Rev Méd Chile 2003; 131: 321-330

SALUD PÚBLICA

Background: The correlation between income inequality and life expectancy was demonstrated 10 years ago, but later, several studies suggested that the negative impact of a low economic income on the health status was disappearing. Aim: To assess the independent effects of community income inequality on self rated health in Chile. Material and methods: Multilevel analysis of the 2000 National Socio Economic Characterization Survey (CASEN) data from Chile. Individual level information included self rated health, age, sex, ethnicity, marital status, education, income, type of health insurance and residential setting (urban/rural). Community level variables included the Gini coefficient and median income. The main outcome measure was dichotomized self rated health (0 if excellent, very good or good; 1 if fair or poor). Results: 101,374 individuals (at level 1) aged 18 and above, nested within 285 communities (at level 2) and 13 regions (at level 3) were studied. Controlling for a range of individual level predictors, a significant gradient was observed between income and poor self rated health, with very poor most likely to report poor health (10.5%) followed by poor (9.5%) low (9%) middle (7%), high (6%) and very high (4.5%) income earners. Controlling for individual and community effects of income, a significant non linear effect of community income inequality was observed, with the most unequal communities being associated with approximately 5% higher likelihood of reporting poor health compared to the most equal communities. Conclusions: Individual income does not explain any of the between community differences and neither does it wash the significant effects of income inequality on poor self rated health. The contextual effect of inequality is almost as large as the differential observed in poor health comparing the very poor to the very rich individual income categories (Rev Méd Chile 2003; 131: 321-30).
(Key Words: Health care evaluation mechanisms; Health care quality, access and evaluation; Income)

Recibido el 22 de agosto, 2002. Aceptado en versión corregida el 27 de enero, 2003. 1Department of Health and Human Behaviour Harvard School of Public Health. 2Iniciativa Chilena de Equidad en Salud. 3Ministerio de Planificación. 4Pontificia Universidad Católica de Chile aDoctor en Estadística bMagíster en Estadística cMagíster en Salud Pública dDoctor en Salud Pública

El interés por investigar la relación entre inequidad de ingresos y nivel de salud se remonta al trabajo inicial de Richard Wilkinson publicado en 1992 en el British Medical Journal¹, el cual mostró una correlación entre la inequidad de ingresos y la esperanza de vida en nueve países industrializados. Diez años más tarde, la misma revista publicó una serie de estudios^2-5 sobre este tema con una editorial⁶ sugiriendo que la hipótesis del efecto negativo de la inequidad de ingreso sobre el nivel de salud de los grupos más pobres parece estar desapareciendo. Antes de desechar tal hipótesis, sin embargo, es necesario mirar con más detenimiento los estudios publicados en la última década. En primer lugar, la hipótesis del efecto de la inequidad de ingreso sobre la inequidad en el nivel de salud ha sido más extensamente estudiada dentro de los Estados Unidos, con evidencia basada en análisis de niveles múltiples que fundamenta, en el nivel de los estados, la asociación entre inequidad de ingresos y mortalidad⁷; autopercepción de salud^8,9, síntomas depresivos¹⁰ y factores de riesgo como fumar o sedentarismo¹¹. En segundo lugar, los estudios que se han realizado fuera de Estados Unidos y que no han encontrado dicha asociación entre inequidad de ingreso y salud corresponden a sociedades significativamente más igualitarias tales como Dinamarca, Suecia y Japón en las que las diferencias de ingreso son mucho menores.

Para avanzar en el estudio de la influencia de la inequidad de ingresos en el nivel de salud hemos diseñado el presente estudio el cual investiga la relación entre inequidad de ingresos en el nivel comunal e individual y la autopercepción de salud en Chile, país que ocupa el segundo lugar en Latinoamérica en términos de inequidad de ingresos, sólo superado por Brasil, situación que ha ido empeorando luego de la aplicación desde principios de la década 1980-89 del modelo económico de la escuela de economía neoliberal de Chicago.

Es importante resaltar que más de 27 estudios en Estados Unidos y otros lugares han establecido que la autopercepción de salud es altamente predictiva de mortalidad, independientemente de otros factores relacionados con atención de salud, los comportamientos y otros factores psicosociales¹².

El presente estudio investiga la relación entre autopercepción, ingreso e inequidad de ingreso^13,14 a través de un análisis contextual con la metodología de niveles múltiples con base en información individual, comunal y regional obtenida de la encuesta CASEN 2000.

