Objetivos | Tasas brutas y tasas específicas | Estandarización | Población tipo |
Otros usos | Bibliografía| Ejercicios de autoevaluación | Solución de autoevaluación

4. Estandarización o tipificación

Bajar para imprimir

Objetivos            

Una vez  finalizado el estudio de la presente sesión, el estudiante será capaz de:

• Discutir los problemas que se producen al efectuar comparaciones entre poblaciones con indicadores generales o brutos.

• Identificar variables que pueden ejercer un efecto confuso al valor de los indicadores demográficos.

• Analizar el efecto que ejerce la estructura por edad y por sexo en un indicador bruto.

• Determinar la importancia de las tasas específicas por grupos de edad y por sexo, en la comparación de los componentes demográficos entre poblaciones.

• Definir los procesos de estandarización, tipificación directa o indirecta en los análisis comparativos entre poblaciones.

• Interpretar la función de una "población tipo", dentro de un proceso de estandarización de un indicador demográfico.

• Interpretar y analizar las relaciones de los componentes estructural y residual, al valorar las diferencias entre poblaciones con respecto a un indicador tipificado.

• Valorar la importancia de los procesos de tipificación dentro de diferentes tipos de análisis cualitativos, tanto demográficos como no demográficos.

¿Por qué no es conveniente utilizar un indicador general para comparar el estado de un componente demográfico entre dos o más poblaciones?

Dentro de los análisis sociales, difícilmente la conducta de un hecho determinado, puede explicarse exclusivamente por una variable simple.  Generalmente, el indicador no debe su valor únicamente al fenómeno que trata de resumir, sino que intervienen otras variables que lo afectan directa o indirectamente.  Estas variables reciben el nombre de "perturbadoras" o "confusoras" y los investigadores deben recurrir a una serie de estrategias, para eliminar su efecto. 

En el caso de la demografía, sus medidas están fuertemente afectadas por una serie de variables, que limitan su uso en los análisis comparativos entre dos o más poblaciones; o dentro de una misma población en dos o más momentos diferentes. 

Para ejemplificar mejor el problema, se puede retomar la discusión efectuada en la primera sesión del curso, sobre la tasas de mortalidad del año 2001 para Suecia y Honduras.  Mientras en Suecia mueren 11 personas por cada mil habitantes, en Honduras mueren únicamente 6 personas.  Este resultado es muy contradictorio debido a los niveles de desarrollo de cada país.   No se puede señalar una sola variable como la culpable de estas diferencias; sin embargo, el efecto más importante radica en la distribución por edad de las poblaciones.  Suecia se cataloga como una población vieja, donde el 23% de los habitantes tiene menos de 15 años y el 17% de ellos supera los 65 años; mientras que Honduras es una población muy joven con un 44% de su población menor de 15 años y únicamente el 3% tiene más de 65% años.  Estos elementos propician, que la población de Suecia esté más expuesta al riesgo de muerte que la población hondureña.

¿Cuáles son las principales variables que afectan la magnitud de los índices demográficos al momento de efectuar comparaciones?

Como se mencionó anteriormente, son muchas las variables que pueden intervenir en el valor de un índice demográfico. Entre otras se pueden mencionar:  Estructura por edad, estructura por sexo, nivel de educación, nivel socioeconómico, porcentaje de urbanidad, etc.  No obstante, se ha comprobado que la estructura por edad de una población, es la variable que ejerce el mayor efecto sobre los indicadores demográficos y por ello debe controlarse su efecto.  Cuando,  las poblaciones involucradas en un estudio, presentan importantes diferencias en la distribución del sexo, es necesario también controlar esta variable.

¿Cómo poder controlar el efecto que  ejercen las variables confusoras sobre un indicador?

Es posible buscar varias alternativas para este problema.  Supongamos que se desea comparar el nivel de la mortalidad entre dos países con estructuras por edad muy diferentes.  En vez de utilizar la tasa bruta de mortalidad para efectuar el análisis, se pueden utilizar las tasas específicas por grupos de edad.  De esta manera, si existieran diferencias importantes entre los países, con respecto a estas tasas, se podría concluir que efectivamente, los países tienen diferencias en el estado de la mortalidad.  Pero esto no resuelve el problema por completo, pues no es posible determinar la magnitud de estas diferencias.  También es posible definir otras medidas más sofisticadas, que permitan efectuar la comparación, pero desafortunadamente, por lo general requieren de procesos muy elaborados de cálculo, que conllevan mucho trabajo, para una simple comparación entre poblaciones.

