Objetivo. Identificar las necesidades de atención médica y determinar prioridades en la distribución de servicios de salud, a través del análisis factorial de los indicadores de salud que se obtuvieron mediante el estudio de las características demográficas, económicas y familiares de la población adscrita a una unidad de atención primaria.
Diseño. Descriptivo y transversal.
Emplazamiento. Delegación Tlalpan, Distrito Federal, México, sectorizada en áreas geoestadísticas básicas.
Pacientes u otros participantes. Muestra aleatoria de 590 viviendas, con representación proporcional y con base en 173.000 habitantes, y 17.895 viviendas de tipo popular.
Intervención. Encuesta domiciliaria (abril-julio de 1993).
Mediciones y resultados principales. Se identificaron 16 indicadores de salud clasificados en 4 categorías: demográficos, sociales, daños a la salud y familiares. Se seleccionaron 9 indicadores que presentaron un índice de correlación de Pearson mayor de 0,40, los cuales, mediante análisis factorial, determinaron dos principales factores.
Conclusiones. La identificación de los principales factores de riesgo por medio del análisis factorial facilitó el diagnóstico de salud comunitaria e hizo necesario estructurar un proyecto que permitirá la definición de una metodología para el estudio médico de las familias disfuncionales, así como la incorporación de un programa de prevención y diagnóstico temprano de la diabetes mellitus.
Objective. To identify the needs of medical care and to determine priorities in the delivery of health services by the factorial analysis of the health indicators obtained from study of the demographic, economic and family features of those registered at a Primary Care Centre.
Design. Descriptive and crossover.
Setting. Tlalpan area, Federal District, Mexico, divided into geo-statistical zones.
Patients and other participants. A randomised sample of 590 dwellings, with proportional coverage, based on 173000 inhabitants and 17895 ordinary dwellings.
Intervention. Survey conducted in the home (April-July, 1993).
Measurements and main results. 16 health markers were classified into four categories, demographic, social, health-damaging and family. Nine markers with a reading on the Pearson's correlation index over 0.40 were chosen. Factorial analysis determined two main factors.
Conclusions. The identification of the main risk factors by means of factorial analysis helped in diagnosing community health. A project needs to be worked out to define a methodology for studying medically dysfunctional families and to introduce a prevention and early diagnosis programme for Diabetes Mellitus.
Introducción
La identificación y el análisis de las características sociales, demográficas, económicas y familiares de la población adscrita al Centro de Salud «Dr. José Castro Villagrana» (CSJCV) de la Secretaría de Salud en la Ciudad de México propiciaron el interés por realizar un estudio de salud comunitaria, el cual tuvo como principal objetivo la identificación precisa de las necesidades de atención médica, y así determinar prioridades en la gestión sanitaria considerando el enfoque de riesgo en la atención a la salud de la población1.
El CSJCV es sede universitaria para la formación de especialistas en medicina familiar, y su población de influencia asignada es de 173.000 habitantes. En el área existen zonas geográficas con alta densidad poblacional que alternan con regiones donde no se cuenta con todos los servicios públicos, así como colonias residenciales de alto desarrollo económico. La mayoría de los usuarios del CSJCV son menores de 15 años de edad y mujeres en edad fértil. Los registros de morbilidad presentan gran diversidad, tanto en la frecuencia como en el tipo de enfermedades.
Los programas prioritarios de atención médica que establece el Sistema Nacional de Salud y que se realizan en el CSJCV comprenden actividades relacionadas con la aplicación permanente de vacunas, el tratamiento de enfermedades diarreicas, infecciones agudas de vías respiratorias superiores y enfermedades crónicas como la diabetes mellitus e hipertensión arterial. No obstante, la problemática de salud de la población adscrita al centro requiere de una clara identificación de los más importantes factores que la determinan y afectan, para optimizar los recursos y hacer más racional la planeación de los servicios. Para lograrlo, se decidió analizar la información con la técnica estadística multivariada: análisis factorial (AF).
Material y métodos
El estudio fue de tipo descriptivo; se aplicó una encuesta en una muestra de la población que habita en el área de influencia del CSJCV. Se consideró la regionalización de esta zona de acuerdo con las 14 zonas de influencia correspondientes al CSJCV, las cuales fueron previamente identificadas como áreas geoestadísticas básicas (AGEB) por el Instituto Nacional de Estadística, Geografía, e Informática (INEGI)2; el muestreo fue aleatorio estratificado con representación proporcional; la unidad de análisis fue la vivienda de tipo popular.
