Gac Sanit. 2020;34(1):44–50 Original Un índice de privación para reformar el modelo de financiación de la atención primaria en Cataluña Cristina Collsa , Montse Miasa y Anna García-Altésa,b,c,∗ a Agència de Qualitat i Avaluació Sanitàries de Catalunya, Departament de Salut de Catalunya, Barcelona, España b CIBER de Epidemiología y Salud Pública (CIBERESP), España c Institut d’Investigació Biomèdica (IIB Sant Pau), Barcelona, España información del artículo r e s u m e n Historia del artículo: Objetivo: Construir un índice de privación para la asignación del presupuesto de los equipos de atención Recibido el 4 de diciembre de 2017 primaria de Cataluña, válido tanto para entornos urbanos como rurales y actualizable con más frecuencia Aceptado el 24 de julio de 2018 que los índices construidos con las variables censales. On-line el 27 de diciembre de 2018 Método: A partir de la revisión de los índices de privación más comunes se seleccionaron las variables existentes de fuentes que permiten una actualización frecuente y que son representativas del ámbito Palabras clave: territorial de las áreas básicas de salud. Se calcularon las correlaciones entre las variables escogidas Índice de privación y las variables de utilización de atención sanitaria y morbilidad. Se aplicó el análisis de componentes Desigualdades en salud Datos administrativos principales. Finalmente, se calcularon las correlaciones entre el índice construido y el índice MEDEA, y Análisis de componentes principales con variables de utilización de recursos y morbilidad para diferentes tramos de dispersión poblacional. Financiación de la atención primaria Resultados: Las variables de renta, ocupación y nivel de estudios son las que tienen más correlación con la utilización de atención sanitaria y la morbilidad. El índice socioeconómico compuesto (ISC) tiene un rango de −0,01 a 5,68, una media de 2,60 y una desviación estándar de 0,91. La correlación entre el ISC y el MEDEA es de 0,89. El ISC se correlaciona con la utilización de atención sanitaria tanto en los entornos urbanos como en los rurales, aunque en estos últimos la asociación es menor. Conclusiones: El ISC se ha construido con datos que permiten una actualización frecuente, y se ha integrado en el modelo de asignación de recursos de la atención primaria a partir de 2017. © 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/). A deprivation index to reform the financing model of primary care in Catalonia (Spain) a b s t r a c t Keywords: Objective: To build a deprivation index for the assignation of the budgets of the primary healthcare teams Deprivation index in Catalonia (Spain) valid for both urban and rural environments and updatable with greater frequency Health inequalities than indices built from census variables. Administrative data Method: Starting from a review of the most common deprivation indices, variables were selected from Principal components analysis sources that allow frequent updating and are representative at the territorial level of primary care. The Primary care financing correlations were calculated between the chosen variables and variables of need for healthcare and morbidity. principal components analysis was applied. Finally, the correlations of the index built with the MEDEA index and with variables of use of healthcare resources and morbidity was calculated stratifying by geographical dispersion. Results: The variables of income, occupation and education are the ones with the highest correlation with the need for healthcare and morbidity. The composed socioeconomic index (CSI) ranges from −.01 to 5.68, with an average value of 2.60 and a standard deviation of .91. The correlation between the CSI and the MEDEA index is .89. The CSI correlates with use for healthcare in both urban and rural environments, although in rural environments the association is lower. Conclusions: The CSI was built with data that allow frequent updating and was integrated in the model for allocating resources to primary healthcare starting in 2017. © 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 En los últimos años, coincidiendo con la situación de crisis ∗ Autora para correspondencia. económica, ha resurgido la preocupación por el efecto de las desi- Correo electrónico: agarciaaltes@gencat.cat (A. García-Altés). gualdades sociales en la salud de la población1,2 . La voluntad de https://doi.org/10.1016/j.gaceta.2018.07.015 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/). C. Colls et al. / Gac Sanit. 