Construcci\'on de un Mapa de Vulnerabilidad Sanitaria en Argentina a partir de datos p\'ublicos

TL;DR

This paper details the creation of a health vulnerability map for Argentina using public data, employing statistical and machine learning methods to assess population access to health services at a granular level.

Contribution

It introduces a methodology combining statistical analysis and autoencoders to produce a detailed health vulnerability map from open data sources.

Findings

Development of a census tract-level vulnerability map

Application of PCA, MCA, and autoencoders for data analysis

Quantification of population access to health benefits

Abstract

This document is intended to present in detail the processing criteria and the analysis techniques used for the production of the Vulnerability Map Sanitary based on the use of public and open data sources. The paper makes use of statistical analysis techniques (MCA, PCA, etc.) and machine learning (autoencoders) for the processing and analysis of information. The final product is a map at the census track level that seeks to quantify the population's access to basic health benefits.

Figures

Tables

Table 1. Table 1 : Indicadores vinculados al concepto de Vulnerabilidad Sanitaria. Tomados de C. Grabovschi, C. Loignon, and M. Fortin: Mapping the concept of vulnerability related to health care disparities: a scoping review

Aspectos de la Vulnerabilidad	Papers	Porcentaje
Pobreza	21	91.3 %
Minoría Racial/Étnica	18	78.3 %
Enfermedades crónicas (físicas o mentales)	12	52.2 %
Falta de cobertura de salud	8	34.8 %
Edad	6	26.0 %
Encarcelamiento	3	13.0 %
Condición de migrante	3	13.0 %
Bajo nivel educativo	3	13.0 %
Residencia en áreas de baja cobertura	2	8.7 %
Desempleo	1	4.3 %
Condición de viudez	1	4.3 %
Carencia de vivienda	1	4.3 %

Table 2. Table 2 : Listado de fuentes provinciales de efectores de salud

	Fuente (con hipervínculo)	Tarea	Resultado
Buenos Aires	Portal datos abiertos	Descarga	Agrega casos
CABA	Portal datos abiertos	Descarga	Agrega casos
Córdoba	Portal datos abiertos	Descarga	Agrega casos
Entre Ríos	Ministerio de Salud	Revisión	No agrega casos
Formosa	Plan Nacer	Revisión	No agrega casos
Mendoza	Ministerio de Salud	Revisión	No agrega casos
Misiones	Ministerio de Salud
Neuquén	Ministerio de Salud	Revisión	Alto esfuerzo444Datos en formato gráfico. No era trivial el esfuerzo requerido para transcribir y georeferenciar los datos.
San Luis	Ministerio de Salud	Revisión	No agrega casos
Santa Cruz	Ministerio de Salud	Revisión	Pendiente
Santa Fe	Ministerio de Salud	Scrap	Agrega casos
Santiago del Estero	Ministerio de Salud	Revisión	Pendiente
Tierra del Fuego	Ministerio de Salud - Río Grande	Revisión	No agrega casos
	Ministerio de Salud - Tolhuin	Revisión	No agrega casos
	Ministerio de Salud - Ushuaia	Revisión	No agrega casos

Table 3. Table 3 : Indicadores utilizados para la construcción del INSE

Variable	Unidad
Condición de propiedad de la vivienda	Vivienda
Calidad Materiales	Vivienda
Calidad de Conexión a Servicios Básicos	Vivienda
Calidad de Construcción	Vivienda
Hacinamiento	Hogar
Presencia de algún indicador NBI	Hogar
Nivel Educativo del total del Hogar	Hogar
Cantidad de Desocupados en el Hogar	Hogar
Existencia de servicios doméstico	Hogar
Condición de actividad	Individuo (jefe)
Nivel educativo	Individuo (jefe)

Table 4. Table 4 : Ejemplo de codificación termómetro

INMAT original	INMAT_2	INMAT_3	INMAT_4
1	0	0	0
2	1	0	0
3	1	1	0
4	1	1	1

Equations

$${\Delta }_r=MED(\Delta \_hos{p}_1,...,\Delta \_hos{p}_5,\Delta \_centr{o}_{i1},...,\Delta \_centr{o}_{i5},\Delta \_post{a}_{i1},...,\Delta \_post{a}_{i5})$$

$$x_{k_i}^{(i)}(j)=\{\begin{array}{ll}0,& si{v}_i(j)<k_i\\ 1,& si{v}_i(j)\ge k_i\end{array}$$

$$r_i$$

$$x$$

$$h_1$$

$$h_2$$

$$h_3$$

$$h_4$$

$$h_5$$

$$\hat{x}$$

$$\Pi(\hat{x},x)=\sum_{i=1}^{I}\sum_{k_{i}=2}^{K_{i}}w^{(i)}_{k_{i}}\bigg{(}x^{(i)}_{k_{i}}\log\left(\hat{x}^{(i)}_{k_{i}}\right)+\left(1-x^{(i)}_{k_{i}}\right)\log\left(1-\hat{x}^{(i)}_{k_{i}}\right)\bigg{)}$$

$$w_{k_i}^{(i)}$$

$$L(\hat{x},x)=\text{mbox}{argmin}_{W,b}$$

$$Error(\hat{x},x)=\frac{1}{N}\sum _{j=1}^N\sum _{i=1}^I\sum _{k_i=2}^{K_i}\frac{1}{{\sum }_{\ell }{K}_{\ell }}{e}^{x_{k_i}^{(i)}\log \left({\hat{x}}_{k_i}^{(i)}\right)+\left(1-x_{k_i}^{(i)}\right)\log \left(1-{\hat{x}}_{k_i}^{(i)}\right)}$$

$${\eta }_r=\frac{1}{4}{Q}_{.25}({\mathbf{s}}_{r_{1,...,n_r}})+\frac{1}{2}{Q}_{.5}({\mathbf{s}}_{r_{1,..,n_r}})+\frac{1}{4}{Q}_{.75}({\mathbf{s}}_{r_{1,..,n_r}})$$

$$rankit(X_{i,j})=\frac{r_j(x_{i,j})-0.5}{n}$$

Full text

1 Introducción

Este documento expone los criterios de procesamiento y las técnicas de análisis utilizadas para la producción de un Mapa de Vulnerabilidad Sanitaria para la Argentina.