Las preguntas que orientan la investigación son las siguientes:

1. ¿Tienen los pobres mayor probabilidad de percibir su salud como mala? ("Hipótesis de efecto del ingreso individual").

2. ¿Existe la misma relación entre el ingreso y la percepción de salud individual en todas las comunas, independiente del ingreso promedio del hogar en dichas comunas, considerando el contexto de la comuna? ("Hipótesis del ingreso individual contextualizado").

3. ¿Tienen las personas que viven en municipalidades más inequitativas mayor frecuencia de mala percepción de salud en comparación con aquellos que viven en comunas más equitativas? ("Hipótesis de efecto versus la inequidad de ingreso comunal (efecto contextual) sobre percepción individual de salud").

4. ¿Existe interacción entre el ingreso individual y la inequidad de ingreso de la comuna?

MATERIAL Y MÉTODO

Fuentes de información. Se utilizaron los datos de la Encuesta de Caracterización Socioeconómica CASEN 2000¹⁵. Esta es una encuesta poblacional de aplicación nacional, con representatividad en el nivel de comuna, región y país que aplica el Ministerio de Planificación y Cooperación Nacional, MIDEPLAN, desde el año 1985 en forma bianual con el objetivo de describir la situación socioeconómica, así como el impacto de los programas sociales en las condiciones de vida de la población chilena¹⁶. Del total de 349 municipios que existen en el país, 285 están representados directamente en la encuesta y el número total de casas encuestadas en el año 2000 fue 65.036 hogares, obteniéndose información para 252.748 individuos residentes en ellas. Para el análisis, se excluyeron las observaciones individuales sin dato en las variables del interés y se consideró solamente la población de más de 15 años, logrando una muestra final de 101.374 individuos en 285 comunas de las 13 regiones (Tabla 1).

Variable dependiente: Autopercepción de salud. La pregunta: "Ud. diría que su salud en general es: 1. Muy buena, 2. Buena, 3. Regular, 4. Mala, 5. Muy mala, 6. No sabe", se incluyó por primera vez en la versión 2000 de la CASEN y se aplicó a las personas mayores de 15 años que estaban presentes al momento de la encuesta. Para el análisis, se agregaron las 6 categorías de respuesta en forma dicotómica: 0 o "Buena Salud" incluyó las opciones "Muy buena, Buena y Regular" y 1 o "Mala Salud" incluyó las opciones "Mala y Muy Mala". La proporción de personas que respondieron la alternativa "No sabe" fue muy baja (menos de 1%). Aproximadamente 12% de los individuos de la población señalaron "Mala Salud". Una pregunta similar fue incluida en la Encuesta de Calidad de Vida aplicada en el año 2000 por el Ministerio de Salud y el Instituto Nacional de Estadísticas INE, con resultados similares¹⁷.

Variables o predictores independientes. La Tabla 2 entrega un resumen de las variables de nivel individual y de nivel comunitario que se utilizaron en el análisis. En el nivel individual, el ingreso mensual per capita del hogar (en US$), nuestro principal predictor de nivel individual de salud fue categorizado en "muy pobres" (menos de US$ 30); "pobres" (US$ 30-60); "bajos" (US$ 60-200); "medio" (US$ 200-500); "altos" (US$ 500-1000); y "muy altos" (más de US$ 1.000). Esta clasificación en su extremo inferior refleja la definición oficial de la línea de pobreza en Chile. También examinamos otros predictores individuales socioeconómicos y demográficos relevantes para la autopercepción de salud tales como edad, género, pertenencia étnica, estado civil, nivel educacional, previsión en salud y la condición de residencia urbano/rural de las familias. En el nivel comunal, se utilizó el coeficiente de Gini¹⁸ para medir la inequidad de ingresos, el cual se calculó a partir de los datos de ingreso de los hogares de la CASEN 2000. El coeficiente de Gini se deriva de la curva de Lorenz del ingreso de los hogares para cada comuna. La curva de Lorenz se basa en la suma acumulada en quintiles de los ingresos del hogar ordenados desde los hogares más pobres a los más ricos. Si cada quintil de hogares recibe 20% de los ingresos totales, entonces la curva sería una diagonal de 45 grados, con un coeficiente de Gini de 0 (ninguna desigualdad). El coeficiente de Gini aumenta cuando hay mayor inclinación de la curva de Lorenz alejándose de la diagonal, sugiriendo una mayor desigualdad entre los quintiles de hogares; un Gini de 1 representa la desigualdad completa. También fue computado el ingreso promedio de cada comuna con la misma base de datos.