2020;34(1):44–50 45 mitigar su efecto, en un contexto de recursos limitados, ha hecho pueden clasificarse en nueve dimensiones, siendo las de mercado renacer el interés por los índices de privación económica. de trabajo y clase social, educación, condiciones de la vivienda y Los índices de privación permiten la objetivación del concepto renta las más habituales (véase el Apéndice online). Se escogieron de falta de recursos económicos y sociales, y su traslación a áreas variables similares de fuentes que permitieran una actualización geográficas pequeñas, posibilitando la clasificación de los territo- anual17 . rios de menor a mayor privación. Empezaron a utilizarse durante En segundo lugar, teniendo en cuenta que el índice de privación los años 1980 en Gran Bretaña, y los más conocidos son los índices resultante se utilizará en el contexto de un modelo de asignación de Townsend3 , de Carstairs y Morris4,5 , de Jarman6,7 y el Index of de recursos, se evaluó la relación de las variables candidatas a for- Multiple Deprivation8–10 . Todos ellos se construyen con la adición mar parte del índice y otras variables indicativas de utilización de de diferentes indicadores socioeconómicos ponderados por un peso recursos en el ámbito de la atención primaria y de morbilidad. Estas teórico o resultado de un modelo estadístico multivariante11 . variables fueron la población asignada atendida en atención pri- Los índices de privación se han utilizado como instrumentos maria, las visitas por persona asignada, las urgencias tributarias de para el estudio de desigualdades en salud, pero algunos países los atención por parte de los EAP (niveles 4 y 5 de triaje), la comple- han incorporado como componentes en las fórmulas de financia- jidad clínica y la población atendida por complejidad. Esta última ción de los servicios sanitarios, con el fin de evitar que la privación variable aproxima la carga o presión asistencial de los EAP18 . Todas social también acabe asociada a un empeoramiento de la aten- las variables fueron estandarizadas por edad y sexo utilizando el ción sanitaria12,13 . El caso más conocido fue el Resource Allocation método indirecto mediante regresión de Poisson, excepto en el caso Working Party14 , promovido por el National Health Service, que de la complejidad clínica, para la que la estandarización se realizó estableció criterios y fórmulas para la mejora de la equidad en la mediante regresión lineal. Los grupos de edad considerados fueron financiación de la atención especializada. los de 0-4, 5-14, 15-44, 45-64, 65-74, 75-84 y más de 84 años, dado En España, durante el año 2007, en el marco del pro- que reflejan adecuadamente las diferencias tanto en utilización de yecto «Mortalidad en áreas pequeñas Españolas y Desigualdades servicios sanitarios como en nivel socioeconómico relacionadas con socioeconómicas y Ambientales» (MEDEA) se creó un índice de la edad. privación para áreas pequeñas (secciones censales) de entornos Asimismo, se evaluó la relación entre las variables escogidas urbanos, a partir de los datos censales de 200115 . El índice MEDEA para evitar redundancias que pudieran dificultar la interpretación se ha utilizado para el análisis de las desigualdades en salud en áreas del resultado. pequeñas de zonas urbanas, y para la identificación y la priorización de territorios de especial vulnerabilidad socioeconómica. Análisis estadístico El índice socioeconómico compuesto (ISC) responde al objetivo de construir un índice de privación para la asignación del presu- Se realizó un análisis descriptivo de las variables selecciona- puesto de los equipos de atención primaria de Cataluña, válido tanto das haciendo las transformaciones oportunas en caso de falta de para entornos urbanos como para entornos rurales, y actualizable normalidad. La evaluación del grado de relación entre las varia- con más frecuencia que los índices construidos a partir de variables bles candidatas a formar parte del índice y las variables indicativas censales. de utilización de recursos y morbilidad se llevó a cabo mediante correlaciones de Pearson. Método La metodología utilizada para el cálculo del ISC fue el análisis de componentes principales. Una vez obtenido el índice se calculó su Ámbito de estudio y fuentes de información correlación de Pearson con las variables de utilización de recursos y morbilidad seleccionadas, estratificando por nivel de dispersión La construcción del ISC se ha realizado a nivel de área básica de territorial, a fin de comprobar si el ISC se relaciona en la misma salud (ABS), que es el área geográfica de referencia de un equipo medida con estas variables tanto en ambientes urbanos como en de atención primaria (EAP). En el año 2015, en Cataluña había 369 ambientes rurales, y por tanto si cumple el requisito de validez para ABS, con una población media asignada de 19.910 personas y un