La noción de vulnerabilidad sanitaria está relacionada con los llamados determinantes de salud. Dicho de otro modo, existen ciertos factores y variables que se vinculan fuertemente con el estado de salud -en sentido amplio, biológica, psicológica, social- de una persona o población. Estos determinantes pueden ser de tipos diversos y si los mismos se hallan ausentes o en magnitud insuficiente, se produce un estado de vulnerabilidad.

En efecto, se construyó un insumo que busca lograr la identificación de zonas caracterizadas por una alta vulnerabilidad sanitaria, es decir, por el hecho de que no lograr alcanzar un umbral mínimo en el acceso a las prestaciones de salud. En ese sentido, poder articular una definición operativa de vulnerabilidad sanitaria que permita abordar y procesar la información disponible es un primer paso importante.

El mapa construido posee un nivel de desagragación elevado: la unidad mínima de análisis es el radio censal. Si bien se da una explicación más detallada en las siguiente secciones, es posible adelantar que un radio censal es la mínima unidad estadística con información pública disponible en que se divide el territorio nacional. Para dar una idea, en zonas urbanas un radio censal puede equivaler a una cuadra. En cambio, en zonas rurales (en las que la densidad poblacional es menor) los radios censales pueden adquirir dimensiones mucho más grandes (inlcuso, llegar a ocupar más de un $km^{2}$).

El documento se estructura de la siguiente manera:

• •

En la Sección 2 se plantean algunas definiciones operativas utilizadas para la construcción de la información desplegada en el mapa.

• •

En las Secciones 4 y 5 se listan las fuentes de información utilizadas se presenta una explicación detallada de los diferentes procedimientos y técnicas aplicadas al procesamiento y análisis de la información de base.

• •

La Sección 6 describe las transformaciones aplicadas sobre las variables con el objetivo de combinarlas en un indicador único.

• •

Finalmente discutimos las limitaciones y próximos pasos del trabajo en la Sección 7.

Cabe destacar que este documento constituye un primer ensayo en esta dirección y, como tal, presenta más preguntas que certerzas, las cuales serán presentadas hacia el final de este documento, en el que se plantean las líneas posibles para el trabajo futuro.

2 Definición de Vulnerabilidad Sanitaria

Existen determinantes de carácter general asociados al estado de salud y que se vinculan al acceso diferencial a servicios y cobertura de salud de diferentes segmentos de la población. El desarrollo de un índice que cuantifica ésta dimensión busca construir un instrumento que permita servir como complemento y contextualizador para el análisis de la prevalencia de ciertas patologías en determinadas zonas. Estimar la Vulnerabilidad Sanitaria permitiría identificar y, eventualmente, priorizar "zonas calientes" que presentan bajo acceso a servicios sanitarios.

La existencia de disparidades en el acceso por parte de la población a los servicios de salud es un fenómeno altamente estudiado y documentado. En efecto, no todos los estratos de población muestran una probabilidad de acceso y de cobertura médica constante. En líneas generales, los segmentos de población más pauperizados y/o residentes en zonas aisladas presentan menores niveles de acceso a dichas prestaciones de salud ([3], [18]).

En la literatura sobre la problemática de salud suele diferenciarse la idea de “acceso desigual” de la llamada “vulnerabilidad” que remite, en última instancia, al riesgo potencial de desarrollar ciertas enfermedades o a estar expuesto a ciertos factores de riesgo ambientales. En este sentido, el estudio de poblaciones vulnerables o de factores de vulnerabilidad resultan de interés.

Un obstáculo para la cuantificación de “vulnerabilidad” emerge de la necesidad de considerar múltiples factores que podrían explicar las desigualdades en el acceso al sistema de salud. En [7] se relevan las principales dimensiones e indicadores vinculados a estas nociones de vulnerabilidad y desigualdades en el acceso a la salud utilizados en un conjunto de trabajos seleccionados:

Puede verse en la Tabla  1 que los principales indicadores utilizados por los estudios analizados en [7] se vinculan a la condición de pobreza, a la pertenencia a minorías étnicas o raciales, a la presencia de enfermedades mentales o físicas de carácter crónico y a la falta de cobertura médica. Cabe destacar que estos indicadores están definidos a nivel de los individuos o personas. Existen también otros factores que determinan el nivel de vulnerabilidad sanitaria que están más vinculados a la dimensión ambiental o del entorno [16].

En la aproximación realizada se consideraron varios de los indicadores mencionados. En ese sentido, la definición de Vulnerabilidad Sanitaria adoptada en este trabajo se compone de los siguientes factores asociados:

• •

Acceso a prestaciones y servicios de salud por parte del estado: para esta dimensión se usó como indicador principal la cercanía a efectores de salud. Se construyó un dataset que contiene la ubicación (latitud y longitud) de la gran mayoría de los efectores de salud estatales de todo el país. Para ello, se integraron fuentes provenientes del Estado Nacional y de los Estados Provinciales. Se calculó el tiempo de caminata desde diversos puntos hasta el Centro de Salud más cercano.

• •

Nivel Socioeconómico de la Población (NSE): para construir el NSE, se utilizó información censal. Si bien este punto se detalla más adelante, puede mencionarse que el cálculo del indicador implicó el procesamiento de información censal, correspondiente al CNPyV del año 2010, a nivel individuo. Para ello, se seleccionó una serie de variables relevantes -nivel educativo, indicadores de Necesidades Básicas Insatisfechas, etc.- y se combinaron utilizando variational autoencoders, un método para la reducción de dimensionalidad basado en redes neuronales (ver sección 5).

3 Metodología de construcción

Las dimensiones anteriormente mencionadas se combinaron para construir un Mapa de Vulnerabilidad Sanitaria. El objetivo del mapa de vulnerabilidad es identificar zonas con un déficit potencial en la cobertura sanitaria de la población, es decir, que no logran superar un umbral mínimo en el acceso a servicios de salud. Teniendo en cuenta este objetivo, se construyó una métrica que permite ordenar y clasificar a las diferentes zonas en función de este déficit potencial.

