BE v23n3 Spanish - Centro de Información Sobre Desastres...

EN ESTE NÚMERO . . .• Notas metodológicas en epidemiología:

− Sobre la estimación de tasas de mortalidad para países de la Regiónde las Américas

− La tabla de vida: una técnica para resumir la mortalidad y la sobre-vivencia

− Glosario de análisis multinivel - Parte II

• Normas y estándares en epidemiología:− Revisión del Reglamento Sanitario Internacional

• Anuncios:− Cursos de verano en epidemiología, 2004

Organización Panamericana de la Salud:Celebrando 100 Años de Salud

Boletín EpidemiológicoVol. 24, No. 4 Diciembre 2003

Sobre la estimación de tasas de mortalidad para países dela Región de las Américas

IntroducciónSe sabe que las estadísticas provenientes de la mortali-

dad registrada pueden verse alteradas en cualquier etapa desu producción: recolección de datos y llenado de formula-rios, codificación, procesamiento de datos y cómputo poste-rior. Los indicadores que se obtienen a partir de estos (comoel número de casos y la distribución de casos por causa) yque cumplen una función en la elaboración de las tasas demortalidad pueden sufrir modificaciones en el numerador y eldenominador. Por consiguiente, es imprescindible conocerlas condiciones en las cuales se generan las estadísticas ylos problemas que surgen al producirlas para tenerlos en cuen-ta en su interpretación y uso correctos. De esta forma sepueden aplicar procedimientos para corregir los problemas ymejorar la calidad y la confiabilidad de las estadísticas.

Los errores cometidos al recolectar y procesar las basesde datos también pueden dar lugar a problemas que solamen-te se perciben cuando se hacen las comparaciones de datosy se estudian sus tendencias. Esto significa que cierto gradode conocimiento en la materia y experiencia en el uso regularde los datos. Para estimar las tasas de mortalidad específicasse necesita un denominador, que corresponde, por un lado, ala población por grupos de edad y, por el otro a los nacidosvivos registrados, que son parte de las tasas de mortalidadmaterna e infantil. La población estimada para los años inter-censales se obtiene de las proyecciones, que podrían repre-sentar de forma inadecuada los problemas migratorios de al-gunos países. Las estadísticas de nacidos vivos también tie-nen algunos problemas, siendo el más importante el registroextemporáneo de los nacimientos. Como consecuencia, lastasas de mortalidad materna e infantil observadas diferiránde las tasas reales si no se tiene en cuenta el registro extem-poráneo de nacimientos o la falta de registro de nacimientosy defunciones.

La calidad de los datos de mortalidad específica por unacausa también se afecta por limitaciones en los conocimien-tos médicos actuales, errores de diagnóstico, deficiencias en

la certificación y, quizás en menor grado, errores de codifica-ción y de otros tipos de procesamiento. El registro incomple-to de las defunciones afecta, además, la validez de la distri-bución por causas. La causa consignada en el certificado dedefunción, incluso cuando la determinan los médicos tratan-tes, a menudo está incompleta o es de mala calidad, entreotras razones, por falta de capacitación en certificación y unacomprensión insuficiente de los usos que se hacen de lainformación proporcionada en el certificado de defunción.Otro problema frecuente es que los médicos pueden preferirciertas clases de diagnósticos, como los de su área de espe-cialidad; este sesgo puede variar de un país a otro y con eltranscurso del tiempo. En muchos países en desarrollo unsector considerable de la población carece de acceso a laatención médica. Por lo tanto, es posible que los médicos notratantes, cuya información puede ser insuficiente para eldiagnóstico, firmen los certificados de defunción y que testi-gos sin conocimientos médicos proporcionen los informessobre la muerte. Los países en desarrollo y desarrolladosafrontan algunos de los mismos problemas. Por ejemplo, pue-de haber motivos jurídicos, sociales y de otra índole queconduzcan a la subnotificación en el certificado de defun-ción de causas de carácter delicado, como el suicidio o lainfección por el VIH/SIDA. Es más, los médicos, a menudono comprenden cómo llenar debidamente el certificado dedefunción, en particular con respecto a la determinación delas causas directas, contribuyentes y básicas. La selecciónde una única causa básica de muerte suele ser un problemamayor en el caso de los fallecidos de edad avanzada, que amenudo padecen varias enfermedades crónicas que condu-cen asociadamente a la muerte.

Es evidente que hay una necesidad real de educar alpúblico, a los médicos y a los encargados de adoptar decisio-nes en el sector de salud acerca de la importancia del informeexacto y completo en el certificado de defunción y las reper-cusiones del informe erróneo en las estadísticas de mortali-dad consolidada. Las prácticas con respecto a la inclusión o

2 Boletín Epidemiológico / OPS, Vol. 24, No. 4 (2003)

no de las defunciones sin certificación médica en las tabula-ciones de las defunciones por causas difieren de un país aotro. Una disposición de la Organización Mundial de la Salud(OMS) estipula que cuando las defunciones sin certificaciónmédica constituyen menos de 2% del total, se incluyan endichas tabulaciones en la categoría “causa mal definida”;cuando exceden ese porcentaje, se deben tabular por separa-do. Sin embargo, los países a veces aplican diferentes crite-rios. Las defunciones sin certificación médica se incluyen enocasiones en las tabulaciones nacionales de causas de muer-te, como sigue: bajo los códigos 798.9 [Clasificación Intern-actional de Enfermedades, Novena Revisión (CIE-9)]1 o R98(CIE-10)2, “muerte sin asistencia”, cuando la causa no es ex-terna pero se desconoce por la falta de atención médica en elmomento de la muerte o durante la enfermedad o afecciónque condujo a la muerte; o bajo los códigos 799.9 (CIE-9) oR99 (CIE-10), “otras causas mal definidas y las no especifica-das de mortalidad”. Para los datos de causa de muerte concertificación médica, el indicador más sencillo de la calidad esla proporción de defunciones asignadas a los “síntomas, sig-nos y afecciones mal definidas” (SSMD), códigos 780-799(CIE-9) y R00-R99 (CIE-10). Las causas de muerte “descono-cidas” asignadas a los códigos 798.9 y R98, o 799.9 y R99representan una proporción grande de las muertes atribuidasa SSMD, dado que la mayoría de éstas ocurren sin certifica-ción médica. Sin embargo, cuando la cobertura del registroes incompleta, la proporción de las defunciones asignadas aSSMD generalmente aumentará al aumentar la cobertura, sinque haya habido una disminución real en la calidad de lacertificación médica de la causa de defunción. En efecto, almargen de si se usa la CIE-9 o la CIE-10, la proporción dedefunciones asignadas a SSMD es menor que la proporciónde defunciones por causas mal definidas, ya que varias cate-gorías “definidas” de la CIE-9 y la CIE-10, como el paro car-díaco y la insuficiencia cardíaca, carecen de significado diag-nóstico. Asimismo, cabe señalar que las defunciones por cau-sas “definidas” no forzosamente están “bien” definidas, sinoque están sujetas a errores de diagnóstico, certificación ycodificación que no se pueden detectar después de que secompilan las estadísticas. En la mayoría de los países, la pro-porción de defunciones asignadas a la categoría SSMD, encombinación con la proporción de defunciones certificadaspor médicos tratantes o no, sirve para el monitoreo de lastendencias y las diferencias en el acceso a la atención médi-ca. El cuadro 1 muestra el total de defunciones registradas yel porcentaje de defunciones asignadas a SSMD por paísalrededor de 2000 (o los últimos tres años disponibles). En 21países de la Región, menos de 5% de las defunciones regis-tradas se asignaron a SSMD alrededor de 2000.

Efecto del cambio de revisiones de la CIE en losdatos de mortalidad

A partir de 1996, la introducción de la Décima Revisiónde la CIE en las Américas marcó los cambios más radicales en

la clasificación desde que se introdujo la Sexta Revisión en1949 y refleja un cambio conceptual en la estructura y el con-tenido de las revisiones anteriores. Aunque cada revisión haproducido algunas dificultades en la comparabilidad de lasestadísticas de causas de defunción, el cambio de la NovenaRevisión, en uso desde 1979, a la Décima Revisión, ha tenidomuchas consecuencias en la codificación de la mortalidad.La CIE-10 es considerablemente más detallada que la CIE-9(tiene casi el doble de códigos), incluyendo cambios en lostérminos de inclusión y en los títulos de una categoría, unasección o un capítulo a otro; nuevos títulos de las causas dedefunción y códigos y secciones de causas de defuncióncorrespondientes; reagrupamientos de enfermedades; y, cam-bios en las reglas de codificación para seleccionar la causabásica de defunción. Estas modificaciones en conjunto oca-sionan varias discontinuidades en la comparabilidad de lasestadísticas de las causas de defunción con el transcurso deltiempo o en series históricas. Estas discontinuidades se eva-lúan mejor a nivel nacional a partir del análisis de los resulta-dos de estudios de codificación doble (o codificación puen-te) en los datos nacionales y, observando las razones decomparabilidad.

Las razones de comparabilidad se obtienen de la clasifi-cación doble de la causa básica de defunción en los registrosde mortalidad para un año determinado, clasificado según larevisión nueva y la revisión anterior. Se obtienen dividiendoel número de defunciones por determinada causa clasificadasegún la revisión nueva por el número de defunciones por lacausa más comparable clasificada en la revisión anterior. Unarazón de 1,0 indica que el mismo número de defunciones seclasificó en una causa particular o combinación de causas, almargen de la revisión empleada. No significa forzosamenteque los cambios en la clasificación y los procedimientos decodificación no hayan influido en la causa, sino que no huboningún cambio neto. Una razón mayor de 1,0 indica que seasignaron más defunciones a una causa de la CIE-10 que a lacausa equivalente de la CIE-9, y una razón menor de 1,0 indi-ca que se asignaron menos defunciones a una causa de laCIE-10 que a la causa equivalente de la CIE-9.

Carácter integral de los datosEn muchos países de las Américas, la cobertura del sis-

tema del registro civil es incompleta y, en algunos países, hayque precisar más la población cubierta por los datos de mor-talidad disponibles. Se sabe que el carácter integral del regis-tro en los países varía según la zona geográfica y el grupo deedad. El registro de los hechos vitales es menos completo enlas zonas rurales que en las urbanas y, en general, es peor enlas zonas en las que se vive en condiciones de vida pobre. Elcuadro 1 muestra también el subregistro de defunciones esti-mado para los países de las Américas alrededor de 2000. Lasestimaciones se basan en una comparación de las tasas cru-das de mortalidad obtenidas mediante la mortalidad registra-da, como se notificaron a la OPS durante el período de tres

3Boletín Epidemiológico / OPS, Vol. 24, No. 4 (2003)

Cuadro 1: Situación del registro de defunciones en países de las Américas, alrededor de 2000(últimos tres años disponibles)

País

AnguilaAntiguaArgentinaBahamasBarbadosBeliceBermudaBrasilCanadáChileColombiaCosta RicaCubaDominicaEcuadorEl SalvadorEstados UnidosGranadaGuadalupeGuatemalaGuayana FrancesaGuyanaHaitíIslas CaimánIslas Turcas y CaicosIslas Vírgenes (EUA)Islas Vírgenes (RU)JamaicaMartinicaMéxicoMontserratNicaraguaPanamáParaguayPerúPuerto RicoRepública DominicanaSaint Kitts y NevisSan VicenteSanta LucíaSurinameTrinidad y TabagoUruguayVenezuela

Tres últimos añosdisponibles

1993-19951993-19951999-20011997,99,001993-19951998-20001992-19941998-20001998-20001997-19991997-19992000-20021999-20011992-19941998-20001997-19991998-20001994-19961997-19991997-19991997-19991994-19961997, 19991998-20001998-20001998-20001996-19981989-19911997-19991999-20011992-19941998-20001998-20001998-20001998-20001998-20001996-19981994-19961997-19991993-19951990-19921994, 95, 981998-20001998-2000

Defuncionesregistradasacumuladas

1691.360

852.6324.8707.3274.0731.468

2.814.072655.683240.713529.448

45.557235.357

1.657166.698

87.1467.132.006

2.162.. .

