Gac Sanit. 2019;33(3):289–292 Nota metodológica Estimación de indicadores de salud en áreas pequeñas a partir de datos de la Encuesta de Salud de Euskadi Imanol Montoya a,∗ , Santiago Esnaola b , Montserrat Calvo b , Elena Aldasoro b , Covadonga Audicana b y Marc Marí-Dell’Olmo c,d,e,f a Departamento de Trabajo y Justicia, Gobierno Vasco, Vitoria-Gasteiz, España b Departamento de Salud, Gobierno Vasco, Vitoria-Gasteiz, España c Servicio de Calidad e Intervención Ambiental, Agència de Salut Pública de Barcelona, Barcelona, España d CIBER de Epidemiología y Salud Pública (CIBERESP), España e Institut d’Investigació Biomèdica Sant Pau, Barcelona, España f Universitat Pompeu Fabra, Barcelona, España información del artículo r e s u m e n Historia del artículo: Las encuestas de salud son una herramienta clave para la toma de decisiones en políticas de salud y para Recibido el 16 de enero de 2018 la planificación de los servicios de salud. El uso de métodos estadísticos para áreas pequeñas que utilizan Aceptado el 25 de abril de 2018 información de diferentes ámbitos geográficos puede resultar útil para estimar indicadores de salud a On-line el 20 de julio de 2018 una escala geográfica menor que la originalmente considerada en el diseño de una encuesta. © 2018 SESPAS. Publicado por Elsevier España, S.L.U. Este es un artı́culo Open Access bajo la licencia Palabras clave: CC BY-NC-ND (http://creativecommons.org/licenses/by-nc-nd/4.0/). Análisis de áreas pequeñas Encuesta de salud Estadística espacial Small area estimation of health indicators based on data from the Basque Country Health Survey a b s t r a c t Keywords: Health surveys are a key tool for decision-making in health policies and health services planning. The Small area analysis use of small-area statistical methods that use information at different geographic levels may be useful Health survey for estimating health indicators at a lower geographical level than originally considered in the survey Spatial statistics design. © 2018 SESPAS. Published by Elsevier España, S.L.U. This is an open access article under the CC BY-NC-ND license (http://creativecommons.org/licenses/by-nc-nd/4.0/). Introducción de los principales indicadores de la ESCAV en un ámbito geográfico menor, como es la zona básica de salud. La toma de decisiones en políticas de salud y en la planificación Existen otras propuestas metodológicas1–3 , pero resultan más de los servicios de salud precisa información a distintas escalas de complejas de implementar que la que se propone en este trabajo. agregación geográfica. Los usos y las aplicaciones de los resultados de las encuestas de salud aumentan de forma considerable si los Método principales indicadores son descritos para áreas pequeñas. La Encuesta de Salud de Euskadi (ESCAV) tiene un diseño mues- La ESCAV es una encuesta transversal sobre la salud y sus tral que permite obtener estimaciones válidas de determinados determinantes en la población no institucionalizada residente en indicadores de salud (error muestral inferior al 5%) para cada una de Euskadi. Se usaron los datos de la ESCAV de 2013. Para obtener la las 12 organizaciones sanitarias integradas (OSI). La planificación de muestra se seleccionaron 5300 viviendas por muestreo aleatorio la salud y la gestión de los servicios de atención primaria precisan estratificado de las viviendas ocupadas. El diseño muestral se con- información más detallada para cada una de las 122 zonas de salud dicionó a que hubiera al menos 10 viviendas en cada una de las 122 de Euskadi. El objetivo de este trabajo es hacer una propuesta de zonas básicas de salud. La tabla 1 muestra el número de personas modelo espacial jerárquico bayesiano para obtener estimaciones encuestadas en cada una de las OSI, por sexo. Se obtuvo informa- ción de 6800 mujeres y 6195 hombres. En cuanto a las 122 zonas básicas de salud, la mediana del número de personas encuestadas fue de 48 hombres y 51 mujeres, con un mínimo de 9 y un máximo ∗ Autor para correspondencia. de 223. El tamaño de la muestra disponible por zonas básicas no Correo electrónico: imanolmontoya@gmail.com (I. Montoya). permite obtener estimaciones fiables mediante formas de cálculo https://doi.org/10.1016/j.gaceta.2018.04.016 0213-9111/© 2018 SESPAS. Publicado por Elsevier España, S.L.U. Este es un artı́culo Open Access bajo la licencia CC BY-NC-ND (http://creativecommons.org/licenses/by-nc- nd/4.0/). 