todos los ambientes. rango de 2163 a 62.260 personas. El 75% de la población catalana La información relativa a la dispersión se obtuvo a partir del cál- está asignada a áreas de entre 13.145 y 26.536 personas. culo histórico de dispersión que hasta la actualidad ha utilizado el Las fuentes de información de las variables socioeconómicas CatSalut para la asignación de recursos a los EAP. Según este cál- consideradas en la construcción del ISC fueron el registro central de culo, se define dispersión como la probabilidad de que dos pacientes asegurados (2015) del Servicio Catalán de la Salud, el registro esta- consecutivos de una misma ABS residan en localidades (núcleos de dístico de población (2014) del Idescat, el registro de mortalidad población) diferentes. Dado que esta variable no tiene en cuenta la de Cataluña (2011-2013) del Departament de Salut y el conjunto distancia entre las diferentes localidades que conforman una ABS, mínimo básico de datos de atención hospitalaria (2015) del Servicio existe un segundo cálculo a partir del logaritmo de la inversa de la Catalán de la Salud. Las variables relativas a utilización de atención densidad poblacional (escalado a una puntuación de 0-100%). En las sanitaria y morbilidad se obtuvieron de los conjuntos mínimos bási- ABS donde los dos cálculos difieren se combinan los dos métodos, cos de datos de atención primaria (2015) y de atención urgente ponderando con 2 puntos el cálculo inicial y con 1 punto el segundo. (2015), y de la base de datos de morbilidad poblacional (2015), del La variable dispersión se ha categorizado en cinco grupos: sin dis- Servicio Catalán de la Salud. persión (dispersión inferior a 0,1), muy baja (entre 0,1 y 0,4), baja (entre 0,5 y 0,6), moderada (entre 0,7 y 0,8) y alta (superior a 0,8). Finalmente, también se calculó la correlación de Pearson entre Selección de las variables para la construcción del índice el ISC y el índice MEDEA. El análisis estadístico se realizó con Stata 13. La selección de las variables candidatas se realizó en dos pasos. En primer lugar, se revisaron las variables utilizadas para la construcción de los cuatro índices de privación más utilizados Resultados y adaptados (Townsend3 , Carstairs-Morris4,5 , Jarman6,7 e Index of Multiple Deprivation8–10 ), y de los dos índices aplicados en Cataluña Se consiguieron 11 variables similares a las de los índices de (MEDEA y Lertxundi16 ). Las variables de los índices revisados privación revisados (véase el Apéndice online): tres variables de 46 C. Colls et al. / Gac Sanit. 2020;34(1):44–50 Tabla 1 Coeficientes de correlación de Pearson entre las variables seleccionadas y las variables de utilización de recursos sanitarios y morbilidad Variable Población atendida Visitas de atención Urgencias tributarias de Complejidad clínica Población atendida en atención primaria por atenderse en atención primaria (grupos de morbilidad por complejidad primaria persona asignada por persona asignada ajustados) Exención de copago 0,32a 0,28a 0,35a 0,51a 0,27a farmacéutico Renta inferior a 18.000 D 0,60a 0,61a 0,02 0,46a 0,53a Renta superior a 100.000 D −0,71a −0,53a −0,23a −0,58a −0,60a Ocupaciones manuales 0,76a 0,71a 0,02 0,58a 0,64a No ocupación 0,04 0,16 0,21a 0,24a 0,03 Nivel de instrucción 0,61a 0,47a 0,25a 0,69a 0,56a insuficiente Sin estudios secundarios 0,73a 0,58a 0,21a 0,67a 0,60a posobligatorios Nacionalidad de un país en vías −0,07 0,02 0,20a 0,15b −0,06 de desarrollo Mayores de 64 años en hogares −0,20 a 0,02 −0,05 −0,28 a −0,09 unipersonales Mortalidad anterior a los 0,29a 0,27a 0,19a 0,49a 0,45a 75 años Hospitalizaciones 0,22a 0,10 0,40a 0,52a 0,24a potencialmente evitables a p < 0,001. b p < 0,01. renta, dos de ocupación, dos de nivel de estudios, dos de cohesión resto de las correlaciones entre variables socioeconómicas fueron social y dos de salud. menores. Las variables seleccionadas son la población exenta de copago Así, las variables seleccionadas para el cálculo del ISC son renta, farmacéutico (%), la población con renta inferior a 18.000 D (%), ocupaciones manuales, nivel de instrucción insuficiente, morta- la población con renta superior a 100.000 D (%), la población con lidad anterior a los 75 años y hospitalizaciones potencialmente ocupaciones manuales (%), la población no ocupada (%), la población evitables. con nivel de instrucción insuficiente (%), la población sin estudios El primer componente del análisis de componentes princi- secundarios posobligatorios (%), la población con nacionalidad de pales recoge el 62,5% de la variabilidad de las variables del un país en vías de desarrollo (%), la población mayor de 64 años en modelo (tabla 2), y otorga más peso a las