202.758.. .

14.29313.250

382156

1.915.. .

35.543.. .

1.322.621311

42.12735.70154.202

262.40187.19376.230

1.8642.4072.8696.171

27.94294.803

311.536

Síntomas, signos yafecciones mal definidas

alrededor de 2000 (%)

30,28,76,61,43,03,80,7

14,81,34,63,01,60,7

12,413,316,4

1,27,4.. .

9,6.. .

2,344,7

1,86,51,1.. .

12,9.. .

2,11,93,79,3

19,415,8

0,710,6

5,81,78,0

14,12,17,51,4

registrada

7,26,97,75,49,36,18,35,67,25,44,33,77,07,64,54,88,57,86,06,24,06,40,83,43,15,34,55,06,54,5

10,12,84,23,43,57,53,2

14,87,26,95,17,49,54,4

estimada

7,26,98,07,59,16,1…

6,97,25,55,83,87,27,66,06,08,4…

6,07,23,88,2

10,6……

5,2…

6,46,55,2…

5,75,15,46,47,95,0…

5,96,26,25,99,54,4

Subregistroestimado

(%)

--

3,927,6

--

…18,7

0,42,0

24,62,62,1

-25,320,2

-…

1,113,4

-21,892,1

……

-…

21,9-

13,7…

49,916,937,046,2

5,136,3

…--

17,8---

años citado y, las tasas de mortalidad estimadas empleandolas tasas de mortalidad centrales de la tabla de vida abreviada(véase la sección sobre la estimación de las tasas de mortali-

dad por causa, edad y sexo), cuando estuvieron disponibles,o las tasas de mortalidad estimadas por la División de Pobla-ción de las Naciones Unidas.3

Tasa cruda de mortalidad(por 1.000 habitantes)

...: no datos disponibles, -: magnitud 0


Las diferencias entre los países en el período empleadopara estimar las tasas de mortalidad registrada reflejan lasdiferencias en la disponibilidad de los datos de los países enel momento de preparar el cuadro. No se cuenta con datos demortalidad registrada para Bolivia, Honduras y Antillas Neer-landesas a nivel nacional y, sólo de años recientes y cobertu-ra limitada para Haití. Las cifras que figuran en el cuadro 1son un indicio de la magnitud del problema del subregistroen los países. Las características y razones fundamentalesdel subregistro de defunciones varían enormemente de unpaís a otro y también dentro de cada país. Como puede verseen el cuadro, el registro es completo o casi completo enAnguila, Antigua y Barbuda, Argentina, Barbados, Belice,Canadá, Chile, Costa Rica, Cuba, Dominica, Estados Unidos,Islas Vírgenes (EUA), Guadalupe, Martinica, San Vicente ylas Granadinas, Santa Lucía, Trinidad y Tabago, Uruguay yVenezuela. En estos países, la tasa registrada durante el pe-ríodo mostrado es idéntica a la tasa estimada y, a veces másalta, para el quinquenio que abarca el período. El subregistroes bajo en Puerto Rico (5,1%), e intermedio en Brasil, Guate-mala, México, Panamá y Surinam, cuyos registros están in-completos en 13% a 19%; estos últimos países parecenestar a punto de lograr el registro satisfactorio de las defun-ciones. Otros 11 países siguen teniendo graves problemasde subregistro, que se estima entre 20% y 92%. El nivel desubregistro en siete países es desconocido — Bermuda, Is-las Caimán, Granada, Montserrat, Saint Kitts y Nevis, IslasTurcas y Caicos e Islas Vírgenes (RU). No se cuenta condatos de fuentes del registro civil de Bolivia, Honduras yAntillas Neerlandesas en año recientes. El subregistro esmayor para las defunciones de menores de 1 año que para lasdefunciones en grupos de edad mayores. Es posible que losrecién nacidos que viven sólo unas pocas horas o días no seregistren ni como nacidos vivos ni como defunciones de re-cién nacidos. La edad informada tiende a aumentarse a medi-da que avanza la edad, lo cual contribuye a subestimar lamortalidad en algunos grupos de adultos y a estimarla enexceso en grupos de personas mayores. El agrupamiento delas defunciones en ciertas edades debido a preferencias denotificación (por ejemplo, las edades que terminan en 0 ó 5)es otro fenómeno conocido que afecta a la distribución dedefunciones registradas según edad.

Estimación de las tasas de mortalidad por causa,edad y sexo

En vista de las limitaciones mencionadas sobre la cober-tura de los sistemas de registro civil y de la “calidad” de losdatos de mortalidad indicada por la proporción de defuncio-nes asignadas a la categoría SSMD, se requiere un métodogeneral más adecuado para estimar las tasas de mortalidadque permitan manejar mejor estas limitaciones.

La estimación de las tasas de mortalidad en la OPS, sebasan en un procedimiento de estimación descrito en Esta-dísticas de salud de las Américas, Edición de 1992.4 Este

procedimiento fue actualizado para reasignar proporcional-mente las defunciones con edad y sexo desconocidos y esdescrito en el siguiente párrafo, así como en la Edición del2003 de esta publicación, que está disponible en línea en:www.paho.org.5

Supuestos y metodologíaEl procedimiento usa determinados datos de mortalidad

registrada disponibles en la base de datos de la OPS y tabu-lados para años seleccionados, causas de muerte, grupos deedad y sexo, estimaciones de las tasas de mortalidad centra-les (nmx) para los correspondientes grupos de edad y sexo,obtenidas de las tablas de vida para 20 países latinoamerica-nos preparadas y publicadas por el Centro Latinoamericanode Demografía (CELADE) [para los países de habla inglesadel Caribe, Canadá, Estados Unidos y Puerto Rico, se em-plearon las tasas registradas de la base de datos de la OPS];3

y las estimaciones anuales de población por grupos de edady sexo correspondientes. Los datos registrados de mortali-dad se ajustan primero para las defunciones con edad y sexodesconocidos. El número de defunciones con edad desco-nocida se redistribuye entre los grupos de edad conocidamultiplicando el número de defunciones para cada sexo ygrupo de edad por un factor de ajuste, fa = D/Da, donde D esel número total de defunciones y Da es el número de defun-ciones informadas por edad. Un factor de ajuste similar seusa para redistribuir el número de defunciones entre cada gru-po de edad con sexo desconocido.

La estimación de las tasas se basa en los siguientes su-puestos acerca de la distribución por causa de los datos demortalidad registrados:a) Todas las defunciones registradas y codificadas en una

causa externa en realidad se debieron a una causa externay, ninguna de las defunciones registradas codificadas enotras categorías de causa, incluida la categoría SSMD, sedebieron en realidad a causas externas. Por consiguiente,las defunciones asignadas a SSMD pueden redistribuirseproporcionalmente entre otras categorías de causas noexternas, por grupos de edad y sexo, asumiendo que lasdefunciones de SSMD siguen la misma distribución quela que se observa en las defunciones registradas por cau-sas “definidas” no externas.

b) Se obtiene una estimación del total de defunciones queocurrieron en un año o período dado, aplicando las tasasde mortalidad centrales quinquenales, correspondientespara cada grupo de edad y sexo de las tablas de vida, a lasestimaciones de población, y obteniendo el total de de-funciones en cada grupo de edad por sexo. Al restar elnúmero de defunciones registradas, se obtiene una esti-mación del número de defunciones no registradas. Ade-más, se presume que la distribución de las defuncionesno registradas en categorías de causas, por grupo de edady sexo, es la misma que la de las defunciones registradas.Como consecuencia, las defunciones no registradas, in-


cluidas las defunciones no registradas debidas a causasexternas, se redistribuyen entre las categorías de causascorrespondientes por edad y sexo en las mismas propor-ciones que las defunciones registradas.Las tasas específicas por edad y sexo estimadas se ob-

tienen acumulando las defunciones totales estimadas (regis-tradas y no registradas) en un año o período dado, por cate-goría de causa, y dividiéndolas por la sumatoria de las pobla-ciones estimadas correspondientes. La tasa de mortalidadinfantil se estima empleando como denominador el númeroestimado de nacidos vivos, cuando está disponible; en casocontrario, se usa como denominador la población estimadade menores de 1 año.

El número estimado de defunciones para determinadogrupo de edad-sexo, d’i, y el total de defunciones estimadas delpaís, D’, anualmente o para un período dado se definen en elcuadro 2, así como el número estimado de defunciones no regis-tradas d’iU en el io grupo de edad-sexo. La proporción de lasdefunciones no registradas por causas externas para el io grupode edad-sexo es d”iex (cuadro 2) y el total estimado de defuncio-nes por causas externas para el io grupo de edad-sexo es d’iex.

El número total estimado de defunciones, d’ic, para ciertacategoría de causas, c, y el grupo de edad-sexo, i, puedeestimarse a partir de lo mencionado antes (cuadro 2). La se-gunda expresión en la ecuación refleja la redistribución pro-porcional de las defunciones registradas asignadas a SSMDy defunciones no registradas por causas no externas en el io

grupo de edad-sexo que se reasignarán a la categoría c decausa. Al acumular las defunciones estimadas en cada grupode causas por edad-sexo puede determinarse el número totalestimado de defunciones.

Algunas limitacionesEn algunos casos, el número de defunciones registradas

para un año determinado o de un período de tiempo fue ma-yor que la estimación obtenida a partir de las tablas de vidade CELADE. Esto indica que la tasa de mortalidad centralestimada de las tablas de vida para el país en dicho períodono refleja adecuadamente los patrones de mortalidad por edadobservada. En esos casos y en los países en los cuales no secuenta con las estimaciones de la tabla de vida, se empleanlos datos registrados de mortalidad, ajustados por edad ysexo desconocidos, para estimar las tasas. En efecto, estosupone que no hay subregistro en ese año o período.

Como la OPS utiliza los datos de CELADE como fuenteprimaria para las tablas de vida, esta información no estádisponible para los países de habla inglesa del Caribe, Cana-dá, Puerto Rico y los Estados Unidos de América. Otras fuen-tes sobre información de tablas de vida pueden ser consulta-das incluyendo el uso de tablas de vida nacionales y mode-los de tablas de vida y la factibilidad de su uso medianteestudios. La base de datos internacionales de la Oficina deCensos de los EUA (www.census.gov/ipc/www/idbacc.html)

también tiene esos datos para algunos países del Caribe (Gua-dalupe, Martinica, Saint Kitts y Nevis, Santa Lucía y Trinidady Tabago) pero sólo para años alrededor de 1980.

