Triple carga de mortalidad en municipios de Minas Gerais según el estudio Carga Global de Enfermedad, 2000 a 2018

Resumen

Describir la evolución temporal de las principales causas de mortalidad en Minas Gerais (MG), Brasil, y verificar la asociación con indicadores socioeconómicos. Estudio ecológico mixto en el que se calcularon las tasas de mortalidad estandarizadas por edad, por 100.000 habitantes, por enfermedades crónicas no transmisibles (ENT), enfermedades transmisibles, neonatales y nutricionales (ENN) y causas externas (CE), para 853 municipios de MG, según datos del estudio Carga Global de Enfermedad (GBD), en los trienios 2000 a 2002 (T1), 2009 a 2011 (T2) y 2016 a 2018 (T3). Entre T1 y T3 predominó la mortalidad por ENT; Se observó una disminución del 22,4% en las tasas de ENT (553,6 a 429,9) y una disminución del 29% en las tasas de TNC (83 a 58,9), y un aumento del 3,5% en las de EC (62,2 a 64,4). Los coeficientes de correlación fueron positivos (R > 0,70; p < 0,05) y se encontraron tasas de mortalidad más altas en zonas de peor nivel socioeconómico.

Palabras clave:
Mortalidad; Enfermedades no transmisibles; Violencia; Enfermedades transmisibles; Triple carga de enfermedad; Estudios ecológicos

Resumo

Descrever a evolução temporal das principais causas de mortalidade em Minas Gerais (MG), Brasil, e verificar a associação com indicadores socioeconômicos. Estudo ecológico misto em que foram calculadas taxas de mortalidade padronizadas por idade, por 100 mil habitantes, por doenças crônicas não transmissíveis (DCNT), doenças transmissíveis, neonatais e nutricionais (TNN) e causas externas (CE), para 853 municípios de MG, segundo dados do estudo Carga Global de Doenças (GBD), nos triênios 2000 a 2002 (T1), 2009 a 2011 (T2) e 2016 a 2018 (T3). Entre T1 e T3 predominou a mortalidade por DCNT; houve decréscimo de 22,4% das taxas por DCNT (553,6 para 429,9) e de 29% da s taxas por TNN (83 para 58,9), e acréscimo de 3,5% por CE (62,2 para 64,4). Os coeficientes de correlação foram positivos (R > 0,70; p < 0,05) e foram encontrados taxas mais elevadas de mortalidade em áreas de pior status socioeconômico.

Palavras-chave:
Mortalidade; Doenças crônicas não transmissíveis; Violência; Doenças transmissíveis; Tripla carga de doenças; Estudos ecológicos

Abstract

To describe the temporal evolution of the main causes of mortality in Minas Gerais (MG), Brazil, and to verify the association with socioeconomic indicators. This is a mixed ecological study in which age-standardized mortality rates were calculated per 100,000 inhabitants due to noncommunicable diseases (NCDs), communicable, neonatal and nutritional diseases (NNDs) and external causes (ECs) for 853 municipalities in MG, according to data from the Global Burden of Disease (GBD) study, in the three-year periods 2000 to 2002 (T1), 2009 to 2011 (T2) and 2016 to 2018 (T3). Between T1 and T3, mortality due to NCDs predominated; there was a 22.4% decrease in the rates for NCDs (553.6 to 429.9) and a 29% decrease in the rates for NCDs (83 to 58.9), and a 3.5% increase in EC (62.2 to 64.4). The correlation coefficients were positive (R > 0.70; p < 0.05) and higher mortality rates were found in areas with worse socioeconomic status.

Key words:
Mortality; Noncommunicable diseases; Violence; Communicable diseases; Triple burden of disease; Ecological studies

Introducción

Las transiciones demográficas y epidemiológicas observadas a escala global y actualmente en curso en Brasil están provocando cambios en los patrones de morbimortalidad de las poblaciones humanas y, en consecuencia, exigiendo una reorganización de las agendas de salud dentro de los sistemas de salud. La teoría de la transición demográfica se basa en el cambio en el patrón de altas a bajas tasas de natalidad y mortalidad¹. En los países desarrollados, la transición epidemiológica evoluciona con una disminución sustancial de las enfermedades infecciosas y un aumento de las enfermedades crónicas no transmisibles (ENT). En cambio, los países en desarrollo observan con mayor frecuencia tres grupos concomitantes de causas de muerte, configurando la triple carga de enfermedades^2-4.

A escala subnacional también se observan diferentes perfiles de transición epidemiológica, explicados por desigualdades sociales, diferencias culturales y distintas formas de organización y capacidad de los sistemas de salud regionales y locales⁵, que se manifiestan por género, edad, etnia y nivel socioeconómico⁶. En el período 1990-2016, Brasil observó una disminución del 34% en las tasas de mortalidad por todas las causas (de 1.116,6 a 737,0 muertes por 100.000 habitantes), aunque con variaciones significativas entre sus unidades federativas⁷. Las disminuciones más insignificantes se observaron en el Norte y el Nordeste⁷. Por lo tanto, monitorear los indicadores de salud e identificar las desigualdades que amplían las brechas sociales y de salud dentro de un mismo territorio sería el primer paso para planificar acciones programáticas para reducir estos eventos^7,8.

Los Sistemas de Información Geográfica (SIG) han sido ampliamente utilizados en el análisis de datos de salud porque permiten investigar patrones espaciales de eventos y su desarrollo temporal. Analizar el comportamiento de los eventos de salud a lo largo del tiempo - declive, aumento o estancamiento - también proporciona información importante sobre las variaciones epidemiológicas resultantes de cambios históricos socioculturales, demográficos, ambientales y políticos. Los SIG también permiten el análisis de impacto, efectividad y la propuesta de políticas públicas.

Barreto y Carmo⁹ investigaron las principales causas de muerte y hospitalización en Brasil en el siglo XX y explicaron patrones superpuestos de enfermedad y muerte en el país a partir de un análisis de la evolución de los problemas de salud a lo largo de los años y décadas⁹. Con base en el análisis, los autores elaboraron una reflexión sobre los desafíos y estrategias dentro del sistema de salud brasileño.

