normal con media 0 y varianza constante (σu02). A nivel individual se asume un efecto aleatorio con distribución de Bernoulli y varianza (σe02) de π23=3,2922.

Se calculó el coeficiente de partición de varianza CPVσ2u0σ2u0+σ2e0 para estimar la proporción de la varianza total que es explicada por las diferencias entre las localidades.

Dado que las mujeres han mostrado marcadamente una mayor probabilidad de reportar mala salud que los hombres23,24, todos los análisis se estratificaron por sexo.

Los análisis se realizaron con el paquete estadístico MLwiN 2,28 ejecutado desde STATA V12,0 (Stata Corp., College Station, USA), utilizando métodos de estimación Monte Carlo vía Cadenas de Markov25. La bondad de ajuste de los modelos se evaluó mediante el indicador Deviance information criterion (DIC), donde el modelo con el menor DIC fue considerado el mejor.

Esta investigación fue aprobada por el Comité de Ética del Área de la Salud de la Universidad de Antioquia–Medellín, Colombia.

La tabla 1 describe la población estudiada según sus características demográficas y socioeconómicas. El 62,0% de la muestra eran del sexo masculino. La media de edad de hombres y de mujeres fue de 50 años (desviación estándar aproximada de 15 años). El 40,0% tenían un nivel de estudios máximo de secundaria completa, el 72,2% de los hombres y el 53,0% de las mujeres eran activos laboralmente, y alrededor del 70,0% pertenecían al régimen contributivo de salud. En cuanto a las condiciones socioeconómicas de las localidades donde reside esta población, se encuentra que para el año 2011 el promedio de desigualdad de ingresos era de 0,46 y el porcentaje de pobreza del 12,4%.

La figura 1 muestra la distribución espacial de las variables de interés. Se observa un patrón espacial similar en la distribución del riesgo de mala salud de hombres y de mujeres. Llama la atención la semejanza en el patrón espacial del porcentaje de pobreza y de la prevalencia de mala salud, según el cual las localidades con peor salud son las más pobres. Un patrón inverso se observa con la distribución del coeficiente de GINI, pues las localidades con menor riesgo de mala salud son las que presentan los mayores niveles de desigualdad de ingresos.

Figura 1.

Distribución geográfica de la prevalencia de percepción de mala salud, coeficiente de GINI y porcentaje de pobreza en las localidades de Bogotá (Colombia), 2011.

(0.32MB).

Los resultados del modelo multinivel mostraron una prevalencia de percepción de mala salud del 23,2% (intervalo de confianza del 95%: 20,2-26,2). Las mujeres mostraron una prevalencia (31,18%) significativamente mayor que los hombres (18,29%).

El análisis crudo de los hombres (tabla 2) mostró un incremento del 5% en el riesgo de mala salud por cada incremento en la edad (p <0,001). Los hombres con menor nivel educativo tuvieron un mayor riesgo de reportar mala salud, así como también aquellos que no trabajaron la semana anterior y los afiliados al régimen de salud subsidiado. En cuanto al efecto de las características de las localidades donde residen los hombres, un mayor porcentaje de pobreza y un menor índice de desigualdad incrementaron significativamente el riesgo de mala salud. En el análisis ajustado, el efecto de las variables individuales se mantuvo significativo (tabla 2, modelo 1), mientras que el efecto de la pobreza redujo su significación estadística al 10% (p=0,06) y la desigualdad de ingresos dejó de ser significativa (p=0,18) (tabla 2, modelo 2).

Los resultados multinivel de la parte aleatoria del modelo nulo evidenciaron la existencia de diferencias significativas entre las localidades de Bogotá en el riesgo de mala salud en los hombres (p <0,001). El CPV indicó que el 3,80% de la varianza total podría deberse a condiciones de las localidades. El modelo con variables individuales (modelo 2) mostró una disminución marcada en el DIC, indicando una mejora sustancial en el ajuste. Sin embargo, una vez que estas variables fueron incluidas, las diferencias entre las localidades dejaron de ser estadísticamente significativas.

