Servicios personalizados
Español (pdf)
Articulo en XML
Referencias del artículo
Traducción automática
Enviar articulo por email
Citado por SciELO 
Citado por Google 
Similares en
SciELO 
Similares en Google 
Permalink
Introducción
En los últimos años, coincidiendo con la situación de crisis económica, ha resurgido la preocupación por el efecto de las desigualdades sociales en la salud de la población1,2. La voluntad de mitigar su efecto, en un contexto de recursos limitados, ha hecho renacer el interés por los índices de privación económica.
Los índices de privación permiten la objetivación del concepto de falta de recursos económicos y sociales, y su traslación a áreas geográficas pequeñas, posibilitando la clasificación de los territorios de menor a mayor privación. Empezaron a utilizarse durante los años 1980 en Gran Bretaña, y los más conocidos son los índices de Townsend3, de Carstairs y Morris4,5, de Jarman6,7 y el Index of Multiple Deprivation8 9-10. Todos ellos se construyen con la adición de diferentes indicadores socioeconómicos ponderados por un peso teórico o resultado de un modelo estadístico multivariante11.
Los índices de privación se han utilizado como instrumentos para el estudio de desigualdades en salud, pero algunos países los han incorporado como componentes en las fórmulas de financiación de los servicios sanitarios, con el fin de evitar que la privación social también acabe asociada a un empeoramiento de la atención sanitaria12,13. El caso más conocido fue el Resource Allocation Working Party14, promovido por el National Health Service, que estableció criterios y fórmulas para la mejora de la equidad en la financiación de la atención especializada.
En España, durante el año 2007, en el marco del proyecto «Mortalidad en áreas pequeñas Españolas y Desigualdades socioeconómicas y Ambientales» (MEDEA) se creó un índice de privación para áreas pequeñas (secciones censales) de entornos urbanos, a partir de los datos censales de 200115. El índice MEDEA se ha utilizado para el análisis de las desigualdades en salud en áreas pequeñas de zonas urbanas, y para la identificación y la priorización de territorios de especial vulnerabilidad socioeconómica.
El índice socioeconómico compuesto (ISC) responde al objetivo de construir un índice de privación para la asignación del presupuesto de los equipos de atención primaria de Cataluña, válido tanto para entornos urbanos como para entornos rurales, y actualizable con más frecuencia que los índices construidos a partir de variables censales.
Método
Ámbito de estudio y fuentes de información
La construcción del ISC se ha realizado a nivel de área básica de salud (ABS), que es el área geográfica de referencia de un equipo de atención primaria (EAP). En el año 2015, en Cataluña había 369 ABS, con una población media asignada de 19.910 personas y un rango de 2163 a 62.260 personas. El 75% de la población catalana está asignada a áreas de entre 13.145 y 26.536 personas.
Las fuentes de información de las variables socioeconómicas consideradas en la construcción del ISC fueron el registro central de asegurados (2015) del Servicio Catalán de la Salud, el registro estadístico de población (2014) del Idescat, el registro de mortalidad de Cataluña (2011-2013) del Departament de Salut y el conjunto mínimo básico de datos de atención hospitalaria (2015) del Servicio Catalán de la Salud. Las variables relativas a utilización de atención sanitaria y morbilidad se obtuvieron de los conjuntos mínimos básicos de datos de atención primaria (2015) y de atención urgente (2015), y de la base de datos de morbilidad poblacional (2015), del Servicio Catalán de la Salud.
Selección de las variables para la construcción del índice
La selección de las variables candidatas se realizó en dos pasos. En primer lugar, se revisaron las variables utilizadas para la construcción de los cuatro índices de privación más utilizados y adaptados (Townsend3, Carstairs-Morris4,5, Jarman6,7e Index of Multiple Deprivation8 9-10), y de los dos índices aplicados en Cataluña (MEDEA y Lertxundi16). Las variables de los índices revisados pueden clasificarse en nueve dimensiones, siendo las de mercado de trabajo y clase social, educación, condiciones de la vivienda y renta las más habituales (véase el Apéndice online). Se escogieron variables similares de fuentes que permitieran una actualización anual17.