Análisis estadístico. Se aplicó un análisis de regresión de niveles múltiples*¹⁹ a la base de datos con 101.374 individuos en el nivel 1, jerarquizados dentro de las 285 comunas que representan el nivel 2, ordenadas en las 13 regiones del país, nivel 3. El modelamiento asume que la autopercepción de salud de los individuos depende de la comuna y la región donde residen. Por lo tanto, el objetivo del análisis es particionar las diversas fuentes de variación (individuo, comunidad y región) y después modelar con las variables predictoras más apropiadas para cada nivel. Más específicamente, usando las técnicas estadísticas de análisis de niveles múltiples modelamos y estimamos: (1) la relación individual entre ingreso y autopercepción de salud para todas las municipalidades y regiones en Chile; (2) la variación entre municipalidades y regiones que no puede ser explicada por los predictores individuales (incluyendo ingreso); (3) el grado de variación de la relación individual entre ingreso y salud en las distintas municipalidades; y (4) la relación entre inequidad de ingresos en el nivel municipal y autopercepción de salud y cómo varía según nivel de ingreso comunal. Dado que la variable dependiente es binaria, se aplicó un modelo logístico de niveles múltiples basado en la función logit²⁰. Todos los modelos se ajustaron utilizando la versión 1.10.0006²¹ del programa de MLwiN por aproximaciones sucesivas y jerarquizadas con una linearización de Taylor de segundo orden²².

Los cuatro modelos desarrollados de manera secuencial fueron los siguientes:

Modelo 1: Modelo nulo (base) de tres niveles sin variables en los componentes fijo y aleatorio del modelo. De esta manera se estima el promedio y la distribución de la autopercepción de salud en las comunas y las regiones estableciendo una línea de base para comparar la magnitud de las variaciones en los modelos siguientes.

Modelo 2: Igual al modelo 1, más la inclusión de todas las variables predictoras individuales en el componente fijo del modelo. Este modelo examina el efecto del ingreso individual sobre la autopercepción de salud ajustado por las otras variables predictoras. Se estima la variación contextual de la autopercepción de salud entre las comunas y las regiones, controlando por el efecto contextual del nivel de ingreso comunal y los otros predictores individuales.

Modelo 3: Igual que el Modelo 2, pero permitiendo la variación de la relación individual entre ingreso y salud a través de las comunas. Esto es, las diferencias contextuales de las municipalidades en autopercepción de salud se consideran diferentes para las diversas categorías según nivel de ingreso.

Modelo 4: Igual que el Modelo 3, pero agregando el efecto de la inequidad de ingreso comunal en la salud de los individuos a través de 6 categorías de niveles de ingreso, controlando adicionalmente por el ingreso promedio de la comuna.

RESULTADOS

La Tabla 2 presenta los resultados de los Modelos 1 y 2 (todas las estimaciones se presentan en logits). Para facilitar la interpretación, los logits se convirtieron a proporciones. Así, de acuerdo al modelo 1, la proporción global de individuos que reportan "mala salud" puede calcularse aplicando la fórmula: e^-2.116/(1+e^-2.116), valor que corresponde a 10,75%. Todas las variables predictoras incluidas en el modelo 2, excepto la edad y la educación (que se especifican como variables continuas centradas en sus respectivas medias) se especifican como variables dummy. Por lo tanto, en el modelo 2, la constante (la categoría de base) representa a un hombre de 45 años, residente en un área urbana, que vive con su esposa o pareja, no pertenece a grupos étnicos, tiene 8 años de educación, vive en un hogar de ingreso medio y tiene previsión de salud en FONASA. La probabilidad de reportar mala salud en este grupo es de 7%. Controlando por edad, género, estado civil, grupo étnico, nivel educacional, previsión en salud y residencia rural o urbana, se observó una gradiente inversa significativa entre autopercepción de salud y nivel de ingreso (Figura 1). Los individuos más pobres muestran una probabilidad de señalar mala salud de 10,5%, los pobres (9,5%), la categoría de ingresos bajos (9%), ingresos medios (7%), ingresos altos (6%) e ingresos muy altos (4,5%).

Figura 1. Probabilidad de reportar mala salud según categorías de ingresos en mayores de 15 años. CASEN 2000.

Aunque esta gradiente era esperable, el elemento significativo es que las covariables individuales, incluyendo los ingresos, no eliminaron las diferencias contextuales, es más, la varianza entre las comunas aumentó levemente de 0,12 en el modelo nulo a 0,13 sugiriendo que la comuna de residencia tiene importancia, independientemente del efecto individual en la salud de los individuos.