Para el tamaño de la muestra se utilizó un nivel de confianza del 98%, variabilidad de 0,05 y error de 0,05 con el procedimiento descrito por Rojas Soriano3. Con base en el universo de referencia (17.895) se obtuvo una muestra de 590 viviendas, en las cuales se aplicó la encuesta que se consideró como la fuente primaria de datos; las 590 encuestas representaron en forma proporcional a las 14 zonas de influencia ya señaladas. Se excluyeron comercios, mercados, lotes o casas no habitadas, iglesias y edificios públicos o comerciales.
El proceso para la validación del instrumento requirió su aplicación en 2 pruebas piloto realizadas en algunas colonias de la zona de influencia del CSJCV en 1991 y 1992. En la primera prueba piloto se encontró gran variabilidad en los datos obtenidos por 50 aplicadores; ésta fue ocasionada fundamentalmente por la estructura abierta de las preguntas utilizadas. Basándose en esta experiencia, en la segunda prueba piloto se diseñaron preguntas cerradas, obteniendo así una disminución importante en la variabilidad intra e interobservadores, aumentando notablemente la concordancia entre los mismos.
La encuesta definitiva fue aplicada en abril de 1993 por 20 médicos residentes de tercer grado de la especialidad de medicina familiar, quienes recibieron adiestramiento en la aplicación de la cédula y así minimizar aún más los errores ínter e intraobservadores.
A partir de la información obtenida en las encuestas, se construyeron 16 indicadores de salud clasificados en 4 categorías:
1. Demográficos: población total en las 590 viviendas encuestadas. Con fines clasificatorios, se establecieron 3 subgrupos: población menor de 4 años, población mayor de 30 años y población mayor de 60 años.
2. Sociales: porcentaje de analfabetismo, desempleo y subempleo.
3. Daños a la salud: porcentaje de personas con esquema de vacunación incompleto, tasa de prevalencia de hipertensión arterial (por 100 habitantes), tasa de prevalencia de diabetes mellitus (por 100 habitantes), tasa de prevalencia de enfermedades diarreicas por 100 habitantes (en el mes previo al estudio), tasa de prevalencia de enfermedades respiratorias agudas superiores (IRAS) por 100 habitantes (en el mes previo al estudio) y tasa de mortalidad general (por 100 habitantes).
4. Familiares: vivienda y servicios, entorno social y funcionalidad familiar.
Para identificar evidencias de disfunción familiar se aplicó el test APGAR familiar4. Los 3 indicadores familiares fueron medidos mediante una escala ordinal de riesgo; dicha escala consistió en asignar un valor de 1, 2 y 3 si las condiciones de la vivienda observadas o a través de las respuestas eran: favorables=1, regulares=2 o desfavorables=3 para la salud familiar; este procedimiento permitió calcular puntuaciones mínimas y máximas con las cuales se predeterminaron intervalos de riesgo para los indicadores mencionados:
R i e s g o
IndicadorPreguntasBajoModeradoAlto
Vivienda
y servicios2121-3536-4950-63
Entorno social1818-3031-4142-54
Funcionalidad
familiar88-1314-1819-24
El análisis se efectuó con un ordenador utilizando el programa estadístico Statgraphics5; se calcularon y analizaron la simetría y curtosis de los indicadores como procedimiento indispensable para cumplir los supuestos del modelo estadístico del AF; se usó la estrategia de factorización tipo R, con factores inferidos no correlacionados, solución clásica con rotación oblicua5-9.
Los factores se representaron cartográficamente10 según la distribución de las áreas de influencia de los consultorios médicos del centro de salud.
El análisis comparativo entre los grupos de alto y bajo riesgo se realizó mediante la prueba t de Student a partir de los valores obtenidos del AF. Para corroborar la consistencia de los resultados del AF se utilizó el análisis discriminante (consistencia interna).
Resultados
Se aplicaron 590 encuestas; en la tabla 1 se muestran los valores obtenidos para las 14 zonas de influencia de los consultorios médicos del CSJCV.
La tabla 2 describe los promedios porcentuales de cada indicador y su intervalo de confianza del 95%.
Dos indicadores, IRAS y diarreas, mostraron sesgo positivo leve 2,64 y 2,96, respectivamente, y curtosis positiva moderada, 3,46 y 3,92 (los valores de normalidad son de 2,0 a 2,0); por este motivo, estos indicadores fueron transformados a sus logaritmos naturales, los cuales mostraron distribución normal.