Estandarización o tipificación

Este procedimiento es relativamente sencillo y permite calcular el indicador demográfico controlando el efecto que una variable confusora ejerce sobre él.  Existen diferentes estrategias para controlar este efecto; sin embargo, en el presente curso se considerará únicamente la llamada estandarización directa.  Este procedimiento consiste en eliminar el efecto confusor durante el procedimiento de cálculo del indicador. 

Supongamos que se desea comparar el valor de una tasa con respecto a algún hecho demográfico entre dos poblaciones.  El análisis de estandarización consiste en determinar la estructura de las dos poblaciones con respecto a las diferentes categorías o grupos de la variable confusora, y determinar tasas específicas en cada uno de estos grupos.  Estas tasas son utilizadas para estimar la cantidad esperada de eventos que se presentarían hipotéticamente sobre una tercera población, llamada "población tipo" y escogida a conveniencia.   De esta  forma, para cada población, se generan los eventos esperados en cada grupo,  cuya suma corresponde al total de eventos que tendría cada población, si tuviera una estructura por grupos (de la variable confusora) igual a la población "tipo".  Los datos resultantes son utilizados, en cada caso, para determinar nuevamente la tasa correspondiente, cuyos valores se encuentran libres del efecto perturbador. 

Para ejemplificar el procedimiento, supongamos que se cuenta con información de dos regiones hipotéticas, la  primera corresponde a una región en desarrollo que se denominara como Región A y la  segunda una región más desarrollada que se catalogará como Región  B.  La información primaria sobre ellos se presenta en la siguiente tabla:

 

 Población
(Miles de habitantes)

Número de 
defunciones

 

Tasa bruta de mortalidad
(Por mil habitantes)

Región A

1 969,2

9 332

4,7

Región B

4 527,8

36 644

8,1


La tasa bruta de mortalidad de la Región B prácticamente duplica  el valor obtenido en A.  El riesgo de morir entre las regiones A y B, respectivamente, es un poco menor de 1 a 2.  En el siguiente cuadro se muestran la distribución de las defunciones entre grupos de edad y las tasas específicas para cada uno de estos grupos.

 

Región A

Región B

Edad

Población

Defun-
ciones

Tasas de mortalidad  (por 1000 ha.)

Población

Defun-
ciones

Tasas de mortalidad (por 1000 ha.)

0-4

279,7

2570

9,2

226,2

540

2,4

5-9

280,8

155

0,6

221,6

40

0,2

10-19

500,7

336

0,7

633,3

266

0,4

20-29

333,8

466

1,4

714,7

650

0,9

30-39

208,1

397

1,9

606,1

699

1,2

40-49

150,8

542

3,6

710,2

1 701

2,4

50-59

97,4

739

7,6

547,3

2 813

5,1

60-69

70,1

1 198

17,1

402,6

5 286

13,1

70-79

34,9

1 435

41,1

357,3

1 1350

31,8

80-89

11,2

1 161

103,7

67,8

5 564

82,1

90 y +

1,7

333

195,9

40,7

7 735

190,0

 Total

1969,3

9 332

4,7

4527,8

36 644

8,1


Como bien puede apreciarse, en cada uno de los grupos, las tasas específicas de mortalidad son menores en la Región B, esto pone en evidencia que el estado de la mortalidad es mucho menor en esta región.  Para poder resaltar las diferencias por medio de una sola medida, se requiere utilizar la distribución de una nueva población que sirva de parámetro de comparación.  En este caso se va a utilizar la distribución de la población de Panamá en el año 2000.

 

 

Tasas específicas de mortalidad

Defunciones esperadas

 Edad

Población de Panamá

NT (miles de ha.)