variables socioeconó- hogares unipersonales (%), la mortalidad anterior a los 75 años y las micas que a las relativas a resultados en salud, con saturaciones hospitalizaciones potencialmente evitables. A la variable de renta de aproximadamente 0,4 para las variables renta, ocupación y superior a 100.000 D se le aplicó una transformación logarítmica nivel de instrucción insuficiente y 0,3 para las variables morta- para suavizar su asimetría positiva. lidad anterior a los 75 años y hospitalizaciones potencialmente Las variables relativas a renta, ocupación y nivel de estudios evitables. son las que tienen una relación más clara con la utilización de los El segundo componente otorga más peso a las variables de servicios de atención sanitaria y la morbilidad (tabla 1). Destacan resultados en salud. La mayor saturación corresponde a la variable los coeficientes de correlación entre las ocupaciones manuales y hospitalizaciones potencialmente evitables, seguida de la mortali- la población atendida en atención primaria (r = 0,76) o las visitas dad anterior a los 75 años, y en cambio, las variables ocupaciones por persona asignada (r = 0,71). Destaca también la relación entre manuales y renta inferior a 18.000 D presentan saturaciones de la instrucción insuficiente, la población sin estudios secundarios signo negativo, lo que dificulta su interpretación. La suma de los y la complejidad clínica (r = 0,69 y r = 0,67, respectivamente). Las dos primeros componentes supone el 77,0% del total de la varianza variables de mortalidad anterior a los 75 años y de hospitalizaciones de las variables originales. Sin embargo, se ha construido el ISC uti- potencialmente evitables tienen una relación más débil con la utili- lizando solo el primero debido a que la interpretación del segundo zación de los recursos de atención primaria, pero están relacionadas es poco intuitiva. El valor de las saturaciones se ha utilizado para con la complejidad clínica (r = 0,49 y r = 0,52, respectivamente). ponderar el peso de cada variable en el índice. Las dos variables más relacionadas con el uso de urgencias son El ISC tiene un rango de −0,01 a 5,68, con una media de 2,60 y la de renta más extrema (exención de copago farmacéutico) y una desviación estándar de 0,91. Un valor más alto del ISC supone las hospitalizaciones potencialmente evitables (r = 0,35 y r = 0,40, mayor privación y, por tanto, un nivel socioeconómico menor. respectivamente). Por último, las variables de no ocupación, nacio- Los territorios que tienen una mayor proporción de ABS de nivel nalidad de un país en vías de desarrollo y mayores de 64 años en socioeconómico bajo sobre el total de las ABS de su territorio hogares unipersonales tienen poca relación con las variables selec- son Barcelona Nord y Terres de l’Ebre, y los que tienen menor cionadas, con valores de correlación que no alcanzan 0,3 en ningún proporción son Alt Pirineu i Aran, Girona y Catalunya Central caso. (tabla 3). Al analizar la correlación entre las variables socioeconómicas se El ISC está relacionado con la utilización de servicios de aten- observan correlaciones muy elevadas entre las rentas inferiores a ción sanitaria y la morbilidad tanto en las ABS urbanas como 18.000 D y las ocupaciones manuales (r = 0,86), entre sin estudios en las rurales (tabla 4). Aun así, las correlaciones son mayores secundarios posobligatorios y ocupaciones manuales (r = 0,90), y en los primeros que en los segundos: mientras la correlación entre sin estudios secundarios posobligatorios e instrucción insu- entre el ISC y el indicador población atendida por complejidad ficiente (r = 0,90). Debido a la gran correlación de los estudios es de 0,74 en los entornos sin dispersión (urbanos), el coe- secundarios posobligatorios con ocupaciones manuales y con edu- ficiente se reduce hasta 0,49 en aquellos con dispersión alta cación insuficiente, la primera se descartó del cálculo del índice. El (rurales). C. Colls et al. / Gac Sanit. 2020;34(1):44–50 47 Tabla 2 Saturaciones, valores propios y proporción de la varianza total explicada de los componentes del análisis de componentes principales Variable Componente 1 Componente 2 Componente 3 Componente 4 Componente 5 Componente 6 Componente 7 Exención de copago farmacéutico 0,37 0,25 −0,17 0,82 0,27 −0,04 −0,16 Renta inferior a 18.000 D 0,40 −0,41 0,11 −0,12 0,59 0,05 0,54 Renta superior a 100.000 D (ln) −0,44 0,15 0,06 0,20 0,15 0,82 0,24 Ocupaciones manuales 0,41 -0,41 0,09 −0,11 −0,07 0,50 −0,62 Nivel de instrucción insuficiente 0,43 0,01 −0,19 0,10 −0,70 0,21 0,49 Mortalidad anterior a los 75 años 0,27 0,47 0,83 −0,07 −0,05 0,02 0,02 Hospitalizaciones potencialmente evitables 0,29 0,60 −0,46 −0,50 0,25 0,18 −0,07 Valores propios 4,38 1,02 0,65 0,44 0,25 0,17 0,10 Varianza total explicada 62,5% 14,5% 9,3% 6,3% 3,6% 2,5% 1,4% ln: logaritmo neperiano. Tabla 3 Quintiles de las variables que componen el índice socioeconómico compuesto por regiones sanitarias de Cataluña y áreas territoriales de la región sanitaria de Barcelona Variable Lleida Camp de Terres de Girona Catalunya Alt Pirineu i Barcelona Barcelona Barcelona Tarragona l’Ebre Central Aran Nord Sud Ciutat Exención de copago farmacéutico (%) P20 3,0% 3,2% 3,7% 2,8% 2,6% 1,9% 2,7% 2,8% 2,0% P40 3,2% 3,6% 3,8% 3,8% 3,8% 2,2% 3,6% 3,3% 2,6% P60 3,6% 4,5% 4,5% 4,3% 4,2% 2,9% 4,4% 3,8% 3,4% P80 4,3% 6,3% 5,0% 5,6% 5,9% 3,2% 6,0% 4,9% 4,8% Renta inferior a 18.000 D (%) P20 68,9% 62,8% 71,5% 68,0% 64,4% 71,3% 60,1% 59,7% 54,1% P40 71,6% 67,7% 76,5% 69,7% 66,2% 71,7% 63,0% 62,6% 59,1% P60 73,0% 71,2% 76,9% 71,8% 67,9% 74,8% 66,2% 64,8% 63,4% P80 75,5% 71,7% 79,3% 74,3% 70,2% 75,9% 70,8% 67,2% 71,0% Renta superior a 100.000 D (%) P20 0,13% 0,17% 0,12% 0,24% 0,22% 0,15% 0,10% 0,16% 0,18% P40 0,24% 0,28% 0,17% 0,32% 0,27% 0,24% 0,25% 0,28% 0,38% P60 0,32% 0,39% 0,21% 0,37% 0,35% 0,27% 0,52% 0,47% 0,78% P80 0,38% 0,64% 0,30% 0,43% 0,52% 0,35% 1,00% 0,77% 2,29% Ocupaciones manuales (%) P20 47,5% 43,8% 53,4% 49,1% 47,5% 50,8% 37,9% 39,3% 23,7% P40 53,6% 47,3% 54,0% 50,8% 50,8% 53,4% 45,2% 43,7% 30,0% P60 57,7% 51,4% 59,8% 52,8% 53,8% 54,6% 48,8% 47,4% 35,9% P80 62,0% 56,7% 61,7% 55,3% 57,1% 56,0% 54,8% 52,0% 44,6% Nivel de instrucción insuficiente (%) P20 21,2% 17,8% 23,2% 19,9% 19,8% 17,9% 18,1% 19,8% 12,8% P40 24,6% 22,5% 26,6% 22,0% 21,5% 18,1% 22,0% 23,1% 17,8% P60 25,7% 24,7% 27,1% 23,5% 23,7% 21,9% 25,8% 24,8% 20,8% P80 26,9% 29,3% 27,5% 26,8% 27,7% 23,0% 31,8% 27,1% 25,4% Mortalidad anterior a los 75 años (por 1000 hab.) P20 1,97 2,08 1,95 2,08 2,17 1,90 2,02 2,20 1,97 P40 2,26 2,20 2,25 2,22 2,31 2,13 2,22 2,28 2,18 P60 2,35 2,44 2,45 2,43 2,45 2,94 2,39 2,36 2,32 P80 2,49 2,64 2,46 2,62 2,71 2,99 2,56 2,52 2,53 Hospitalizaciones potencialmente evitables (por 1000 hab.) P20 4,43 4,24 2,41 3,85 4,36 4,60 5,49 4,74 3,77 P40 5,55 4,60 2,83 4,60 4,98 5,31 6,05 5,83 5,10 P60 6,08 5,54 3,38 5,67 5,42 7,04 6,94 7,29 6,85 P80 6,87 7,54 4,19 7,07 6,17 7,39 8,28 8,62 8,12 ISC P20 2,62 1,98 2,62 2,34 2,28 2,32 1,87 2,03 1,21 P40 2,74 2,56 2,90 2,55 2,63 2,64 2,34 2,39 1,97 P60 2,96 2,85 3,08 2,79 2,76 2,89 2,78 2,76 2,31 P80 3,16 3,19 3,20 2,95 3,13 2,92 3,73 3,21 3,10 Número y porcentaje de ABS que pertenecen al último quintil del ISC N 3 7 3 4 5 0 27 12 13 % 13,6 21,2 27,3 9,8 13,2 0,0 30,7 20,7 18,8 ABS: área básica de salud; ISC: índice socioeconómico compuesto. Por último, el coeficiente de correlación de Pearson entre el ISC facilidad de interpretación, posibilidad de actualización periódica y el MEDEA es de 0,89. y capacidad explicativa del efecto de las diferencias socioeconó- micas en la utilización de los servicios de atención sanitaria y la Discusión morbilidad, tanto en ámbitos urbanos como en ámbitos rurales. Las variables utilizadas para su construcción han sido la exen- Este estudio ha permitido la creación de un índice ción de copago farmacéutico, la renta inferior a 18.000 D , la socioeconómico para las ABS que cumple criterios de renta superior a 100.000 D , las ocupaciones manuales, el nivel de 48 C. Colls et al. / Gac Sanit. 2020;34(1):44–50 Tabla 4 Coeficientes de correlación de Pearson entre el índice socioeconómico compuesto y las variables de utilización de recursos sanitarios y morbilidad por grado de dispersión territorial Grado de N.◦ de EAP % Coeficiente de correlación de Pearson dispersióna Población Visitas de Urgencias tributarias Complejidad Población atendida atendida en atención primaria de atenderse en clínica (grupos por complejidad atención primaria por persona atención primaria por de morbilidad asignada persona asignada ajustados) Sin dispersión 169 45,8 0,77b 0,75b 0,46b 0,84b 0,74b Muy baja 45 12,2 0,58b 0,40c 0,11 0,63b 0,50b Baja 46 12,5 0,52b 0,40c 0,29d 0,43c 0,36 Moderada 57 15,4 0,50b 0,43b 0,00 0,45b 0,45b Alta 52 14,1 0,49b 0,49b -0,22 0,16 0,49b EAP: equipos de atención primaria. a Sin dispersión (dispersión < 0,1), muy baja (0,1-0,4), baja (0,5-0,6), moderada (0,7-0,8) y alta (>0,8). b p < 0,001. c p < 0,01. d p < 0,05. instrucción insuficiente, la mortalidad anterior a los 75 años y las a actualizarse a partir de datos de muestras, hecho que supone un hospitalizaciones potencialmente evitables. La utilización de una interrogante sobre qué capacidad tendrá en el futuro para detectar metodología multivariante, en concreto el análisis de componentes cambios que afectan a territorios pequeños. principales, se ha