Pronósticos jerárquicos de mortalidad por diabetes en México por marginación y sexo para establecer asignación de recursos
DOI:
https://doi.org/10.18381/eq.v18i2.7225Palabras clave:
Diabetes, mortalidad, pronósticos jerárquicos, marginación, asignación de recursosResumen
Objetivo: La población mexicana ha experimentado un aumento asombroso en la mortalidad por Diabetes tipo ii, así como una tendencia creciente de su carga económica recientemente. El propósito del trabajo es proponer un enfoque para establecer una distribución de la asignación objetiva de recursos para enfrentar su carga futura. Metodología: Se estiman pronósticos jerárquicos de mortalidad por Diabetes tipo ii al 2030 por subdominios de la población por marginación y sexo. Resultados: Se confirma que las diferencias de los subdominios serán significativas. De hecho, las tasas aumentarán de manera más notable en los niveles bajo y alto. Limitaciones: El método solo proporciona pronósticos puntuales sin intervalos de predicción. Originalidad: No existe una aplicación similar para datos mexicanos que permita hacer objetivamente tales estimaciones. Conclusiones: La distribución presupuestaria más recomendable debe abordarse principalmente entre los niveles bajo y alto. Sus implicaciones deberían respaldar la política de salud impostergable en general y para los subdominios mencionados en particular. Recepción: 25/10/2020 Aceptación: 10/03/2021Descargas
Citas
Agudelo-Botero, M. & Dávila-Cervantes, C. (2015). Carga de la mortalidad por Diabetes mellitus en América Latina 2000-2011: los casos de Argentina, Chile, Colombia y México. Gaceta Sanitaria, 29 (3), 172-177. Retrieved from https://dx.doi.org/10.1016/j.gaceta.2015.01.015
Arredondo, A. (2020). Recent trends for the management of Diabetes for older adults in the context of universal coverage and COVID-19:Evidence from Mexico. International Health, 0, 1-4. https://doi.org/10.1093/inthealth/ihaa098
Arredondo, A., Orozco, E., Alcalde-Rabanal, J., Navarro, J., & Azar, A. (2018). Challenges on the epidemiological and economic burden of Diabetes and hypertension in Mexico. Revista de Saúde Pública, 52 (23). DOI: 10.11606/s1518-8787.2018052000293
Arredondo, A., Orozco, E., Duarte, M., Cuadra, M., Recaman, A., & Azar, A. (2019) Trends and challenges in Diabetes for middle-income countries: Evidence from Mexico. Global Public Health, 14 (2), 227-240. https://doi.org/10.1080/17441692.2018.1498115
Arredondo, A. & Reyes, G. (2013). Health disparities from economic burden of Diabetes in middle-income countries: Evidence from México. PLoS ONE 8 (7), e68443. https://doi.org/10.1371/journal.pone.0068443
Barbu, C. (2013). zoom: A spatial data visualization tool (Version 2.0.4). Retrieved from https://github.com/cbarbu/R-package-zoom
Barquera, S., Campos-Nonato, I., & Hernández-Barrera, L. (2013). Prevalencia de obesidad en adultos mexicanos, 2000-2012. Salud Pública de México, 55 (1), 151-160.
Barquera, S., Tovar-Guzmán, V., Campos-Nonato, I., González-Villalpando, C., & Rivera-Dommarco, J. (2003). Geography of Diabetes mellitus mortality in Mexico: An epidemiologic transition analysis. Archives of medical research, 34 (5), 407-414.
Barraza-Lloréns M., Guajardo-Barrón, V., Picó, J., García, R., Hernández, C., Mora, F., Athié, J., Crable, E., & Urtiz, A. (2015). Carga económica de la Diabetes mellitus en México 2013. México: Funsalud. Retrieved from https://funsalud.org.mx/wp-content/uploads/2019/11/Carga-Economica-Diabetes-en-Mexico-2013.pdf
Bustamante-Montes, P., Lezama-Fernández, M., Fernández-De Hoyos, R., Villa-Romero, A., & Borja-Aburto, V. (1990). El análisis de la mortalidad por causa múltiple: un nuevo enfoque. Salud Pública de México, 32 (3), 309-319.
Consejo Nacional de Población-Conapo. (2016). Índice de marginación por entidad federativa y municipio 2015. México: Autor.
Consejo Nacional de Población-Conapo. (2019). Población a mitad de año, para la República Mexicana, 1950-2050. México: Autor.