Soares Filho et al.¹⁰ describieron la evolución temporal de las tasas de mortalidad para los tres principales grupos de causas de enfermedad y muerte en Brasil entre 1990 y 2019, identificando la transición epidemiológica progresiva y la mejora de la calidad de los datos de defunciones en el país, con un cambio en este contexto impuesto por la pandemia de COVID-19. Sin embargo, poca literatura aborda los patrones de triple carga de enfermedad y mortalidad en pequeñas áreas brasileñas, lo que se refiere a un subgrupo poblacional o una región geográfica¹¹.

Minas Gerais es un estado con un gran número de municipios y su territorio refleja la heterogeneidad regional observada en Brasil en lo que respecta al desarrollo económico y social¹². Debido a las diferentes etapas de desarrollo socioeconómico, tales desigualdades pueden resultar en la coexistencia de diferentes escenarios de morbimortalidad¹⁰.

Este estudio se suma a los esfuerzos científicos para analizar el patrón espacial y temporal de la mortalidad en pequeñas áreas brasileñas. Tiene como objetivo describir la distribución y evolución temporal de la mortalidad por grupos de causas primarias en los municipios de Minas Gerais (MG), Brasil, y verificar la asociación con indicadores socioeconómicos.

Métodos

Diseño del estudio

Este estudio epidemiológico, descriptivo, ecológico, mixto, estimó la mortalidad en los 853 municipios del estado de Minas Gerais (MG), Brasil, y en las 13 regiones geográficas intermedias del estado, a saber, Montes Claros, Teófilo Otoni, Governador Valadares, Ipatinga, Belo Horizonte, Barbacena, Juiz de Fora, Divinópolis, Pouso Alegre, Varginha, Uberaba, Uberlândia y Patos de Minas (Figura 1).

Figura 1
Regiones geográficas intermedias de Minas Gerais.

Las regiones geográficas intermedias corresponden a una sección político-administrativa de escala intermedia entre las Unidades de la Federación (UF) y las Regiones Geográficas Inmediatas. Organizan el territorio para articular las regiones inmediatas mediante un polo de jerarquía superior diferenciado por los flujos de gestión privada y pública y funciones urbanas más complejas¹³.

Esta clasificación, establecida en 2017, corresponde a una revisión de las antiguas mesorregiones, vigentes desde 1989¹³. En este trabajo, optamos por utilizar esta división regional dada por el Instituto Brasileño de Geografía y Estadística (IBGE), que se configura como una base territorial para la recolección y difusión de estadísticas oficiales y contribuye a la acción de los gobiernos estatales y municipales en la implementación y gestión de políticas públicas y administración de inversiones^14,15.

Ubicación del estudio

Minas Gerais (MG) es un estado brasileño con una gran extensión territorial con 853 municipios. Presenta disparidades significativas en cuanto a la distribución de su población y características demográficas y socioeconómicas^16,17. Se observa una marcada heterogeneidad económica y social entre las regiones de Minas Gerais, similar a la observada entre las macrorregiones brasileñas, para las cuales existe una clara división entre el Norte-Nordeste y el Sur-Sudeste¹². El Norte de Minas Gerais y el Valle de Jequitinhonha/Mucuri presentan los indicadores de desarrollo más bajos en contraste con las regiones Central, Sur y Triângulo^12,16.

Indicadores de mortalidad y disparidad socioeconómica y fuente de datos

Las tasas de mortalidad medias por 100.000 habitantes se estandarizaron mediante el método directo y corresponden a los trienios 2000-2002 (T1), 2009-2011 (T2) y 2016-2018 (T3). El análisis trienal se realizó para minimizar las fluctuaciones causadas por cifras pequeñas, ya que el 68,5% de los municipios tienen menos de 20.000 habitantes, considerando los años inicial y final de las estimaciones disponibles y la mitad del periodo.

El cálculo de las tasas de mortalidad incluyó el número medio de muertes en el numerador y la población media de cada trienio en el denominador. El número de muertes municipales se extrajo de una base de datos para el período 2000-2018, que muestra estimaciones del Instituto de Métricas y Evaluación en Salud (IHME) producidas en el marco del Estudio de la Carga Global de Enfermedades (CGE) a pedido de la Rede GBD Brasil. Las estimaciones de población que utilizamos fueron las del Ministerio de Salud¹⁸.

Las tasas se estandarizaron por edad mediante el método directo, utilizando la población estándar del estudio Carga Global de Enfermedad19, y se expresaron sobre la base de 100.000 habitantes. Para medir la evolución temporal de las tasas, se calculó el cambio porcentual de las tasas de mortalidad del primer trienio (T1) en comparación con el último trienio (T3). El análisis descriptivo de la distribución de la mortalidad se realizó mediante la construcción de mapas coropléticos que evaluaron las tasas de mortalidad en los tres trienios, considerando los quintiles como puntos de corte.

Para caracterizar la disparidad socioeconómica entre las regiones intermedias de Minas Gerais se adoptaron el PIB per cápita, el índice de privación brasileño (IPB) y el porcentaje de jóvenes con educación primaria incompleta en los municipios de Minas Gerais. La descripción y el análisis de la distribución de eventos de salud con foco en las desigualdades sociales en salud tiene como objetivo identificar grupos vulnerables mediante la investigación de indicadores relacionados con los determinantes sociales de la salud. Estas medidas engloban las llamadas “dimensiones de desigualdad”, como los indicadores de estatus socioeconómico²⁰, como los que miden el ingreso y la educación, ampliamente utilizados en estudios epidemiológicos que investigan asociaciones con la mortalidad²¹, que guiaron la elección de los indicadores y el índice mencionados anteriormente y detallados a continuación.

El PIB per cápita es un índice económico que muestra el valor de los bienes y servicios finales producidos en una zona geográfica y un año determinados, en moneda corriente y a precios de mercado por persona. Se calcula dividiendo el PIB por el número de habitantes de la región. Mide qué proporción del PIB correspondería a cada individuo de un país si todos recibieran porciones iguales. Los valores del índice son de dominio público y fueron extraídos de la base de datos del Instituto Brasileño de Geografía y Estadística (IBGE)²⁴.