La estimación de tasas utilizando esta metodología de-pende de disponer de tablas de vida apropiadas que sirvanadecuadamente para el patrón de mortalidad del país y pue-den usarse para evaluar el nivel de integridad del sistema deregistros vitales del país. También depende de la correctaselección y codificación de las causas básicas de defuncióny de los supuestos sobre la redistribución de la categoría decausas SSMD y del “subregistro” de defunciones de acuer-do a la estructura de las causas básicas de muerte registra-das. Se asume que las defunciones registradas contienenpocas codificaciones equivocadas.

Referencias:(1) Organización Panamericana de la Salud. Clasificación

Internacional de Enfermedades. Manual de la ClasificaciónEstadística Internacional de Enfermedades, Traumatismos yCausas de Defunción. Novena Revisión (1975). (Vols. 1 y 2).Washington, DC, OPS, 1978.

(2) Organización Panamericana de la Salud. ClasificaciónEstadística Internacional de Enfermedades y ProblemasRelacionados con la Salud. Décima Revisión. Vols. 1-3.Washington, DC, OPS, 1995.

(3) CELADE. América Latina: Tablas de mortalidad 1950-2025.Boletín Demográfico (Santiago), 2001(enero); 67.

(4) Organización Panamericana de la Salud. Estadísticas de Saludde las Américas, Edición 1992. Washington, D.C.:OPS, 1992(Publicación Científica 542).

(5) Organización Panamericana de la Salud. Estadísticas de Saludde las Américas, Edición 2003. (Publicación Científica 591).[Página web] Disponible en: http://www.paho.org/spanish/am/pub/PC_591.htm.

Fuente: Preparado por el Sr. John Silvi del Area de Análisis deSalud y Sistemas de Información Sanitaria (AIS) de la OPS ypresentado durante la II Reunión del Comité Regional Asesor enEstadísticas de Salud (CRAES) en Washington, D.C. (Septiembre2003).

d’i = mi * pimi = tasa de mortalidad central en el io grupo de edadpi, = estimación de la población correspondiente

D’= d’i

d’iU = d’i - diRdiR = número de defunciones registradas en el io grupo de edad-sexo

d’’iex = (diex / diR) * d’iUdiex = número registrado de defunciones por causas externas para el iogrupo de edad-sexo

d’iex = diex + d’’iex

d’ic = dic + [(dic / diR) - dissi - diex] * [dissi + (d’iU - d’’iex)]dic = número registrado de defunciones en el io grupo de edad-sexodebido a la causa cdissi = el número de defunciones en el io grupo de edad-sexo asignado a“síntomas, signos y afecciones mal definidas”

Cuadro 2: fórmulas para el cálculo


La tabla de vida: una técnica para resumir la mortalidad y la sobrevivenciaIntroducción

En un artículo previo del Boletín Epidemiológico sobreel método de cálculo de los años potenciales de vida perdi-dos (APVP)1, se recalcó la importancia de la edad de la muer-te del sujeto como variable en el análisis de mortalidad. Es-trechamente vinculado al momento relativo de la muerte delsujeto está el concepto de sobrevivencia. Así, mientras losAPVP consideran los años de vida perdidos como resultadode la muerte prematura del sujeto, otra técnica descriptivautilizada en el análisis de la mortalidad considera los añosvividos por los individuos de una población antes de sumuerte. Este método se denomina tabla de mortalidad o, máscomúnmente, tabla de vida. Se utiliza esencialmente en sa-lud pública para medir la mortalidad y la sobrevivencia, perotambién en estudios demográficos, actuariales u otros, paraestudiar la longevidad, la fertilidad, las migraciones, el creci-miento de la población y para calcular proyecciones de po-blación y los años de vida sin discapacidad.2

En esencia, la tabla de vida describe el proceso de extin-ción de una generación hasta la desaparición del último desus componentes bajo la experiencia de mortalidad observa-da en un período dado. Las tablas de vida se caracterizan porfinalizar con la muerte de todos los sujetos y la diferenciafundamental entre tablas la constituye la velocidad con quese alcanza ese final.3 La tabla de vida puede calcularse para eltotal de la población o para un subgrupo de población espe-cífico (p.e. mujeres, hombres, o hispanos). En su forma mássencilla, se genera a partir de las tasas de mortalidad especí-ficas por edad y los valores resultantes se usan para medir lamortalidad, la sobrevivencia y la esperanza de vida, siendoeste último el indicador proveniente de la tabla más utiliza-do. En otras aplicaciones, las tasas de mortalidad se combi-nan con datos demográficos para construir un modelo máscomplejo que permite medir el efecto combinado de la morta-lidad y de los cambios en una característica socioeconómicao más.2 Una de las ventajas principales de la tabla de vida esque no refleja los efectos de la distribución de la poblaciónpor edad y no requiere el uso de una población estándar paracomparar los niveles de mortalidad de diferentes poblaciones.2

Clásicamente, se han definido dos formas de tabla devida: la de cohorte y la actuarial. La tabla de cohorte con-siste en el seguimiento longitudinal de una población des-de un evento determinante (p.e. generación de nacimientoso cohorte de tratamiento de un ensayo clínico) hasta su com-pleta extinción o bien cuando se decide concluir el períodode observación. Presenta una serie de dificultades prácticaspara utilizarla en la descripción de la sobrevivencia de lapoblación general, entre ellas las que cabe señalar: el grantamaño de las poblaciones en las que se calculan las tablasde vida; el tiempo de seguimiento requerido; y las pérdidasdebidas a migraciones u otras causas. La tabla de cohorte seusa habitualmente en el análisis de sobrevivencia de los en-sayos clínicos, que se realizan sobre muestras de poblaciónmás pequeñas y durante un tiempo más corto.

La tabla actuarial aporta una visión transversal de lasexperiencias de mortalidad y sobrevivencia a todas las eda-des de una población durante un corto período de tiempo,habitualmente un año. Depende directamente de las tasasespecíficas de mortalidad por edad del año para el que seconstruye. En la tabla actuarial, se utiliza la experiencia demortalidad de una población durante un año determinado,que se aplica a una cohorte ficticia de 10.000, 100.000 naci-dos vivos o en general de 10K sujetos. Aunque el cálculo sebase en una parte “ficticia” (el tamaño de población), la tablade vida refleja la experiencia de mortalidad “real” de la pobla-ción considerada y es una herramienta sumamente útil paracomparar datos de mortalidad a nivel internacional y paravalorar las tendencias de mortalidad a nivel nacional. 4, 5

La tabla de vida clásica o completa se construye con lasedades año a año, desde el nacimiento hasta la última edaddisponible. Sin embargo, son más utilizadas las llamadas ta-blas de vida abreviadas, en las que la edad se presenta agre-gada en grupos plurianuales, habitualmente menores de 1año, de 1 a 4 años y el resto, en grupos quinquenales de edadhasta el intervalo abierto final. El uso de las tablas abrevia-das se extendió debido a que habitualmente se dispone delos datos de mortalidad en tasas referidas a gruposquinquenales de edad y no las tasas de mortalidad de cadaaño de edad. En todos los casos, se asume que las muertesse distribuyen homogéneamente en cada intervalo de edad.

Además del uso general de las tablas de vida, éstas sepueden utilizar para estudiar el impacto de una causa o gru-po de causas de muerte mediante las llamadas tablas de vidacon eliminación de causa (o tabla de múltiple decremento).Se trata de construir una tabla con todas las defunciones yotra eliminando la causa o causas de interés. Al compararlasse observará el impacto que las muertes eliminadas tienen enlos diferentes indicadores de la tabla de mortalidad.4 Losaños de esperanza de vida perdidos (AEVP) tienen un con-cepto similar y se presentarán en un futuro número del Bole-tín Epidemiológico.

Limitaciones de las tablas de vidaLa tabla de vida presenta las limitaciones de cualquier

medida basada en censos de población y registros vitales.Los datos sobre las edades y los registros de mortalidadpueden ser incompletos o sesgados. La mortalidad infantiltiene un fuerte peso en la esperanza de vida, por lo que elsubregistro de este indicador, hecho habitual en muchospaíses, puede afectar de forma sensible los resultados de lastablas. Lo mismo puede decirse en relación al procedimientoque se elija para cerrar el intervalo abierto final de la tabla demortalidad y de los errores de información que subyacen endichos intervalos (85 y más, 90 y más). Es posible tambiénque se omitan diferencias importantes en grupos específicosde edad o sexo con alta mortalidad, que tendrían un efectolimitado en la esperanza de vida general.2


En general, no se recomienda construir tablas de vida parapoblaciones pequeñas, a nivel subregional o local, ya que laposibilidad de afectación de la estructura poblacional por movi-mientos migratorios es mayor que a niveles regional o nacional.En estos casos suele obtenerse un número muy pequeño dedefunciones lo cual puede producir cálculos imprecisos de lascolumnas.

Construcción e interpretación de una tabla de vidaConstruir una tabla de vida resulta muy sencillo. Única-

mente deben seguirse unos pasos rutinarios, los cuales sefacilitan enormemente si se dispone de una hoja de cálculo,como la que propone la Oficina del Censo de los EstadosUnidos6 o cualquier otro software que, como Epidat 3.07, in-cluya esta utilidad, ya que los cálculos son repetitivos paracada grupo de edad. A continuación se relacionan los com-ponentes habitualmente incluidos en una tabla de vida y suinterpretación.3, 4 Las fórmulas para calcularlos se presentanen el cuadro 1.EDAD EXACTA (X). Esta columna incluye la edad inferior decada uno de los intervalos de edad (habitualmentequinquenios). Así la columna comienza en 0 y vaincrementando a 1, 5, 10, 15 y más hasta que se llegue alúltimo intervalo que se deja abierto. Como se mencionó an-tes, los primero y segundo grupos de edad son habitualmen-te “menores de 1” y “1-4”, por lo que los valores de las prime-ra y segunda filas de esta columna son 0 y 1. Esto reflejatambién la importancia y el interés específico en la tasa demortalidad en los menos de 1 año, conocida clásicamentecomo tasa de mortalidad infantila. Además, para las edadesinfantiles, es preferible separar el cálculo para la edad 0, yocasionalmente para la edad 1, del grupo de edad 1-4 ó 2-4,debido a la falta de homogeneidad de la mortalidad en esteintervalo. Lógicamente al incluir el estrato 0 a 1 año, el si-guiente estrato 1 a 4 no es un quinquenio sino un cuatrienio.En el caso de que se disponga de estadísticas adecuadas,conviene calcular directamente las probabilidades de muerteal primer y segundo años utilizando los nacimientos y lasdefunciones infantiles.3

Como intervalo abierto final suele utilizarse 85 años ymás, si bien dependiendo de la esperanza de vida del paíspuede modificarse.AMPLITUD (EN AÑOS) DEL INTERVALO DE EDAD (n). Incluye losaños en cada intervalo de edad. Habitualmente el primer va-lor es 1 (intervalo 0, 1), el segundo 4 (intervalo 1, 5) y losrestantes valores son 5 (intervalos quinquenales), a excep-ción del último valor que normalmente se representa con elsigno + indicando que se trata de un intervalo abierto.

