Patrones espaciales en indicadores de malnutrición infantil de la República Argentina

MELCONIAN, MARÍA AGUSTINA; FERNÁNDEZ, MARÍA SOLEDAD; TURJANSKI, PABLO; ALTSYLER, EDGAR; LIBMAN, MALENA; PÉREZ, ADRIANA; NUÑEZ, PABLO; CUETO, GERARDO

Montevideo

Congreso; XIV Congreso Latinoamericano de Sociedades de Estadística ?Laura Nalbarte?; 2021

Sociedad Uruguaya de Estadística

El retraso en el crecimiento (baja talla para la edad) es considerado el mejor indicador de las desigualdades en salud infantil, ya que refleja un déficit acumulativo del crecimiento lineal durante los primeros años de vida. Afecta el desarrollo físico, cognitivo, social y emocional, y genera consecuencias adversas en el desarrollo educativo y económico durante la vida adulta. El Programa Sumar [2013-actualidad] dependiente del Ministerio de Salud de Argentina, recopila datos antropométricos provenientes de controles de salud de niñas y niños con cobertura exclusiva en el sistema de salud público del país, proporcionando un gran volumen de información que hoy en día se encuentra subanalizada, sobre la población infantil más vulnerable. Con el objetivo de identificar regiones del país con mayor prevalencia de baja talla, se propone estudiar la variación espacial de este indicador en la población de niños y niñas beneficiarios del Programa. Como fuente de datos se utilizaron los últimos registros de talla provenientes de controles de salud de niños y niñas de 0 a 5 años del Programa del período ene/2019 - abr/2020. Para cada uno de los 6.194 centros de salud (efectores) que reportaron controles en este período se calculó la prevalencia de baja talla (PBT) como la cantidad de beneficiarios con baja talla para la edad (según el criterio establecido por la Organización Mundial de la Salud) sobre el total de beneficiarios que realizaron controles de salud, la edad promedio y la proporción de varones. Para analizar los patrones espaciales en la PBT(variable respuesta) se aplicaron modelos geoespaciales con métodos de estimación bayesianos (Bayesian space-model-based geostatistics using integrated nested Laplace approximations), disponibles en la biblioteca R-INLA del software R, utilizando una distribución Binomial. Para el modelado de la estructura espacial se utilizaron ecuaciones estocásticas parcialmente diferenciales, una malla conteniendo las coordenadas de cada uno de los efectores y una matriz de correlación de Mátern. Se incluyeron como variables de control la proporción de varones y la edad promedio de los beneficiarios de cada efector. Como variables de efectos aleatorios se añadieron el efector y el departamento al cual correspondía el mismo. La cantidad de beneficiarios por efector fue variable (media=188, mediana=102; Rango: 1-7.489). En cuanto a lo estimado por el modelo, la mediana para la PBT estimada fue de 8 % y los percentiles 5 y 95 fueron de [6,28-10,40] % respectivamente. El modelo ajustado presentó una estructura espacial significativa, (DIC al incorporar el factor espacial: 30.039). La PBT disminuyó al aumentar la edad promedio de los beneficiarios del efector y aumentó con la proporción de varones del mismo. Los valores más altos de PBT se observaron en las provincias del noroeste, noreste, Santiago del Estero y el AMBA, seguidos por la región patagónica, particularmente en la provincia de Neuquén. Modelar la estructura espacial de variables con distribución no normal requiere de métodos complejos existiendo pocos ejemplos de aplicaciones en epidemiología en Argentina En este sentido, en el presente trabajo el modelo ajustado permitió describir la estructura espacial presente en el indicador de baja talla e identificar áreas a distintas escalas jurisdiccionales con peores situaciones nutricionales. El hecho de ajustar el modelo por edad y sexo (proporción de varones), hizo posible efectuar comparaciones independientemente de la composición de edad y sexo de cada efector. Poder hacer un seguimiento de indicadores de desnutrición a escalas subnacionales y locales es fundamental tanto para reducir las desigualdades a nivel territorial, como para evaluar progresos y áreas que requieren mejoras; además permite implementar políticas sociales que se adecúen a las necesidades particulares de cada caso. De esta manera, este trabajo podrá ser utilizado por tomadores de decisiones como herramienta que permita enfocar posibles intervenciones sanitarias acordes a la situación que se presente, en grupos determinados o espacios