Los 16 indicadores se analizaron en una matriz de correlación múltiple de Pearson, la cual mostró correlaciones complejas en su interpretación, por lo que se eliminaron los indicadores que presentaron correlación menor de 0,40. De esta manera, el AF se realizó con 9 de los 16 indicadores iniciales: población total, población<4 años, población>30 años, población>60 años, diabetes mellitus, mortalidad general, vivienda y servicios, entorno social y funcionalidad familiar.
El resultado de los dos primeros factores calculados mostró que el 72,2% de explicación de la variancia se debió a los factores I (45,8%) y II el (26,5%) (tabla 3).
La rotación final de factores mostró los indicadores más importantes del conjunto considerado, obteniendo sus valores de correlación con cada factor específico. Para el factor I: familias disfuncionales 0,87 y población menor de 4 años 0,77; para el factor II diabetes mellitus 0,84 y mortalidad general 0,77. Estos fueron los indicadores que mostraron mayor importancia de la interacción conjunta de los 9 indicadores seleccionados.
La matriz de correlación final entre los factores mostró tener elevada independencia estadística6, ya que sus valores se acercaron en gran medida al valor ideal teórico.
Una vez identificados los factores e indicadores principales, se procedió a analizar cómo se distribuían en el área de influencia de los consultorios médicos de la unidad; esto se logró mediante el cálculo de puntuaciones finales de los factores para cada zona específica. De esta forma se identificaron las áreas con mayores y menores riesgos según nuestro modelo y de acuerdo con los factores obtenidos en el estudio; dichas áreas y sus correspondientes consultorios en orden de importancia fueron: de alto riesgo para el factor I los consultorios 5, 8, 2 y 6; para el factor II los consultorios 6 y 3. De bajo riesgo para el factor I los consultorios 10 y 7 y para el factor II los consultorios 14 y 10 (fig. 1).
Finalmente, a través de la combinación de factores se determinaron como áreas de alto riesgo las que corresponden a los consultorios 6, 5, 3, 8 y 2 y de bajo riesgo el área del consultorio 10.
El análisis de las diferencias entre las puntuaciones de los consultorios permitió clasificarlos en 2 grupos (alto y bajo riesgo), mostrando diferencias significativas en todas las comparaciones (tabla 3).
La distribución cartográfica de riesgo por consultorio y por factor se presenta en la figura 2.
No se pudo realizar la valoración de riesgo para 4 zonas correspondientes al mismo número de consultorios, porque no se hizo una adecuada valoración de algunos indicadores pertenecientes a dichas zonas.
Otra técnica multivariada (análisis discriminante) corroboró la consistencia del AF al analizar si la clasificación de consultorios por alto y bajo riesgo fue hecha correctamente. Los resultados mostraron: para el factor I el 60 y 80% de certeza en la clasificación de consultorios de alto y bajo riesgo; un 80 y 100% para el factor II, y el 100% en ambos riesgos en el de factores combinados.
El modelo final de la aplicación del AF en nuestro estudio se muestra en la figura 3.
Discusión
Diversos autores han aplicado diferentes técnicas de análisis multivariado en investigaciones del área de la atención primaria; aparentemente el AF y los componentes principales (CP) son las técnicas más utilizadas; sin embargo, algunos autores no proporcionan información suficiente sobre las técnicas, otros dan información que resulta difícil comprender si no se conoce la teoría de las técnicas multivariadas, y son escasos los que ofrecen información clara y precisa11.
Las aplicaciones del AF son diversas; se ha utilizado en estudios de evaluación del funcionamiento social en pacientes de centros de salud12, construcción y validación de escalas de ansiedad en mujeres embarazadas con alto riesgo perinatal13, salud emocional y tensiones asociadas en madres trabajadoras14. Asimismo, el AF se ha empleado indirectamente (solución con componentes principales) en trabajos sobre regionalización en salud15, inequidad de los servicios de salud16 e identificación de factores latentes en los indicadores de salud de comunidades autónomas17. A pesar de que el AF se aplicó en estos trabajos, consideramos que no ha sido suficientemente utilizado, sobre todo en el ámbito de la atención primaria, quizá por lo complejo de sus procedimientos, por desconocimiento de sus aplicaciones, por la dificultad para interpretar los resultados ante la toma de decisiones o por información insuficiente en las publicaciones de revistas médicas sobre las técnicas multivariadas11.
En este trabajo, el AF permitió analizar simultáneamente las relaciones entre un elevado número de variables discriminando entre las de menor y mayor influencia; estas últimas permitieron identificar factores latentes, los cuales explicaron el fenómeno estudiado con menor número de variables (las más importantes). De esta manera se eliminó información que contribuyera poco o nada a la identificación de variables sustanciales analizando simultáneamente sus interrelaciones.