3.0.1 Fuentes de información utilizadas

Para la construcción del mapa se recabaron y analizaron las siguientes fuentes:

• •

Datos censales (Censo Nacional de Población, Hogares y Vivienda 2010 [11])

• •

Polígonos de radios censales

• •

Ubicación de Efectores de Salud Pública: hospitales públicos, centros de salud y postas sanitarias (en total, 16.564)

• •

Ejes de calles (rutas nacionales, provinciales, caminos y trazas urbanas) utilizadas para calcular por simulación distancias entre hogares y efectores de salud.

3.0.2 Criterios y técnicas utilizadas para el procesamiento de la

información

Como se ha mencionado previamente, si bien se han utilizado datos a nivel de desagregación menor (como por ejemplo, datos individuales del CNPyV o datos de los efectores de salud), para la construcción del mapa final se procedió a agregar esta información a nivel de radio censal.

En los siguientes apartados detallamos los diferentes procedimientos empleados para la construcción de la información utilizada y las diferentes técnicas de procesamiento y análisis empleadas.

4 Cercanía a Hospitales y Centros de Salud

4.1 Construcción y limpieza del dataset de Efectores de

Salud

Para la construcción del indicador Cercanía a Efectores de Salud el primer paso fue la construcción de un dataset con registros de ubicación de la mayor cantidad posible de efectores de salud en todo el país, localizados con coordenadas de latitud y longitud.

Este dataset fue construido a partir de la integración de diferentes fuentes de datos oficiales:

• •

Base nacional de Hospitales y Centros de Atención Primaria: la misma fue compilada por el Sistema de Información Sanitaria Argentina (SISA - ), obtenido a través del SEDRONAR en el sitio de IDERA (http://catalogo.idera.gob.ar). Este dataset fue utilizado como punto de inicio y base maestra. El mismo fue enriquecido y corregido en base a la información obtenida de fuentes adicionales.

Otras fuentes utilizadas:

• •

Efectores de salud del programa SUMAR: El sitio fue scrapeado111El término ”scraping” o ”web scraping” refiere al conjunto de técnicas y tecnologías utilzadas para extraer información de sitios web que no se encuentra debidamente formateada para su extracción para la obtención de los listados de efectores con la dirección de cada centro de salud.

• •

Listados de hospitales y centros de atención de salud del Programa Nacional de Salud Sexual y Procreación Responsable (Ministerio de Salud): Se dispone de datos por provincia. Se descargaron los datos del sitio y se georreferenciaron.222El archivo de la provincia de San Juan estaba vacío, por lo cual fue eliminado.

Fuentes provinciales

Se expone a continuación el listado de fuentes a nivel provincia333Para el resto de las provincias no se encontraron fuentes alternativas. exploradas. En general, se trata de Ministerios de Salud provinciales.

En todos los casos, se aplicó el siguiente procedimiento:

Se descargaron archivos consolidados (si los hubiera) o se recolectó el contenido del sitio correspondiente 2. 2.

Se georreferenciaron las direcciones de los efectores de salud utilizando la API de GoogleMaps. 3. 3.

Los registros sin coordenadas fueron descartados. 4. 4.

Se “superpusieron” los datos resultantes en el mapa junto con el dataset inicial. 5. 5.

Se retuvieron los puntos que no se superponen -más allá de un buffer de 100 metros-.

A título de ejemplo, se presentan los diferentes puntos provenientes de cada una de las fuentes para la Ciudad Autónoma de Buenos Aires (CABA).

Puede notarse que el dataset de CABA fue notablemente enriquecido: si bien existen bastantes puntos de superposición (rojos y azules), existe una considerable cantidad de puntos que fueron agregados a la base maestra (amarillos).

Al completarse el procedimiento con cada una de las fuentes de datos adicionales adquiridas, el número de efectores de salud pública georeferenciados aumentó de los 4.419 a 16.564.

4.2 Clasificación de los efectores de salud según nivel de complejidad

Con ello se completó la compilación del dataset de efectores de salud en todo el país. Posteriormente, y como última etapa del proceso de limpieza del dataset, los efectores de salud fueron clasificados según su nivel de complejidad. Se buscó el modo de reflejar que la cercanía a un hospital de alta complejidad implica un acceso a prestaciones de salud potencialmente mayor que la cercanía a una posta sanitaria o una “salita”. El tipo de problemas, las emergencias atendidas y la atención que pueden brindar estos establecimientos difieren notablemente. Si bien existían en los diferentes datasets utilizados clasificaciones en función de la noción de complejidad, los criterios variaban entre fuentes: las clasificaciones no eran homogéneas en los diferentes listados de efectores de salud consultados y consolidados en la base final.

Se realizó un trabajo de revisión con expertos de la Fundación Mundo Sano, que permitió lograr una clasificación que unificara las diferentes denominaciones con los que se describe a los establecimientos de salud, produciendo una clasificación simple según nivel de resolución. El resultado final fue una categorización de los efectores de salud en tres categorías, en orden decreciente de resolución de complejidad en la atención::

Hospital 2. 2.

Centro de Salud 3. 3.

Posta Sanitaria

Tras descartar los efectores de salud pública que no pertenecen a ninguna de las categorías definidas (por ejemplo, geriátricos u oficinas administrativas), se conservaron 15.903 registros de los 16.654 del total recopilado.

4.3 Cálculo del tiempo al centro de salud más cercano

El paso siguiente en el proceso fue el cálculo del tiempo necesario para llegar al efector de salud más cercano. A partir de este punto, se comenzó a agregar la información a nivel radio censal.

Era necesario hallar el efector público más cercano a cada radio censal. Este punto representa un problema dado que los radios son polígonos y los efectores, puntos. Una primera opción es utilizar el centroide del radio y calcular la distancia y el tiempo desde esas coordenadas555La noción de accesibilidad ha sido recientemente utilizada como un indicador proxy de la distribución desigual de bienes y recursos en las sociedad. Un paper reciente[19] ha mostrado que existe una correlación positiva y relevante entre los tiempos agregados de acceso a aglomerados urbanos de las diferentes regiones del mundo y muchos de los indicadores socioeconómicos habitualmente utilizados -niveles de ingreso medios, nivel educativo de la población, tasas de mortalidad infantil, etc.-.