El IPB se lanzó en 2020 y considera la combinación de puntajes z de tres indicadores de privación en la escala de área censal, con base en datos del Censo Demográfico de 2010: porcentaje de hogares con ingresos inferiores a la mitad del salario mínimo, porcentaje de personas de 7 años o más que son analfabetas y porcentaje de personas con acceso inadecuado a agua, saneamiento, recolección de residuos y sin baño²⁵. El IPB genera un puntaje final en el que el valor más bajo representa el área con menor privación, mientras que el valor más alto representa el área con mayor privación^25,26.

Los datos de educación utilizados en este estudio se derivaron del censo IBGE de 2010 y se recuperaron del Sistema de Información en Salud (TABNET) del Sistema Único de Salud (DATASUS).²⁷

Aspectos metodológicos del estudio CGE

La CGE organiza la causa subyacente de muerte en una jerarquía de cuatro niveles. El nivel 1 estratifica las enfermedades en tres grupos principales: enfermedades transmisibles, maternas, neonatales y nutricionales, enfermedades crónicas no transmisibles y causas externas. Los niveles 2, 3 y 4 detallan las enfermedades en estos tres grupos primarios, desagregándolas en 21, 168 y 369 enfermedades, respectivamente.

En este artículo se analizaron las causas de muerte según el nivel 1 más agregado, excepto las enfermedades maternas, cuyas muertes no se calcularon para la base municipal. Los detalles sobre la metodología general del estudio CGE se pueden encontrar en otras publicaciones^19,28,29.

A continuación se describe un resumen de los pasos del procesamiento de datos. En primer lugar, se asignó a los datos una causa según la lista de causas de la CGE y el código correspondiente de la Clasificación Estadística Internacional de Enfermedades y Problemas Relacionados con la Salud (CIE), y los datos agregados por género o edad se dividieron en grupos detallados¹⁹. En seguida, se aplicó a los datos una corrección por clasificación errónea de demencia, enfermedad de Parkinson y fibrilación auricular¹⁹. Los datos se sometieron luego a un proceso mediante el cual se eliminaron los códigos basura (códigos CIE que no pueden atribuirse de manera confiable a una causa específica de muerte, como los códigos de senilidad o dolor de espalda) y se redistribuyeron a las causas reales de la lista de causas de la CGE.²⁸ Finalmente, los datos se suavizaron para tener en cuenta la variación estocástica a lo largo del año en un proceso llamado reducción de ruido.¹⁹

Presentación y análisis de datos

Las tasas de mortalidad municipales se presentaron en mapas de coropletas. Las tablas con formato condicional mostraban las tasas de mortalidad municipales agregadas en cada región intermedia de Minas Gerais por grupo de causas para cada trienio. Los cambios porcentuales en estas tasas entre los trienios también se presentaban en estas tablas, en las que el formato de color variaba de rojo oscuro a azul oscuro. Cuanto más oscuro era el tono de rojo, más altas eran las tasas de mortalidad y menor la reducción o más significativo el aumento en los porcentajes de cambio. Por el contrario, cuanto más oscuro era el tono de azul, más bajas eran las tasas y más significativa la reducción en los porcentajes de cambio.

Se calculó el PIB per cápita mediano de cada región geográfica intermedia para los años del tercer trienio. El IPB mediano se refiere a los datos del Censo de 2010. Se evaluó el nivel de educación de los jóvenes de 18 a 24 años. También se consideró el porcentaje de esta población en cada región intermedia con educación primaria incompleta, tomando como referencia los datos del Censo de 2010. Se realizó un análisis de correlación de estos indicadores con las variaciones porcentuales de las tasas entre T3 y T1. El análisis de correlación incluyó el cálculo del coeficiente de correlación de Pearson (R) y se consideró un nivel de significancia del 5%. Los datos se presentaron y analizaron a través del software R³⁰ con el paquete Rgeoda.

Aspectos éticos

La investigación se adecua a lo dispuesto en la Resolución N°466/12 del Consejo Nacional de Salud. Todos los datos utilizados provienen de bases de datos secundarias de dominio público, cuyas estimaciones no permiten la identificación de individuos. El estudio fue aprobado por el Comité de Ética en Investigación de la Universidad Federal de Minas Gerais (Dictamen N°3.258.076). Está enmarcado en el proyecto “Desigualdades en pequeñas áreas geográficas de indicadores de enfermedades crónicas no transmisibles, violencia y sus factores de riesgo”.

Resultados

Minas Gerais tuvo un número medio de muertes equivalente a 93.556 en el trienio 2000-2002 (T1), 114.380 en el trienio 2009-2011 (T2) y 130.095 en el trienio 2016-2018 (T3), con predominio de ECNT (76,0%, 76,6% y 78,3% en cada trienio, en este orden) (Tabla 1).

Tabla 1
Distribución de las muertes por grupos de causas, Minas Gerais, en los trienios T1 (2000 a 2002), T2 (2009 a 2011) y T3 (2016-2018).

	T1					T2					T3
Causa	2000	2001	2002	Media	%	2009	2010	2011	Media	%	2016	2017	2018	Media	%
ETNN	11489	11568	11329	11462	12.3	11722	12035	12155	11971	10.5	13426	13653	13464	13514	10.4
ECNT	69155	71647	72371	71058	76.0	84556	87992	90226	87591	76.6	100613	102434	102352	101800	78.3
CE	10609	11050	11449	11036	11.8	14301	14715	15437	14818	13.0	15605	14973	13764	14781	11.4
Total	91253	94265	95149	93556	100.0	110579	114742	117818	114380	100.0	129644	131060	129580	130095	100.0

• ETNN = enfermedades transmisibles, neonatales y nutricionales; ECNT = enfermedades crónicas no transmisibles; CE = causas externas.
• Fuente: Autores.