NÚMERO DE DEFUNCIONES CONTABILIZADAS EN EL INTERVALO (dx).Esta columna incluye el número de sujetos muertos en eserango de edad durante el año al que corresponde la tabla devida.

NÚMERO DE SUJETOS EN ESE RANGO DE EDAD (Px). Son los efecti-vos de la población correspondientes a ese quinquenio en elaño considerado.

NÚMERO MEDIO DE AÑOS VIVIDOS POR LOS QUE MUEREN ENTRE LASEDADES X Y X+N, LLAMADO “FACTOR DE SEPARACIÓN” (nax). Aun-que sea necesario este número para calcular la tabla de vida,usualmente no se presenta como una columna de la misma.Cada individuo del intervalo de edad (X, X + N) ha vivido Xaños completos más una fracción del intervalo (X, X + N). Enuna tabla de vida completa, es válido utilizar un valor de 0,5(o sea la mitad de un año) para los más de 5 años. Para mássimplicidad, se asume también que los que mueren en unintervalo de 5 años de una tabla de vida abreviada viven unpromedio de 2,5 años.2 Sin embargo, este valor no es necesa-riamente óptimo, porque la fracción depende de los patronesde mortalidad en el intervalo entero y no de la tasa de morta-lidad de cada año. Adicionalmente, como una gran propor-ción de las muertes infantiles occurren en las primeras sema-nas de vida, este valor es mucho más bajo en el grupo de 0 a1 año y de 1 a 4 años de edad. El calculo del valor exacto

a Nota técnica: en sentido estricto, la tasa de mortalidad infantil noes idéntica a la de menores de un año, por no tener los mismosdenominadores. La primera es nacidos vivos y la segunda es menoresde 1 año, cifra que operacionalmente es más difícil de determinar.

Ambossexos1,57001,32401,23901,36101,73301,48701,40201,5240

Cuadro 2: Factores de separación para las edades 0 y 1-4

Zonas

Norte1

Este2

Sur3

Oeste4

NorteEsteSurOeste

Hombres

0,330,290,330,33

0,04250,00250,04250,0425

Mujeres

0,350,310,350,350,050,010,050,05

Hombres

1,5581,3131,2401,3521,8591,6141,5411,653

Mujeres

1,5701,3241,2391,3611,7331,4871,4021,524

Factor de separación parala edad 0

Factor de separación parala edad 1-4

1 Islandia, Noruega y Suiza; 2 Austria, Checoslovaquia, Italia del centro-norte, Polonia y Hungría;3 Italia del Sur, Portugal y España; 4 Resto de los países del mundo.

Tasa

de

mor

talid

adin

fant

il >

0,10

0Ta

sa d

e m

orta

lidad

infa

ntil

< 0,

100

Ambossexos

0,35000,31000,35000,35000,05000,01000,05000,0500

* Nota: el subíndice derecho representa el punto inicial del intervalo. El subíndice izquierdorepresenta la amplitud del intervalo.

Cuadro 1: Fórmulas para calcular la tabla de vida*

nMx = dx / Px

nqx = [n * nMx] / [1 + (n - nax) * nMx]

npx = 1 - nqx

nlx+n = nlx * npx

También se puede calcular: nlx+n = nlx - ndx

ndx = nlx * nqx

nLx = n * nlx+n + nax * ndx(Lw = dw / Mw, representando w la edad más avanzada)

nTx = nTx+n + nLx(Tw = Lw, representando w la edad más avanzada)

nex = nTx / nlx


mortalidad específicas para cada grupo etario. Esta columnadebe interpretarse como la probabilidad de fallecer entre am-bas edades para el sujeto que haya sobrevivido hasta la edadx. Para el último grupo de edad de la tabla, la muerte es inevi-table y por lo tanto la probabilidad de morir es de 1. Para losotros grupos de edad el cálculo es más complejo (ver cuadro 1).

PROBABILIDAD DE SOBREVIVENCIA ENTRE LAS EDADES X Y X+N.(npx). Esta columna es el complemento de la columna nqx. Comotal, en ocasiones las tablas de vida no la incluyen. Debe portanto interpretarse como la probabilidad de que un individuoque llega a la edad exacta x vive hasta la edad exacta x+n.

Cuadro 3: Ejemplo de cálculo de una tabla de vida: Brasil, 2000

Algunas preguntas sobre la interpretación de los valores de la tabla:1- ¿Cuál es la probabilidad de que en Brasil fallezca un sujeto que tenga entre 0 y 1 años?La probabilidad de morir entre 0 y 1 año de edad en Brasil en 2000 (1q0) es 0,02006.2- ¿Cuantos años se espera que viva un sujeto nacido en el año 2000 en Brasil?El número de años que se espera que viva un niño nacido en 2000, i.e. la esperanza de vida al nacer(e0) es 71,97 años.3- ¿Cuál es la probabilidad de fallecer de un sujeto entre los 5 y los 10 años?La probabilidad que en 2000 muera un sujeto en el grupo de edad 5-9 años (5q5) es 0,00162.4- ¿Cuál es la tasa central de mortalidad entre los 5 y los 10 años?La tasa (central) de mortalidad en el grupo de edad 5-9 años (5M5) es 0,00032.5- ¿Cuál es la probabilidad de que un sujeto que llegó a los 5 años llegue a los 10?La probabilidad que un sujeto del grupo de edad 5-9 años llegue al grupo de edad 10-14 correspondea 5p5 = 0,998386- ¿Cuántos años más se espera que viva un sujeto que tiene entre 5 y 10 años?La esperanza de vida del grupo de 5-9 años es e5 = 68,68

NOTA: Por diferencias en las fuentes de datos o pequeñas variaciones en los métodos utilizados, esposible que los valores obtenidos aquí difieran de otros publicados en otras fuentes. En particular, losdatos presentados a continuación no son ajustados por las defunciones con edad desconocida, querepresentan 0,74% de las defunciones registradas. Los valores presentados aquí fueron calculadosutilzando las fórmulas mencionadas en este artículo en una hoja Excel.

* Número de nacidos vivos** Se seleccionó estos valores para el factor de separación porque la tasa de mortalidad infantil en Brasil es menor que 0,1 (i.e. menor que 100 muertes por 1.000 nacidos vivos) y en la clasificaciónde Coale y Demeny, Brasil hace parte del grupo “oeste”.

dx

65.53211.271

5.3666.294

19.25526.62025.40428.16233.57839.85545.88052.27658.07872.04481.64193.33990.92780.847

103.085

Px

3.205.10813.084.65016.533.11417.406.98417.847.03216.500.05714.534.86813.533.47212.953.29410.942.252

9.106.0997.139.9585.425.9664.553.0173.365.7802.588.0201.602.984

857.170460.928

npx

0,979940,996560,998380,998190,994620,991970,991300,989650,987120,981950,975120,964050,947880,923890,885650,834590,751610,618390,00000

x01510152025303540455055606570758085

n145555555555555555+

nqx

0,020060,003440,001620,001810,005380,008030,008700,010350,012880,018050,024880,035950,052120,076110,114350,165410,248390,381611,00000

nlx

100.00097.99497.65797.49997.32396.79996.02295.18694.20192.98891.31089.03885.83781.36375.17166.57555.56341.76125.825

ndx

2.006337158176524778835985

1.2131.6782.2723.2014.4746.1928.596

11.01213.80115.93725.825

nLx

98.095391.143487.891487.055485.306482.053478.020473.468467.972460.744450.869437.188418.000391.334354.365305.345243.310168.965115.471

nex

71,9772,4468,6863,7958,9054,2149,6245,0440,4835,9831,5927,3423,2619,4015,8012,51

9,506,814,47

nTx

7.196.5927.098.4986.707.3556.219.4635.732.4085.247.1034.765.0504.287.0303.813.5633.345.5912.884.8472.433.9781.996.7901.578.7901.187.456

833.091527.746284.436115.471

nMx

0,020450,000860,000320,000360,001080,001610,001750,002080,002590,003640,005040,007320,010700,015820,024260,036070,056720,094320,22365

nax**

0,051,524

2,52,52,52,52,52,52,52,52,52,52,52,52,52,52,52,5

Grupo de edadMenos de 1

1-45-9

10-1415-1920-2425-2930-3435-3940-4445-4950-5455-5960-6465-6970-7475-7980-8485+

Defunciones1

65.53211.271

5.3666.294

19.25526.62025.40428.16233.57839.85545.88052.27658.07872.04481.64193.33990.92780.847

103.085

Población2

3.205.108*

13.084.65016.533.11417.406.98417.847.03216.500.05714.534.86813.533.47212.953.29410.942.252

9.106.0997.139.9585.425.9664.553.0173.365.7802.588.0201.602.984

857.170460.928

Datos del registro de mortalidad y delcenso de población:

1 OPS. Sistema de Información Técnica: Base de Datos Regional de Mortalidad. AIS: Washington, DC: 2003.2 United National Population Division. World Population Prospects: The 2002 Revision. New York; 2003.

requiere información sobre la fecha de nacimiento y de muer-te de cada individuo.2 Cuando no están disponibles, se usanpara 1a0 y 4a1 valores de tablas de vida «modelos», como lascalculadas por Coale y Demeny presentadas en el cuadro 2.8

TASA CENTRAL DE MORTALIDAD (TASA DE MORTALIDAD) POR EDAD(nMx). Esta columna resulta de calcular el cociente entre lasdefunciones en el intervalo x, x+n (columna dx) y el númerode personas en este grupo de edad (columna Px).

PROBABILIDAD DE MUERTE ENTRE LAS EDADES X Y X+N (nqx). Lasprobabilidades de muerte se calculan a partir de las tasas de

Tabla de vida:


SOBREVIVIENTES A LA EDAD EXACTA X (nlx). l0 es el efectivo inicialo número de nacidos que componen la generación, los cua-les están destinados a desaparecer por el efecto de la morta-lidad. Se denomina raíz de la tabla y tiene usualmente unvalor igual 100,000 (o 10k).

DEFUNCIONES ENTRE LAS EDADES EXACTAS X Y X+N (ndx). Paraobtener ndx se multiplica lx por nqx.

NÚMERO DE AÑOS VIVIDOS POR EL TOTAL DE LA COHORTE DE 10K

NACIMIENTOS EN EL INTERVALO X, X+N (nLx). Cada miembro de lacohorte que sobrevive el intervalo x, x+n aporta n años a Lx,mientras que cada miembro que fallece en el intervalo x, x+ncontribuye con el número medio de años vividos por los quemueren en dicho período, que representa el factor de separa-ción de las muertes mencionado antes. Para el último grupoabierto, se usa Lw.

TOTAL DE AÑOS VIVIDOS A PARTIR DE LA EDAD EXACTA X (Tx). Esesencial para el cálculo de la esperanza de vida. Indica elnúmero total de años vividos por los sobrevivientes lx desdeel aniversario x hasta la extinción de la generación. El valor T0es la cantidad total de años vividos por la cohorte hasta elfallecimiento del último componente.

