mortalidad materna brasi estimación mortalidad i _gakidou_120310_ihme
Post on 11-Jun-2015
851 Views
Preview:
TRANSCRIPT
Estimación de la Mortalidad Materna
2-3 Diciembre 2010
São Paulo, Brasil
Guión
• Variable dependiente
o De la PMM a las tasas de mortalidad materna
• La forma del modelo y las covariables
2
3
Estadísticas vitalesEncuestasCensosInformes
Estadísticas vitalesEncuestasCensosInformes
MORTALIDAD FEMENINA TODAS-CAUSAS (15-49)
MORTALIDAD MATERNA
EN
TR
AD
A D
E D
AT
OS
Fracción de defunciones en mujeres en edad reproductiva por causas maternas (PMDF)
Número total de muertes por todas las causas en las mujeres en edad reproductiva (15-49 años)
Número total de muertes maternas en mujeres en edad reproductiva
Variable dependiente: tasas de mortalidad materna específicas por
edad
MUERTES MATERNAS
Etapa 1: Modelo Lineal
Etapa 2: modelo espacio-temporal
RMM
Cálculos de población
MODELO
Las covariables: tasa de fecundidad total, el PIB per cápita, la educación femenina, la mortalidad neonatal, la
prevalencia del VIH
1. Integridad del ajuste2. Sintesis GPR 3. Sistema de tabla de
mortalidad
Corrección de errores de clasificación, sesgo de supervivencia
Desafíos para modelar las causas de muerte
• Falta de datos para diferentes años
• El error fuera del muestreo puede ser amplio en algunos lugares
• Existe una marcada variación en las tendencias temporales en algunos países
• Las covariables disponibles explican sólo un componente moderado de la varianza
¿Qué tenemos?
5
¿Qué queremos?
6
¿Cómo podemos llegar a eso?
• Los modelos estadísticos se pueden utilizar como apoyo en la exploración de asociaciones
o Identificar factores (obtenidos de la literatura) que probablemente estén relacionados con la mortalidad materna
o Estimar la relación empírica entre los factores y los resultados de interés mediante un modelo de regresión
o Utilizar esas relaciones empíricas para informar posteriormente a nuestras estimaciones de la mortalidad materna
7
Guión
• Variable dependiente
o De la PMM a las tasas de mortalidad materna
• La forma del modelo y las covariables
8
Selección de la variable dependiente
• Opciones de variables dependientes:
o Tasa de mortalidad materna (TMM)
o Proporción de todas las muertes por causas maternas (PMM)
o Razón de mortalidad materna (RMM)
• La variable dependiente puede ser una medida de resumen o una medida específica por edad
• Nosotros modelamos las tasas de mortalidad específicas por edad materna en forma de logaritmo
9
Selección de la variable dependiente
• ¿Por qué se modeló la TMM en lugar de la PMM?
• La PMM es particularmente sensible a otras causas de muerte
o Por ejemplo, en el caso de un terremoto, epidemia (como el VIH), o el aumento de accidentes de vehículo de motor, la PMM se ve influida
o Esto no sólo requiere modelar la mortalidad materna de modelado, sino también modelar todo lo que explica la variación en la PMM
• En los valores extremos de la PMDF (cercano a cero o a uno), los modelos pueden comportarse de forma impredecible
10
¿Por qué se modelaron las tasas específicas por edad?
• La tasa de mortalidad materna varía según la edad. Al elegir el modelo de tasas específicas por edad se posibilita modelar diferentes países con diferentes niveles y tendencias de la tasa de mortalidad materna.
• Por ejemplo los cambios en la fecundidad. A edades más avanzadas en algunos países influye el patrón de la mortalidad materna.
• Modelando todas las edades juntas se asume que todos los países tengan patrones idénticos por edad, lo cual no es deseable.
11
Procesamiento de datos
12
¿Por qué utilizar la PMDF para llegar a las tasas?
• No se calcula la TMM o la tasa de mortalidad materna directa de los datos crudos, pero sí se calcula la proporción especifica por edad (por ej., 15-19, 20-24 ... 45-49) de muertes por causas maternas (PMM) entre todas las muertes femeninas
• A continuación, se multiplican las PMM por las muertes de mujeres en edad reproductiva según la edad, para obtener el número de muertes maternas
• Esto permite la corrección de subregistro en el nivel de mortalidad materna
o Recordemos que los cálculos de todas las muertes en mujeres en edad reproductiva (por cualquier causa) corrigen el subregistro en las fuentes de datos.
