Lic. Yenisei Bombino Companioni

1. El uso de construcción de tipologías para la estratificación del país. Lic. Yenisei Bombino Companioni

2. ANTECEDENTES Principales propósitos para la estratificación en Salud: Identificarlos estratos espaciales que presentan los mayores problemas de salud y necesidades de atención médica. Aplicar diversas intervenciones/acciones más efectivas para la modificación de los cuadros de salud-enfermedad mediante la orientación de políticas sociales específicas, labores de educación y promoción para la salud de acuerdo con las condiciones Facilitar la planificación y distribución de los recursoscon un enfoque equitativo.

3. OBJETIVOS 1. Realizar un ejercicio docente referido a la construcción de tipologías en ciencias sociales. 2. Caracterizar e identificar si existen diferencias entre las provincias del país, en cuanto a un conjunto de indicadores sociodemográficos, de morbilidad, mortalidad, recursos y servicios.

4. Primer momento Segundo momento Clasificación: construcción de tipos de tipologías como conjunto reducido de categorías excluyentes, homogéneas en su interior y heterogéneas entre ellas. Dimensionalización: combinación y reducción de las variables iniciales. METODOLOGÍA El análisis estadístico de los datos se realizó en el paquete estadístico SPSS 10.0. Etapas del diseño (sucesivas y complementarias)

5. METODOLOGÍA PRIMER MOMENTO en un segundo momento, la construcción y análisis de la tipología partiendo de los atributos reducidos obtenidos en el análisis de dimensionalización. El análisis de dimensionalización se opera a través de las técnicas del Análisis Factorial, específicamente se seleccionó el Análisis de Componentes Principales (ACP) por ser un método descriptivo de simplificación y reducción de dimensiones en componentes o factores que condensan y explican la información original y permite,

6. METODOLOGÍA SEGUNDO MOMENTO Agrupan los provincias en unidades homogéneas internamente y significativamente diferentes entre sí. El proceso de clasificación de las provincias se desarrolló con la aplicación de las técnicas de clasificación automática o de cluster (ACL). El análisis de cluster es una técnica fundamentalmente exploratorio-descriptiva, donde no se establecen relaciones de dependencia entre las variables, el conjunto de las variables determinan la clasificación de los individuos.

7. RESULTADOS 1. Datos Demográficos 1.1Densidad poblacional (V1) 1.2Natalidad x 1000 habitantes (V2) 1.3Población menor de 15 aos (V19) 1.4Población mayor de 60 años (V20) 1.5Población menor de 1 año (V21) 2.Mortalidad 2.1 Mortalidad infantil x 1000 nacidos vivos (V3) 2.2 Mortalidad menor de 5 años x 1000 nacidos vivos (V4) 2.3 Mortalidad perinatal x 1000 nacidos vivos (V5) 2.4 Mortalidad materna (V6) 2.5 Mortalidad por enfermedades del corazón x 100 000 hab. (V7) 2.6 Mortalidad por tumores malignos x 100 000 hab. (V8) 2.7 Mortalidad por enfermedades Cerebrovasculares (V9) 2.7 Mortalidad por influenza y neumonía x 100 000 hab. (V10) 2.8 Mortalidad por accidentes x 100 000 hab. (V11) 2.9 Mortalidad por enfermedades infecciosas y parasitarias x 100 000 hab. (V17)

8. RESULTADOS 3.Morbilidad 3.1Incidencia de Hepatitis x 100 000 hab. (V12) 3.2Incidencia de Tuberculosis x 100 000 hab. (V13) 3.3Incidencia de Diabetes x 100 000 hab. (V14) 3.4Incidencia de Hipertensión x 100 000 hab. (V15) 3.5Incidencia de Asma x 100 000 hab. (V16) 3.6Incidencia de Bajo peso al nacer (V18) 4.Recursos y Servicios 4.1Camas de asistencia x 1000 hab. (22) 4.2Consultas médicas x hab. (23) 4.3Consultas de pediatría (24) 4.4Consultas de puericultura (25) 4.5Ingresos x 100 hab. (26)