ESPERANZA DE VIDA A LA EDAD X (nex). De los indicadores queaporta la tabla de vida, el más usado es la esperanza de vida(nex), que representa el número medio de años que les quedanpor vivir a los sobrevivientes a la edad x. La esperanza devida al nacer (e0) es el número medio de años vividos por unageneración de nacidos bajo condiciones de mortalidad da-das. Este indicador sintético es uno de los más utilizadospara comparar el nivel general de la mortalidad entre países ya lo largo del tiempo.2

La esperanza de vida siempre decrece de una fila a otrade la tabla, con la excepción de la segunda fila (1-4), quepuede ser mayor que la primera (0-1) en países con mortali-dad infantil muy alta.4 Para una misma población, la esperan-za de vida es mayor en las mujeres que en los hombres y laglobal debe situarse aproximadamente entre ambas. Las ex-cepciones a esta regla podrían darse en países con alta fe-cundidad y alta mortalidad materna, o en poblaciones quepor razones culturales la nutrición y las condiciones de vidade la mujer es marcadamente peor que la del hombre.

AplicacionesLa tabla de vida es una tabla estadística utilizada amplia-

mente en estudios demográficos y sociosanitarios. El princi-pal objetivo de la tabla de vida es calcular la esperanza devida, tanto al nacimiento como para las distintas edades delos sujetos. No obstante la tabla de vida proporciona otrosdatos interesantes en demografía sanitaria. Como mide la pro-babilidad de muerte en cada intervalo de tiempo, permite cal-cular una curva de sobrevivencia para una cohorte de indivi-duos. Esta curva se usa comunmente para comparar el efectode diferentes terapias en cohortes de ensayos clínicos. Per-mite también calcular la razón de sobrevivencia para cadaedad o grupo edad. Esta razón, que se presenta habitualmen-

te para periodos de 5 años (5Px = 5Lx+5 / 5Lx) representa lasobrevivencia entre 2 grupos de edad, es decir la probabili-dad media que una persona en un grupo de edad sobreviva 5años más hasta el siguiente grupo de edad. Se utiliza en par-ticular en las proyecciones de población.

EjemploEn el cuadro 3 se presentan los datos de defunciones y

población para ambos sexos en Brasil en 2000. Estos datospermiten calcular la tabla de vida. El cálculo se inicia con lacolumna nMx.

La figura 1 presenta nqx y nMx a partir de los datos calcu-lados. Las curvas se presentan en una escala logarítmica por-que la magnitud del rango de los dos indicadores es demasia-do grande para visualizarlos en un gráfico único en una esca-la normal. Se puede notar que las dos curvas van en paraleloexcepto en las edades extremas donde coinciden o empiezana juntarse. En efecto, la probabilidad de morir sobrestimaconsistentemente la mortalidad, excepto en el grupo de me-nores de 1 año donde nMx es mayor que nqx. Las curvas tienenla forma característica de «j», bajando hasta el intervalo de 5a 9 años, donde empiezan a incrementar ligeramente hasta elgrupo de 10 a 14 años, luego más rápidamente hasta el grupode 15 a 20. Después aumentan de manera regular hasta empe-zar a juntarse a partir del grupo de 85 a 89 años.

ConclusiónLa tabla de vida expresa la experiencia de mortalidad y

sobrevivencia de toda la población en su conjunto y permiteevaluar el efecto en grupos específicos o períodos de años.Es un instrumento sencillo que se construye fácilmente condatos recolectados rutinariamente.

No se debe olvidar que la tabla de vida se construye apartir de los datos de población provenientes de los censosy de los registros de mortalidad, y por tanto cualquier limita-ción en su calidad afectará, en mayor o menor medida, lavalidez de las estimaciones que se realicen a partir de la tablade vida.

Figura 1: nMx y nqx, Brasil, 2000 (escala logarítmica)


Glosario de análisis multinivelAna V. Diez Roux

Divisiones de Medicina y de Epidemiología de la Universidad ColumbiaNueva York, Nueva York, Estados Unidos

PARTE II

Referencias:(1) Organización Panamericana de la Salud. Area de Análisis de

Salud y Sistemas de Información Sanitaria. Técnicas para lamedición del impacto de la mortalidad: Años Potenciales deVida Perdidos. Boletín Epidemiológico. 24(2):1-4; 2003

(2) United States Bureau of the Census. Shryock H, Siegel JS et al.The Methods and materials of Demography, Second Printing(rev.). Washington, DC: United States Government PrintingOffice; 1973.

(3) Livi-Bacci M. Introducción a la demografía. Barcelona: EdAriel; 1993.

(4) Chiang CL. Life Tables and Mortality Analysis. Ginebra: WorldHealth Organization; 1980.

(5) Grundy EMD. Populations and population dynamics. In: DetelsR, Holland WW, McEwen JMc and Omenn GS Eds. Oxfordtextbook of Public Health, vol 1. The Scope of Public Health.London: Oxford University Press; 1997.

(6) United States Census Bureau. Population Analysis Spreadsheets(PAS) [Internet page]. Available at: http://www.census.gov/ipc/www/pas.html. Accessed on 5 December 2003.

(7) Xunta de Galicia, Consellería de Sanidade e Servicios Sociais.Organización Panamericana de la Salud, Area de Análisis deSituación de Salud y Sistemas de Información. AnálisisEpidemiológico de Datos Tabulados (Epidat), versión 3.0[programa informático para Windows]; [A ser publicado]

(8) Coale, Ansley J, Demeny P. Regional Model Life Tables andStable Populations, Princeton University Press, 1966.

Fuente: Preparado por el Dr. Enrique Vázquez del Area deAnálisis de Situación de Salud y Sistemas de InformaciónSanitaria (AIS) de la OPS en Argentina, el Dr. Francisco Camaño(Universidad de Santiago de Compostela, España), Sr. John Silviy Sra. Anne Roca (AIS - Washington, D.C.).

ESTIMACIÓN BAYESIANA EMPÍRICA

Término utilizado para referirse a la estimación de unparámetro correspondiente a un grupo dado o a una unidadde nivel superior (por ejemplo, de la intersección o la pen-diente de un grupo dado, como b0j y b1j en la ecuación (1) dela entrada MODELOS MULTINIVEL) que se obtiene combinandola información del propio grupo con la de otros grupos simi-lares10, 19, 20. Esto es especialmente útil para estimar los pará-metros de un grupo en el que hay pocas observaciones. Es-tas estimaciones son promedios ponderados “óptimamen-te”, que combinan la información procedente del propio gru-po con la media de todos los grupos similares. El promedioponderado hace que la estimación específica del grupo (deri-vada de datos exclusivamente de ese grupo) se desplace ha-cia la media de grupos similares. Cuanto menos precisa sea laestimación específica del grupo y menor sea la variabilidadintergrupal, mayor será el desplazamiento hacia la media ge-neral grupal. Esto significa que, para un grupo dado, la esti-mación no sólo se basa en los datos de dicho grupo, sino quetambién tiene en cuenta las estimaciones de otros grupos ysus características comunes20. Las estimaciones bayesianasempíricas de parámetros de un grupo dado pueden derivarsede modelos multinivel mediante estimaciones del error a nivelgrupal (por ejemplo, U0j y U1j, véase MODELOS MULTINIVEL)para ese grupo concreto. Las estimaciones bayesianas empí-ricas se denominan también, a veces, “estimaciones reducto-ras”, pues “reducen” la estimación específica del grupo ha-cia la media general (aunque, de hecho, cuando la media ge-neral es mayor que la estimación específica del grupo, la esti-mación bayesiana empírica o estimación “reducida” puedeser realmente mayor que la estimación específica del grupo).En salud pública, la estimación bayesiana empírica puedeservir, por ejemplo, para obtener mejores estimaciones de lastasas de mortalidad o morbilidad para zonas pequeñas en lasque hay pocas observaciones21, o para estimar las tasas deresultados de diversos proveedores de atención (hospitales,

médicos, etc.)22. En otras aplicaciones (que no correspondena individuos dentro de grupos, aunque son análogas), la es-timación bayesiana empírica de los coeficientes de regresiónse ha empleado para mejorar la estimación de asociaciones,en investigaciones sobre el efecto de exposiciones múltiples23.

VARIABLE AMBIENTALES

En los estudios ecológicos y en el análisis multinivel seemplea a veces el término “variables ambientales” para refe-rirse a mediciones grupales de exposiciones físicas o quími-cas. Las variables ambientales, así definidas, se han propuestocomo “tipo” de VARIABLE GRUPAL, diferente de las VARIABLES

DERIVADAS y de las VARIABLES INTEGRALES11. Estas variables nose derivan agregando las características de los individuos,pero sí tienen análogos grupales e individuales (por ejemplo,horas de insolación en la comunidad e información sobre laexposición individual a la luz solar). Contrariamente a las va-riables derivadas e integrales, que pueden usarse como indi-cadores de constructos grupales, las variables ambientalesgrupales se usan exclusivamente como sustitutos de las ex-posiciones individuales (que pueden ser más difíciles de medirpor razones logísticas o metodológicas) y no como indicado-res de una propiedad grupal.

EFECTOS FIJOS / COEFICIENTES FIJOS

Son coeficientes de regresión (intersecciones o efectosde las covariables) que no pueden variar aleatoriamente en-tre las distintas unidades de nivel superior (véase MODELOS

MULTINIVEL). Por ejemplo, si se trata de personas considera-das en sus vecindarios, hay dos opciones para integrar en elmodelo los efectos del vecindario. Se puede asignar una va-riable indicadora a cada vecindario y, en ese caso, los coefi-cientes de vecindario entran en el modelo como coeficientesfijos (llamados a veces “efectos fijos”). Otro procedimientoes suponer que los vecindarios considerados son una mues-tra aleatoria de un universo de vecindarios, y que los coefi-cientes del “efecto de vecindario” varían aleatoriamente en


torno a una media general (tal como refleja U0j en la ecuación2 de la entrada MODELOS MULTINIVEL). En este caso, el efectocorrespondiente al vecindario entra en el modelo como alea-torio (y se habla a veces de “efectos aleatorios”; véase MO-DELOS DE EFECTOS ALEATORIOS). En el mismo ejemplo, los coefi-cientes de las covariables individuales también pueden in-cluirse en el modelo como fijos o como aleatorios. Por ejem-plo, si no se permite que la relación entre ingreso individual ytensión arterial varíe aleatoriamente entre vecindarios, semodela el coeficiente de ingresos individuales como fijo (“co-eficiente fijo”). En cambio, si se permite que el coeficiente deingreso individual varíe aleatoriamente entre vecindarios entorno a una media general (como refleja U1j en la ecuación 3de la entrada MODELOS MULTINIVEL), el coeficiente correspon-diente al ingreso se modela como aleatorio (y a veces se llama“coeficiente aleatorio”; véase MODELOS DE COEFICIENTE ALEA-TORIO). Aunque los términos “efectos fijos” y “coeficientesfijos” se distinguen a veces de esta manera, a menudo seusan indistintamente. Los modelos de efectos fijos o de co-eficiente fijo son aquellos en que todos los efectos o coefi-cientes se modelan como fijos. Véase también EFECTOS ALEA-TORIOS / COEFICIENTES ALEATORIOS.