Sin embargo, dado que la forma, los límites y la superficie de los radios censales son muy disímiles a lo largo del país (especialmente, en zonas rurales o poco pobladas) se decidió calcular las distancias y tiempos de la siguiente forma:

Dentro de cada radio se seleccionan 5 puntos (pares de coordenadas) al azar 2. 2.

Se identificó para cada punto el efector de salud más cercano 3. 3.

Se calcula para cada punto la distancia/tiempo al efector de salud más cercano 4. 4.

Se promedian las 5 distancias/tiempos y se obtiene el valor final

Este procedimiento se realizó para cada una de las categorías de efectores de salud -Hospital, Centro de Salud y Posta Sanitaria. Ahora bien, para el paso 2. se utilizó un algoritmo kNN -$k$ vecinos cercanos-. Las distancias en metros representadas por diferencias iguales en latitud y longitud difieren incrementalmente a medida que uno se acerca a los polos y se aleja de la línea de Greenwich. No obstante, para distancias cortas y suficientemente alejadas de los extremos de la grilla de coordenadas Mercator (tal es el caso en cuestión) el error es bajo. Por esta razón y para aprovechar la eficiencia de kNN, se aceptó dicho error.

Para la determinación final del tiempo se utilizó Open Source Routing Machine (OSRM), un sistema de ruteo de alta performance que indica las ruta más corta a través de vías públicas entre cualquier par de coordenadas origen-destino ([10]). Para determinar las rutas OSRM utiliza grillas de calles descargadas de OpenStreetMap ([15]), un repositorio público de información geográfica cuya calidad de datos lo ha establecido como fuente frecuente para estudios de movilidad ([8], [14])

4.4 Tiempos a pie

El indicador calculado para la medición del acceso a cobertura de salud fue la distancia a pie hasta el efector de salud más cercano. Este indicador resulta relevante dado que existe evidencia de que, al menos para cierto tipo de tratamientos médicos, la distancia a pie a un establecimiento de salud es un buen predictor de las probabilidades de culminación de dicho tratamiento:

Results from this study of Baltimore City clients attending outpatient drug addiction treatment programs suggest that having to travel more than 1 mile from the treatment center reduces clients’ chances of completing treatment by almost 50%, after controlling for the effects of demographic variables and type of drug problem. Moreover, living more than 4 miles away from treatment decreases the expected length of treatment by almost 13 days in comparison to clients traveling less than 1 mile. [3] 666 Resultados de este estudio de pacientes de la ciudad de Baltimore que asisten de forma ambulatoria a los programas de tratamiento para la adicción a las drogas sugieren que tener que viajar más de 1 milla desde el centro de tratamiento reduce las posibilidades de los clientes de completar tratamiento en casi el 50 %, controlando los efectos de variables demográficas y tipo de problema de drogas. Además, el hecho de vivir a más de 4 millas de distancia del tratamiento disminuye la longitud esperada de tratamiento por casi 13 días en comparación con los pacientes que viajan menos de 1 milla

En efecto, en el estudio sugiere que una distancia mayor a una milla (aproximadamente 1,6 km.) redunda en un considerable incremento de la probabilidad de no culminación de un tratamiento de rehabilitación. A su vez, distancias mayores a 6.4 km redundan en una baja de la duración media del tratamiento en casi dos semanas.

Se calcularon las distancias a Hospitales, Centros de Salud y Postas Sanitarias

Para un número muy reducido de radios no fue posible determinar un trayecto a pie hasta un efector de salud cercano (10 en total sobre 52.406 radios analizados). Para cada uno de ellos, se realizó inspección visual de imágenes aéreas. En todos los casos se verificó que se trata de radios no urbanizados que abarcan zonas de esteros y bañados, o dedicadas a la agricultura, donde no hay vías peatonales. En esos casos la distancia a pie fue imputada, usando los valores máximos encontrados en el resto de los radios en la misma región administrativa (departamento).

A continuación se presentan mapas a nivel radio censal de los tiempos de llegada a Hospitales, Centros de Salud y Postas Sanitarias para el total del país.

Como puede verse, los mapas de tiempo de los dos primeros tipos de efectores de salud -Hospitales y Centros de Salud-son notablemente similares. El de Postas Sanitarias resulta más contrastante. En efecto, puede notarse una estructura mucho más segmentada: existe una gran cantidad de regiones con tiempos de viaje notablemente elevado hasta postas sanitarias. De hecho, en una primera inspección visual, pareciera que muchas de estas zonas con altos tiempos de viaje hasta Postas a su vez se caracterizan por valores inversos en tiempos a Hospitales y Centros de Salud.

Esta característica puede deberse a dos factores (no excluyentes entre sí):

• •

diferentes políticas provinciales en la asignación y asignación de postas sanitarias

• •

errores de cobertura en los datos analizados, es decir, que halla zonas en las que la omisión de postas sanitarias sea muy elevada.

Quede como una tarea para próximas etapas en esta investigación la determinación del grado de confiabilidad de los datos recopilados en relación a postas sanitarias.

La distancia final para cada radio $\Delta_{r}$ es la distancia mediana entre todos los puntos muestreados en cada radio, según ilustra el siguiente mapa:

[TABLE]

Es decir incluye todos los efectores-distancias en un radio censal $r$.

Aún con las reservas mencionadas respecto a la fiabilidad de los datos, se incluyó la capa de Postas Sanitarias para el cálculo del indicador, dado que la toma de la distancia mediana minimiza el efecto de potenciales outliers.

5 Nivel Socioeconómico

5.1 Datos de entrada

La segunda dimensión de la Vulnerabilidad Sanitaria está constituida por una medida resumen de diversas características socioeconómicas de la población. En efecto, como se observaba en la 1 puede verse que las condiciones sociales y económicas de una población, resultan un factor relevante al momento de considerar los riesgos sanitarios relativos.

Para el cálculo del Índice de Nivel Socioeconómico (NSE) se utilizaron datos provenientes del CNPyV del año 2010. Se trabajó con datos a nivel individuo. Dado que el NSE suele ser una variable medida a nivel del hogar, se optó por calcular un índice para cada jefe de hogar en el dataset del Censo.