9. Tabla No. 1 Matriz de Correlaciones Correlation Matrix V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11 V12 V13 V14 V15 V16 V17 V18 V19 V20 V21 V22 V23 V24 V25 V1 1.000 V2 - .253 1.000 V3 .214 .353 1.000 V4 .163 .188 .775 1.000 V5 .432 .265 .139 - .014 1.000 V6 .102 .083 - .330 - .181 .286 1.000 V7 .390 - .224 - .062 .037 .341 .004 1.000 V8 .439 .210 - .085 .190 .275 .443 .330 1.000 V9 .160 .350 .140 - .158 .630 .374 .021 .172 1.000 V10 .156 .047 - .076 .067 .552 .195 .638 .065 .166 1.000 V11 - .065 - .440 .211 .474 - .090 - .193 .037 - .149 - .145 - .065 1.000 V12 - .125 - .283 .007 .076 - .081 - .358 .399 - .219 .065 .169 .374 1.000 V13 .151 - .165 - .140 - .124 - .339 .273 - .277 .227 - .102 - .341 - .200 - .277 1.000 V14 .683 - .434 .162 - .001 .322 - .076 .574 .175 .275 .281 .091 .0 54 .053 1.000 V15 .122 - .463 - .340 - .244 - .177 - .044 .291 - .164 - .409 .331 - .004 - .250 - .047 .412 1.000 V16 .464 - .508 .058 .044 - .284 - .217 .477 .063 - .134 .112 .041 .148 .237 .772 .565 1.000 V17 - .019 .374 .122 - .069 - .130 .410 - .234 .052 .226 - .206 - .444 - .170 .531 - .275 - .453 - .116 1.000 V18 .157 .481 - .036 .103 .275 .444 - .273 .281 .117 .123 - .300 - .235 .082 - .521 - .349 - .534 .415 1.000 V19 .861 - .042 .260 .209 .475 .048 .279 .436 .181 .196 - .040 - .188 .033 .576 .224 .342 - .222 .244 1.000 V20 .937 - .304 .224 .154 .404 .007 .341 .322 .109 .176 .019 - .124 .103 .722 .305 .501 - .229 .068 .948 1.000 V21 .862 - .044 .274 .199 .461 .011 .271 .397 .169 .194 - .059 - .197 .030 .590 .247 .366 - .22 2 .223 .998 .953 1.000 V22 .834 - .214 .228 .252 .410 .268 .236 .456 .232 .005 .146 - .245 - .114 .538 .075 .270 - .130 .133 .721 .766 .710 1.000 V23 .522 - .235 .098 - .106 .523 - .118 .070 - .262 .314 .172 .118 .295 - .271 .247 - .122 - .067 - .130 .265 . 472 .534 .478 .415 1.000 V24 .034 .156 .013 - .096 .439 - .056 - .207 - .247 .342 .059 .122 .355 - .359 - .314 - .446 - .565 - .041 .525 .144 .055 .133 .032 .782 1.000 V25 .075 .238 - .129 .031 .362 .389 - .180 .323 .347 .051 .167 .068 - .057 - .278 - .264 - .462 - .076 .637 .374 .169 .334 .166 .329 .647 1.000 V26 .373 .015 .135 .242 .086 .264 - .194 .184 - .052 - .069 .007 - .425 - .245 .010 .264 - .015 - .217 .377 .542 .463 .535 .651 .200 .102 .367 a Determinant = .000 b This matrix is not positive definite. RESULTADOS