290 I. Montoya et al. / Gac Sanit. 2019;33(3):289–292 Tabla 1 mixtos, mientras que para estimar la prevalencia de ansiedad y Población encuestada por organización sanitaria integrada en la Encuesta de Salud depresión se usó un modelo logístico de efectos mixtos. de Euskadi 2013 OSI Hombres Mujeres Los modelos jerárquicos bayesianos propuestos tienen la ven- OSI Araba 1260 1248 taja de evitar los problemas de inestabilidad que surgen en la OSI Ezkerra-Enkarterria 364 413 estimación para zonas donde la muestra es muy pequeña. En OSI Barakaldo-Sestao 300 342 concreto, el modelo usado para la estimación del indicador corres- OSI Bilbo-Basurtu 739 901 OSI Uribe 549 590 pondiente en cada una de las zonas básicas de salud fue un modelo OSI Barrualde-Galdakao 706 770 generalizado jerárquico a tres niveles: el individuo, la zona básica OSI Debabarrena 210 246 de salud y la OSI. OSI Debagoiena 273 282 Este modelo se basa en la idea de que se dispone de informa- OSI Goierri-Urola 316 327 OSI Tolosaldea 207 210 ción relevante en los tres niveles. En cuanto al individuo, tenemos OSI Gipuzkoa 1052 1195 la variable principal de estudio, el sexo, la edad y su localiza- OSI Bidasoa 219 276 ción; de la zona básica conocemos cuáles son sus áreas vecinas y Total Euskadi 6195 6800 a qué OSI pertenece; y por último, en la OSI tenemos una mues- OSI: organización sanitaria integrada. tra suficiente para tener un estimador válido de la variable de interés. A continuación se especifica el modelo en el caso de que el indi- Tabla 2 cador de estudio sea la prevalencia de una variable. En primer lugar, Principales indicadores analizados por áreas pequeñas de la Encuesta de Salud de para el individuo el modelo asume que la variable de estudio para Euskadi 2013 una persona i perteneciente a la zona básica de salud Z y a la OSI o • Autovaloración de la salud: mala salud sigue una distribución de Bernoulli con probabilidad Pizo . Esto es: • Mala salud bucodental • Calidad de vida relacionada con la salud Variableizo ∼∼Bernoulli [pizo ] • Índice de salud mental • Mala salud mental (síntomas de ansiedad-depresión) y • Limitación crónica de la actividad • Necesidad de ayuda para realizar actividades de la vida cotidiana log it(Pizo ) = ˛zo + ˇ1 ∗ edad25 44,i + ˇ2 ∗ edad45 64,i • Problemas crónicos • Lesiones no intencionadas + ˇ3 ∗ edad65 74,i + ˇ4 ∗ edad≥75,i • Dificultad para llegar a fin de mes • Satisfacción con el trabajo • Apoyo social afectivo bajo donde i = 1, ..., n representa a los individuos incluidos en la mues- • Apoyo social confidencial bajo tra; z = 1, ..., 122 representa cada zona básica de salud; y 0 = 1, ..., 12 • Bebedores habituales representa cada OSI. La probabilidad individual está ajustada tam- • Consumo de alcohol de riesgo a largo plazo • Consumo intensivo de alcohol mensual o más frecuente bién por la edad mediante una variable categórica con las siguientes • Obesidad categorías: menores de 25 años, de 25 a 44, de 45 a 64, de 65 a 74 • Sedentarismo y mayor o igual a 75 años. • Bronquitis Para las zonas básicas de salud, el efecto de cada zona se descom- • Desplazamiento activo al lugar de trabajo o estudios pone a su vez en tres componentes, de manera similar al modelo • Consumo diario de frutas y verduras • Satisfacción con el sistema sanitario desarrollado por Besag, York y Mollie5 : un efecto común para todas • Mujeres de 50-64 años que se han hecho mamografía en los 3 años previos las zonas correspondientes a una misma OSI ˛o , un efecto espacial Sz • Mujeres que se han hecho una citología en los 3 años previos que recoge la correlación espacial entre zonas vecinas, y por último • Personas que no han consultado al dentista en los 12 meses previos un efecto aleatorio Hz conocido como efecto heterogéneo. Es decir: ˛zo = ˛o + Sz + Hz convencionales. Puede consultarse más información acerca de la metodología utilizada en la ESCAV en otro documento ya En las OSI se encuentra el intercepto general a y se introduce la publicado4 . prevalencia estimada mediante el método convencional para cada En la tabla 2 se muestran los indicadores seleccionados para una de las 12 OSI. Dicha prevalencia lleva asociada una variabilidad su estimación en cada zona básica de salud. Todos los análisis se (un error estándar) y entra en el modelo de WinBUGS (véase el realizaron por separado para hombres y mujeres, y para cada uno Apéndice on-line) como variable aleatoria: de los indicadores. ˆ ˛o = ˛ + log it (prevalencia estimada OSIo ) Se utilizó un modelo en dos fases: Finalmente, para estimar el parámetro de interés, la prevalencia • En la primera fase se estimó el indicador para cada una de las en la zona básica de salud, se usó la siguiente ecuación: 12 OSI por métodos convencionales. Para las variables dico- tómicas se estimaron prevalencias estandarizadas por edad, ˆ exp (log it (prevalencia estimada OSIo ) + Sz + Hz ) calculadas mediante el método directo y usando como población Prev̂alenciazo = ˆ 1 + exp (log it (prevalencia estimada OSIo ) + Sz + Hz ) de referencia la de Euskadi de 2011. Para las variables cuanti- tativas, las medias se ajustaron por edad usando el análisis de Para estimar los parámetros del modelo se usaron métodos covarianza. En ambos casos se usaron los pesos muestrales. bayesianos. Se asignó una distribución uniforme U(0,5) a las des- • En la segunda fase se estimó el indicador correspondiente en cada viaciones estándar de ambos efectos aleatorios, siguiendo las una de las zonas básicas de salud. Para ello se usaron modelos indicaciones de Gelman6 . La estimación y el intervalo de credibi- generalizados mixtos teniendo en cuenta la naturaleza del indica- lidad de la prevalencia en la zona básica de salud se obtuvieron dor de estudio: prevalencias o medias. Por ejemplo, para el índice mediante la distribución posterior proporcionada por el modelo. de salud mental se usó un modelo de regresión lineal de efectos Se utilizaron los mismos criterios que en el atlas de mortalidad en I. Montoya et al. / Gac Sanit. 2019;33(3):289–292 291 Figura 1. Proporción estimada de hombres sedentarios por organización sanitaria integrada y por zona básica de salud en Euskadi. 2013. áreas pequeñas de la CAPV7 para valorar la convergencia de los Discusión modelos. El uso en la encuesta de salud de métodos estadísticos de áreas Resultados pequeñas que utilizan información a diferentes niveles se ha mos- trado útil para obtener estimaciones a una escala geográfica más Para una interpretación correcta de los resultados es necesario pequeña que la originalmente considerada. tener en cuenta los métodos estadísticos utilizados en el cálculo de Una limitación de este trabajo es un posible sesgo debido a los indicadores. Los indicadores están ajustados por edad, lo que que la muestra puede resultar no representativa en algunas de permite comparar áreas de poblaciones con distinta estructura de las áreas con menor número de personas encuestadas. Como línea edad. Además, el valor calculado para cada zona básica de salud es de mejora en el futuro podría considerarse un único modelo para una combinación de tres elementos: uno que representa al conjunto hombres y mujeres añadiendo el sexo como covariable con sus de la OSI al que pertenece la zona, otro propio de cada zona y el diferentes interacciones. De esta manera se dispondría de más tercero correspondiente a la correlación espacial de la zona con las información en las zonas básicas de salud, en caso de que no vecinas. En esta combinación, el peso relativo de cada uno de los haya grandes diferencias por sexo. También sería necesario eva- elementos depende de la cantidad de información disponible, que luar el modelo propuesto