Para la estimación de los valores del índice se utilizaron las siguientes variables (ver Anexo I), las cuales fueron ordinalizadas:

Para construir el NSE, se utilizó una codificación de termómetro -thermometer encoding para las variables ordinales. Sea $N$ la cantidad de casos y $v_{1},\ldots,v_{I}$ las variables. Para cada variable $v_{i}$, existen $K_{i}$ categorías. Se crearon las siguientes variables codificadas $x^{(i)}_{k_{i}}$ para cada variable $v_{i}$ y para cada categoría $k_{i}$ donde $2\leq k_{i}\leq K_{i}$. En cada caso $j$ con $1\leq j\leq N$ vale:

[TABLE]

Supongamos que tenemos una variable como el INMAT777Puede verse una descripción detallada de esta variable en el Anexo 1., con cuatro categorías:

En este ejemplo, INMAT_1 sería el baseline o categoría de referencia, y tomaría un valor constante, por eso es redundante.

5.2 Construcción del Nivel Socioeconómico

Para la construcción del índice final se utilizó una técnica de reducción de dimensionalidad llamada autoencoder [6]. Los autoencoders son una arquitectura basada en redes neuronales. En líneas generales, un autoencoder tiene como objetivo encontrar una representación de los datos de input (encoding) generalmente con el objetivo de realizar una reducción de la dimensionalidad. En general, los autoencoders funcionan simplemente aprendiendo a replicar los inputs en los outputs. Si bien esto parece un problema trivial introduciendo diversas restricciones a la red puede hacerse esta tarea muy compleja. Por ejemplo, puede limitarse el tamaño de la representación interna o bien agregarse ruido a los inputs. Los autoencoders intentan aprender la función identidad bajo ciertas restricciones [5].

Un autoencoder está compuesto de dos partes:

• •

un encoder (o recognition network) que convierte los inputs a una representación interna, seguida

• •

un decoder (o generative network) que reconvierte la representación interna a los outputs.

Suele tener una arquitectura análoga a un Multi-Layer Perceptron, con la única excepción de que el número de neuronas en la capa de output debe ser igual a la de input.

El modelo entrenado posee como capa final una función logística y realiza dropout (de 0.5) en sus capas intermedias para regularizar y lograr coeficientes con buena capacidad de generalización.

El modelo que se estimó es el siguiente:

[TABLE]

donde $W_{i}$ es la matriz de coeficientes de la capa $i$, $b_{i}$ es la media de la capa $h$.

De esta forma, la log-probabilidad para cada caso se puede escribir como:

[TABLE]

donde $w^{(i)}_{k_{i}}$ se define para cada variable $v_{i}$ con sus $K_{i}$ categorías como:

[TABLE]

La función de perdida (loss function)se definió mediante una verosimilitud pesada:

[TABLE]

El modelo fue entrenado con ADAM [5] definiendo como batchs de datos remuestreados con repetición sobre la distribución empírica de los casos para favorecer la convergencia.

Como se trabajó con la población completa (ya que el conjunto de datos es el mismo censo), el objetivo del modelo era la generación de una medida descriptiva. Es por ello que se tomó como criterio de evaluación del modelo la capacidad de explicar a la misma población utilizando como métrica el promedio ponderado de la probabilidad de cada variable-categoría:

[TABLE]

El modelo final conserva un 85% del total de la información de input.

De esta forma, a partir de $h_{3}$ cada jefe de hogar, y por ende, cada hogar, queda clasificado con un valor resultado del autoencoder el cual llamaremos $s_{i}$, NSE.

A partir del NSE se generó una medida agregada para cada radio tomando como base el nivel socioeconómico que posee cada jefe de hogar. Siendo así, se define para cada jefe de hogar $i$ con un índice de nivel socioecnómico $s_{i}$ que habita en el radio censal $r$ con una población de $n_{r}$ jefes de hogar la variable $eta$ como

[TABLE]

donde $Q_{p}$ es el correspondiente $p$ cuantil y $\eta_{r}$ el resultado de aplicar la medida resumen conocida como "Tukey Trimean" la cual logra un compromiso entre robustez y eficiencia comparada a la mediana.

Como puede verse en los density plots previos, el índice construido parece captar en buena medida las disparidades provinciales:

• •

la CABA presenta una distribución claramente sesgada hacia la derecha (valores más altos del INSE)

• •

provincias como Chaco, Formosa, Jujuy, Salta presentan distribuciones sesgadas hacia la izquierda.

6 Cálculo del Indice de Vulnerabilidad Sanitaria

6.1 Dimensiones consideradas

La construcción del indice de Vulnerabilidad Sanitaria contempló las siguientes dimensiones:

• •

Nivel Socioeconómico

• •

Acceso a Centros de Salud

La primera de ellas, como hemos mencionado, puede ser considerada un determinante de carácter general de la situación sanitaria de la población y se refiere al acceso a bienes sociales como la educación y a las condiciones de habitabilidad. Si bien estos bienes se encuentran asociados a trayectorias individuales y sociales, también mantienen una relación con el lugar de residencia. En otras palabras el concepto de nivel socioeconómico está ligado al problema de la distribución y por tanto es una variable intensiva.

Para construir el índice de Vulnerabilidad Sanitaria final es necesario combinar ambas variables a nivel radio censal. La estrategia adoptada para generar un índice compuesto es la de componentes principales, es decir que se busca la combinación lineal de las variables que pueda explicar la máxima varianza.

Ahora bien, cuando la distribución de las variables presentan distribuciones atípicas, es decir multimodales, asimétricas y/o con colas pesadas, la interpretación de los componentes principales resulta dificultosa ya que el método es sensible a la escala de las variables  [13]. Una posible solución es transformar las variables utilizando los rangos de los datos  [2]  [1]

Por ello, siguiendo a  [17], se buscó estandarizar cada una de las $X_{j}$ variables mediante la transformación rankit:

[TABLE]

Para cada observación $i$ de cada variable $X_{j}$ se calcula el rango $r_{j}(X_{i,j})$ -que varía entre 1 y n-, se le resta 0.5 y se divide por el total de registros $n$.