Región A

mA

Región B

 mB

Región A

 NT*mA

Región B

 NT*mB

0-4

326,2

0,0092

0,0024

3001

783

5-9

296,7

0,0006

0,0002

178

59

10-19

555,1

0,0007

0,0004

389

222

20-29

490,9

0,0014

0,0009

687

442

30-39

423,2

0,0019

0,0012

804

508

40-49

296,8

0,0036

0,0024

1 068

712

50-59

205,6

0,0076

0,0051

1 563

1 049

60-69

129,3

0,0171

0,0131

2 211

1 694

70-79

76,6

0,0411

0,0318

3 148

2 436

80-89

33,0

0,1037

0,0821

3 422

2 709

90 y +

5,7

0,1959

0,1900

1 117

1 083

 Total

 2 839,1

0,0047

0,0081

17 588

11 697

 Tasas de mortalidad tipificadas

 

 

 

6,2

4,1


De esta manera, si la Región A tuviera la estructura poblacional de Panamá en el año 2000, se presentarían 6,2 defunciones por cada mil habitantes, mientras que, bajo iguales condiciones, en la Región B se presentarían 4,1 defunciones por cada mil habitantes.  Queda entonces claramente evidenciado, que el patrón de mortalidad en la Región B es mucho menor que en la Región A.  Esto quiere decir, que la magnitud de la mortalidad en B es dos terceras partes la de A, lo que significa que el riesgo de morir, eliminando el efecto de las estructuras por edades, está en una razón de 3 a 2, en favor de la región A.

Análisis de las diferencias:   La diferencia observada en el patrón de la mortalidad, entre las regiones A y B, se pueden descomponer en dos factores:

• Un factor estructural, corresponde al efecto de las diferencias en las estructuras por edades de las dos regiones.

• Un factor residual, corresponde a otros factores, donde el principal elemento debe ser el nivel de la mortalidad de las regiones.

En el siguiente cuadro se muestra un resumen de las diferencias obtenidas, tanto en las tasas observadas como en las tasas esperadas:

 

Tasa bruta de mortalidad
(por mil ha.)

Diferencia horizontal

Observada

Tipificada

Región A

 4,7

6,2

- 1,5

Región B

 8,1

4,1

 4,0

Diferencia vertical

- 3,4

2,1

- 5,5

• La diferencia entre las tasas observadas es de - 3,4 por cada 1 000 habitantes, a este valor se le denomina efecto total.  Corresponde a la diferencia entre las poblaciones, pero está afectado por la estructura por edades de las regiones. 

• La diferencia entre las tasas tipificadas es de 2,1 por cada mil habitantes.  En este valor ha sido eliminado el efecto de la estructura por edades, por lo que su magnitud es un buen reflejo de las diferencias entre los patrones de mortalidad y las regiones.  Aunque podría estar afectado por otras variables, en la mayoría de casos, el efecto de ellas es mínimo.  A esta diferencia se le llama efecto residual.

• Los valores - 1,5 y 4,0 representan, respectivamente, las diferencias entre las tasas observadas y tipificadas.  Sus magnitudes evidencian el efecto de la estructura por edades en cada caso.  Generalmente se les interpreta como efectos estructurales parciales

• Finalmente, el valor - 6,7 representa el efecto producido por las diferentes estructuras de edad en las regiones.  Se conoce con el nombre de efecto estructural total, o simplemente efecto estructural.

Como consecuencia de la definición de los conceptos, se presenta una relación de mucho valor práctico entre estas diferencias:

Efecto total = Efecto residual + efecto estructural

Durante el proceso de estandarización o tipificación, se busca eliminar el efecto estructural dentro del efecto total.  De esta manera se puede estimar el efecto residual, que se supone es un buen indicador del estado de la mortalidad entre las regiones.

¿Qué características debe tener la población tipo que se selecciona? 

En realidad cualquier población puede ser utilizada como población tipo, de hecho, el interés no se centra en las magnitudes de cada uno de los grupos, sino en su distribución porcentual.  Una de las recomendaciones que se pueden hacer, consiste en buscar una población cuya estructura por edades tenga un valor intermedio con respecto a la distribución de las poblaciones en estudio.  Generalmente se ha recomendado que si la comparación es entre países de diferentes continentes, entonces se utilice la población mundial como tipo.  Dentro de América Latina se recomienda utilizar como población tipo, la población de América Latina. 