En segundo lugar, teniendo en cuenta que el índice de privación resultante se utilizará en el contexto de un modelo de asignación de recursos, se evaluó la relación de las variables candidatas a formar parte del índice y otras variables indicativas de utilización de recursos en el ámbito de la atención primaria y de morbilidad. Estas variables fueron la población asignada atendida en atención primaria, las visitas por persona asignada, las urgencias tributarias de atención por parte de los EAP (niveles 4 y 5 de triaje), la complejidad clínica y la población atendida por complejidad. Esta última variable aproxima la carga o presión asistencial de los EAP18. Todas las variables fueron estandarizadas por edad y sexo utilizando el método indirecto mediante regresión de Poisson, excepto en el caso de la complejidad clínica, para la que la estandarización se realizó
mediante regresión lineal. Los grupos de edad considerados fueron los de 0-4, 5-14, 15-44, 45-64, 65-74, 75-84 y más de 84 años, dado que reflejan adecuadamente las diferencias tanto en utilización de servicios sanitarios como en nivel socioeconómico relacionadas con la edad.
Asimismo, se evaluó la relación entre las variables escogidas para evitar redundancias que pudieran dificultar la interpretación del resultado.
Análisis estadístico
Se realizó un análisis descriptivo de las variables seleccionadas haciendo las transformaciones oportunas en caso de falta de normalidad. La evaluación del grado de relación entre las variables candidatas a formar parte del índice y las variables indicativas de utilización de recursos y morbilidad se llevó a cabo mediante correlaciones de Pearson.
La metodología utilizada para el cálculo del ISC fue el análisis de componentes principales. Una vez obtenido el índice se calculó su correlación de Pearson con las variables de utilización de recursos y morbilidad seleccionadas, estratificando por nivel de dispersión territorial, a fin de comprobar si el ISC se relaciona en la misma medida con estas variables tanto en ambientes urbanos como en ambientes rurales, y por tanto si cumple el requisito de validez para todos los ambientes.
La información relativa a la dispersión se obtuvo a partir del cálculo histórico de dispersión que hasta la actualidad ha utilizado el CatSalut para la asignación de recursos a los EAP. Según este cálculo, se define dispersión como la probabilidad de que dos pacientes consecutivos de una misma ABS residan en localidades (núcleos de población) diferentes. Dado que esta variable no tiene en cuenta la distancia entre las diferentes localidades que conforman una ABS, existe un segundo cálculo a partir del logaritmo de la inversa de la densidad poblacional (escalado a una puntuación de 0-100%). En las ABS donde los dos cálculos difieren se combinan los dos métodos, ponderando con 2 puntos el cálculo inicial y con 1 punto el segundo. La variable dispersión se ha categorizado en cinco grupos: sin dispersión (dispersión inferior a 0,1), muy baja (entre 0,1 y 0,4), baja (entre 0,5 y 0,6), moderada (entre 0,7 y 0,8) y alta (superior a 0,8).
Finalmente, también se calculó la correlación de Pearson entre el ISC y el índice MEDEA. El análisis estadístico se realizó con Stata 13.
Resultados
Se consiguieron 11 variables similares a las de los índices de privación revisados (véase el Apéndice online): tres variables de renta, dos de ocupación, dos de nivel de estudios, dos de cohesión social y dos de salud.
Tabla 1. Coeficientes de correlación de Pearson entre las variables seleccionadas y las variables de utilización de recursos sanitarios y morbilidad
| Variable | Población atendida en atención primaria | Visitas de atención primaria por persona asignada | Urgencias tributarias de atenderse en atención primaria por persona asignada | Complejidad clínica (grupos de morbilidad ajustados) | Población atendida por complejidad |
|---|---|---|---|---|---|
| Exención de copago farmacéutico | 0,32a | 0,28a | 0,35a | 0,51a | 0,27a |
| Renta inferior a 18.000€ | 0,60a | 0,61a | 0,02 | 0,46a | 0,53a |
| Renta superior a 100.000€ | −0,71a | −0,53a | −0,23a | −0,58a | −0,60a |
| Ocupaciones manuales | 0,76a | 0,71a | 0,02 | 0,58a | 0,64a |
| No ocupación | 0,04 | 0,16 | 0,21a | 0,24a | 0,03 |
| Nivel de instrucción insuficiente | 0,61a | 0,47a | 0,25a | 0,69a | 0,56a |
| Sin estudios secundarios posobligatorios | 0,73a | 0,58a | 0,21a | 0,67a | 0,60a |
| Nacionalidad de un país en vías de desarrollo | −0,07 | 0,02 | 0,20a | 0,15b | −0,06 |
| Mayores de 64 años en hogares unipersonales | −0,20a | 0,02 | −0,05 | −0,28a | −0,09 |
| Mortalidad anterior a los 75 años | 0,29a | 0,27a | 0,19a | 0,49a | 0,45a> |
| Hospitalizaciones potencialmente evitables | 0,22a | 0,10 | 0,40a | 0,52a | 0,24a |
ap < 0,001.
bp < 0,01.
