OBJECTIVES: To investigate the associations between changes in indicators of health-related resources and coverage, and variations in infant mortality rates (IMR) in Brazil's 27 states in 2000 and 2005. METHODS: Data were obtained from the Ministry of Health's online database, DATASUS. Stepwise multiple regressions were performed to model changes in IMR and its components (early, late, and post-neonatal mortality), using changes in the selected health indicators as predictors. RESULTS: Regression analysis showed that improving access to prenatal care (B = -0.89 per 1 000; P < 0.001), increasing public expenditure on health as a proportion of gross domestic product (GDP) (B = -0.72 per 1 000; P = 0.031), and increasing access to the water supply (B = -0.22 per 1 000; P = 0.033) were associated with significant reductions in IMR. Declining early neonatal mortality rates were associated with prenatal care (B = -0.14 per 1 000; P = 0.026) and access to sanitation services (B = -0.05 per 1 000; P = 0.026). Reductions in late neonatal mortality rates were associated with prenatal care (B = -0.12 per 1 000; P = 0.003) and inversely correlated to the rate of cesarean deliveries (B = 0.13 per 1 000; P = 0.005). Post-neonatal mortality rate reductions were associated with prenatal care (B = -0.64 per 1 000; P < 0.001), increasing public expenditure on health as a proportion of GDP (B = -0.76 per 1 000; P = 0.005), and access to the water supply (B = -0.17 per 1 000; P = 0.037). CONCLUSIONS: Improving access to prenatal care, increasing public expenditure on health, and access to sanitation and water supply were all independently correlated to declining IMR; however, higher rates of cesarean deliveries were associated with higher late neonatal mortality rates. Continuous collection and analysis of relevant health indicators is recommended for developing evidence-based health policies and accurate predictions of how specific public health interventions might impact IMR.
OBJETIVOS: Investigar las asociaciones entre los cambios en los indicadores de recursos y cobertura relacionados con la salud y las variaciones en las tasas de mortalidad infantil (TMI) en los 27 estados de Brasil entre los años 2000 y 2005. MÉTODOS: Los datos se obtuvieron de la base de datos en línea del Ministerio de Salud, DATASUS. Mediante regresión múltiple paso a paso se modelaron los cambios en la TMI y sus componentes (mortalidades temprana, tardía y posneonatal), utilizando como predictores los cambios en indicadores seleccionados de salud. RESULTADOS: Según el análisis de regresión, el mejoramiento del acceso a la atención prenatal (B = -0,89 por 1 000; P < 0,001) y al suministro de agua (B = -0,22 por 1 000; P = 0,033), y el aumento del gasto público en salud como proporción del producto interno bruto (PIB) (B = -0,72 por 1 000; P = 0,031) se asociaron con reducciones significativas de las TMI. Las reducciones de las tasas de mortalidad neonatal temprana se asociaron con la atención prenatal (B = -0,14 por 1 000; P = 0,026) y el acceso a servicios de saneamiento (B = -0,05 por 1 000; P = 0,026). Las reducciones en las tasas de mortalidad neonatal tardía se asociaron con la atención prenatal (B = -0,12 por 1 000; P = 0,003) e, inversamente, con la tasa de partos por cesárea (B = 0,13 por 1 000; P = 0,005). Las reducciones en las tasas de mortalidad posneonatal se asociaron con la atención prenatal (B = -0,64 por 1 000; P < 0,001), el aumento en el gasto público en salud como proporción del PIB (B = -0,76 por 1 000; P = 0,005) y el acceso a fuentes de agua (B = -0,17 por 1 000; P = 0,037). CONCLUSIONES: El mejoramiento del acceso al cuidado prenatal, el incremento del gasto público en salud y el acceso al saneamiento y a fuentes de agua se correlacionaron independientemente con la reducción en las TMI; mayores tasas de partos por cesárea se asociaron con mayores tasas de mortalidad neonatal tardía. Se recomienda mantener la recolección y el análisis de los indicadores de salud relacionados con la TMI para desarrollar políticas de salud basadas en evidencias y elaborar predicciones precisas de cómo pueden intervenciones específicas en salud pública influir en las TMI.