Se observó una reducción significativa de las tasas de mortalidad por enfermedades transmisibles, neonatales y nutricionales del T1 al T3 (-29%) en todo el estado, pasando de 83 a 58,9 por 100.000 habitantes. En el T3, las tasas más altas se registraron en las regiones intermedias de Montes Claros, Patos de Minas, Uberaba y Teófilo Otoni (Figura 2A y Figura 3). Las enfermedades no transmisibles (ENT) también presentaron una reducción de tasas (-22,4%), pasando de 553,6 a 429,9 por 100.000 habitantes. En el T3, las tasas más altas se registraron en municipios de las regiones de Barbacena y Varginha (Figura 2B y Figura 3). A su vez, las causas externas aumentaron de 62,2 a 64,4 por 100.000 habitantes (3,5%) entre el T1 y el T3, con una reducción del 9,2% en el tramo T2 y T3 (Figura 2C y Figura 3).

Figura 2
Tasas de mortalidad por enfermedades transmisibles, neonatales y nutricionales (A), enfermedades crónicas no transmisibles (B) y causas externas (C) por 100.000 habitantes, estandarizadas por edad, en T1, T2 y T3. Municipios y regiones geográficas intermedias de Minas Gerais, CGE.

Figura 3
Tasas de mortalidad por causas por 100.000 habitantes, estandarizadas por edad, y porcentajes de variación en T1, T2 y T3. Minas Gerais y regiones geográficas intermedias del estado, CGE.

Entre las regiones intermedias de Minas Gerais, la región de Uberaba presentó las mayores tasas de mortalidad por enfermedades transmisibles, neonatales y nutricionales, y la región de Montes Claros tuvo la menor disminución de las tasas por estas causas entre T1 y T3 (Figura 3). En cuanto a las enfermedades crónicas no transmisibles, la región intermedia de Teófilo Otoni se destacó por el crecimiento de las tasas de mortalidad (4,1%). En contrapartida, las regiones de Belo Horizonte, Pouso Alegre, Ipatinga y Varginha presentaron la reducción más significativa, con más del 25% en el período. La mortalidad por causas externas aumentó en la mayoría de las regiones entre T1 y T3, principalmente en Teófilo Otoni (41,4%), Montes Claros (22,3%) y Juiz de Fora (19,4%). Por otro lado, las reducciones más considerables se dieron en las regiones intermedias de Belo Horizonte (-9,2%), Pouso Alegre (-6,3%) y Varginha (-5,7%) (Figura 3).

Entre las causas externas (Figura 4), las tasas de mortalidad por accidentes de transporte fueron las más altas. Al mismo tiempo, se observó un aumento en las tasas de mortalidad por suicidio y violencia interpersonal (homicidio) entre T1 y T3.

Figura 4
Tasas de mortalidad estandarizadas por edad por suicidio y homicidio (A), accidentes no intencionales (B) y accidentes de transporte (C) por 100.000 habitantes en T1, T2 y T3. Municipios y regiones geográficas intermedias de Minas Gerais, CGE.

La Figura 5 muestra la división del estado de Minas Gerais en regiones geográficas intermedias según los valores medianos del PIB per cápita y del IPB y el porcentaje de jóvenes con educación primaria incompleta. Considerando los indicadores socioeconómicos, las regiones con el PIB per cápita mediano más alto fueron, en orden decreciente, Uberaba, Uberlândia, Patos de Minas y Belo Horizonte. Las regiones económicamente menos prósperas son Teófilo Otoni, Montes Claros y Governador Valadares (Figura 5A). Estas regiones intermedias también fueron clasificadas como áreas de mayor privación material, según los valores medianos del IPB, y, junto con la región de Ipatinga, tuvieron los mayores porcentajes de jóvenes con educación primaria incompleta (Figuras 5B y 5C). Aunque tuvo un PIB per cápita mediano alto, la región de Patos de Minas estuvo entre las peores categorías de IPB mediano y de indicadores de educación. La Tabla 2 detalla los valores de los indicadores socioeconómicos para cada Región Geográfica Intermedia.

Tabla 2
Producto interno bruto (PIB) per cápita, índice de privación brasileño (IPB) mediano y porcentaje de jóvenes con educación primaria incompleta en cada región geográfica intermedia de Minas Gerais.

Región intermedia	PIB per cápita (mediano*)	IPB (mediano*)	Educación incompleta** (%)
Barbacena	19,90	-0,46	17,10
Belo Horizonte	24,60	-0,74	14,20
Divinópolis	23,20	-0,86	19,40
Governador Valadares	10,80	0,10	25,80
Ipatinga	21,50	-0,23	18,30
Juiz de Fora	14,30	-0,45	20,90
Montes Claros	10,20	0,74	22,80
Pouso Alegre	21,00	-0,67	18,10
Patos de Minas	25,60	-0,68	18,80
Teófilo Otoni	9,90	0,56	29,70
Uberaba	43,80	-1,02	17,40
Uberlandia	36,40	-0,88	15,30
Varginha	21,30	-0,85	18,20

• * Mediana de los valores municipales de los municipios que conforman cada Región Intermedia. PIB per cápita: valor mediano de los tres años 2016-2018. IPB: valor mediano de 2010. ** Según datos del Censo Demográfico de 2010.
• Fuente: Autores.

Figura 5
Regiones geográficas intermedias de Minas Gerais por PIB per cápita mediano en T3 (A), valores medianos del índice de privación brasileño (IPB) en 2010 (B), y porcentajes de jóvenes con educación primaria incompleta en 2010 (C).

El análisis de correlación de los indicadores socioeconómicos con los cambios porcentuales en las tasas de mortalidad indicó correlaciones negativas con el PIB per cápita, independientemente del grupo de causa de muerte. Las correlaciones fueron significativas para enfermedades transmisibles, neonatales y nutricionales (-0,70; p = 0,0081) y causas externas (-0,64; p = 0,019). Considerando el IPB y el indicador de educación, las correlaciones fueron positivas para los tres grupos de causas, estadísticamente significativas y robustas (Figura 6).