VARIABLES GRUPALES

Término utilizado para referirse a las variables que carac-terizan a los grupos. A menudo se usan indistintamente lostérminos “variables grupales”, “macrovariables”, “variablesmacro” y “variables ecológicas”2, 6, 11, 14, 24. Las variables gru-pales pueden usarse como sustitutos de datos individualesno disponibles o poco fiables (por ejemplo, los ingresos me-dios del vecindario como sustituto de los ingresos indivi-duales de las personas del vecindario) o como indicadoresde constructos grupales (por ejemplo, los ingresos mediosdel vecindario como indicador de características del vecinda-rio que pueden estar relacionadas con resultados individua-les, con independencia de los ingresos individuales). Estesegundo uso (como indicadores de constructos grupales) esde especial interés en el análisis multinivel. Las variables gru-pales se han clasificado en dos tipos básicos11, 13, 24, VARIA-BLES DERIVADAS y VARIABLES INTEGRALES. A veces se distin-guen otros dos tipos de variables grupales, VARIABLES ES-TRUCTURALES13 y VARIABLES AMBIENTALES11. El término “varia-bles contextuales” se ha empleado en general como sinóni-mo de variables grupales6, 13, aunque a veces se reserva paralas variables grupales derivadas11, 14.

MODELOS JERÁRQUICOS (LINEALES)Véase MODELOS MULTINIVEL

VARIABLES INDIVIDUALES

Término empleado para referirse a variables que caracte-rizan a los individuos y se refieren a constructos individuales(por ejemplo, la edad o los ingresos personales).

FALACIA INDIVIDUALISTA

Término empleado como sinónimo de la FALACIA ATOMIS-TA. Ocasionalmente también se usa como sinónimo de FALA-CIA PSICOLOGISTA.

VARIABLES INTEGRALES

Son un tipo de VARIABLES GRUPALES. Como las variablesintegrales no son una función matemática de las característi-cas de los individuos del grupo, son diferentes de las VARIA-BLES DERIVADAS (otro tipo de variable grupal). Las variablesintegrales no tienen ningún análogo individual y se refierennecesariamente a constructos grupales. Son ejemplos de va-riables integrales la existencia de ciertos tipos de leyes, elsistema político o económico, la desorganización social o ladensidad de población11, 13. Las variables integrales tambiénse han denominado variables primarias o globales.

CORRELACIÓN INTRACLASE

Es una medida del grado de semejanza entre unidades denivel inferior pertenecientes a la misma unidad o agrupaciónde nivel superior25. En el caso de individuos que forman partede un grupo o clase (por ejemplo, vecindarios), la correlaciónintraclase mide el grado en que la variable dependiente tienevalores similares en los individuos del mismo grupo. La co-rrelación intragrupal o intraclase puede considerarse la co-rrelación promedio entre los valores de dos unidades de ni-vel inferior (por ejemplo, individuos) tomadas al azar de unamisma unidad de nivel superior (por ejemplo, vecindario) tam-bién tomada al azar. También puede definirse como la propor-ción de la varianza de la variable dependiente que correspon-de a diferencias entre grupos o unidades de nivel superior.En el caso de un modelo simple de intersección aleatoria25, elcoeficiente de correlación intragrupal es la razón de la varian-za poblacional intragrupal ( 00) a la varianza total ( 00 + 2)(véase MODELOS MULTINIVEL). Más difícil y a menudo más com-plejo es estimar el coeficiente de correlación intraclase enmodelos con efectos aleatorios de las covariables o cuandola distribución de las variables dependientes no es gausiana.

MODELOS MARGINALESVéase MODELOS DE PROMEDIO POBLACIONAL

MODELOS MIXTOS

Término empleado para referirse a los modelos que con-tienen tanto EFECTOS FIJOS (o coeficientes fijos) como EFECTOS

ALEATORIOS (o coeficientes aleatorios). En los modelos mixtossolo algunos de los coeficientes de regresión (interseccio-nes o efectos de los regresores) varían aleatoriamente deunas unidades de nivel superior a otras (véase MODELOS MUL-TINIVEL). Por ello, los modelos mixtos pueden considerarse uncaso particular de los modelos multinivel (aunque el términotambién se usa alguna vez como sinónimo de modelos multi-nivel en general). A veces se usa el término “modelos mixtos”para referirse a modelos que tienen en cuenta la correlaciónentre unidades de nivel inferior de otras maneras (o sea, sinincluir efectos o coeficientes aleatorios como en los modelos


multinivel), como son los modelos de patrón de covarianza26,modelos marginales o MODELOS DE PROMEDIO POBLACIONAL.

ANÁLISIS MULTINIVEL

El análisis de niveles múltiples o análisis multinivel es unenfoque analítico apropiado para datos con fuentes anida-das de variabilidad, es decir, unidades de un nivel inferior omicrounidades (por ejemplo, individuos) integradas en uni-dades de un nivel superior o macrounidades (por ejemplo,grupos como escuelas o vecindarios)5, 10, 19, 24, 25, 27-30. El análi-sis multinivel permite estudiar simultáneamente los efectosde variables grupales y variables individuales en los resulta-dos individuales, y a la vez da cuenta de la FALTA DE INDEPEN-DENCIA DE LAS OBSERVACIONES dentro de cada grupo. El análi-sis multinivel también permite estudiar la variabilidad inter-grupal (entre grupos) e intragrupal (dentro de cada grupo), yla manera en que las VARIABLES GRUPALES y las individualesestán relacionadas con la variabilidad a ambos niveles. Estoquiere decir que los MODELOS MULTINIVEL pueden servir parahacer inferencias respecto de las causas de variación interin-dividual (o de la relación entre las variables a nivel grupal y anivel individual con los resultados individuales), pero tam-bién pueden hacerse inferencias acerca de la variación entregrupos (si se halla en los datos y en qué medida se explicapor las características grupales e individuales). En el análisismultinivel los grupos o los contextos no se consideran demodo inconexo, sino que se conciben como procedentes deun universo de grupos sobre el que se desea hacer inferen-cias. Por todo ello, el análisis multinivel permite a los investi-gadores abordar simultáneamente el micronivel de los indivi-duos y el macronivel de los grupos o contextos5.

El análisis multinivel tiene una amplia gama de aplicacio-nes en muchas situaciones con fuentes anidadas de variabi-lidad aleatoria, como las personas en sus vecindarios5, 30, lospacientes agrupados según el proveedor de atención sanita-ria31, el metanálisis (observaciones anidadas en varias inves-tigaciones)19, 32, el análisis longitudinal de datos (medicionesen personas, repetidas en el tiempo)28, 33, 34, las respuestasmultifactoriales (resultados múltiples para la misma perso-na)5, el análisis de encuestas transversales repetidas (obser-vaciones múltiples anidadas en periodos temporales)35, elestudio de variaciones geográficas de tasas (tasas en áreaspequeñas que forman parte de regiones o áreas mayores)36 yla investigación de efectos debidos al entrevistador (entre-vistados agrupados según la persona que los entrevistó)37.Puede asimismo recurrirse al análisis multinivel en situacio-nes de contextos anidados múltiples19, 28 (por ejemplo, variasmediciones sucesivas en individuos considerados en susvecindarios) y en contextos superpuestos o con clasificacio-nes cruzadas (por ejemplo, niños que pertenecen a distintosvecindarios y asisten a distintas escuelas sin que haya nece-sariamente una relación entre el vecindario de residencia y laescuela)38. Los modelos estadísticos empleados en el análi-sis multinivel se denominan MODELOS MULTINIVEL 25, 28, 29 omodelos jerárquicos lineales19, 39.

MODELOS MULTINIVEL

Son los modelos estadísticos empleados en el ANÁLISIS

MULTINIVEL19, 25, 28, 29. A menudo “modelos jerárquicos” y “mo-delos multinivel” se consideran sinónimos. Estos modelos (osus variantes) han aparecido en publicaciones de distintoscampos científicos con nombres diversos, tales como MODE-LOS DE EFECTOS ALEATORIOS o MODELOS DE COEFICIENTES ALEA-TORIOS40-42, “modelos de componentes de la varianza” o “mo-delos de componentes de la covarianza”43, 44 y MODELOS MIX-TOS26. Presentamos a continuación un ejemplo simplificadopara el caso de una variable dependiente normalmente distri-buida, una única variable predictiva a nivel individual (uni-dad de nivel inferior) y una única variable predictiva a nivelde grupo (unidad de nivel superior). Pueden formularse mo-delos análogos para variables dependientes no distribuidasnormalmente10, 28, 39, 45.

En el caso del análisis multinivel con dos niveles (porejemplo, individuos integrados en grupos), el modelo multi-nivel puede considerase como un sistema de ecuaciones endos fases.

En la primera fase (nivel 1), se define una regresión anivel individual para cada grupo o unidad de nivel superior:

(1) Yij = b0j + b1j Iij + ij ij ~ N (0, 2) donde

Yij es la variable dependiente para el individuo i-ésimo en elgrupo j-ésimo;Iij es la variable de nivel individual para el individuo i-ésimoen el grupo j-ésimo;b0j es la intersección específica de grupo;b1j es el efecto específico en el grupo j de la variable indivi-dual.

Se supone que los errores individuales (eij) son inde-pendientes y se distribuyen idénticamente con media 0 yvarianza 2. Generalmente se usan los mismos regresores entodos los grupos, pero los coeficientes de regresión (b0j yb1j) pueden variar de un grupo a otro.

En la segunda fase (nivel 2), cada uno de los coeficien-tes de regresión específicos del grupo o del contexto defini-dos en la ecuación (1) (b0j y b1j en este ejemplo) se estiman enfunción de las variables grupales (de nivel superior).

(2) b0j = 00 + 01Gj + U0j U0j ~ N (0, 00)

(3) b1j = 10 + 11Gj + U1j U1j ~ N (0, 11)

cov (U0j, U10) = 10

dondeGj es la variable grupal;

00 es la intersección común para todos los grupos;01 es el efecto de la variable predictiva grupal en las intersec-

ciones específicas de grupo;10 es la pendiente común a todos los grupos asociada con la

variable individual;


11 es el efecto de la variable predictiva grupal en las pendien-tes específicas de grupo.

Los errores en las ecuaciones de nivel 2 (U0j y U1j) —aveces llamados “macroerrores” o “errores macro” se supo-nen distribuidos normalmente, con media 0 y varianzas res-pectivas 00 y 11, siendo 01 la covarianza entre la intersec-ción y la pendiente. Por lo tanto, el análisis multinivel resumela distribución de los coeficientes específicos de grupo endos partes: una parte “fija”, común para los diversos grupos( 00 y 01 para la intersección y 10 y 11 para la pendiente) yuna parte “aleatoria” (U0j para la intersección y U1j para lapendiente) que puede variar entre grupos (véanse tambiénlas entradas COEFICIENTES FIJOS y COEFICIENTES ALEATORIOS).

Al incluir un término correspondiente al error aleatorioen las ecuaciones grupales (2) y (3), los modelos dan cabidaa la variabilidad muestral en los coeficientes específicos degrupo (b0j y b1j). La presencia de errores en el nivel superiortambién permite que las ecuaciones grupales no sean deter-ministas (es decir, admiten la posibilidad de que en el modelono se hayan incluido todas las variables pertinentes del nivelmacro). El supuesto subyacente es que las intersecciones ypendientes específicas de grupo son muestras aleatorias deuna población normalmente distribuida de intersecciones ypendientes específicas de grupo, o alternativamente, que losmacroerrores son intercambiables, es decir, que la variabili-dad residual en coeficientes específicos de grupo no es sis-temática10.