También es posible que una de las mismas poblaciones en estudio sea elegida como población tipo.  Supongamos que, para el ejemplo que se ha venido trabajando, se decide utilizar como población tipo la Región A.  En el cuadro siguiente se muestran las defunciones esperadas en la Región B, bajo esta hipótesis.

 

Población

Tasas específicas de mortalidad

Defunciones  esperadas

 Edad

Región A

NT (miles de ha.)

Región B

 mB

Región B

 NT*mB

0-4

279,7

0,0024

671

5-9

280,8

0,0002

56

10-19

500,7

0,0004

200

20-29

333,8

0,0009

300

30-39

208,1

0,0012

250

40-49

150,8

0,0024

362

50-59

97,4

0,0051

497

60-69

70,1

0,0131

918

70-79

34,9

0,0318

1 110

80-89

11,2

0,0820

918

90 y +

1,7

0,1900

323

 Total

1 969,3

 

5 606

Tasa de mortalidad tipificada

 

 

2,8


De acuerdo con este análisis, en la Región B se presentarían únicamente 2,8 defunciones por cada mil habitantes, si tuviera la misma estructura por edades que la Región A.  Si se compara este valor con la tasa bruta de mortalidad de A que es 4,7, se sigue observando que el patrón de mortalidad en B es mucho menor que el de A.   Si se analizan nuevamente las diferencias, también se obtienen resultados similares a los anteriores.

 

Tasa bruta de mortalidad (por mil ha.)

Efecto

Observada

Tipificada

Región A

 4,7

4,7

0,0

Región B

 8,1

2,8

 5,3

Efecto

-3,4

1,9

- 5,3


Suponiendo que la Región B tuviera la estructura por edad de la Región A entonces el efecto residual entre ellos es de 1,9 defunciones por cada mil habitantes.  Esto quiere decir que el número de defunciones en la Región B sería en aproximadamente 2 unidades menor que el de la Región A por cada mil habitantes.  Bajo esta hipótesis, el efecto estructural es de -5,3 por cada mil habitantes.  Este valor significa que la estructura por edad actual en la Región B, provoca que ocurran 5,3 defunciones, por cada mil habitantes, más que los que tendría si tuviera la estructura de A.  Como puede notarse, los resultados son coherentes con los obtenidos cuando se utilizó la población de Panamá como tipo. 

¿Qué grupos de edades se deben utilizar en un proceso de estandarización?

Hasta donde sea posible se deben utilizar grupos pequeños, pues los grupos muy amplios pueden presentar grandes diferencias internamente.   Se recomienda utilizar grupos quinquenales de edad; sin embargo, como la mortalidad en los primeros años es muy cambiante y existen grandes diferencias entre países y regiones, es recomendable separar el primer grupo en menores de un año y de 1 a 4 años.

¿Qué otro tipo de aplicaciones se puede dar al proceso de estandarización?

Como se señalado anteriormente, el principal uso de la tipificación en los análisis demográficos radica en la comparación de medidas entre regiones, países o para una misma localidad en años diferentes.  Este proceso es fundamental para los análisis de morbilidad por causas, como bien se verá más adelante.  También puede ser utilizado para el control de efectos espurios o confusores entre variables.  Para ilustrar esta aplicación, se analizará el siguiente ejemplo.  

Suponga que se realiza un estudio para determinar algunas de las causas del bajo peso al nacer (BPN) de los niños de cierto país.  Entre otras relaciones, se pudo establecer dos que llamaron la atención.  La primera es una relación muy lógica y se establece entre el fumado durante el embarazo y el bajo peso al nacer el niño.  Mientras el 15% de los nacimientos de madres fumadoras presentó problemas de bajo peso, en las madres no fumadoras el porcentaje fue de apenas 5%.  Esto indica que el riesgo relativo de niños con BPN es el triple entre madres fumadoras y no fumadoras.  La segunda relación se constituyó en toda una paradoja, pues quedó evidenciado que las mujeres con alto consumo de café presentaron un riesgo relativo de niños con BPN aproximadamente el doble con respecto a las que tienen consumo bajo o del todo no consumen café.  El 11% de las mujeres con alto consumo de café, tuvieron niños con BPN contra un 5,7% del otro grupo.  Para poder responder este dilema, se trato de analizar esta última relación ,controlando el efecto del fumado entre las consumidoras de café.  El siguiente muestra los resultados:

 

Alto consumo de café

Bajo o ningún consumo de café

Fumado

Tamaño de muestra (%)

Niños con BPN  (%)

Tamaño de muestra (%)

Niños con BPN  (%)

Fumadoras

60,0

15,0

6,7

15,0

No fumadoras

40,0

5,0

93,3

5,0

Total

100

11,0

100

5,7


De estos resultados se desprende que no existen diferencias entre madres consumidoras y no consumidoras de café, con respecto de niños con BPN.  De este modo, tales variaciones originales se debían al efecto del fumado pues existen grandes diferencias en la estructura de las muestras con respecto a las madres fumadoras y no fumadoras.  Este análisis sugiere que para estudiar el efecto del consumo de café de las madres en el BPN se debe controlar por el fumado en ellas.  Si en la muestra total de madres, el 20% son fumadoras y se mantienen los porcentajes de niños con BPN del análisis anterior entonces el valor estandarizado de niños con BPN tanto para madres consumidoras como no consumidoras de café viene dada por:

Fumado

Estructura (tipo) 

fT

Niños con BPN  (%)

m

Valores estimados de MPN(%)

fT * m

Fumadoras

0,20

15

3,0

No fumadoras

0,80

5

4,0

Total

100

 

7,0


Quiere decir que tanto para madres consumidoras, como no consumidoras el porcentaje de niños con BPN es 7%, suponiendo que el 20% de las madres son fumadoras.  Los efectos se resumen a continuación:

 

Niños con BPN  (%)

Efecto

Observado

Tipificado

Alto consumo de café

 11,0

7,0

4,0

Bajo o ningún consumo de café

5,7

7,0

-1,3

Efecto

5,3

0,0

5,3


En vista de que el efecto total es igual al efecto estructural, entonces todo efecto es debido a la estructura del fumado dentro de las muestras observadas.

Otra de las aplicaciones comunes de los procesos de estandarización consiste en la determinación del impacto de ciertos programas nuevos o de la implementación de programas existentes.  Para ejemplificar este caso, se va a analizar la relación entre educación y fecundidad para un caso particular.  En Costa Rica, según las encuestas de fecundidad de 1969 y 1976, se produjo un descenso importante en el tamaño promedio de la familia, pasando de 8,8 a 5,0 en estos siete años.  Al mismo tiempo, el nivel de escolaridad también aumentó, por lo que algunas personas supusieron que el descenso en la fecundidad, era debido a los aumentos en educación.  Para poder establecer si esta afirmación es valedera, se procedió a estandarizar el tamaño de la familia, utilizando como población tipo la estructura de educación de 1969.

 

Porcentajes

Tamaño de la familia (%)

Tamaño de la familia en 1976, tipificada en estructura de educación de 1969

(fT * m)

Nivel educativo alcanzado

1969

fT

1976

 

1969

 

1976

m

Ninguno

18

11

9,6

7,0

126,0

Primaria incom.

64

55

9,2

5,2

332,8

Primaria comp.

12

21

7,4

4,0

48,0

Secundaria o más

6

13

5,0

3,9

23,4

Total

100

100

8,8

5,0

530,2

 

 

 

 

 

530,2/100  = 5,3


El tamaño promedio de la familia habría sido 5,3 personas en 1976, si se hubiera mantenido la estructura en educación de 1969.  Con esto se tiene:

Año

Tamaño de la familia (%)

Efecto

Observada

Tipificada

1969

 8,8

8,8

  0,0

1976

5,0

5,3

- 0,3

Efecto

3,8

3,3

- 0,3


El efecto estructural es de 3,3 personas por familia y el residual es apenas de -0,3.  Estos valores señalan que la disminución en el tamaño de la familia entre 1969 y 1976 está muy poco afectada por los niveles de educación de la población y más bien se debe a otros factores que no han sido considerados aquí.

Tarea de la sesión

Sesión anterior | siguiente

Inicio de la página

Objetivos | Tasas brutas y tasas específicas | Estandarización | Población tipo |
Otros usos | Bibliografía| Ejercicios de autoevaluación | Solución de autoevaluación