considerado la mejor de las opciones, pues se El nivel territorial escogido para el cálculo del ISC ha sido el trata de variables con una gran correlación entre ellas y no se ABS; dado que se trata de un índice diseñado para la distribu- dispone de estimaciones teóricas de cuál es la contribución de cada ción de recursos a los EAP, esta división territorial es adecuada. una al concepto de privación. Sin embargo, para el análisis de desigualdades sociales, y especial- Un rasgo diferencial del ISC en relación con otros índices de pri- mente en algunos territorios, puede ser más indicado el uso de vación es la consideración de variables poblacionales de renta en su una división territorial inferior, como la sección censal, a fin de composición. Aunque los grupos de renta utilizados para la deter- garantizar que la población de cada área sea lo más homogénea minación del copago farmacéutico sean muy amplios, se ha puesto posible21 . de manifiesto que esta información es muy útil para estimar el uso La consideración de indicadores de utilización de servicios como de recursos e identificar los grupos con mayor vulnerabilidad social criterio para la selección de las variables que conforman el ISC y mayor riesgo de elevadas morbilidad y mortalidad19 . podría suponer una debilidad en caso de que esta orientación Un segundo rasgo diferencial es la inclusión de la mortalidad suponga un alejamiento del concepto de necesidad. Necesidad de anterior a los 75 años y la hospitalización potencialmente evitable atención y necesidad de utilización son dos conceptos distintos22 . en el cálculo del ISC. Si bien estas dos variables obtienen saturacio- No obstante, el hecho de haber optado por un índice de privación nes más bajas que el resto, son en especial interesantes porque se compuesto por variables socioeconómicas y de salud como criterio ha observado que presentan valores muy elevados en grupos con para distribuir el presupuesto de la atención primaria, en lugar de pobreza extrema, y por tanto pueden contribuir a discriminar los hacerlo directamente a partir de la presión asistencial observada en territorios con mayor grado de pobreza19 . cada territorio, pone de manifiesto que la relación entre privación También es un rasgo de este índice que no incluye la tasa de y necesidad está presente en la base del modelo. desempleo entre sus componentes, si bien tradicionalmente ha Un requisito para la construcción del índice ha sido la necesidad sido muy valorada en la construcción de índices de privación11 . El de que sea válido tanto en ambientes urbanos como en ambientes hecho de que el registro estadístico de población no distinga entre rurales. Las iniciativas de índices de privación en entornos rurales población desempleada e inactiva impide el cálculo de un indicador no son tan habituales23,24 , y la mayoría de los trabajos realizados específico de desempleo que cumpla con el requisito de capacidad se han quedado en el plano teórico. Aun así, existe cierto consenso de actualización periódica. El indicador disponible tiene una rela- sobre el hecho de que la privación en los entornos rurales es fun- ción mucho más débil con la utilización de servicios y la morbilidad damentalmente distinta de la de los entornos urbanos25 . En los que otros indicadores, como el de ocupaciones manuales o el de entornos rurales, los niveles de ocupación son mayores y los niveles nivel de renta; por este motivo se ha decidido su exclusión en el cál- de renta son menores. El ISC es un índice único para los dos entor- culo del ISC. Sin embargo, para nuevas revisiones del índice cabría nos, pero incluye el elemento renta, que puede ayudar a aproximar la posibilidad de estimar de forma alternativa la población desocu- un poco mejor el nivel de vida en los entornos rurales. El resultado pada a partir de la información utilizada para el cálculo del copago es que, al comparar con la utilización de servicios de atención sani- farmacéutico, empleando una metodología similar a la utilizada en taria y la morbilidad, la relación se debilita a medida que aumenta otros trabajos20 . la dispersión26 , de forma parecida a lo que ocurre con el MEDEA Otro aspecto diferencial es haber usado fuentes que permiten y su relación con la mortalidad27 , y a lo que ocurre con los princi- una actualización frecuente de los indicadores. La información cen- pales índices de privación. Aun así, la relación no desaparece y se sal ha sido utilizada tradicionalmente en la construcción de estos mantiene a niveles aceptables. índices debido a que ofrece datos poblacionales homogéneos de Aunque tiene en cuenta diferentes dimensiones en su definición, todo un país y es de fácil manejo al tratarse de una única fuente el ISC no ofrece por ahora una buena aproximación al fenómeno de información. Sin embargo, a la limitación de la baja frecuen- de la privación múltiple. Esta debilidad es común a todos los índi- cia de actualización se ha añadido recientemente el cambio de ces de privación revisados para la realización de este artículo. El metodología en el cálculo del censo poblacional20 , que ha pasado efecto de la privación sobre el estado de salud crece a medida que C. Colls et al. / Gac Sanit. 