10. V1 V1 V2 V2 V3 V3 V4 V4 V5 V5 V6 V6 V7 V7 V8 V8 V9 V9 V10 V10 V11 V11 V12 V12 V13 V13 V14 V14 V15 V15 V16 V16 V17 V17 V18 V18 V19 V19 V20 V20 V21 V21 V22 V22 V23 V23 V24 V24 V25 V25 V1 V1 1.000 1.000 V2 V2 -.253 -.253 1.000 1.000 V3 V3 .214 .214 .353 .353 1.000 1.000 V4 V4 .163 .163 .188 .188 .775 .775 1.000 1.000 V5 V5 .432 .432 .265 .265 .139 .139 -.014 -.014 1.000 1.000 V6 V6 .102 .102 .083 .083 -.330 -.330 -.181 -.181 .286 .286 1.000 1.000 V7 V7 .390 .390 -.224 -.224 -.062 -.062 .037 .037 .341 .341 .004 .004 1.000 1.000 V8 V8 .439 .439 .210 .210 -.085 -.085 .190 .190 .275 .275 .443 .443 .330 .330 1.000 1.000 V9 V9 .160 .160 .350 .350 .140 .140 -.158 -.158 .630 .630 .374 .374 .021 .021 .172 .172 1.000 1.000 V10 V10 .156 .156 .047 .047 -.076 -.076 .067 .067 .552 .552 .195 .195 .638 .638 .065 .065 .166 .166 1.000 1.000 V11 V11 -.065 -.065 -.440 -.440 .211 .211 .474 .474 -.090 -.090 -.193 -.193 .037 .037 -.149 -.149 -.145 -.145 -.065 -.065 1.000 1.000 V12 V12 -.125 -.125 -.283 -.283 .007 .007 .076 .076 -.081 -.081 -.358 -.358 .399 .399 -.219 -.219 .065 .065 .169 .169 .374 .374 1.000 1.000 V13 V13 .151 .151 -.165 -.165 -.140 -.140 -.124 -.124 -.339 -.339 .273 .273 -.277 -.277 .227 .227 -.102 -.102 -.341 -.341 -.200 -.200 -.277 -.277 1.000 1.000 V14 V14 .683 .683 -.434 -.434 .162 .162 -.001 -.001 .322 .322 -.076 -.076 .574 .574 .175 .175 .275 .275 .281 .281 .091 .091 .054 .054 .053 .053 1.000 1.000 V15 V15 .122 .122 -.463 -.463 -.340 -.340 -.244 -.244 -.177 -.177 -.044 -.044 .291 .291 -.164 -.164 -.409 -.409 .331 .331 -.004 -.004 -.250 -.250 -.047 -.047 .412 .412 1.000 1.000 V16 V16 .464 .464 -.508 -.508 .058 .058 .044 .044 -.284 -.284 -.217 -.217 .477 .477 .063 .063 -.134 -.134 .112 .112 .041 .041 .148 .148 .237 .237 .772 .772 .565 .565 1.000 1.000 V17 V17 -.019 -.019 .374 .374 .122 .122 -.069 -.069 -.130 -.130 .410 .410 -.234 -.234 .052 .052 .226 .226 -.206 -.206 -.444 -.444 -.170 -.170 .531 .531 -.275 -.275 -.453 -.453 -.116 -.116 1.000 1.000 V18 V18 .157 .157 .481 .481 -.036 -.036 .103 .103 .275 .275 .444 .444 -.273 -.273 .281 .281 .117 .117 .123 .123 -.300 -.300 -.235 -.235 .082 .082 -.521 -.521 -.349 -.349 -.534 -.534 .415 .415 1.000 1.000 V19 V19 .861 .861 -.042 -.042 .260 .260 .209 .209 .475 .475 .048 .048 .279 .279 .436 .436 .181 .181 .196 .196 -.040 -.040 -.188 -.188 .033 .033 .576 .576 .224 .224 .342 .342 -.222 -.222 .244 .244 1.000 1.000 V20 V20 .937 .937 -.304 -.304 .224 .224 .154 .154 .404 .404 .007 .007 .341 .341 .322 .322 .109 .109 .176 .176 .019 .019 -.124 -.124 .103 .103 .722 .722 .305 .305 .501 .501 -.229 -.229 .068 .068 .948 .948 1.000 1.000 V21 V21 .862 .862 -.044 -.044 .274 .274 .199 .199 .461 .461 .011 .011 .271 .271 .397 .397 .169 .169 .194 .194 -.059 -.059 -.197 -.197 .030 .030 .590 .590 .247 .247 .366 .366 -.222 -.222 .223 .223 .998 .998 .953 .953 1.000 1.000 V22 V22 .834 .834 -.214 -.214 .228 .228 .252 .252 .410 .410 .268 .268 .236 .236 .456 .456 .232 .232 .005 .005 .146 .146 -.245 -.245 -.114 -.114 .538 .538 .075 .075 .270 .270 -.130 -.130 .133 .133 .721 .721 .766 .766 .710 .710 1.000 1.000 V23 V23 .522 .522 -.235 -.235 .098 .098 -.106 -.106 .523 .523 -.118 -.118 .070 .070 -.262 -.262 .314 .314 .172 .172 .118 .118 .295 .295 -.271 -.271 .247 .247 -.122 -.122 -.067 -.067 -.130 -.130 .265 .265 .472 .472 .534 .534 .478 .478 .415 .415 1.000 1.000 V24 V24 .034 .034 .156 .156 .013 .013 -.096 -.096 .439 .439 -.056 -.056 -.207 -.207 -.247 -.247 .342 .342 .059 .059 .122 .122 .355 .355 -.359 -.359 -.314 -.314 -.446 -.446 -.565 -.565 -.041 -.041 .525 .525 .144 .144 .055 .055 .133 .133 .032 .032 .782 .782 1.000 1.000 V25 V25 .075 .075 .238 .238 -.129 -.129 .031 .031 .362 .362 .389 .389 -.180 -.180 .323 .323 .347 .347 .051 .051 .167 .167 .068 .068 -.057 -.057 -.278 -.278 -.264 -.264 -.462 -.462 -.076 -.076 .637 .637 .374 .374 .169 .169 .334 .334 .166 .166 .329 .329 .647 .647 1.000 1.000 V26 V26 .373 .373 .015 .015 .135 .135 .242 .242 .086 .086 .264 .264 -.194 -.194 .184 .184 -.052 -.052 -.069 -.069 .007 .007 -.425 -.425 -.245 -.245 .010 .010 .264 .264 -.015 -.015 -.217 -.217 .377 .377 .542 .542 .463 .463 .535 .535 .651 .651 .200 .200 .102 .102 .367 .367 RESULTADOS El examen de la significación de los coeficientes de correlación de la matriz de datos arrojó que el determinante tiene un valor de 0,00001084 lo que indica que no existe dependencia lineal entre las variables. Test de Bartlett tiene un valor de 0,000 lo que demuestra que existe correlación entre las variables Indice de KMO es 0,80 catalogándolo como muy óptimo, su elevada tendencia a 1 indica la validez de utilizar el Análisis de Componentes Principales.