Figura 6
Correlación entre el PIB per cápita mediano, el IPB mediano, el porcentaje de personas con educación primaria incompleta y el cambio porcentual en las tasas de mortalidad estandarizadas por edad por 100.000 habitantes entre T3 y T1.

Discusión

Destacamos el predominio de la mortalidad por ECNT, enfermedades transmisibles, neonatales y nutricionales persistentes, y el incremento de las causas externas, caracterizando la triple carga de causas de enfermedad y muerte en el estado, con menores reducciones en las tasas de mortalidad en las zonas de peor nivel socioeconómico.

Las ECNT representaron la carga más significativa de causas de muerte. Hubo una reducción más pronunciada de la mortalidad por estas causas en las regiones geográficas intermedias pertenecientes a los estratos económicos mejores y medios (regiones intermedias Belo Horizonte, Ipatinga y Pouso Alegre). La segunda mayor carga de mortalidad, el riesgo de muerte por enfermedades transmisibles, también disminuyó durante el período de estudio, aunque en menor medida en las áreas con bajo PIB per cápita mediano (regiones intermedias de Montes Claros y Teófilo Otoni). Las causas externas aumentaron durante el período analizado, y el crecimiento más significativo ocurrió en las tres regiones geográficas con el PIB per cápita más bajo (Teófilo Otoni, Montes Claros y Governador Valadares).

Minas Gerais presenta una variación significativa del PIB per cápita, con tasas más bajas concentradas en las regiones geográficas intermedias del norte y tasas más altas encontradas principalmente en el centro y la región del Triángulo Minero. En este estudio, cuanto mayor es el PIB per cápita, más significativa es la disminución de las tasas de mortalidad. Una de las regiones más ricas del estado, la región de Belo Horizonte, presentó las reducciones más pronunciadas en las tasas de mortalidad en los tres grupos de causas.

Otras reducciones notables ocurrieron en las regiones de Ipatinga, Barbacena, Uberaba y Uberlândia, que concentran las principales actividades de los sectores económicos de la industria, los servicios y la agricultura³¹. En cuanto a la salud, la mayor concentración de servicios especializados, equipos y recursos humanos se encuentra en municipios del centro y sur del estado³², con mejor desempeño en los indicadores de mortalidad.

Por otro lado, el Norte y Nordeste del estado presentaron las menores reducciones en las tasas de mortalidad por ECNT y ETNN, registrándose los peores resultados en las regiones intermedias de Teófilo Otoni, Montes Claros y Governador Valadares, que presentan el menor PIB per cápita del estado. Se trata de áreas socioeconómicamente menos favorecidas, con mayores carencias y con los menores indicadores de desarrollo³². La mortalidad por ECNT es un indicador sensible a variables relacionadas con las condiciones de vida y el acceso a los servicios de salud. La menor disminución de las tasas de mortalidad por ECNT en estos territorios puede, por tanto, explicarse por el menor acceso de estas poblaciones a bienes y servicios, como el saneamiento básico, especialmente la eliminación de aguas residuales^17,31.

Desde esta misma perspectiva, también se puede hablar de disparidades regionales en el estado de Minas Gerais relacionadas con la distribución de la oferta de servicios de salud y las brechas de atención. Uno de los indicadores utilizados para evaluar la promoción de la equidad en salud, midiendo el nivel alcanzado por la regionalización de la atención de salud y, por ende, las capacidades regionales para la atención ambulatoria y hospitalaria de las poblaciones residentes, es la tasa de resolución³².

Según el Plan de Desarrollo Integrado de Minas Gerais (PMDI) 2019-2030, siete de las 13 macrorregiones de salud del estado presentaron una tasa de resolución superior al 80%, y seis presentaron valores de 56 a 67% en 2017³¹. Las regiones con menor tasa de resolución, como Governador Valadares y Teófilo Otoni, presentaron aquí peores desempeños, lo que coincidió en el estudio con los peores resultados de mortalidad en todos los grupos de causas. Se destaca el marcado crecimiento de las tasas de mortalidad por causas externas en el estado. Los municipios con mayores aumentos se concentran principalmente en regiones intermedias con menor PIB per cápita, a saber, Teófilo Otoni, Montes Claros, Juiz de Fora y Governador Valadares.

La asociación entre mortalidad y educación fue significativa tanto en los países desarrollados como en los países en desarrollo, lo que indica que cuanto mayor es el nivel de educación, menor es la tasa de mortalidad^33,34. Nuestro estudio confirmó estos hallazgos, identificando una fuerte correlación entre los bajos niveles de educación en los jóvenes y peores indicadores de mortalidad.

Otra fuerte correlación con la vulnerabilidad social fue la asociación entre el IPB y la mortalidad, indicando que cuanto mayor es la privación material, menor es la disminución de las tasas de mortalidad. Estos resultados también se encontraron en municipios de Minas Gerais en la cuenca del río Paraopeba. Aquellos con mayor vulnerabilidad presentaron una alta correlación debido a causas externas³⁵.

Cabe destacar que estos hallazgos refuerzan los estudios sobre la transición epidemiológica, según los cuales la situación de salud ilustraría un cambio en los patrones de morbimortalidad marcado por la sustitución de la carga de enfermedades transmisibles por la carga de enfermedades crónicas y causas externas^4,6,36-38. También respaldan la afirmación de que las poblaciones de países de menor desarrollo socioeconómico, como Brasil, muestran un patrón de cargas de enfermedades concomitantes y afecciones resultantes de la yuxtaposición de riesgos provenientes de diferentes esferas de determinación del proceso salud-enfermedad³⁹. Sin embargo, además de esto, dentro de una misma sociedad, las poblaciones más pudientes mostrarían un patrón de morbimortalidad marcado por las enfermedades crónicas no transmisibles. En contraste, las poblaciones más pobres exhibirían con mayor fuerza un patrón múltiple derivado de la triple carga de enfermedades⁴⁰. Los segmentos social y económicamente más vulnerables estarían más expuestos a los riesgos yuxtapuestos, lo que se traduciría en un exceso de morbimortalidad en estas poblaciones⁴⁰.