Las variables seleccionadas son la población exenta de copago farmacéutico (%), la población con renta inferior a 18.000 D (%), la población con renta superior a 100.000 D (%), la población con ocupaciones manuales (%), la población no ocupada (%), la población con nivel de instrucción insuficiente (%), la población sin estudios secundarios posobligatorios (%), la población con nacionalidad de un país en vías de desarrollo (%), la población mayor de 64 años en hogares unipersonales (%), la mortalidad anterior a los 75 años y las hospitalizaciones potencialmente evitables. A la variable de renta superior a 100.000 D se le aplicó una transformación logarítmica para suavizar su asimetría positiva.
Las variables relativas a renta, ocupación y nivel de estudios son las que tienen una relación más clara con la utilización de los servicios de atención sanitaria y la morbilidad (Tabla 1). Destacan los coeficientes de correlación entre las ocupaciones manuales y la población atendida en atención primaria (r = 0,76) o las visitas por persona asignada (r = 0,71). Destaca también la relación entre la instrucción insuficiente, la población sin estudios secundarios y la complejidad clínica (r = 0,69 y r = 0,67, respectivamente). Las variables de mortalidad anterior a los 75 años y de hospitalizaciones potencialmente evitables tienen una relación más débil con la utilización de los recursos de atención primaria, pero están relacionadas con la complejidad clínica (r = 0,49 y r = 0,52, respectivamente). Las dos variables más relacionadas con el uso de urgencias son la de renta más extrema (exención de copago farmacéutico) y las hospitalizaciones potencialmente evitables (r = 0,35 y r = 0,40, respectivamente). Por último, las variables de no ocupación, nacionalidad de un país en vías de desarrollo y mayores de 64 años en hogares unipersonales tienen poca relación con las variables seleccionadas, con valores de correlación que no alcanzan 0,3 en ningún caso.
Al analizar la correlación entre las variables socioeconómicas se observan correlaciones muy elevadas entre las rentas inferiores a D y las ocupaciones manuales (r = 0,86), entre sin estudios secundarios posobligatorios y ocupaciones manuales (r = 0,90), y entre sin estudios secundarios posobligatorios e instrucción insuficiente (r = 0,90). Debido a la gran correlación de los estudios secundarios posobligatorios con ocupaciones manuales y con educación insuficiente, la primera se descartó del cálculo del índice. El resto de las correlaciones entre variables socioeconómicas fueron menores.
Así, las variables seleccionadas para el cálculo del ISC son renta, ocupaciones manuales, nivel de instrucción insuficiente, mortalidad anterior a los 75 años y hospitalizaciones potencialmente evitables.
El primer componente del análisis de componentes principales recoge el 62,5% de la variabilidad de las variables del modelo (Tabla 2), y otorga más peso a las variables socioeconómicas que a las relativas a resultados en salud, con saturaciones de aproximadamente 0,4 para las variables renta, ocupación y nivel de instrucción insuficiente y 0,3 para las variables mortalidad anterior a los 75 años y hospitalizaciones potencialmente evitables.
Tabla 2. Saturaciones, valores propios y proporción de la varianza total explicada de los componentes del análisis de componentes principales
| Variable | Componente 1 | Componente 2 | Componente 3 | Componente 4 | Componente 5 | Componente 6 | Componente 7 |
|---|---|---|---|---|---|---|---|
| Exención de copago farmacéutico | 0,37 | 0,25 | −0,17 | 0,82 | 0,27 | −0,04 | −0,16 |
| Renta inferior a 18.000€ | 0,40 | −0,41 | 0,11 | −0,12 | 0,59 | 0,05 | 0,54 |
| Renta superior a 100.000€ (ln) | −0,44 | 0,15 | 0,06 | 0,20 | 0,15 | 0,82 | 0,24 |
| Ocupaciones manuales | 0,41 | -0,41 | 0,09 | −0,11 | −0,07 | 0,50 | −0,62 |
| Nivel de instrucción insuficiente | 0,43 | 0,01 | −0,19 | 0,10 | −0,70 | 0,21 | 0,49 |
| Mortalidad anterior a los 75 años | 0,27 | 0,47 | 0,83 | −0,07 | −0,05 | 0,02 | 0,02 |
| Hospitalizaciones potencialmente evitables | 0,29 | 0,60 | −0,46 | −0,50 | 0,25 | 0,18 | −0,07 |
| Valores propios | 4,38 | 1,02 | 0,65 | 0,44 | 0,25 | 0,17 | 0,10 |
| Varianza total explicada | 62,5% | 14,5% | 9,3% | 6,3% | 3,6% | 2,5% | 1,4% |
ln: logaritmo neperiano.