• También se debe reducir el efecto del sesgo de memoria generado en las encuestas
13
De la PMM a TMM a nivel poblacional
14
De la fuente de datos de origen
PMM a TMM a nivel de la población, por edad
Fuente de datos de entrada
Grupo de edad
# de muertes
maternas
# de muertes en
mujerespor todas las causas
PMM # de muertes en
mujerespor todas las
causas (corregidas)
Muertes maternas,
en la población
15-19 80 1,000 8.0% 1,355 108
20-24 132 1,100 12.0% 1,990 239
25-29 132 1,100 12.0% 3,775 453
30-34 143 1,300 11.0% 4,935 543
35-39 126 1,400 9.0% 5,700 513
40-44 90 1,500 6.0% 6,575 395
45-49 61 1,900 3.2% 7,725 247
15
Guión
• Variable dependiente
o PMDF a las tasas de mortalidad materna
• La forma del modelo y las covariables
16
17
Estadísticas vitalesEncuestasCensosInformes
Estadísticas vitalesEncuestasCensosInformes
MORTALIDAD MATERNA
EN
TR
AD
A D
E D
AT
OS
Fracción de defunciones en mujeres en edad reproductiva por causas maternas (PMDF)
Número total de muertes por todas las causas en las mujeres en edad reproductiva (15-49 años)
Número total de muertes maternas en mujeres en edad reproductiva
Variable dependiente: las tasas específicas por edad materna, la
mortalidad
MUERTES MATERNAS
Etapa 1: Modelo Lineal
Etapa 2: modelo espacio-temporal
RMM
Cálculos de población
MODELO
Las covariables: tasa de fecundidad total, el PIB per cápita, la educación femenina, la mortalidad neonatal, la
prevalencia del VIH
1. Integridad del ajuste2. Sintesis GPR 3. Sistema de tabla de
mortalidad
Corrección de errores de clasificación, sesgo de supervivencia
MORTALIDAD FEMENINA TODAS-CAUSAS (15-49)
Modelo de regresión
• Las tasas pueden ser modeladas directamente, usando Mínimos Cuadrados (MCO) o regresiones lineales robustas (como Huber-White, de Tukey, o la regresión de la mediana)
o Los modelos robustos son menos sensibles a la presencia de valores atípicos, los ceros, y otras observaciones extremas
• Las tasas también pueden ser modeladas empleando el modelo de Poisson o modelos binomiales negativos
o Los datos no se ajustan a la hipótesis de Poisson que asume que la media es igual a la varianza, es decir, los datos son más dispersos
o El grado de sobre-dispersión relacionado con la edad, puede permitir modelo generalizado usando una binomial negativa
18
¿qué variables se relacionan con la mortalidad materna? • La fecundidad
• PIB
• Educación (nivel de escolaridad)
• La mortalidad neonatal
• Prevalencia del VIH
• La cobertura de atencion calificada del parto o el parto en instalaciones medicas
• Los demás?
• pero bajo la condición de que se tuviera una serie de tiempo completa para todos los países (29 años x 181 países)
19
La transformación de las covariables
• Se examinó la relación entre cada una de estas covariables y el logaritmo de la tasa de mortalidad materna (variable dependiente)
• Transformaciones de las covariables para el modelo:
o Logaritmo de la tasa global de fecundidad
o Logaritmo del PIB per cápita
o Sero-prevalencia de VIH, y la cuadrática de la sero-prevalencia de VIH
• Se confirmó que la APPC es co-lineal con la mortalidad neonatal y el PIB per cápita, además sólo estaba disponible de 1986-2008, por lo que se decidió no incluirla en al modelo
20
TGF vs. ln(tasa de mortalidad materna)
21
-4-2
02
46
ln(m
ater
nal m
orta
lity
rate
)
0 2 4 6 8TFR
15-19 20-2425-29 30-34
35-39 40-4445-49
Primera etapa del modelo de regresión
22
Robust Regression Coefficient Std. Error
Intercept 4.715 0.100ln(TFR) 1.903 0.022
ln(GDP per capita) -0.511 0.010Neonatal mortality 13.662 0.721
Education -0.086 0.003HIV 0.108 0.005HIV² -0.001 0.000
Age 15-19 -1.176 0.021Age 20-24 -0.374 0.020Age 25-29 -0.077 0.020Age 35-39 -0.165 0.020Age 40-44 -0.633 0.021Age 45-49 -1.390 0.025
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
top related