Por último, los hallazgos también llevan a reflexionar sobre los riesgos competitivos, definidos como eventos cuya ocurrencia excluye o modifica la probabilidad de otro evento de interés^41,42. Este estudio muestra que las regiones con bajo PIB per cápita tienen altas tasas de mortalidad por ETNN y causas externas, pero bajas tasas de ECNT en comparación con las regiones más ricas de Minas Gerais, aunque con una disminución menor de las ECNT a lo largo de los años.

Esta última situación no corresponde a lo esperado en la literatura, ya que también se esperan altas tasas de ENT en regiones más pobres y poblaciones más vulnerables^43,44. Es de destacar que las muertes por causas externas son más frecuentes en adultos jóvenes.⁴⁵ En el caso de las muertes por ECNT, aproximadamente un tercio son prematuras (30-69 años de edad)⁴⁶. Por lo tanto, una hipótesis para las menores tasas de mortalidad por ECNT en las regiones más pobres del estado puede ser la existencia de una triple carga de enfermedad y riesgos competitivos.

El conocimiento de las causas de mortalidad y su epidemiología permite establecer prioridades en las políticas de salud. Sin embargo, se debe considerar el avance en la mejora de las estimaciones de mortalidad proporcionadas por las correcciones metodológicas y los ajustes por subregistro y causas basura en el estudio de CGE a nivel municipal. Además, la adopción de una herramienta de análisis geográfico/espacial permitió visualizar la distribución espacial de las estimaciones de mortalidad en pequeñas áreas e identificar las desigualdades en salud en el estado de Minas Gerais.

Este estudio tiene algunas limitaciones. Una de ellas es que se adoptó un factor de corrección estatal en lugar de un factor de corrección municipal para la subnotificación de muertes. Además, debemos tener en cuenta el pequeño número de muertes a nivel municipal, lo que generalmente conduce a fluctuaciones aleatorias en las tasas de mortalidad a lo largo del tiempo. Este estudio tuvo como objetivo mitigar esta variabilidad mediante el análisis de los datos por trienio.

El estudio muestra la transición epidemiológica y los diferentes patrones de mortalidad en el estado de Minas Gerais. Estudiar las causas de muerte y el patrón de estos eventos en los territorios, especialmente en áreas pequeñas, es una herramienta fundamental para identificar las desigualdades en salud, planificar e implementar acciones y evaluar la salud. Promover el acceso de los gestores, los profesionales de salud y la población en general a estos estudios significa fortalecer la ciencia abierta, la participación social y la gestión del Sistema Único de Salud.