El segundo componente otorga más peso a las variables de resultados en salud. La mayor saturación corresponde a la variable hospitalizaciones potencialmente evitables, seguida de la mortalidad anterior a los 75 años, y en cambio, las variables ocupaciones manuales y renta inferior a 18.000 D presentan saturaciones de signo negativo, lo que dificulta su interpretación. La suma de los dos primeros componentes supone el 77,0% del total de la varianza de las variables originales. Sin embargo, se ha construido el ISC utilizando solo el primero debido a que la interpretación del segundo es poco intuitiva. El valor de las saturaciones se ha utilizado para ponderar el peso de cada variable en el índice.
El ISC tiene un rango de 0,01 a 5,68, con una media de 2,60 y una desviación estándar de 0,91. Un valor más alto del ISC supone mayor privación y, por tanto, un nivel socioeconómico menor. Los territorios que tienen una mayor proporción de ABS de nivel socioeconómico bajo sobre el total de las ABS de su territorio son Barcelona Nord y Terres de l'Ebre, y los que tienen menor proporción son Alt Pirineu i Aran, Girona y Catalunya Central (Tabla 3).
Tabla. 3 - Quintiles de las variables que componen el índice socioeconómico compuesto por regiones sanitarias de Cataluña y áreas territoriales de la región sanitaria de Barcelona
| Variable | Lleida | Camp de Tarragona | Torres de l'Ebre | Girona | Catalunya Central | Alt Pirineu i Aran | Barcelona Nord | Barcelona Sud | Barcelona Ciutat |
|---|---|---|---|---|---|---|---|---|---|
| Exención de copago farmacéutico (%) | |||||||||
| P20 | 3,0% | 3,2% | 3,7% | 2,8% | 2,6% | 1,9% | 2,7% | 2,8% | 2,0% |
| P40 | 3,2% | 3,6% | 3,8% | 3,8% | 3,8% | 2,2% | 3,6% | 3,3% | 2,6% |
| P60 | 3,6% | 4,5% | 4,5% | 4,3% | 4,2% | 2,9% | 4,4% | 3,8% | 3,4% |
| P80 | 4,3% | 6,3% | 5,0% | 5,6% | 5,9% | 3,2% | 6,0% | 4,9% | 4,8% |
| Renta inferior a 18.000 D (%) | |||||||||
| P20 | 68,9% | 62,8% | 71,5% | 68,0% | 64,4% | 71,3% | 60,1% | 59,7% | 54,1% |
| P40 | 71,6% | 67,7% | 76,5% | 69,7% | 66,2% | 71,7% | 63,0% | 62,6% | 59,1% |
| P60 | 73,0% | 71,2% | 76,9% | 71,8% | 67,9% | 74,8% | 66,2% | 64,8% | 63,4% |
| P80 | 75,5% | 71,7% | 79,3% | 74,3% | 70,2% | 75,9% | 70,8% | 67,2% | 71,0% |
| Renta superior a 100.000€ (%) | |||||||||
| P20 | 0,13% | 0,17% | 0,12% | 0,24% | 0,22% | 0,15% | 0,10% | 0,16% | 0,18% |
| P40 | 0,24% | 0,28% | 0,17% | 0,32% | 0,27% | 0,24% | 0,25% | 0,28% | 0,38% |
| P60 | 0,32% | 0,39% | 0,21% | 0,37% | 0,35% | 0,27% | 0,52% | 0,47% | 0,78% |