11. RESULTADOS Initial Extraction V1 1.000 .951 V2 1.000 .910 V3 1.000 .945 V4 1.000 .938 V5 1.000 .899 V6 1.000 .829 V7 1.000 .905 V8 1.000 .820 V9 1.000 .885 V10 1.000 .825 V11 1.000 .872 V12 1.000 .885 V13 1.000 .856 V14 1.000 .986 V15 1.000 .913 V16 1.000 .879 V17 1.000 .819 V18 1.000 .954 V19 1.000 .949 V20 1.000 .989 V21 1.000 .951 V22 1.000 .868 V23 1.000 .958 V24 1.000 .998 V25 1.000 .842 V26 1.000 .862 Tabla No. 3 Communalities Todas las variables tienen una comunalidad superior a 0,80 lo que demuestra que se correlacionan significativamente y se pierde poca información sobre ellas cuando se sintetizan en los componentes La variable con menor valor es la mortalidad por tumores malignos (0,82), y las más altas se presentan en consultas pediátricas (0,99), población mayor de 60 años (0,989) y morbilidad por diabetes(0,986).

12. RESULTADOS Componente 1:variables sociodemográficas y de servicios En este factor mantienen una elevada correlación positiva la densidad poblacional, la población mayor de 60 años, y menores de 1 y 15 años, las camas de asistencia médica x1000 habitantes, las consultas médicas x habitantes, e ingresos x habitantes. También muestra una elevada correlación la morbilidad por diabetes. Componente 2: Tiene una elevada correlación negativa con la incidencia de diabetes y asma; y positiva, con bajo peso al nacer, consultas de pediatría y puericultura. Componente 3: Describe la mortalidad de infantes menores de 1 y 5 años, respectivamente. Componente 4: Presenta una elevada correlación positiva con la mortalidad perinatal y enfermedades cerebrovasculares. Componente 5: Refiere una elevada correlación positiva con la mortalidad por enfermedades del corazón, influenza y neumonía.

13. Tabla No. 5 Coordenadas de las provincias en los cinco factores. Factor 1 Factor 2 Factor 3 Factor4 Factor 5 Pinar del Río 0.04518 - 0.54832 - 0.58784 0.46145 - 1.2943 La Habana - 0.48475 - 1.62407 0.70561 0.4117 1.50748 C. de L a Habana 3.26983 - 0.28202 0.11296 0.30219 0.39602 Matanzas - 0.32838 - 0.60098 - 1.76799 - 0.32398 1.61038 Villa Clara 0.21503 - 0.07943 - 0.68273 - 0.67817 - 0.94166 Cienfuegos - 0.65291 0.96145 - 0.54404 0.574 1.09311 Sancti Spíritus - 0.5089 - 0.94095 0.80511 0 .56988 - 1.38509 Ciego de Avila - 0.57044 - 0.1706 - 1.49819 0.19034 - 1.28017 Camagüey - 0.04033 - 0.99702 0.28962 0.31467 - 0.29805 Las Tunas - 0.47403 0.91329 0.60996 - 1.6786 - 0.0058 Holguín 0.31754 0.50221 0.86917 - 2.18013 - 0.21853 Granma - 0.29403 0.525 - 0 .41103 - 0.41526 0.62358 Santiago de Cuba 0.18371 2.32802 0.10653 1.68576 - 0.14754 Guantánamo - 0.67753 0.01343 1.99285 0.76616 0.34057 RESULTADOS Se destaca la provincia de Ciudad de La Habana con el puntaje más elevado en el factor 1, que se explica porque esta provincia es la capital del país donde se ubican la mayor parte de los centros asistenciales, algunos de ellos con carácter nacional, y posee la mayor densidad poblacional.