Referencias bibliográficas

• ¹ Para E, Maria A, Vasconcelos N, Miranda M, Gomes F. Transição demográfica: a experiência brasileira. Epidemiol Serv Saude 2012; 21(4):539-548.
• ² Omran AR. The Epidemiologic Transition: A Theory of the Epidemiology of Population Change. Milbank Q 2005; 83(4):731.
• ³ Defo BK. Beyond the 'transition' frameworks: the cross-continuum of health, disease and mortality framework. Glob Health Action 2014; 7:24804.
• ⁴ Martins TCF, Silva JHCM, Máximo GC, Guimarães RM. Transição da morbimortalidade no Brasil: um desafio aos 30 anos de SUS. Cien Saude Colet 2021; 26(10):4483-4496.
• ⁵ Araújo JD. Polarização epidemiológica no Brasil. Epidemiol Serv Saude 2012; 21(4):533-538.
• ⁶ Omran AR. The epidemiologic transition theory revisited thirty years later. World Heal Stat Q 1998; 53(2,3,4):99-119.
• ⁷ GBD 2016 Brazil Collaborators. Burden of disease in Brazil, 1990-2016: a systematic subnational analysis for the Global Burden of Disease Study 2016. Lancet 2018; 392(10149):760-775.
• ⁸ Oliveira DC, Barreira AS, Trunk MT, Guzmán AF. Efecto de las desigualdades socioeconómicas en la mortalidad de la ciudad de Fortaleza, Ceará, Brasil durante el año 2007. Rev Esp Salud Publica 2010; 84(4):441-450.
• ⁹ Barreto MLL, Carmo EH. Padrões de adoecimento e de morte da população brasileira: os renovados desafios para o Sistema Único de Saúde. Cien Saude Colet 2007; 12(Supl.):1779-1790.
• ¹⁰ Soares Filho AM, França GVA, Malta DC. Tripla carga de doenças no Brasil, 1990-2021: mudanças, inflexões e o fator COVID-19. Rev Min Enferm 2022; 26:e-1475.
• ¹¹ Jiang J, Rao JS. Robust small area estimation: an overview. Annual Rev 2020; 7:337-60.
• ¹² Pales RC, Santos GR, Rodrigues SG. Minas Gerais, estado síntese do desenvolvimento regional brasileiro [Internet]. 2014. [acessado 2022 dez 9]. Disponível em: https://www.congressods.com.br/quarto/index.php/trabalhos-aceites/gt-06-indicadores-de/171-anais/gt-06/468-minas-gerais-estado-sintese-do-desenvolvimento-regional-brasileiro
  » https://www.congressods.com.br/quarto/index.php/trabalhos-aceites/gt-06-indicadores-de/171-anais/gt-06/468-minas-gerais-estado-sintese-do-desenvolvimento-regional-brasileiro
• ¹³ Instituto Brasileiro de Geografia e Estatística (IBGE). Divisão Regional do Brasil em Regiões Geográficas Imediatas e Regiões Geográficas Imeadiatas [Internet]. 2017. [acesado 2022 dez 9]. Disponível em: https://www.ibge.gov.br/apps/regioes_geograficas/
  » https://www.ibge.gov.br/apps/regioes_geograficas
• ¹⁴ Barros SFS. Da Zona da Mata/MG à Região Geográfica Intermediária de Juiz de Fora/MG: continuidades e descontinuidades nas propostas de regionalização do IBGE. Caminhos Geogr 2021; 22(80):15-33.
• ¹⁵ Instituto Brasileiro de Geografia e Estatística (IBGE). Divisão Regional do Brasil. O que é [Internet]. [acessado 2022 dez 9]. Disponível em: https://www.ibge.gov.br/geociencias/organizacao-do-territorio/divisao-regional/15778-divisoes-regionais-do-brasil.html?=&t=o-que-e
  » https://www.ibge.gov.br/geociencias/organizacao-do-territorio/divisao-regional/15778-divisoes-regionais-do-brasil.html?=&t=o-que-e
• ¹⁶ Malachias I, Antônio F, Leles G, Auxiliadora M, Pinto S, Luiz C, Alencar FB, Silva E, Almeida PD, Siqueira M. Plano Diretor de Regionalização da Saúde de Minas Gerais (PDR/MG) [Internet]. 2011. [acessado 2022 out 13]. Disponível em: http://www.saude.mg.gov.br
  » http://www.saude.mg.gov.br
• ¹⁷ Secretaria de Estado de Saúde de Minas Gerais. Plano estadual de educação permanente em saúde de Minas Gerais [Internet]. 2018. [acessado 2022 out 13]. Disponível em: https://www.conass.org.br/planos-estaduais-educacao-permanente/PEEPS-MG.pdf
  » https://www.conass.org.br/planos-estaduais-educacao-permanente/PEEPS-MG.pdf
• ¹⁸ Brasil. Ministério da Saúde (MS). DATASUS. População Residente - Estudo de Estimativas Populacionais por Município, Idade e Sexo 2000-2021 - Brasil [Internet]. [acessado 2022 dez 9]. Disponível em: http://tabnet.datasus.gov.br/cgi/deftohtm.exe?ibge/cnv/popsvsbr.def
  » http://tabnet.datasus.gov.br/cgi/deftohtm.exe?ibge/cnv/popsvsbr.def
• ¹⁹ Abbafati C, Abbas KM, Abbasi-Kangevari M, Abd-Allah F, Abdelalim A, Abdollahi M, et al. Global burden of 369 diseases and injuries in 204 countries and territories, 1990-2019: a systematic analysis for the Global Burden of Disease Study 2019. Lancet. 2020; 396(10258):1204-1222.
• ²⁰ World Health Organization (WHO). Handbook on health inequality monitoring: with a special focus on low- and middle-income countries. Geneva: WHO; 2013.
• ²¹ Katikireddi SV, Niedzwiedz CL, Dundas R, Kondo N, Leyland AH, Rostila M. Inequalities in all-cause and cause-specific mortality across the life course by wealth and income in Sweden: a register-based cohort study. Int J Epidemiol 2020; 49(3):917-925.
• ²² Rede Interagencial de Informações para a saúde (RIPSA). Indicadores básicos para a saúde no Brasil: conceitos e aplicações [Internet]. 2008. [acessado 2022 dez 9]. Disponível em: http://bvsms.saude.gov.br/bvs/publicacoes/indicadores_basicos_saude_brasil_2ed.pdf
  » http://bvsms.saude.gov.br/bvs/publicacoes/indicadores_basicos_saude_brasil_2ed.pdf
• ²³ Instituto de Pesquisa Econômica Aplicada (Ipea). Produto interno bruto (PIB) per capita [Internet]. 2021. [acessado 2022 dez 9]. Disponível em: http://www.ipeadata.gov.br/ExibeSerie.aspx?serid=38375
  » http://www.ipeadata.gov.br/ExibeSerie.aspx?serid=38375
• ²⁴ Instituto Brasileiro de Geografia e Estatística (IBGE). Produto Interno Bruto dos Municípios. Downloads [Internet]. [acessado 2022 dez 9]. Disponível em: https://www.ibge.gov.br/estatisticas/economicas/contas-nacionais/9088-produto-interno-bruto-dos-municipios.html?edicao=29720&t=downloads
  » https://www.ibge.gov.br/estatisticas/economicas/contas-nacionais/9088-produto-interno-bruto-dos-municipios.html?edicao=29720&t=downloads
• ²⁵ Allik M, Ramos D, Agranonik M, Pereira Júnior E, Ichihara MY, Barreto ML, Leyland AH, Dundas R. Developing a Small-Area Deprivation Measure for Brazil. Technical Report [Internet]. 2020. [cited 2022 dez 9]. Available from: https://cidacs.bahia.fiocruz.br/ibp/publicacao/