| P80 | 0,38% | 0,64% | 0,30% | 0,43% | 0,52% | 0,35% | 1,00% | 0,77% | 2,29% |
| Ocupaciones manuales(%) | |||||||||
| P20 | 47,5% | 43,8% | 53,4% | 49,1% | 47,5% | 50,8% | 37,9% | 39,3% | 23,7% |
| P40 | 53,6% | 47,3% | 54,0% | 50,8% | 50,8% | 53,4% | 45,2% | 43,7% | 30,0% |
| P60 | 57,7% | 51,4% | 59,8% | 52,8% | 53,8% | 54,6% | 48,8% | 47,4% | 35,9% |
| P80 | 62,0% | 56,7% | 61,7% | 55,3% | 57,1% | 56,0% | 54,8% | 52,0% | 44,6% |
| Nivel de instrucción insuficiente (%) | |||||||||
| P20 | 21,2% | 17,8% | 23,2% | 19,9% | 19,8% | 17,9% | 18,1% | 19,8% | 12,8% |
| P40 | 24,6% | 22,5% | 26,6% | 22,0% | 21,5% | 18,1% | 22,0% | 23,1% | 17,8% |
| P60 | 25,7% | 24,7% | 27,1% | 23,5% | 23,7% | 21,9% | 25,8% | 24,8% | 20,8% |
| P80 | 26,9% | 29,3% | 27,5% | 26,8% | 27,7% | 23,0% | 31,8% | 27,1% | 25,4% |
| Mortalidad anterior a los 75 años (por 1000 hab.) | |||||||||
| P20 | 1,97 | 2,08 | 1,95 | 2,08 | 2,17 | 1,90 | 2,02 | 2,20 | 1,97 |
| P40 | 2,26 | 2,20 | 2,25 | 2,22 | 2,31 | 2,13 | 2,22 | 2,28 | 2,18 |
| P60 | 2,35 | 2,44 | 2,45 | 2,43 | 2,45 | 2,94 | 2,39 | 2,36 | 2,32 |
| P80 | 2,49 | 2,64 | 2,46 | 2,62 | 2,71 | 2,99 | 2,56 | 2,52 | 2,53 |
| Hospitalizaciones potencialmente evitables (por 1000 hab.) | |||||||||
| P20 | 4,43 | 4,24 | 2,41 | 3,85 | 4,36 | 4,60 | 5,49 | 4,74 | 3,77 |
| P40 | 5,55 | 4,60 | 2,83 | 4,60 | 4,98 | 5,31 | 6,05 | 5,83 | 5,10 |
| P60 | 6,08 | 5,54 | 3,38 | 5,67 | 5,42 | 7,04 | 6,94 | 7,29 | 6,85 |
| P80 | 6,87 | 7,54 | 4,19 | 7,07 | 6,17 | 7,39 | 8,28 | 8,62 | 8,12 |
| ISC | |||||||||
| P20 | 2,62 | 1,98 | 2,62 | 2,34 | 2,28 | 2,32 | 1,87 | 2,03 | 1,21 |
| P40 | 2,74 | 2,56 | 2,90 | 2,55 | 2,63 | 2,64 | 2,34 | 2,39 | 1,97 |
| P60 | 2,96 | 2,85 | 3,08 | 2,79 | 2,76 | 2,89 | 2,78 | 2,76 | 2,31 |
| P80 | 3,16 | 3,19 | 3,20 | 2,95 | 3,13 | 2,92 | 3,73 | 3,21 | 3,10 |
| Número y porcentaje de ABS que pertenecen al último quintil del ISC | |||||||||
| N | 3 | 7 | 3 | 4 | 5 | 0 | 27 | 12 | 13 |
| % | 13,6 | 21,2 | 27,3 | 9,8 | 13,2 | 0,0 | 30,7 | 20,7 | 18,8 |
ABS: área básica de salud; ISC: índice socioeconómico compuesto.
El ISC está relacionado con la utilización de servicios de atención sanitaria y la morbilidad tanto en las ABS urbanas como en las rurales (Tabla 4). Aun así, las correlaciones son mayores en los primeros que en los segundos: mientras la correlación entre el ISC y el indicador población atendida por complejidad es de 0,74 en los entornos sin dispersión (urbanos), el coeficiente se reduce hasta 0,49 en aquellos con dispersión alta (rurales).