La figura 2 muestra el riesgo de mala salud para la interacción transnivel, que fue estadísticamente significativa (p <0,05) en el modelo 3. Según la figura, en áreas de alta desigualdad de ingresos, los individuos con nivel de estudios de primaria o menos presentaron un riesgo mayor de reportar mala salud que los individuos con un nivel educativo más alto, en especial en comparación con los que tienen estudios universitarios.

Figura 2.

Prevalencia de percepción de mala salud de los hombres según interacción transnivel del nivel educativo y el coeficiente de GINI de la localidad. Bogotá (Colombia), 2011.

(0.23MB).

En los resultados de las mujeres (tabla 3), el análisis crudo mostró que las mujeres mayores, que no trabajaron durante la semana anterior y que estaban afiliadas al régimen de salud subsidiado tuvieron mayor riesgo de mala salud. Así mismo, el riesgo de mala salud disminuye significativamente a medida que el nivel educativo aumenta. En relación a las variables de la localidad, los niveles de pobreza y de desigualdad de ingresos estuvieron significativamente asociados a la mala salud. Estos efectos permanecieron significativos en el análisis ajustado (tabla 3, modelos 1 y 2), con excepción del efecto de la desigualdad de ingresos en la localidad (p=0,33).

Los resultados de la parte aleatoria del modelo evidenciaron diferencias estadísticamente significativas en el riesgo de mala salud entre las localidades (p <0,001). En torno al 5% de la varianza total en el riesgo de mala salud puede atribuirse a las características de las localidades (modelo nulo). La mayor disminución en el DIC se observa al incluir en el modelo las variables del nivel individual, las cuales explicaron el 61,1% de la varianza total (modelo 1), indicando qué parte de las diferencias entre las localidades se debe a la concentración de características composicionales. Un 28,6% adicional fue explicado por las variables de pobreza y desigualdad de ingresos de las localidades (modelo 2).

Finalmente, la figura 3 muestra la interacción transnivel de la desigualdad de ingresos en la localidad y la edad. Según los resultados del modelo 3, la desigualdad de ingresos incrementa el riesgo de mala salud en las mujeres menores de 36 años, y lo disminuye marcadamente a partir de los 56 años de edad.

Figura 3.

Prevalencia de percepción de mala salud de las mujeres según interacción transnivel de la edad y el coeficiente del GINI de la localidad. Bogotá (Colombia), 2011.

(0.26MB).

En su conjunto, la presente investigación encontró diferencias geográficas sustanciales en la percepción de mala salud de la población de Bogotá, siendo Usme la localidad con la peor percepción y Chapinero la localidad con la mejor percepción. Las mujeres mostraron un mayor riesgo de mala salud, así como también los hombres y las mujeres de bajo nivel educativo, con edad avanzada, sin trabajo en la última semana y afiliados al régimen subsidiado de salud.

En relación al efecto de las condiciones socioeconómicas como determinantes de mala salud, nuestro estudio encontró que en los hombres y las mujeres existe un efecto de la pobreza de la localidad sobre la percepción de mala salud, aun después de ajustar por los factores individuales. Este resultado es compatible con los hallados en la literatura. Subramanian et al.14 demostraron que las condiciones estructurales del barrio, tales como la concentración de adultos mayores, la pobreza y la estabilidad residencial, predicen la percepción de mala salud en la población adulta americana. Así mismo, Feng et al.26, analizando datos de adultos mayores en China, encontraron que la salud de los adultos mayores de clases más desfavorecidas es tres veces peor que la de los adultos mayores de clases menos desfavorecidas, y que los ingresos en la provincia de residencia tienen un efecto independiente sobre la percepción de mala salud. Malmström et al.27 también reportaron que, aun después de controlar factores educativos y de estilos de vida, las personas que viven en áreas residenciales con carencias sociales y económicas tienen peor percepción de salud que las que viven en áreas más afluentes.