14. RESULTADOS Se correlacionan los componentes referidos a las variables sociodemográficas y de servicios (Factor 1), y la mortalidad por enfermedades del corazón, influenza y neumonía (Factor 5). En el cuadrante 2 aparecen Matanzas, Cienfuegos, Granma, La Habana y Guantánamo, provincias con pocas densidades poblacionales y sistemas de servicios pocos favorecidos y altas tasas de mortalidad por enfermedades del corazón, influenza y neumonía. En el cuarto cuadrante, aparecen las provincias de Santiago de Cuba, Holguín, Villa Clara y Pinar del Río con bajas tasas de mortalidad y un adecuado sistema de servicios.

15. RESULTADOS Se correlacionan la mortalidad de menores de 1 y 5 años (Factor 3) con el bajo peso al nacer, las consultas de puericultura y pediatría (Factor 2). La provincias de Guantánamo, Holguín, Las Tunas y Santiago de Cuba (cuadrante 1) muestran la situación más desfavorable. Se debe significar que las provincias mencionadas junto a Granma que muestra indicadores desfavorables en cuanto al bajo peso al nacer y elevado número de consultas de pediatría y puericultura, representan las provincias orientales del país. En el tercer cuadrante se agrupan las provincias de Pinar del Río, Matanzas, Villa Clara y Ciego de Avila con bajas tasas de mortalidad en menores de 1 y 5 años, menores índices de bajo peso al nacer, y consultas de pediatría y puericultura.

16. No. Final de Centros Final es Estrato Secciones % Fact 1 Fact 2 Fact 3 Fact 4 Fact 5 No. 1 3 21.4 - 0.34655 1.03962 - 0.64523 0.8167 - 0.11153 2 6 42.9 - 0.33245 - 0.78298 0.23956 0.36664 0.08016 3 1 7.1 3.26983 - 0.28202 0.11296 0.30219 0.39602 4 4 28.6 - 0.05887 RESULTADOS distancia cuadrática eucladiana que permitió la separación de las secciones en una jerarquía cuya distancias con respecto a la siguiente representaba un importante salto o incremento Criterios para estratificar las provincias de Cuba (ACP) dendograma que nos sugirió el número de K means (clusters) a seleccionar. El número óptimo de estratos se fijó en 4. La Tabla muestra la distribución final de los centros de gravedad o medias de los 5 factores en los 4 grupos resultantes de la clasificación jerárquica, clasificando las secciones en cada estrato según su proximidad topológica definida mediante la distancia cuadrática euclidiana. 0.46526 0.09634 - 1.23804 - 0.1356

17. RESULTADOS distancia cuadrática eucladiana que permitió la separación de las secciones en una jerarquía cuya distancias con respecto a la siguiente representaba un importante salto o incremento Criterios para estratificar las provincias de Cuba (ACP) dendograma que nos sugirió el número de K means (clusters) a seleccionar. El número óptimo de estratos se fijó en 4. La Tabla muestra la distribución final de los centros de gravedad o medias de los 5 factores en los 4 grupos resultantes de la clasificación jerárquica, clasificando las secciones en cada estrato según su proximidad topológica definida mediante la distancia cuadrática euclidiana.

18. RESULTADOS Estrato 1centra el mayor peso en indicadores de bajo peso al nacer, consultas de pediatría y puericultura. Mientras que es baja la incidencia de diabetes y asma. Estrato 2 presenta bajas tasas en los indicadores de bajo peso al nacer, consultas de pediatría y puericultura. Mientras que es elevada la incidencia de diabetes y asma. Estrato 3 sólo representa a la provincia de Ciudad de La Habana que como se explicó anteriormente, esta provincia es la capital del país donde se ubican la mayor parte de los centros asistenciales algunos de ellos con carácter nacional. En esta provincia se ubican los municipios más densamente poblados de Cuba: Centro Habana, Habana Vieja, 10 de Octubre, Plaza y Cerro. Estrato 4 representa indicadores de bajas tasas de mortalidad perinatal y enfermedades cerebrovasculares, es decir las provincias que pudieran estar presentando un sistema de salud más efectivo tanto en la labor de promoción y educación para la salud, o en la calidad de los servicios médicos.

19. RESULTADOS

20. CONSIDERACIÓN Los resultados de las tipologías dependen de las variables que se seleccionen para el estudio. Es por ello que aparece la provincia de Villa Clara en un mismo estrato que las provincias Orientales, y Guantánamo junto a las provincias Occidentales; cuando estas provincias no tienen niveles de desarrollo socioeconómicos y de salud semejantes al resto de las provincias que comparten el cluster.

21. GRACIAS