López del Val17 utilizó el análisis de componentes principales para identificar los factores (componentes) latentes de 28 indicadores de salud; en nuestra investigación se estudiaron 16. En ambos trabajos se usó la representación cartográfica para determinar regiones de riesgo. Aunque este autor menciona que es frecuente «confundir» el AF con el de CP, porque sus resultados son similares, se inclina por este último justificando que existe mayor facilidad en su uso. Nosotros pensamos que los CP son parte del AF y que los componentes se usan cuando deseamos concentrar nuestra atención en las comunalidades de las variables (análisis de la variación de todas las variables que explican un fenómeno dado; por ejemplo: ¿la variable A varía más que B o C o... N en la explicación de un fenómeno?). En contrapartida, el AF tiene como propósito fundamental analizar la parte de la variancia que las variables tienen en común para explicar el fenómeno estudiado; por ejemplo: ¿que tiene en común la variable A con B con C y con... N para explicar un fenómeno? Estas observaciones concuerdan con las descritas por Norusis9 y Hanneman18.
De ambos razonamientos resulta importante la cuantificación de variancia explicada por el número de factores o componentes finales obtenidos; López del Val obtuvo 8 factores con variancia de 90%, nosotros sólo dos factores con explicación de variancia del 72%; en ambos estudios la obtención de factores se realizó según el valor de los eigenvalores con puntuaciones iguales o mayores a uno, como recomiendan Norusis9 y Hanneman18.
Consideramos que el porcentaje de variancia explicada con nuestro modelo (72%) es aceptable; algunos autores como Kleinbaum y Kupper6 señalan un 55% de variancia en un trabajo al cual aplicaron el AF y lo consideraron como un modelo adecuado; otros autores reportan un 52% de variancia con 5 factores12, 46% de variancia con 413 y 56% con 314.
Los resultados de este trabajo tienen alcances y limitaciones: se logró reducir o simplificar la información de 16 indicadores de salud condensando los originales en un número menor de factores creados a partir del análisis19-21. El AF nos facilitó identificar los principales factores de riesgo global: disfunción familiar relacionada con la presencia de población de menores de 4 años de edad y diabetes mellitus relacionada con la mortalidad general.
Estos resultados establecen la necesidad de estructurar un proyecto que permitirá la definición de una metodología para el estudio médico de las familias disfuncionales, así como la incorporación de un programa de prevención y diagnóstico temprano de la diabetes mellitus.
Con estos datos se asignó un valor a la zona de influencia de cada consultorio a través de la puntuación final global en el factor al que «cargaron», por lo que fue factible y pertinente identificar microrregiones geográficas con diferentes riesgos según los indicadores con los cuales existió una mayor correlación.
Como limitaciones solamente se consideraron los indicadores que fueron seleccionados en función de los resultados del estudio de comunidad y diagnóstico de salud realizado; dichos indicadores fueron elegidos por su trascendencia e impacto en la salud de la población general, por lo que los resultados obtenidos son válidos únicamente para la comunidad estudiada. Sabemos que existen otros indicadores que intervienen en el proceso de salud-enfermedad de la población que no fueron considerados y que podrían explicar el 28% restante de la variancia.
Otra limitación es que el sesgo de memoria en los entrevistados influyó en la confiabilidad de la información obtenida; igualmente, la intención exploratoria del estudio no permite hacer inferencias probabilísticas ni causales, por lo que los resultados deben tomarse como un acercamiento del complejo fenómeno salud-enfermedad en la población estudiada. Sin embargo, la técnica estadística empleada, corroborada por el análisis discriminante, nos orienta hacia una línea de investigación confirmatoria utilizando un diseño de estudio más confiable y con incremento de la validez interna y externa.
Finalmente, la obtención de niveles de riesgo por área geográfica del CSJCV y la identificación de los principales indicadores que determinan dichos riesgos nos permiten determinar prioridades en la gestión sanitaria y en la organización de actividades de planificación de servicios de salud. Este proceso debe ser orientado en función del riesgo para la salud de la población, sin olvidar la optimización de los recursos con los demás programas de atención permanente que esta unidad otorga a la población.
Agradecimiento
Queremos agradecer la valiosa colaboración del biólogo Andrés Hernández Gómez, el Dr. Enrique J. Yáñez Puig y las Sras. Alicia García García y Ofelia Pedreguera.