Otra manera de presentar el modelo que en el análisismultinivel se ajusta a los datos es sustituir en (1) las ecuacio-nes (2) y (3) para obtener:

(4) Yij = 00 + 01Cj + 10 Iij + 11Cj Iij + U0j + U1jIij + ij

El modelo representado en la ecuación (4) incluye losefectos de las variables grupales ( 01), las variables indivi-duales ( 10) y su interacción ( 11) en el resultado individual

ij. Estos coeficientes ( 00, 10 y 11), comunes a todos losindividuos independientemente del grupo al que pertenecen,suelen llamarse EFECTOS o COEFICIENTES FIJOS. El modelo tam-bién tiene un componente de intersección aleatoria (U0j) y uncomponente de pendiente aleatoria (U1j). Los valores de es-tos componentes varían aleatoriamente entre grupos, por loque U0j y U1j se denominan EFECTOS o COEFICIENTES ALEATO-RIOS. Los parámetros de las ecuaciones anteriores (coeficien-tes fijos, coeficientes aleatorios, varianza de los efectos alea-torios y varianza residual) se estiman simultáneamente me-diante métodos iterativos. Las varianzas de nivel 1 y de nivel2 ( 2, 00, 11 y 10) se llaman COMPONENTES DE LA (CO)VARIANZA.

Son posibles muchas variantes del modelo general co-mentado. Por ejemplo, se pueden incluir como aleatorias úni-camente las intersecciones específicas de grupo (b0j) (estosmodelos también se han llamado MODELOS DE EFECTOS ALEATO-RIOS). Los modelos que incorporan como aleatorios los efec-tos de las covariables (b1j en el ejemplo anterior) se denomi-nan a veces MODELOS DE COEFICIENTES ALEATORIOS. Cuando

algunos de los coeficientes son fijos y otros son aleatorios,se habla de “modelos de efectos mixtos” o, simplemente,MODELOS MIXTOS. Cuando todos los coeficientes se incluyenen el modelo como fijos (sin ningún error aleatorio en lasecuaciones de nivel 2), el modelo se reduce a un MODELO DE

EFECTOS CONTEXTUALES tradicional. Los modelos multinivel tam-bién pueden ampliarse para permitir más de dos niveles19, 28.Los modelos multinivel también pueden modificarse parapermitir contextos no jerárquicos, superpuestos o de clasifi-cación cruzada (por ejemplo, niños considerados simultánea-mente en el vecindario donde residen y en la escuela a la queasisten, sin que haya necesariamente una correspondenciadirecta entre vecindario y escuela)38.

Referencias:NOTA: Las referencias 1-18 se incluyeron en la parte I del Glosario en Vol.

24, No. 3 (2003) del Boletín Epidemiológico.(19) Bryk AS, Raudenbush SW. Hierarchichal linear models: applications

and data analysis methods.Newbury Park: Sage, 1992.(20) Rice N, Jones A. Multilevel models and health economics. Health Econ

1997;6:561–75.(21) Clayton D, Kaldor J. Empirical Bayes estimates of age-standardized

relative risks for use in disease mapping. Biometrics 1987;43:671–81.(22) Thomas N, Lonford N, Rolph J. Empirical Bayes methods for estimating

hosptial-specific morality rates. Stat Med1994;13:889–903.(23) Witte JS, Greenland S, Haile RW, et al. Hierarchical regression analysis

applied to a study of multiple dietary exposures and breast cancer.Epidemiology 1994;5:612–21.

(24) Von Korff M, Koepsell T, Curry S, et al. Multi-level research inepidemiologic research on health behaviors and outcomes. Am JEpidemiol 1992;135:1077–82.

(25) Snijders TAB, Bosker RJ. Multilevel analysis: an introduction to basicand advanced multilevel modeling. London: Sage, 1999.

(26) Brown H, Prescott R . Applied mixed models in medicine. New York:Wiley, 2000.

(27) Mason W, Wong G, Entwisle B. Contextual analysis through themultilevel linear model. In: Leinhardt S, ed. Sociological methodology.San Francisco: Josey Bass, 1983–1984: 72–103.

(28) Goldstein H. Multilevel statistical models. New York: Halsted Press,1995.

(29) Kreft I, deLeeuw J. Introducing multilevel modeling. London: Sage,1998.

(30) Diez-Roux AV. Multilevel analysis in public health research. Annu RevPublic Health 2000;21:171–92.

(31) Sixma HJ, Spreeuwenberg PM, Pasch MAvd. Patient satisfaction withthe general practitioner: a two-level analysis. Med Care 1998;36:212–29.

(32) Hedeker D, Gibbons R, Davis J. Random regression models formulticenter clinical trials data. Psychopharmacol Bull1991;27:73–7.

(33) Rutter C, Elashoff R. Analysis of longitudinal data: random coefficientregression modelling. Stat Med1994;13:1211–31.

(34) Cnaan A, Laird NM, Slasor P. Using the general linear mixed model toanalyse unbalanced repeated measures and longitudinal data. Stat Med1997;16:2349–80.

(35) DiPrete T, Grusky D. The multi-level analysis of trends with repeatedcross-sectional data. Sociol Methodol 1990;20:337–68.

(36) Langford I, Bentham G, McDonald A. Multi-level modelling ofgeographically aggregated health data: a case study of malignantmelanoma mortality and uv exposure in the European community. StatMed1998;17:41–57.

(37) Hox JP, de Leeuw ED, Kreft IGG. The effect of interviewer andrespondent characteristics on the quality of survey data: a multilevelmodel. In: Biemer PP, Lyberg LE, Mathiowetz NA, et al, eds.Measurement errors in surveys. New York: Wiley, 1991.

(38) Goldstein H. Multilevel cross-classified models. Sociol Methods Res1994;22:364–75.

Fuente: Publicado originalmente con el título “A glossary for multi-level analysis” en Journal of Epidemiology and Community Health,56:588-594, 2002.


AntecedentesEl Reglamento Sanitario Internacional (RSI) representa

la primera iniciativa multilateral para desarrollar un marco dereferencia efectivo para la prevención de la transmisión trans-fronteriza de enfermedades. El objetivo del RSI es armonizarla salud pública, el comercio y el tráfico, y hoy sigue siendo elúnico conjunto de reglamentos de carácter obligatorio parala vigilancia mundial de enfermedades infecciosas por losEstados Miembros de la Organización Mundial de la Salud(OMS).

El RSI actual fue adoptado en 1969, enmendado en 1973con disposiciones adicionales para el cólera y, posteriormen-te revisado en 1981 para excluir la viruela. Hoy, las únicasenfermedades que se requiere notificar bajo el RSI son elcólera, la peste y la fiebre amarilla. Su propósito fundamentales garantizar una máxima seguridad contra la diseminacióninternacional de las enfermedades con una interferenciamínima en el tráfico mundial.

Debido a la extensa globalización de los viajes y el co-mercio, existe la posibilidad que enfermedades existentes enpartes aún remotas del mundo se propaguen a otras áreas. Enconsecuencia, podrían imponerse embargos potencialmenteoerjudicales al tráfico y comercio, a veces basados sólo en lapercepción del riesgo de importación de enfermedades, quepueden alcanzar proporciones a nivel mundial, como sucediódurante la epidemia de cólera en las Américas a principios delos años noventa.

Para abordar la amenaza que representan el incrementosustancial de los viajes internacionales y el potencial de difu-sión rápida de las enfermedades infecciosas, especialmentepor el transporte aéreo, la Asamblea Mundial de la Salud (AMS)solicitó la revisión del RSI en la resolución WHA 48.7 en 1995.

AvancesLa revisión actual es un proceso colaborativo que se

inició en 1995. Su objetivo fundamental es examinar las ca-rencias del presente RSI y transformarlo en una herramientareglamentaria efectiva de los Estados Miembros de la OMSpara fortalecer la vigilancia mundial de enfermedades y ac-tuar de manera proactiva en el manejo de los brotes interna-cionales. Los cambios propuestos para adaptar el RSI a lasexigencias de la vigilancia mundial actual y del control debrotes internacionales se están desarrollando y perfeccio-nando. Todos los temas presentados son propuestas y comotal requieren una consulta extensa antes de presentarse a laAMS y ser aceptados por los Estados Miembros.

El enfoque de la revisión actual está basado en tres prin-cipios específicos:1

– Asegurar que todos los riesgos para la salud pública (prin-cipalmente los de origen infeccioso) que son de impor-tancia internacional urgente son reportados de acuerdoal Reglamento

– Evitar la estigmatización y el impacto negativo innecesa-rio sobre los viajes y el comercio y los reportes inválidosde fuentes que no sean la oficial de los Estados Miem-bros, lo que puede traer graves consecuencias económi-cas para los países

– Asegurar que el sistema sea suficientemente sensible paradetectar eventos de salud pública nuevos o reemergentes.Para este fin, se están proponiendo tres cambios clave.

Primero, se ampliará el alcance de los eventos a ser reporta-dos para incluir todas las emergencias de salud pública deimportancia internacional. Se creará un enlace bien defini-do entre lo reportado y los mecanismos de acción estableci-dos.

Para que un evento sea definido como una emergenciade salud pública de importancia internacional, se están pro-poniendo un conjunto de criterios específicos:1. Severidad: El evento de salud produce un aumento anor-mal de la letalidad y/o las tasas de incidencia2. Raro o inesperado: Un evento de salud visto por primeravez (emergente) o un evento conocido mostrando un com-portamiento anormal3. Riesgo de propagación internacional4. El evento conducirá, eventualmente, a restricciones inter-nacionales de viajes y comercio

Segundo, se designará un Punto Focal Nacional parafacilitar el mayor flujo de información entre la OMS y losdiferentes niveles nacionales en ambas direcciones. Especí-ficamente, este punto focal debe ser capaz de: manejar lavigilancia internacional y las demandas de respuesta; aseso-rar a los funcionarios de salud de alto nivel con respecto a lanotificación a la OMS y la ejecución de las medidas recomen-dadas por la OMS, la distribución de información y la coordi-nación de la recolección de información de varias areas clavea nivel nacional, como vigilancia de enfermedades, los servi-cios de salud pública de puertos, aeropuertos y en crucesterrestres, así como otros departamentos del gobierno comoagricultura y aduanas; y finalmente, actuar como el recursotécnico de coordinación durante los procesos de revisión eimplementación del RSI.

Tercero, se definirán e incluirán en el RSI las capacida-des básicas para la vigilancia y respuesta requeridas en lospaíses, incluyendo en los puntos de entrada. Para que loseventos nacionales urgentes se detecten tempranamente, cadapaís requerirá un sistema de vigilancia que pueda informarsobre eventos raros e inesperados desde la periferia al centroen un tiempo muy corto, incluida la capacidad para analizarrápidamente esos datos. En muchos países ya existe estacapacidad de vigilancia/análisis. Otros pueden necesitar unperíodo de gracia para satisfacer este futuro requerimientodel RSI y podrían necesitarse asistencia y financiamiento exter-nos.