De esta manera, se remueven tanto las diferencias de unidades que pudieran existir entre variables, como también se logra invarianza frente a cambios de escala, desplazamientos y transformaciones monótonas.

Puede notarse en los plots anteriores el efecto que la transformación $rankit$ tiene en las dos variables utilizadas: Nivel Socioeconómico -$\eta_{r}$- y Acceso a Centros de Salud -$\Delta_{r}$-.

Es fácil notar que la transformación rankit no es otra cosa que un estimador no paramétrico de la función distribución acumulada. Luego, y siguiendo a Egger et all. [4] y a Han y Liu  [9], se procedió a realizar un análisis de componentes principales semiparamétrico:

Para realizar la combinación de ambas variables se calculó la correlación de Spearman sobre los rankits  [9] y se descompuso la matriz de correlación no paramétrica. Se encontró que el principal autovector absorbía el 72% de la variabilidad de los rankits y que estaba orientado a la dirección inversa de crecimiento mutuo. Este primer autovector fue considerado, entonces, la combinación óptima entre ambas variables. De esta manera, y mediante la aplicación sucesiva de transformaciones no paramétricas, se generó un índice tolerante a contaminación y sobre todo independiente a las características de medición de cada variable de entrada.

El objetivo es obtener un índice entre 0 y 1 cuya distribución sea homogenea para todas las unidades de análisis. Se aplicó nuevamente una transformación del tipo de función de distribución acumulada estimada mediante logsplines usando AIC como criterio de regularización sobre la principal dirección, quedando conformado de esta forma el índice $VS_{r}$ para cada uno de los radios:

A diferencia de rankit, al modelar la distribución con logspline se respetan las distancias relativas.

En el primer gráfico de la figura nueve se observa el resultado del S-PCA en el espacio de las $Z$, y los colores representan el valor del índice resultante. En el segundo gráfico se observa el resultado en el espacio de las $X$. Finalmente en los dos gráficos inferiores se observa el índice en función de INSE y distancias respectivamente.

Ahora bien, esta visualización general debe ser tomada con cuidado debido a la escala (total del país) con la que se está trabajando. En efecto, el mapa anterior parece presentar una situación bastante esperable, dado que es posible detectar dos grandes zonas:

• •

Región “central": en esencia Buenos Aires, CABA y los grandes aglomerados urbanos de cada provincia, caracterizada por mayores valores de vulnerabilidad sanitaria,

• •

el resto del país, principalmente las zonas menos densamente pobladas, con valores críticos.

Ahora bien, al agregar la información a un nivel superior (fracción censal888Una fracción censal es la subidivisión inmediatamente anterior al radio censal. Es decir, una fracción está compuesta por un conjunto de radios censales cercanos[12]), el panorama es ligeramente distinto:

Este mapa arroja una visión más matizada: las regiones detectadas previamente no son tan marcadas. Se observan en la zona central regiones con valores críticos. A su vez, en la zona no central, aparecen ahora sectores mejor rankeados en relación a este indicador.

A su vez, al focalizar la mirada en ciertas áreas (pero mantentiendo el nivel de desagregación por radio), también se logran destacar patrones invisibles en el mapa agregado. Si se observa la distribución final del Índice de Vulnerabilidad Sanitaria construido para el total del país y para las provincias de Chaco y la CABA se obtiene el siguiente resultado:

Así, en la CABA es posible detectar nichos de alta vulnerabilidad santiaria y en Chaco existen zonas que presentan valores satisfactorios de este indicador.

7 Discusión y Conclusión

La generación de este mapa abre líneas de trabajo que pueden resultar de interés. El primero y más evidente se vincula a la mejora y actualización del Mapa. Una segunda iteración en la limpieza y consolidación de los datos georreferenciados de efectores de salud emerge como una tarea a ser encarada. Al mismo tiempo, la incorporación de nuevas fuentes de datos y dimensiones vinculadas al riesgo y vulerabilidad ambiental resultan de potencial interés para el trabajo futuro.

Un primer resultado tiene que ver con la generación de una metodología de trabajo que resulta replicable y aplicable a otros ámbitos. De esta forma, la construcción de los mapas de distancias a establecimientos de salud podría ser replicada para otros serivicios que son, en principio, potestad del Estado en sus diversos niveles: por ejemplo, educación, seguridad, asistencia social, vivienda, etc. Esto abre a posibilidad de la generación de información con alto nivel de desagregación que sería útil para la toma de decisiones costo-efectivas en la alocación de recursos para la política pública.

A su vez, la Vulnerabilidad Sanitaria puede ser considerada como una dimensión transversal y que afecta la evolución, transmisión y prevalencia de diferentes patologías. De esta forma una segunda línea de trabajo se vincula con la posibilidad de considerar este mapa de Vulnerabilidad Sanitaria (y sus posteriores actualizaciones) como un insumo para el estudio de otras enfermedades infecciosas.

8 Anexo 1. Descripción de las variables utilizadas en el Índice

de Nivel Socioeconómico (INSE)

Se describe en este anexo las variables utilizadas para la construcción del índice. Para una referencia más exhaustiva, ver [11].

8.1 Relación de parentesco

(P01):

Indica la relación de cada miembro del hogar con quien ellos hayan designado como jefe o jefa del mismo. Refiere tanto a las relaciones de parentesco (sean consanguíneas o no) como a las relaciones de amistad, de trabajo o de otro tipo. Las categorías son:

Jefe(a): persona reconocida como tal por los demás miembros del hogar. 2. 2.

Cónyuge: es la pareja de unión legal (unión civil/matrimonio) o la pareja de unión “de hecho” del jefe o jefa. 3. 3.

Hijo(a) / hijastro (a): incluye hijos e hijas biológicos y adoptivos legales o de hecho del jefe(a) o criados del jefe o jefa y/o también incluye a los hijos e hijas del o la cónyuge aunque no lo sean del jefe o jefa. 4. 4.

Yerno / nuera: cónyuge o pareja del hijo(a) o hijastro(a) del jefe o jefa del hogar. 5. 5.

Nieto(a): nietos del jefe o jefa del hogar. Se incluye también a los hijos de hijastros(as). 6. 6.