Estos resultados han tenido varias interpretaciones. Una es que vivir en comunidades con un alto porcentaje de personas en situación de pobreza puede afectar las habilidades culturales o sociales individuales que orientan el autocuidado y la resolución oportuna de problemas de salud14. Otros autores argumentan que áreas de bajo nivel económico tienden a hacer sentirse mal a sus residentes y, por lo tanto, a sentir una peor salud independientemente de su estado físico28. Así mismo, es posible que áreas pobres tengan mayor carencia de servicios e instituciones que favorezcan la salud de sus habitantes, tales como servicios médicos, parques, centros de recreación, etc. Por otro lado, es posible que la mala reputación de un área influya en la autoestima y la moral de sus residentes, lo que en consecuencia puede llevarles a reportar mala salud29.

Por otro lado, nuestros hallazgos no confirmaron la hipótesis de la desigualdad de ingresos. Según los resultados, en Bogotá no hay evidencia de que la mala salud de la población esté afectada tanto por las condiciones socioeconómicas individuales como por la desigualdad de ingresos de las localidades. Aunque los resultados ajustados de hombres y de mujeres no fueron estadísticamente significativos, se observó que en Bogotá la desigualdad de ingresos disminuye el riesgo de mala salud. Este resultado es concordante con el patrón espacial observado en la figura 1, donde localidades con mayores coeficientes de desigualdad de ingresos mostraron menores prevalencias de mala salud. Dichos resultados no concuerdan con lo reportado en la literatura29,30, pero los resultados de las interacciones transnivel mostraron efectos indirectos de la desigualdad de ingresos de la localidad.

En áreas con alta desigualdad de ingresos, los hombres con bajo nivel educativo y las mujeres jóvenes mostraron un mayor riesgo de mala salud. Estos resultados son concordantes con los de Feng et al.26, Dahl et al.31 y Pei et al.32, y sugieren que aunque la desigualdad de ingresos en los territorios no causa directamente mala salud, ésta manifiesta su efecto negativo cuando están presentes otras condiciones individuales. Por lo tanto, los resultados indican la necesidad de analizar los efectos diferenciales de la desigualdad de ingresos por grupos poblacionales con mayor vulnerabilidad para experimentar mala salud.

Este estudio presenta algunas limitaciones. Dada la naturaleza transversal de los datos, la primera limitación concierne a la no posibilidad de establecer una relación causal entre los factores socioeconómicos de los contextos y la percepción de mala salud. En segundo lugar, el uso de fuentes de información secundaria puede haber incrementado el error en la medición de variables. Otro hecho es la utilización de variables de educación y ocupación como proxy de los ingresos económicos individuales. La falta de variables individuales que midan la capacidad adquisitiva real de los encuestados puede estar sobreestimando el efecto de las variables económicas del contexto. Por otro lado, el hecho de que los datos analizados correspondan a los jefes del hogar hace que los resultados obtenidos sean solamente generalizables a esta población específica. Tales limitaciones ofrecen la oportunidad de realizar estudios más profundos entre el nivel de segregación socioeconómica que presenta Bogotá y su impacto en la salud de las personas.

En conclusión, en esta población colombiana, el análisis multinivel encontró diferencias geográficas en la percepción de salud de la población, y los mayores porcentajes de pobreza se mostraron asociados a un mayor riesgo de mala salud. Igualmente, los resultados destacan grandes inequidades de salud entre individuos y entre localidades, lo que sugiere la necesidad de formular programas e intervenciones orientados a prevenir y atender el problema en estos dos niveles.

Carme Borrell.

Las autoras declaran que ambas participaron en la concepción y el diseño del trabajo, el análisis y la interpretación de los datos, la escritura del artículo y su revisión crítica, y la aprobación de la versión final para su publicación.

Ninguna.

Ninguno.