Pero aunque las comunas son importantes, su efecto no es igual en todas las categorías de ingresos. La Tabla 3 presenta los resultados del componente aleatorio en el nivel comunal, la relación entre ingreso y salud varía entre las comunas, sugiriendo que las diferencias contextuales son distintas para las diversas categorías de ingresos. Específicamente, las diferencias observadas entre las comunas fueron mayores para el grupo de ingreso medio (0,27), seguidos por la categoría muy pobres (0,23), pobres (0,18) e ingresos bajos (0,15).

La Tabla 4 presenta los resultados del componente fijo del modelo 4, una vez separadas las diferencias contextuales entre las comunas por categorías. El modelo muestra el efecto contextual de la inequidad de ingreso comunal en la autopercepción de salud, después de controlar por ingreso individual y por ingreso promedio comunal. Se aprecia claramente que existe una relación no lineal entre la inequidad de ingreso comunal y la autopercepción de salud. Las comunas más inequitativas en términos de ingreso tienen una mayor probabilidad de que las personas reporten mala salud en comparación con comunas más equitativas. Como puede verse en la Figura 2, residir en las comunas más inequitativas se asocia con una probabilidad más alta en aproximadamente 5% de autopercibir la salud como mala en comparación con comunas más equitativas. De hecho, el efecto de inequidad de ingreso comunal sobre la autopercepción de salud es casi tan grande como el efecto observado al comparar las categorías de ingreso "muy pobres" y "muy altos ingresos". No encontramos efecto de interacción entre las categorías de ingreso individual e inequidad de ingreso comunal. El efecto sobre la salud del ingreso promedio comunal tampoco resultó significativo.

Figura 2. Predicción de la relación entre inequidad de ingreso y salud en grupos según categorías de ingresos en logits (a) y proporciones (b).

DISCUSIÓN

La evidencia empírica presentada en este estudio proporciona apoyo a la hipótesis de que la inequidad de ingresos comunal afecta el nivel de salud individual en el caso de Chile. Estos resultados tienen varias implicancias. Primero, existe una tendencia a atribuir cualquier diferencia encontrada en nivel de salud individual de acuerdo a categorías de ingreso grupales (comunales o regionales) a la "omisión" de factores individuales en el análisis. La evidencia presentada en este estudio sugiere una situación inversa en la cual el no incluir algunas variables individuales de hecho enmascara los efectos en salud de la inequidad de ingreso en el nivel comunal. En segundo lugar, se aprecia claramente la importancia del contexto comunal en términos de inequidad de ingreso sobre la autopercepción de salud, que a su vez se relaciona con mayor morbilidad y mortalidad. Se aprecia además que las diferencias son complejas, distintas para las diversas categorías de ingreso.

Nuestros resultados sugieren que además de la relación tradicional entre nivel de ingreso individual y nivel de salud, es importante estudiar la relación entre ingreso individual y salud tomando en cuenta el contexto respectivo; así, no es lo mismo la relación entre pobreza individual y autopercepción de salud que se produce en una comuna equitativa, que la relación que se produce en una comuna altamente inequitativa, siendo mucho más acentuado el efecto en aquellas comunas inequitativas. Esto último es un poderoso argumento en términos de políticas públicas para disminuir la pobreza, en las cuales no basta con focalizarse en los individuos pobres (como hacen la mayoría de los programas impulsados por los organismos públicos, por ejemplo Chile Solidario), sino que es necesario también tomar acciones para disminuir las inequidades de ingreso entre las diferentes comunas del país. Este último elemento ha sido poco considerado en la literatura que estudia la relación entre inequidad de ingreso y salud.

Finalmente, nuestro estudio sugiere la necesidad de probar la hipótesis del efecto de la inequidad de ingreso comunal en otros países de América Latina, que es la región más inequitativa del mundo en términos de distribución del ingreso, especialmente para explorar si esta relación se reproduce y si existe un umbral para el efecto en salud del nivel de inequidad de ingreso.

REFERENCIAS

1. Wilkinson RG. Income distribution and life expectancy. BMJ 1992; 304: 165-8.

2. Muller A. Education, income inequality and mortality: a multiple regression analysis. BMJ 2002; 324: 23-5.

3. Osler M, Prescott E, Gornbaek M, Christensen U, Due P, Engholm G. Income inequality, individual income, and mortality in Danish adults: analysis of pooled data from two cohort studies. BMJ 2002; 324: 13-6.