Padre / madre / suegro(a): estas relaciones son aplicables también a vínculos funcionalmente equivalentes, tales como los de padrastros y madrastras con yernos, nietos, etcétera, referidos tanto a los matrimonios como a las uniones de hecho. 7. 7.

Otros familiares: personas con algún otro tipo de parentesco con el jefe o la jefa del hogar (por ejemplo: tíos, etcétera). 8. 8.

Otros no familiares: personas que forman parte del hogar y que no tienen parentesco con el jefe(a) del hogar (amigos, etcétera) y que no están comprendidos en ninguna de las categorías precedentes. 9. 9.

Servicio doméstico y sus familiares: persona contratada (legalmente o de hecho) para desarrollar tareas relacionadas con el cuidado y mantenimiento de la vivienda y/o de los integrantes del hogar. La retribución por su trabajo puede ser en dinero o en especie. Incluye a sus familiares.

8.2 Sabe leer y escribir (condición de alfabetismo -

P07):

Refiere a la capacidad de leer, escribir y comprender una frase sencilla sobre la vida cotidiana en cualquier idioma. Se requiere el conocimiento de ambas capacidades.

Si 2. 2.

No

8.3 Asiste o asistió a un establecimiento educativo

(P08):

Concurrencia actual o pasada (si asiste/asistió) a un establecimiento reconocido del sistema de la enseñanza formal. Comprende a los establecimientos del sector estatal o privado. Según el Ministerio de Educación es importante destacar que para el cálculo de indicadores educativos y asistencia escolar, las edades deberían ser recalculadas al 30 de junio. Por ese motivo, actualmente se está trabajando para incorporar una variable “edad calculada al 30 de junio”, con la que se podrán obtener las tasas e indicadores correspondientes.

Asiste 2. 2.

Asistió 3. 3.

Nunca asistió

8.4 Nivel educativo que cursa o cursó

(P09):

Nivel que el censado cursó o está cursando en Argentina o en el exterior en la fecha del Censo. Las categorías para la variable Nivel educativo son:

Nivel inicial (jardín/preescolar): nivel de la estructura implementada a través de la Ley Federal de Educación y la Ley de Educación Nacional que comprende a los/as niños/as desde los cuarenta y cinco (45) días hasta los cinco (5) años de edad inclusive, siendo obligatorio este último año. 2. 2.

Primario: comprende los niveles de escolaridad primaria, de carácter obligatorio, cuya duración puede ser de seis o siete años (1° a 7° grado o 1° a 6° grado). 3. 3.

EGB: nivel de la estructura implementada a través de la Ley Federal de Educación, actualmente vigente en la provincia de Buenos Aires y otras provincias del país. La duración es de nueve años y se encuentra compuesta por tres ciclos de tres años cada uno, EGB 1 (1° a 3° grado); EGB 2 (4° a 6° grado) y EGB 3 (7° a 9° grado). 4. 4.

Secundario: nivel de escolaridad media o secundaria aún vigente. La duración puede ser de cinco o seis años (1° a 5° año o 1° a 6° año). Las escuelas técnicas/industriales y las dependientes de la Universidad, también tienen una duración de seis años; este sistema aún está vigente en la Ciudad Autónoma de Buenos Aires y en algunas provincias de nuestro país. 5. 5.

Polimodal: nivel de la estructura implementada a través de la Ley Federal de Educación, actualmente vigente en la provincia de Buenos Aires y otras provincias del país. La duración es de tres años. 6. 6.

Superior no universitario: nivel de estudios que se realiza en instituciones de educación terciaria no universitaria, estatales o privados, con planes de estudios aprobados por el Ministerio de Educación (de la Nación o de las provincias). Incluye los profesorados de nivel inicial, de adultos, de enseñanza especial (sordomudos, ciegos, sordos, etcétera) y educación física, historia, letras, etcétera. Comprende también especialidades no docentes, por ejemplo: especialización técnica industrial, periodismo, turismo, computación, bellas artes y la formación de oficiales de las fuerzas armadas. 7. 7.

Universitario: nivel de estudios que se realiza en universidades nacionales, provinciales o privadas. Comprende exclusivamente las carreras que otorgan títulos profesionales (abogado, agrimensor, fonoaudiólogo, ingeniero, profesor, etcétera) y las licenciaturas (en ciencias de la educación, letras, matemática, sistemas, etcétera). 8. 8.

Post-universitario (especialización, maestría o doctorado): nivel de estudios que comprende a las carreras de especialización, maestrías y doctorados acreditadas por la Comisión Nacional de Evaluación y Acreditación Universitaria (CONEAU) o por entidades privadas debidamente reconocidas por el Ministerio de Educación. Para acceder a este tipo de estudio se requiere contar con título universitario de grado. Este tipo de educación se desarrolla en instituciones universitarias y en centros de investigación e instituciones de formación profesional superior que suscribieron convenios con universidades a esos efectos. La realización de carreras de Postgrado conduce al otorgamiento del título académico de Especialista, Magíster o Doctor. 9. 9.

Educación especial (para personas con discapacidad): modalidad del Sistema Educativo Nacional destinada a asegurar el derecho a la educación de las personas con discapacidades, temporales o permanentes, en todos los niveles y modalidades del Sistema Educativo. La educación especial brinda atención educativa en todas aquellas problemáticas específicas que no puedan ser abordadas por la educación común. Son escuelas donde pueden concurrir niños con discapacidad mental (leve, moderada o severa), con discapacidad sensorial, con discapacidad motora sin compromiso intelectual. Es el conjunto de servicios, técnicas, estrategias, conocimientos y recursos pedagógicos

• dentro del Sistema Educativo Nacional- orientados a la atención de las personas con necesidades educativas especiales a causa de una discapacidad.

8.5 Completó ese nivel (P10):

Refiere a la aprobación del último año de estudio y a la obtención del diploma o certificado correspondiente a un determinado nivel.

Sí 2. 2.

No 3. 3.

Ignorado

8.6 Nivel educativo:

A partir de estas tres variables (P08, P08, P10) se construye la variable final que tiene las siguientes categorías:

Primario incompleto 2. 2.

Primario completo 3. 3.

Secundario incompleto 4. 4.

Secundario completo 5. 5.