2020;34(1):44–50 49 una persona se sitúa a la vez sobre diversos ejes de privación28 . M. Mias realizó las visualizaciones de datos. Todas las autoras Esta situación es muy frecuente en la realidad, donde son deter- aprueban la versión final del artículo para su publicación. minados grupos sociales los que acumulan varias circunstancias generadoras de privación, con un efecto muy importante sobre su Agradecimientos salud. El índice MEDEA buscaba sintetizar las diferencias socioeconó- Quisiéramos agradecer la contribución de los profesionales que micas y las relacionaba con la mortalidad, mientras que el ISC las han ayudado en la realización de este trabajo: François Aguado relaciona con la utilización de servicios sanitarios y la morbilidad. (ICS), Veva Barba (AQuAS), Lluís Bohigas, Montse Bustins (CatSa- No obstante, los dos índices acaban pareciéndose mucho. Esta ele- lut), Carmen Cabezas (Secretaria de Salut Pública), Carme Casas vada correlación indica que la situación económica descrita por (CatSalut), Arantxa Catalán (AQuAS), Toni Dedeu (AQuAS), Mireia MEDEA probablemente sigue siendo vigente 10 años después de su Farré (Idescat), Oriol Garcia (DG de Planificació en Salut), Guillem construcción. Por otro lado, la construcción del ISC pone de mani- López-Casasnovas (UPF), Marc Marí (ASPB), Anna Mompart (DG fiesto que es viable la elaboración de índices socioeconómicos a de Planificació en Salut), Ivan Planas (CatSalut), Joan M.V. Pons partir de información alternativa a la censal. (AQuAS), Marisol Rodríguez (UB), Cristina Rovira (Idescat), Lola Ruiz En resumen, se ha construido un índice de privación para (AQuAS), Esteve Saltó (DG de Planificació en Salut), Xavier Salva- mejorar la asignación de recursos a la atención primaria, pero su dor (CatSalut), Mireia Sans (CAPSE), Xavier Serra-Picamal (AQuAS), definición es suficientemente general como para aplicarlo en otros Emili Vela (CatSalut) y Frederic Udina (Idescat). ámbitos como la planificación de políticas sanitarias o el estudio de las desigualdades. El resultado de este cálculo se ha integrado Financiación en el modelo de asignación de recursos de la atención primaria del Servicio Catalán de la Salud a partir del año 2017. Ninguna. Conflictos de intereses ¿Qué se sabe sobre el tema? Ninguno. En los últimos años, coincidiendo con la situación de crisis económica, ha renacido el interés por los índices de priva- Anexo. Material adicional ción económica. En España, durante el año 2007, en el marco del proyecto MEDEA se creó un índice de privación a partir Se puede consultar material adicional a este artículo en su ver- de datos censales para áreas pequeñas, que ha sido amplia- sión electrónica disponible en doi:10.1016/j.gaceta.2018.07.015. mente utilizado para el análisis de las desigualdades en salud de zonas urbanas y para la identificación y la priorización de territorios de especial vulnerabilidad socioeconómica. Bibliografía 1. Dávila Quintana CD, González López-Valcárcel B. Crisis económica y salud. Gac ¿Que añade el estudio realizado a la literatura? Sanit. 2009;23:261–5. 2. Regidor E, Barrio G, Bravo MJ, et al. Has health in Spain been declining since the Este estudio ha permitido la creación de un índice economic crisis? J Epidemiol Community Health. 2014;68:280–2. socioeconómico para todas las áreas básicas de salud 3. Townsend P. Deprivation. J Soc Policy. 1987;16:125–46. de Cataluña, tanto urbanas como rurales. El indicador 4. Carstairs V, Morris R. Deprivation and health in Scotland. Health Bull (Edinb). 1990;48:162–75. socioeconómico compuesto cumple criterios de facilidad de 5. Morris R, Carstairs V. Which deprivation? A comparison of selected deprivation interpretación, posibilidad de actualización periódica y capaci- indexes. J Public Health Med. 1991;13:318–26. dad explicativa del efecto de las diferencias socioeconómicas 6. Jarman B. Identification of underprivileged areas. Br Med J (Clin Res Ed). en las necesidades de atención sanitaria. El resultado de 1983;286:1705–9. este cálculo se ha integrado en el modelo de asignación de 7. Jarman B. Underprivileged areas: validation and distribution of scores. Br Med J (Clin Res Ed). 