mediante un estudio de simulación que a su vez es función del tamaño muestral y de la variabilidad del permita determinar su validez para la estimación de indicadores indicador. en las zonas básicas de salud en distintos escenarios, y compa- La figura 1 muestra a modo de ejemplo los resultados obtenidos rarla con la de otras propuestas de la literatura con el mismo para la prevalencia de hombres sedentarios, que tiene una gran fin1–3 . variabilidad entre las zonas básicas de salud. Así, en Vitoria-Gasteiz Sin embargo, se ha podido observar que, cuando hay variabili- hay zonas con una mayor prevalencia que no se habrían identificado dad suficiente en el indicador analizado, estos métodos permiten analizando únicamente las OSI. encontrar diferencias entre las zonas de una misma OSI que hubie- En la figura 2 se muestran los resultados obtenidos para la pre- ran quedado ocultas. Esto permitirá mejorar las decisiones en valencia de bronquitis en las mujeres. En este caso no se ven apenas políticas en salud y en la planificación y la gestión de los servicios diferencias en la estimación por zonas básicas de salud de una de salud. misma OSI. Esto se debe a la poca variabilidad que existe en el pro- pio indicador. Esta estimación podrá mejorarse incluyendo otras variables explicativas, como el consumo de tabaco. Los resultados Editora responsable del artículo para el resto de los indicadores analizados se pueden ver en el atlas de la encuesta de salud de la CAPV 2013 por áreas pequeñas8 . María Victoria Zunzunegui. 292 I. Montoya et al. / Gac Sanit. 2019;33(3):289–292 Figura 2. Prevalencia estimada de bronquitis en mujeres por organización sanitaria integrada y por zona básica de salud en Euskadi. 2013. Contribuciones de autoría Bibliografía Concepción y diseño del trabajo: I. Montoya y S. Esnaola. Reco- 1. Chen C, Wakefield J, Lumely T. The use of sampling weights in Bayesian hierarchi- gida de datos: M. Calvo y C. Audicana. Análisis de los datos: cal models for small area estimation. Spatial and Spatio-Temporal Epidemiology. I. Montoya. Interpretación de los resultados: I. Montoya, S. Esnaola, 2014;11:33–43. M. Calvo, E. Aldasoro, C. Audicana y M. Marí-Dell’Olmo. Escritura 2. Mercer L, Wakefiled J, Chen C, et al. A comparison of spatial smoothing met- hods for small area estimation with sampling weigths. Spatial Statistics. 2016;8: del artículo y revisión crítica con importantes contribuciones inte- 69–85. lectuales: I. Montoya, S. Esnaola, M. Calvo, E. Aldasoro, C. Audicana 3. Vandendijck Y, Faes C, Kirby RS, et al. Model-based inference for small area esti- y M. Marí-Dell’Olmo. Todas las personas firmantes han aprobado la mation with sampling weights. Spatial Statistics. 2016;18:455–73. 4. Metodología de la encuesta de salud ESCAV 2013. Departamento de Salud del versión final para su publicación. Gobierno Vasco. (Consultado el 8/2/2018.) Disponible en: http://www.euskadi. eus/contenidos/informacion/enc salud 2013 metodologia/es def/adjuntos/ Financiación Metodologia ESCAV 2013.pdf 5. Besag J, York J, Mollie A. Bayesian image restoration, with two applications Ninguna. in spatial statistics. Annals of the Institute of Statistical Mathematics. 1991; 43:1–59. 6. Gelman A. Prior distributions for variance parameters in hierarchical models. Conflicto de intereses Bayesian Analysis. 2016;1:1–19. 7. Esnaola S, Montoya I, Calvo M, et al. Atlas de mortalidad en áreas pequeñas de la CAPV (1996-2003). Vitoria-Gasteiz: Departamento de Sanidad y Consumo; 2010. Ninguno. p. 165. 8. Esnaola S, Montoya I, de Diego M, et al. Atlas de la Encuesta de Salud de la CAPV Anexo. Material adicional 2013 por áreas pequeñas. Vitoria-Gasteiz: Departamento de Salud, Servicio de Estudios e Investigación Sanitaria; 2015 (Consultado el 16/1/2018.) Disponible en: Se puede consultar material adicional a este artículo en su ver- http://www.euskadi.eus/contenidos/informacion/enc salud 2013 publicaciones/ sión electrónica disponible en doi:10.1016/j.gaceta.2018.04.016 es def/adjuntos/AtlasEremuTxiki.pdf