Revisión del Reglamento Sanitario Internacional


DEPARTAMENTO DE EPIDEMIOLOGÍA, BIOESTADÍSTICA YSALUD OCUPACIONAL DE LA UNIVERSIDAD DE MCGILL –XIX PROGRAMA ANUAL DE VERANO EN EPIDEMIOLOGÍA YBIOESTADÍSTICA

Lugar: Montreal, Quebec, CanadáFechas: 31 de mayo - 20 de junio de 2004.La información sobre los cursos estará disponible prontoen la página web: http://www.mcgill.ca/epi-biostat/summer/Para información, contactar al Coordinador, SummerProgramme Coordinator, Department of Epidemiology,Biostatistics and Occupational Health, McGill University,Purvis may, 1020 Pine Avenue West, Room 38-B,Montreal, Québec, Canada, H3A 1A2, Tel: (514) 398-3973,Fax: (514) 398-4503, Email: [email protected],website: http://www.mcgill.ca/epi-biostat/summer/

ESCUELA DE SALUD PÚBLICA DE LA UNIVERSIDAD DEHARVARD – XI SESIÓN ANUAL DE VERANO PARA ESTUDIOSDE SALUD PÚBLICA

Lugar: Boston, Massachussets, E.U.A.Fechas: 1 de julio - 13 de agosto de 2004.Se ofrecerán cursos en bioestadística, salud ambiental,epidemiología, políticas y gestión de la salud y salud ycomportamiento social.Se requiere el dominio del idioma inglés. Se recibirán lascandidaturas hasta el 1 de marzo de 2004.Para información, contactar a: Hildi Keary, AdministrativeAssistant for Summer Programs, Summer Session forPublic Health Studies, Harvard School of Public Health,677 Huntington Avenue, Boston, MA 02115-6023, Tel:(617) 432-1052, Fax: (617) 432-2009, Email:[email protected], website: http://www.hsph.harvard.edu/summer/brochure/

Cursos de verano en epidemiología, 2004

La 43ª reunión del Consejo Directivo de la OrganizaciónPanamericana de la Salud (OPS) adoptó la ResoluciónCD43.R13 en apoyo a la revisión del RSI, instando a los Esta-dos Miembros a participar activamente en el proceso de revi-sión tanto al nivel nacional como a través de los sistemas deintegración regionales.

Ante el riesgo planteado por la emergencia y reemergen-cia de las enfermedades infecciosas, la OPS ha dirigido susesfuerzos de cooperación técnica hacia la formación de unacapacidad nacional y subregional para detectar, investigar ycontrolar los eventos relacionados con las enfermedades po-tencialmente epidémicas a través de las redes de vigilanciade enfermedades emergentes.

La OPS también ha estado trabajando con los EstadosMiembros para obtener sus observaciones sobre las revisio-nes propuestas y para mantenerlos informados sobre el pro-greso dado. También se han aprovechado los grupos de tra-bajo en salud, creados dentro de la integración subregionalpara discutir la revisión del RSI.

Unos de estos grupos ha sido el Mercado Común delSur (MERCOSUR), que incluye los países del Cono Sur (Ar-gentina, Brasil, Paraguay y Uruguay, con Bolivia y Chile comoobservadores). Este grupo ha aportado ideas dentro de loscambios propuestos y ha adoptado medidas concretas conrespecto al RSI, como: la inclusión de las regulaciones comoun tema prioritario de su Grupo de Trabajo de Vigilancia; elapoyo unánime al proceso de revisión, especialmente en loque se refiere a la salud en las fronteras y sus componentesde comercio; la realización de cuatro talleres que resultaronen resoluciones y convenios firmados por los Ministerios deSalud; la realización de actividades de país, incluyendo larevisión de normas nacionales para el saneamiento de lospuntos de entrada y los certificados de salud de los viajeros;

prueba de la vigilancia sindrómica a nivel nacional; y la prue-ba del algoritmo diseñado para informar sobre los eventos desalud pública de importancia internacional.

Otro grupo es el de la subregión andina que comprendeBolivia, Chile, Colombia, Ecuador, Perú y Venezuela; su Or-ganismo Andino de Salud ha incluido en su agenda de saludla revisión del RSI. Mediante un convenio cooperativo con laOPS, se han organizado dos talleres sobre el tema, a fin deinformar los países sobre la revisión del RSI, para iniciar unproceso nacional que reúna a las partes interesadas y obte-ner perspectivas nacionales con respecto a los cambios pro-puestos. Dos resoluciones ministeriales surgieron de estainiciativa. La primera estableció grupos técnicos nacionalesy la segunda instó a los países a revisar y fortalecer la vigi-lancia epidemiológica, especialmente en las zonas fronterizas.

Próximos pasosSegún el presente calendario, los próximos hitos en el proce-so de revisión incluyen:– Distribuir el primer borrador del RSI revisado en todos los

idiomas oficiales de la OMS para diciembre 2003– Organizar reuniones de consulta regionales y subregionales

con respecto a los cambios propuestos para junio de 2004– Entregar el borrador final del RSI a cada país para noviem-

bre de 2004– Discutir la propuesta del proyecto del nuevo RSI en la

Asamblea Mundial de la Salud en mayo de 2005

Fuente: Preparado por el Area de Prevención y Control deEnfermedades, Unidad de Enfermedades Transmisibles (DPC/CD) de la OPS.

Referencias:(1) World Health Organization. Resolution of the Executiv Borad

of the WHO. Revision of the International Health Regulations.Geneva: WHO; Enero de 2003. (EB111.R13)


ORGANIZACION PANAMERICANA DE LA SALUDOficina Sanitaria Panamericana, Oficina Regional de la

ORGANIZACION MUNDIAL DE LA SALUD525 Twenty-Third Street, N.W.

Washington, DC 20037Internet: http://www.paho.org/spanish/DD/AIS/bsindexs.htm

El Boletín Epidemiológico de la OPS se publica en forma trimestral en inglés yespañol. Forma parte de la colección de la Biblioteca Nacional de Medicina delos Estados Unidos. Impreso en papel sin ácido.

Editor en Jefe: Dr. Carlos Castillo-SalgadoEditor Senior : Dr. Enrique LoyolaEditora: MSP Anne RocaComité Editorial:Dra. Saskia EstupiñánDr. Luiz GalvãoDr. César GattiniDra. Elsa GómezDr. Armando Peruga

Dr. Hugo PradoDr. Rodolfo RodríguezDra. Mirta RosesDra. Gina Tambini

ESCUELA DE SALUD PÚBLICA “BLOOMBERG” DE LAUNIVERSIDAD DE JOHNS HOPKINS – XXII INSTITUTO DEVERANO EN EPIDEMIOLOGÍA Y BIOESTADÍSTICA

Lugar: Baltimore, Maryland, E.U.A.Fechas: 21 de junio - 9 de julio de 2004.Se ofrecerán los siguientes cursos:Cursos de tres semanas:Principios de epidemiologíaEpidemiología intermediaEpidemiología de las enfermedades infecciosasBases epidemiológicas para el control de la tuberculosisRazonamiento estadístico en salud pública I y IICursos de dos semanas:Análisis de regresión en la investigación de salud

públicaLaboratorio de análisis de regresiónCursos de una semana:Aplicaciones del método de casos y controlesMétodos y aplicaciones de los estudios de cohorteConducir investigación epidemiológicaEnsayos clínicos: asuntos y controversiasNuevas perspectivas sobre el manejo de estudios

epidemiológicosTaller sobre análisis de datos I y IIAnálisis de sobrevivenciaModelos multinivelIntroducción al programa estadístico SASAplicaciones epidemiológicas de los SIGEpidemiología genética basada en la familiaBiología molecular para la epidemiología genéticaEpidemiología genética en poblacionesAnálisis de datos de expresión de genesEpidemiología en las decisiones basadas en evidenciaInvestigación de resultados y de efectividadFarmacoepidemiologíaMétodos epidemiológicos para planificar y evaluar

servicios de saludEpidemiología del VIH/SIDAEpidemiología nutricionalControl del Tabaco: Enfoques nacionales e

internacionalesAsuntos éticos de la investigación sobre sujetos

humanos en los países en desarrollo

El Boletín Epidemiológico agradece a las siguientes personas por sus revisiones y comentarios sobre artículos publicados en 2003: Jaume Canela (OPS),Vance Dietz (OPS), Ana Diez-Roux (Universidad de Columbia, New York, E.U.A.), John Ehrenberg (OPS), Charles Eisner (OPS), José Antonio Escamilla(OPS/Brasil), Gabriela Fernández (OPS), Margaret Hazlewood (OPS), Patricia Ruiz (OPS), Roberto Salvatella (OPS/Panaftosa), Gabriel Schmunis (OPS),Juan Sentís (Universidad de Barcelona, Spain), Clovis H. Tigre (OPS), Enrique Vázquez (OPS/Argentina), Helen Walters (Universidad de Johns Hopkins,Baltimore, E.U.A.), Thomas Yerg (OPS).

Cursos de fin de semana:Investigación clínica: una introducción al diseño y al

análisisSe requiere dominio del idioma inglés. Para información,contactar a: Ayesha Khan, Program Coordinator,Graduate Summer Institute of Epidemiology andBiostatistics, Johns Hopkins Bloomberg School of PublicHealth, 615 N. Wolfe Street, Baltimore, MD, 21205, USA.Tel: (410) 955-7158; fax: (410) 955-0898. Email:[email protected], website: www.jhsph.edu/summerepi

ESCUELA DE SALUD PÚBLICA DE LA UNIVERSIDAD DEMICHIGAN - XXXIX SESIÓN DE VERANO SOBREEPIDEMIOLOGÍA DE POSTGRADO

Lugar: Ann Arbor, Michigan, EUAFechas: 11 - 30 de julio de 2004.Se ofrecerán cursos sobre los siguientes temas:Cursos de una y tres semanas: Fundamentos debioestadística y epidemiología, enfermedadesinfecciosas, epidemiología en la práctica de la saludpública, cáncer, lesiones traumáticas, ensayos clínicos,aplicaciones de microcomputadoras, medidasepidemiológicas, modelo logístico, epidemiologíaambiental y ocupacional, modificación delcomportamiento, violencia, economía de la salud,epidemiología social, estudios longitudinales, PC-SUDAAN, salud mundial, genética, epidemiología delbioterrorismo, farmacoepidemiología y sistemas deinformación geográfica.Cursos especiales de fin de semana: introducción a lagenética en epidemiología, riesgos ocupacionales paratrabajadores de salud, avances en la epidemiología de ladiabetes, integración de los biomarcadores en losservicios de epidemiología.Es necesario el dominio del idioma inglés. Parainformación, contactar a: Jody Gray, Graduate SummerSession in Epidemiology, The University of MichiganSchool of Public Health, 109 Observatory St., Ann Arbor,MI 48109-2029, Tel: (734) 764-5454, Fax: (734) 764-3192,Email: [email protected]

BE v23n3 Spanish - Centro de Información Sobre Desastres...

Documents

Transcript of BE v23n3 Spanish - Centro de Información Sobre Desastres...