1984;289:1587–92. recursos de la atención primaria a partir del año 2017. 8. Indices of Deprivation 2000. London (United Kingdom): Department of the Envi- rontment, Transport and the Regions; 2000. Regeneration Research Summary Number 31. 9. The English Indices of Deprivation 2010. Neighbourhoods Statistical Release. London (United Kingdom): Communities and Local Government; 2011. 10. Deas I, Robson B, Wong C, et al. Measuring neighbourhood deprivation: a critique Editora responsable del artículo of the Index of Multiple Deprivation. Environment and Planning C: Politics and Space. 2003;21:883–903. Erica Briones-Vozmediano. 11. Domínguez-Berjón MF, Borrell C, Benach J, et al. Medidas de privación material en los estudios de áreas geográficas pequeñas. Gac Sanit. 2001;15(Supl 4):23–33. 12. Ashworth M, Seed P, Armstrong D, et al. The relationship between social depri- Declaración de transparencia vation and the quality of primary care: a national survey using indicators from the UK Quality and Outcomes Framework. Br J Gen Pract. 2007;57:441–8. 13. Butler DC, Petterson S, Phillips RL, et al. Measures of social deprivation that La autora principal (garante responsable del manuscrito) afirma predict health care access and need within a rational area of primary care service que este manuscrito es un reporte honesto, preciso y transparente delivery. Health Serv Res. 2013;48:539–59. del estudio que se remite a Gaceta Sanitaria, que no se han omi- 14. Sharing Resources for Health in England. Report of the Resource Allocation Working Party. London (United Kingdom): Department of Health and Social tido aspectos importantes del estudio, y que las discrepancias del Security; 1976. estudio según lo previsto (y, si son relevantes, registradas) se han 15. Domínguez-Berjón MF, Borrell C, Cano-Serral G, et al. Construcción de un índice explicado. de privación a partir de datos censales en grandes ciudades españolas (Proyecto MEDEA). Gac Sanit. 2008;22:179–87. 16. Lertxundi-Manterola A, Sáez M, Saurina Canals C, et al. Construcción de un índice Contribuciones de autoría de privación material para los municipios de la Región Sanitaria Girona. Estudios de Economía Aplicada. 2005;23:331–53. 17. Els indicadors de població per àrees bàsiques de salut: nota metodològica [docu- A. García-Altés dirigió el proyecto y la concepción del artículo. mento de uso interno]. Barcelona: Institut d’Estadística de Catalunya (Idescat), C. Colls realizó el análisis estadístico y la redacción del artículo. Generalitat de Catalunya; 2016. 50 C. Colls et al. / Gac Sanit. 2020;34(1):44–50 18. Monterde D, Vela E, Clèries M. Los grupos de morbilidad ajustados: nuevo agru- 23. Bertin M, Chevrier C, Pelé, et al. Can a deprivation index be used legitimately pador de morbilidad poblacional de utilidad en el ámbito de la atención primaria. over both urban and rural areas? Int J Health Geogr. 2014;13:22. Aten Primaria. 2016;48:674–82. 24. Fecht D, Jones A, Hill T, et al. Inequalities in rural communities: adapting 19. Observatori sobre els efectes de la crisi en la salut de la población. Desigual- national deprivation indices for rural settings. J Public Health (Oxf). 2018;40: tats socioeconòmiques en la salut i la utilització de serveis sanitaris públics en 419–25. la població de Catalunya. Barcelona: Agència de Qualitat i Avaluació Sanità- 25. Farmer JC, Baird AG, Iversen L. Rural deprivation: reflecting reality. Br J Gen Pract. ries de Catalunya, Departament de Salut, Generalitat de Catalunya; 2017. 2001;51:486–91. (Consultado el 21/6/2017.) Disponible en: http://observatorisalut.gencat.cat/ 26. Barnett S, Roderick P, Martin D, et al. A multilevel analysis of the effects of rura- es/observatori-sobre-els-efectes-de-crisi-en-salut/detall/informe/inici/ lity and social deprivation on premature limiting long term illness. J Epidemiol 20. Delgado M. El próximo censo de población de 2011. Índice: Revista de Estadística Community Health. 2001;55:44–51. y Sociedad. 2011;48:11–2. 27. Caro-Mendivelso J, Elorza-Ricart JM, Hermosilla E, et al. Associations between 21. Carstairs V. Deprivation indices: their interpretation and use in relation to socioeconomic index and mortality in rural and urban small geograp- health. J Epidemiol Community Health. 1995;15(Supl 4):S3–8. hic areas of Catalonia, Spain: ecological study. J Epidemiol Res. 2016;2: 22. Agerholm J, Bruce D, Ponce de León A, et al. Socioeconomic differences in health 80–6. care utilization, with and without adjustment for need: an example from Stock- 28. Atkinson AB. Multidimensional deprivation: contrasting social welfare and holm, Sweden. Scand J Public Health. 2013;41:318–25. counting approaches. J Econ Inequal. 2003;1:51–65.