4. Shibuya K, Hashimoto H, Yano E. Individual income, income distribution, and self rated health in Japan: cross sectional analysis of nationally representative sample. BMJ 2002; 324: 16-9.

5. Sturm R, Gresenz CR. Relations of income inequality and family income to chronic medical conditions and mental health disorders: national survey in USA. BMJ 2002; 324: 20-3.

6. Mackenbach JP. Income inequality and population health. BMJ 2002; 324: 1-2.

7. Lochner K, Pamuk E, Makuc D, Kennedy BP, Kawachi I. State level income inequality and individual mortality risk: a prospective, multilevel study. Am J Public Health 2001; 91: 351-3.

8. Kennedy BP, Kawachi I, Glass R, Prothrow-Stith D. Income distribution, socioeconomic status and self rated health: a US multilevel analysis. BMJ 1998; 317: 917-21.

9. Blakely TA, Lochner K, Kawachi I. Metropolitan area income inequality and self rated health, a multilevel study. Soc Sci Med 2002; 54: 65-77.

10. Kahn RS, Wise PH, Kennedy BP, Kawachi I. State income inequality, household income, and maternal mental and physical health: cross sectional national survey. BMJ 2000; 321: 1311-5.

11. Diez-Roux AV, Link BG, Northridge ME. A multilevel analysis of income inequality and cardiovascular disease risk factors. Soc Sci Med 2000; 50: 673-87.

12. Idler EL, Benyamini Y. Self rated health and mortality: a review of twenty seven community studies. J Health Soc Behav 1997; 38: 21-37.

13. Subramanian SV, Kawachi I, Kennedy BP. Does the state you live in make a difference? multilevel analysis of self rated health in the US. Soc Sci Med 2001; 53: 9-19.

14. Subramanian SV, Jones K, Duncan C. Towards a multilevel geography of health. In: Kawachi I, Berkman LF, editors. Neighborhoods and Health. New York: Oxford University Press, in press.

15. Mideplan. Metodología. Encuesta de Caracterización Socioeconómica, 1998.

16. Mideplan. Pobreza, indigencia y el impacto del gasto social en la calidad de vida. Resumen ejecutivo, 2001.

17. Encuesta Calidad de Vida 2000. www.minsal.cl/ epidemiologia

18. Medición de desigualdades en salud: Coeficiente de Gini e Indice de Concentración. Boletín Epidemiológico/OPS 2001; 22(1): 3-4. Boletín Epidemiológico, Vol. 22, Nº 1, marzo 2001.

19. Goldstein H. Multilevel statistical models. 2nd ed. London: Arnold, 1995.

20. Goldstein H. Nonlinear multilevel models, with an application to discrete response data. Biometrika 1991; 78: 45-51.

21. Rasbash J, Browne W, Goldstein H, Yang M, Plewis I, Healy M et al. A user's guide to MLwiN, Version 2.1. London: Multilevel Models Project, Institute of Education, University of London, 2000.

22. Goldstein H, Rasbash J. Improved approximations for multilevel models with binary responses. Journal of the Royal Statistical Society 1996; 159: 505-13.

____________________

Correspondencia a: Dra. Liliana Jadue H. Fono: (56-2) 3548025. Fax: (56-2) 6331840. E mail: ljadue@mi.cl

* En el estudio de las ciencias médicas, biológicas y sociales es muy frecuente recoger datos ordenados en estructuras jerarquizadas o de niveles múltiples pero esta estructura no necesariamente se considera al momento de hacer análisis y de interpretar los resultados. Se reconoce desde hace tiempo que los miembros que pertenecen a una familia o un hogar probablemente comparten actitudes o comportamientos similares, las casas de un barrio o de una comunidad y los pacientes de diversos centros de atención de salud son diferentes entre ellos, pero esto no era posible de explicar en el análisis. Como consecuencia, los efectos atribuibles a estos niveles de pertenencia no eran identificados. Poniendo atención a la estructura organizacional o jerárquica de la información, el análisis de niveles múltiples permite investigar dónde hay efecto y su magnitud, entregando mejores estimaciones de parámetros que aplicando análisis de un solo nivel. Esto ocurre porque la técnica de niveles múltiples permite mejorar la estimación del error estándar de los coeficientes de regresión. También permite modelar los tamaños y efectos relativos de las características de cada nivel como también de los individuos en la base de datos.