Tabla. 4 - Coeficientes de correlación de Pearson entre el índice socioeconómico compuesto y las variables de utilización de recursos sanitarios y morbilidad por grado de dispersión territorial
| Grado de dispersióna | Nº. de EAP | % | Coeficiente de correlación de Pearson | ||||
|---|---|---|---|---|---|---|---|
| Población atendida en atención primaria | Visitas de atención primaria por persona asignada | Urgencias tributarias de atenderse en atención primaria por persona asignada | Complejidad clínica (grupos de morbilidad ajustados) | Población atendida por complejidad | |||
| Sin dispersión | 169 | 45,8 | 0,77b | 0,75b | 0,46b | 0,84b | 0,74b |
| Muy baja | 45 | 12,2 | 0,58b | 0,40c | 0,11 | 0,63b | 0,50b |
| Baja | 46 | 12,5 | 0,52b | 0,40c | 0,29d | 0,43c | 0,36 |
| Moderada | 57 | 15,4 | 0,50b | 0,43b | 0,00 | 0,45b | 0,45b |
| Alta | 52 | 14,1 | 0,49b | 0,49b | -0,22 | 0,16 | 0,49 |
EAP: equipos de atención primaria.
aSin dispersión (dispersión < 0,1), muy baja (0,1-0,4), baja (0,5-0,6), moderada (0,7-0,8) y alta (>0,8).
bp < 0,001.
cp < 0,01.
dp < 0,05.
Por último, el coeficiente de correlación de Pearson entre el ISC y el MEDEA es de 0,89.
Discusión
Este estudio ha permitido la creación de un índice socioeconómico para las ABS que cumple criterios de facilidad de interpretación, posibilidad de actualización periódica y capacidad explicativa del efecto de las diferencias socioeconómicas en la utilización de los servicios de atención sanitaria y la morbilidad, tanto en ámbitos urbanos como en ámbitos rurales.
Las variables utilizadas para su construcción han sido la exención de copago farmacéutico, la renta inferior a 18.000 D , la renta superior a 100.000 D , las ocupaciones manuales, el nivel de instrucción insuficiente, la mortalidad anterior a los 75 años y las hospitalizaciones potencialmente evitables. La utilización de una metodología multivariante, en concreto el análisis de componentes principales, se ha considerado la mejor de las opciones, pues se trata de variables con una gran correlación entre ellas y no se dispone de estimaciones teóricas de cuál es la contribución de cada una al concepto de privación.
Un rasgo diferencial del ISC en relación con otros índices de privación es la consideración de variables poblacionales de renta en su composición. Aunque los grupos de renta utilizados para la determinación del copago farmacéutico sean muy amplios, se ha puesto de manifiesto que esta información es muy útil para estimar el uso de recursos e identificar los grupos con mayor vulnerabilidad social y mayor riesgo de elevadas morbilidad y mortalidad19.
Un segundo rasgo diferencial es la inclusión de la mortalidad anterior a los 75 años y la hospitalización potencialmente evitable en el cálculo del ISC. Si bien estas dos variables obtienen saturaciones más bajas que el resto, son en especial interesantes porque se ha observado que presentan valores muy elevados en grupos con pobreza extrema, y por tanto pueden contribuir a discriminar los territorios con mayor grado de pobreza19.
También es un rasgo de este índice que no incluye la tasa de desempleo entre sus componentes, si bien tradicionalmente ha sido muy valorada en la construcción de índices de privación11. El hecho de que el registro estadístico de población no distinga entre población desempleada e inactiva impide el cálculo de un indicador específico de desempleo que cumpla con el requisito de capacidad de actualización periódica. El indicador disponible tiene una relación mucho más débil con la utilización de servicios y la morbilidad que otros indicadores, como el de ocupaciones manuales o el de nivel de renta; por este motivo se ha decidido su exclusión en el cálculo del ISC. Sin embargo, para nuevas revisiones del índice cabría la posibilidad de estimar de forma alternativa la población desocupada a partir de la información utilizada para el cálculo del copago farmacéutico, empleando una metodología similar a la utilizada en otros trabajos20.
Otro aspecto diferencial es haber usado fuentes que permiten una actualización frecuente de los indicadores. La información censal ha sido utilizada tradicionalmente en la construcción de estos índices debido a que ofrece datos poblacionales homogéneos de todo un país y es de fácil manejo al tratarse de una única fuente de información. Sin embargo, a la limitación de la baja frecuencia de actualización se ha añadido recientemente el cambio de metodología en el cálculo del censo poblacional20, que ha pasado a actualizarse a partir de datos de muestras, hecho que supone un interrogante sobre qué capacidad tendrá en el futuro para detectar cambios que afectan a territorios pequeños.
