Objetivos de la sesión|
Conveniencia de
indicadores | Variables demográficas
| Población tipo | 4. Estandarización o tipificación Objetivos
¿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 ser explicado 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 afectados 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 que 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, 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 desarrollado que se catalogará como Región B. La información primaria sobre ellos se presenta en la siguiente tabla:
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.
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:
En el siguiente cuadro muestra un resumen de las diferencias obtenidas
tanto entre las tasas observadas como en las tasas esperadas:
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 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.
¿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 ha venido discutiendo, en los análisis demográficos el principal uso de la tipificación 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 en 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 analizar esta última relación
controlando el efecto del fumado entre las consumidoras de café.
El siguiente muestra los resultados:
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.
Inicio
de la página |Objetivos
de la sesión|
Conveniencia de
indicadores | Variables demográficas
| |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||