  » https://cidacs.bahia.fiocruz.br/ibp/publicacao
• ²⁶ Centro de Integração de Dados e Conhecimentos para a Saúde (CIDACS). O índice - IBP [Internet]. [acessado 2022 dez 9]. Disponível em: https://cidacs.bahia.fiocruz.br/ibp/indice/
  » https://cidacs.bahia.fiocruz.br/ibp/indice
• ²⁷ Brasil. Ministério da Saúde (MS). Educação - Censos 1991, 2000 e 2010 - DATASUS [Internet]. [acessado 2023 maio 14]. Disponível em: https://datasus.saude.gov.br/educacao-censos-1991-2000-e-2010
  » https://datasus.saude.gov.br/educacao-censos-1991-2000-e-2010
• ²⁸ Johnson SC, Cunningham M, Dippenaar IN, Sharara F, Wool EE, Agesa KM, Han C, Miller-Petrie MK, Wilson S, Fuller JE, Balassyano S, Bertolacci GJ, Davis Weaver N; GBD Cause of Death Collaborators; Lopez AD, Murray CJL, Naghavi M. Public health utility of cause of death data: applying empirical algorithms to improve data quality. BMC Med Inform Decis Mak 2021; 21(1):175.
• ²⁹ Teixeira RA, Ishitani LH, França E, Pinheiro PC, Lobato MM, Malta DC. Mortalidade por causas garbage nos municípios brasileiros: diferenças nas estimativas de taxas pelos métodos direto e Bayesiano de 2015 a 2017. Rev Bras Epidemiol 2021; 24(Supl. 1):E210003.SUPL.1.
• ³⁰ Allaire JJ. RStudio: Integrated Development Environment for R [Internet]. [cited 2022 set 21]. 2012. Available from: http://www.rstudio.org/
  » http://www.rstudio.org
• ³¹ Minas Gerais. Plano Mineiro de Desenvolvimento Integrado (PMDI) 2019-2030 [Internet]. 2019. [acessado 2022 dez 9]. Disponível em: https://www.planejamento.mg.gov.br/pagina/planejamento-e-orcamento/plano-mineiro-de-desenvolvimento-integrado-pmdi/plano-mineiro-de
  » https://www.planejamento.mg.gov.br/pagina/planejamento-e-orcamento/plano-mineiro-de-desenvolvimento-integrado-pmdi/plano-mineiro-de
• ³² Secretaria de Estado de Saúde de Minas Gerais. Plano Diretor de Regionalização da Saúde de Minas Gerais (PDR/MG) [Internet]. 2011. [acessado 2022 dez 9]. Disponível em: https://www.saude.mg.gov.br/images/noticias_e_eventos/000_2016/Livro Plano Diretor de Regionalizao - PDR-SUS-MG.pdf
  » https://www.saude.mg.gov.br/images/noticias_e_eventos/000_2016/Livro Plano Diretor de Regionalizao - PDR-SUS-MG.pdf
• ³³ Ross CE, Masters RK, Hummer RA. Education and the Gender Gaps in Health and Mortality. Demography 2012; 49(4):1157-1183.
• ³⁴ Halpern-Manners A, Helgertz J, Warren JR, Roberts E. The Effects of Education on Mortality: Evidence from Linked U.S. Census and Administrative Mortality Data. Demography 2020; 57(4):1513.
• ³⁵ Malta DC, Reis GM, Veloso GA, Cardoso LSM, Hartz ZMA, Cunningham M, Naghavi M. Mortality patterns in municipalities of a mining region before the Brumadinho dam failure, state of Minas Gerais, Brazil. Rev Bras Epidemiol 2023; 26(Supl. 1):e230010.
• ³⁶ Marinho F, Passos VMA, França EB, Marinho F, Passos VMA, França EB. Novo século, novos desafios: mudança no perfil da carga de doença no Brasil de 1990 a 2010. Epidemiol Serv Saude 2016; 25(4):713-724.
• ³⁷ Borges GM. Health transition in Brazil: regional variations and divergence/convergence in mortality. Cad Saude Publica 2017; 33(8):e00080316.
• ³⁸ Peixoto SV. A tripla carga de agravos e os desafios para o Sistema Único de Saúde. Cien Saude Colet 2020; 25(8):2912.
• ³⁹ Duarte EC, Schneider MC, Sousa RP, Ramalho WM, Sardinha LMV, Silva Júnior JB, Castillo-Salgado C. Epidemiologia das desigualdades em saúde no Brasil: um estudo exploratório [Internet]. 2002. [acessado 2022 dez 9]. Disponível em: https://bvsms.saude.gov.br/bvs/publicacoes/funasa/epi_desigualdades.pdf
  » https://bvsms.saude.gov.br/bvs/publicacoes/funasa/epi_desigualdades.pdf
• ⁴⁰ Paes-Sousa R. Diferenciais intra-urbanos de mortalidade em Belo Horizonte, Minas Gerais, Brasil, 1994: revisitando o debate sobre transições demográfica e epidemiológica. Cad Saude Publica 2002; 18(5):1411-1421.
• ⁴¹ Gooley TA, Leisenring W, Crowley J, Storer BE. Estimation of failure probabilities in the presence of competing risks: new representations of old estimators. Stat Med 1999; 18:695-706.
• ⁴² Carvalho MS, Pacheco AG. Eventos competitivos. In: Carvalho MS, Andreozzi VL, Codeço CT, Campos DP, Barbosa MTS, Shimakura SE. Análise de sobrevivência teoria e aplicações em saúde. Rio de Janeiro: Fiocruz; 2011. p. 432.
• ⁴³ Marmot M, Bell R. Social determinants and non-communicable diseases: time for integrated action. BMJ 2019; 364:1251.
• ⁴⁴ Di Cesare M, Khang YH, Asaria P, Blakely T, Cowan MJ, Farzadfar F, Guerrero R, Ikeda N, Kyobutungi C, Msyamboza KP, Oum S, Lynch JW, Marmot MG, Ezzati M; Lancet NCD Action Group. Inequalities in non-communicable diseases and effective responses. Lancet 2013; 381(9866):585-597.
• ⁴⁵ Malta DC, Minayo MCS, Cardoso LSM, Veloso GA, Teixeira RA, Pinto IV, Naghavi M. Mortalidade de adolescentes e adultos jovens brasileiros entre 1990 e 2019: uma análise do estudo Carga Global de Doença. Cien Saude Colet 2021; 26(9):4069-4086.
• ⁴⁶ Malta DC, Duncan BB, Schmidt MI, Teixeira R, Ribeiro ALP, Felisbino-Mendes MS, Machado IE, Velasquez-Melendez G, Brant LCC, Silva DAS, Passos VMA, Nascimento BR, Cousin E, Glenn S, Naghavi M. Trends in mortality due to non-communicable diseases in the Brazilian adult population: national and subnational estimates and projections for 2030. Popul Health Metr 2020; 18(Suppl. 1):16.

• Financiación
  Este estudio fue financiado por los siguientes proyectos: Convocatoria Universal FAPEMIG Nº 01/2021 “Desigualdades en los indicadores de mortalidad por enfermedades crónicas no transmisibles y COVID-19 en Brasil y Minas Gerais”; y el Fondo Nacional de Salud, a través de la Secretaría de Vigilancia en Salud, “Estudios sobre la Carga Global de Enfermedades, Encuestas e Inteligencia Artificial”.

• Editores jefes:
  Maria Cecília de Souza Minayo, Romeu Gomes, Antônio Augusto Moura da Silva

Fechas de Publicación

• Publicación en esta colección
  10 Feb 2025
• Fecha del número
  Feb 2025

Histórico

• Recibido
  11 Feb 2023
• Acepto
  12 Dic 2023
• Publicado
  14 Dic 2023