El nivel territorial escogido para el cálculo del ISC ha sido el ABS; dado que se trata de un índice diseñado para la distribución de recursos a los EAP, esta división territorial es adecuada. Sin embargo, para el análisis de desigualdades sociales, y especialmente en algunos territorios, puede ser más indicado el uso de una división territorial inferior, como la sección censal, a fin de garantizar que la población de cada área sea lo más homogénea posible21.
La consideración de indicadores de utilización de servicios como criterio para la selección de las variables que conforman el ISC podría suponer una debilidad en caso de que esta orientación suponga un alejamiento del concepto de necesidad. Necesidad de atención y necesidad de utilización son dos conceptos distintos22. No obstante, el hecho de haber optado por un índice de privación compuesto por variables socioeconómicas y de salud como criterio para distribuir el presupuesto de la atención primaria, en lugar de hacerlo directamente a partir de la presión asistencial observada en cada territorio, pone de manifiesto que la relación entre privación y necesidad está presente en la base del modelo.
Un requisito para la construcción del índice ha sido la necesidad de que sea válido tanto en ambientes urbanos como en ambientes rurales. Las iniciativas de índices de privación en entornos rurales no son tan habituales23,24, y la mayoría de los trabajos realizados se han quedado en el plano teórico. Aun así, existe cierto consenso sobre el hecho de que la privación en los entornos rurales es fundamentalmente distinta de la de los entornos urbanos25. En los entornos rurales, los niveles de ocupación son mayores y los niveles de renta son menores. El ISC es un índice único para los dos entornos, pero incluye el elemento renta, que puede ayudar a aproximar un poco mejor el nivel de vida en los entornos rurales. El resultado es que, al comparar con la utilización de servicios de atención sanitaria y la morbilidad, la relación se debilita a medida que aumenta la dispersión26, de forma parecida a lo que ocurre con el MEDEA y su relación con la mortalidad27, y a lo que ocurre con los principales índices de privación. Aun así, la relación no desaparece y se mantiene a niveles aceptables.
Aunque tiene en cuenta diferentes dimensiones en su definición, el ISC no ofrece por ahora una buena aproximación al fenómeno de la privación múltiple. Esta debilidad es común a todos los índices de privación revisados para la realización de este artículo. El efecto de la privación sobre el estado de salud crece a medida que una persona se sitúa a la vez sobre diversos ejes de privación28. Esta situación es muy frecuente en la realidad, donde son determinados grupos sociales los que acumulan varias circunstancias generadoras de privación, con un efecto muy importante sobre su salud.
El índice MEDEA buscaba sintetizar las diferencias socioeconómicas y las relacionaba con la mortalidad, mientras que el ISC las relaciona con la utilización de servicios sanitarios y la morbilidad. No obstante, los dos índices acaban pareciéndose mucho. Esta elevada correlación indica que la situación económica descrita por MEDEA probablemente sigue siendo vigente 10 años después de su construcción. Por otro lado, la construcción del ISC pone de manifiesto que es viable la elaboración de índices socioeconómicos a partir de información alternativa a la censal.
En resumen, se ha construido un índice de privación para mejorar la asignación de recursos a la atención primaria, pero su definición es suficientemente general como para aplicarlo en otros ámbitos como la planificación de políticas sanitarias o el estudio de las desigualdades. El resultado de este cálculo se ha integrado en el modelo de asignación de recursos de la atención primaria del Servicio Catalán de la Salud a partir del año 2017.
¿Qué se sabe sobre el tema?
En los últimos años, coincidiendo con la situación de crisis económica, ha renacido el interés por los índices de privación económica. En España, durante el año 2007, en el marco del proyecto MEDEA se creó un índice de privación a partir de datos censales para áreas pequeñas, que ha sido amplia- mente utilizado para el análisis de las desigualdades en salud de zonas urbanas y para la identificación y la priorización de territorios de especial vulnerabilidad socioeconómica.
¿Que añade el estudio realizado a la literatura?
Este estudio ha permitido la creación de un índice socioeconómico para todas las áreas básicas de salud de Cataluña, tanto urbanas como rurales. El indicador socioeconómico compuesto cumple criterios de facilidad de interpretación, posibilidad de actualización periódica y capacidad explicativa del efecto de las diferencias socioeconómicas en las necesidades de atención sanitaria. El resultado de este cálculo se ha integrado en el modelo de asignación de recursos de la atención primaria a partir del año 2017.