Dávila-Cervantes C. & Pardo A. (2014). Diabetes mellitus: Contribution to changes in the life expectancy in Mexico 1990, 2000, & 2010. Revista de Salud Pública (Bogotá, Colombia), 16 (6), 910-923. Retrieved from http://www.ncbi.nlm.nih.gov/pubmed/26120860
Dowle, M. & Srinivasan, A. (2019). data.table: Extension of `data.frame`. R package version 1.12.2. Retrieved from https://CRAN.R-project.org/package=data.table
Flores, M., Sparks, C., & Silva, E. (2016). Spatio-temporal analysis of Diabetes mortality in Mexico, 1995- 2013: A Bayesian analysis. Paper presented at the Population Association of America annual meeting.
Frenk, J., Bobadilla, J., Sepúlveda, J., & López, M. (1989). Health transition in middle- income countries: New challenges for health care.
Frenk, J. & Chacón, F. (1991a). Bases conceptuales de la nueva salud internacional. Salud Pública de México, 33 (4), 307-313.
Frenk, J. & Chacón, F. (1991b). International health in transition. Asia-Pacific journal of public health / Asia-Pacific Academic Consortium for Public Health, 5 (2), 170-175. DOI:10.1177/101053959100500211
Hill, J., Galloway, J., Goley, A., Marrero, D., Minners, R., Montgomery, B., Peterson, G., Ratner, R., Sanchez, E., & Aroda, V. (2013). Scientific statement: Socioecological determinants of prediabetes and type 2 Diabetes. Diabetes Care, 36 (8), 2430-2439. https://doi.org/10.2337/dc13-1161
Hyndman, R., Ahmed, A., Athanasopoulos, G., & Shang, H. (2011). Optimal combination forecasts for hierarchical time series. Computational Statistics and Data Analysis, 55 (9), 2579-2589. Retrieved from http://robjhyndman.com/papers/hierarchical/
Hyndman, R. & Athanasopoulos, G. (2018). Forecasting: Principles and practice (2nd edition, OTexts.com/fpp2). Melbourne: OTexts.
Hyndman, R., Athanasopoulos, G., Bergmeir, C., Caceres, G., Chhay, L., O’Hara-Wild, M., Petropoulos, F., Razbash, S., Wang, E., & Yasmeen, F. (2019). forecast: Forecasting functions for time series and linear models. R package version 8.9. Retrieved from http://pkg.robjhyndman.com/forecast
Hyndman, R. & Koehler, A. (2006). Another look at measures of forecast accuracy. International Journal of Forecasting, 22, 679-688.
Hyndman, R. & Khandakar, Y. (2008). Automatic time series forecasting: The forecast package for R. Journal of Statistical Software, 26 (3), 1-22.
Hyndman, R., Lee, A., Wang, E., & Wickramasuriya, S. (2018). hts: Hierarchical and Grouped Time Series. R package version 5.1.5. Retrieved from https://CRAN.R-project.org/package=hts
Instituto Nacional de Estadística y Geografía-INEGI. (2015). Encuesta intercensal 2015. Tabulados del cuestionario básico. México: Autor.
Instituto Nacional de Estadística y Geografía-INEGI, Instituto Nacional de Salud Pública- INSP, & Secretaría de Salud-SS. (2019) Encuesta Nacional de Salud y Nutrición 2018: Presentación de Resultados. [Diapositiva de PowerPoint]. Retrieved from https://ensanut.insp.mx/encuestas/ensanut2018/doctos/informes/ensanut_2018_presentacion_resultados.pdf
Instituto Nacional de Estadística y Geografía-INEGI & Secretaría de Salud-SS. (1985-2017). Estadísticas vitales de defunciones. Base de datos, 1985-2017. México: Autores.
Palloni, A., Beltrán-Sánchez, H., Novak, B., Pinto, G., & Wong, R. (2015). Adult obesity, disease and longevity in Mexico. Salud Pública de México, 57 (suppl. 1), S22-S30. Retrieved from http://www.ncbi.nlm.nih.gov/pubmed/26172231
R Core Team. (2019). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. Retrieved from https://www.R-project.org/
Sparks, P. & Sparks, C. (2012). Socioeconomic position, rural residence, and marginality influences on obesity status in the adult Mexican population. International Journal of Population Research, ID 757538. https://doi.org/10.1155/2012/757538
Villalpando, S., Shamah-Levy, T., Rojas, R., & Aguilar-Salinas, C. (2010). Trends for type 2 Diabetes and other cardiovascular risk factors in Mexico from 1993-2006. Salud Pública de México, 52 (suppl. 1), S72-S79. DOI: 10.1590/s0036-36342010000700011
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
El contenido publicado en EconoQuantum se encuentra bajo una Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