Universitario incompleto 6. 6.

Universitario completo o superior

8.7 Condición de actividad

(CONDACT)

Comprende a la población de 14 o más años que, en el período de referencia adoptado por el Censo, estuvo:

Ocupada: población que durante por lo menos una hora en la semana anterior a la fecha de referencia del censo desarrolló cualquier actividad (paga o no) que genera bienes o servicios para el “mercado”. Incluye a quienes realizaron tareas regulares de ayuda en la actividad de un familiar, reciban o no una remuneración por ello y a quienes se hallaron en uso de licencia por cualquier motivo. Se excluye de la actividad económica los trabajos voluntarios o comunitarios que no son retribuidos de ninguna manera. 2. 2.

Desocupada: es la población que no hallándose en ninguna de las situaciones descriptas, desarrolló, durante las cuatro semanas anteriores al día del censo, acciones tendientes a establecer una relación laboral o iniciar una actividad empresaria (tales como responder o publicar avisos en los diarios u otros medios solicitando empleo, registrarse en bolsas de trabajo, buscar recursos financieros o materiales para establecer una empresa, solicitar permisos y licencias para iniciar una actividad laboral, etcétera). 3. 3.

Económicamente inactiva: comprende a la población de 14 y más años no incluida en la población económicamente activa. Incluye a jubilados, estudiantes y otras situaciones.

8.8 Hacinamiento (INDHAC):

Representa el cociente entre la cantidad total de personas del hogar y la cantidad total de habitaciones o piezas de que dispone el mismo (sin contar baño/s y cocina/s). Las categorías son:

Hasta 0,50 personas por cuarto 2. 2.

De 0,51 a 1,00 personas por cuarto 3. 3.

De 1,01 a 1,50 personas por cuarto 4. 4.

De 1,51 a 2,00 personas por cuarto 5. 5.

De 2,01 a 3,00 personas por cuarto 6. 6.

Más de 3,00 personas por cuarto

8.9 Tenencia de la vivienda y propiedad del terreno

(PROP):

Refiere al conjunto de normas jurídico-legales o de hecho en virtud de los cuales el hogar ocupa toda o parte de una vivienda. Las categorías son:

Propietario de la vivienda y del terreno: la vivienda y el terreno en el que está ubicada la misma, pertenecen a alguno/s de los integrantes del hogar. El hogar tiene capacidad (garantizada legalmente) para disponer de la vivienda y del terreno, aún cuando alguno de ellos esté pendiente de pago o tenga posesión de los mismos sin haber escriturado. El propietario de una vivienda tipo “departamento”, también lo es del terreno. 2. 2.

Propietario sólo de la vivienda: la vivienda (pero no el terreno en el que está ubicada) pertenece a alguno/s de los integrantes del hogar. El hogar tiene capacidad (garantizada legalmente) para disponer de la vivienda aún cuando ésta esté pendiente de pago o tenga posesión de la misma sin haber escriturado. 3. 3.

Inquilino: el hogar paga, por la utilización de toda o parte de una vivienda, una cantidad en dinero o en especie (anual, mensual, quincenal, etcétera), independientemente de que medie un contrato legal. 4. 4.

Ocupante por préstamo: el hogar utiliza la vivienda que le es facilitada gratuitamente por el propietario. La vivienda no es propiedad de ninguno de los ocupantes, no está en régimen de alquiler y no existe contraprestación alguna por el uso de la misma. 5. 5.

Ocupante por trabajo: el hogar utiliza la vivienda que es facilitada gratuita o semi-gratuitamente por el patrón, organismo u empresa donde trabaja alguno de los miembros del hogar en virtud de su relación laboral. Un ejemplo son los porteros, serenos, caseros, trabajadores rurales, etcétera. 6. 6.

Otra situación: el hogar utiliza la vivienda con una modalidad que no se ajusta a ninguna de las anteriores

8.10 Al menos un indicador NBI

(ALGUNBI)

No 2. 1.

Sí

8.11 Calidad de los materiales

(INMAT):

Refiere a la calidad de los materiales con que están construidas las viviendas (material predominante de los pisos y techos), teniendo en cuenta la solidez, resistencia y capacidad de aislamiento, así como también su terminación. Se clasifica la calidad de los materiales en:

Calidad I: la vivienda presenta materiales resistentes y sólidos tanto en el piso como en techo; presenta cielorraso. 2. 2.

Calidad II: la vivienda presenta materiales resistentes y sólidos tanto en el piso como en el techo. Y techos sin cielorraso o bien materiales de menor calidad en pisos 3. 3.

Calidad III: la vivienda presenta materiales poco resistentes y sólidos en techo y en pisos. 4. 4.

Calidad IV: la vivienda presenta materiales de baja calidad en pisos y techos

8.12 Calidad de conexión a servicios básicos

(INCALSERV):

Refiere al tipo de instalaciones con que cuentan las viviendas para su saneamiento. Para este indicador, se utilizan las variables procedencia del agua y tipo de desagüe. Las categorías clasificatorias son

Calidad satisfactoria: refiere a las viviendas que disponen de agua a red pública y desagüe cloacal. 2. 2.

Calidad básica: describe la situación de aquellas viviendas que disponen de agua de red pública y el desagüe a pozo con cámara séptica. 3. 3.

Calidad insuficiente: engloba a las viviendas que no cumplen ninguna de las 2 condiciones anteriores.

8.13 Calidad constructiva de la vivienda

(INCALCONS):

Este indicador se construye a partir de la calidad de los materiales con los que está construida la vivienda y las instalaciones internas a servicios básicos (agua de red y desagüe) de las que dispone.

Calidad satisfactoria: refiere a las viviendas que disponen de materiales resistentes, sólidos y con la aislación adecuada. A su vez también disponen de cañerías dentro de la vivienda y de inodoro con descarga de agua. 2. 2.

Calidad básica: no cuentan con elementos adecuados de aislación o tienen techo de chapa o fibrocemento. Al igual que el anterior, cuentan con cañerías dentro de la vivienda y de inodoro con descarga de agua. 3. 3.

Calidad insuficiente: engloba a las viviendas que no cumplen ninguna de las 2 condiciones anteriores.