Inequidad territorial en la salud de la población de Madrid: 20 años de evidencias

Ponencia presentada en las Jornadas de la Asociación Madrileña de Salud Publica (AMASAP)

Manuel Díaz Olalla 

Ateneo de Madrid, 26 de noviembre de 2024

(Se puede descargar la ponencia completa en PDF pulsando en este link)

  Como profesionales, pero también como seres humanos sensibles a las injusticias, estamos comprometidos con la equidad. Siempre conviene recordar que la lucha por la equidad en la salud tiene como objetivo dar a cada cuál lo que necesite o, traducido en términos de salud pública, luchar contra las desigualdades injustas que, además, se pueden combatir con medidas de políticas públicas, formando parte de la lucha por la justicia social, como queda elocuentemente plasmado en esta imagen que, por ello, vale más que mil palabras (CC BY 4.0; Universidad de Rice y OpenStax).

En este contexto el territorio es uno de los ejes en donde se dan, y se pueden analizar y explicar, las desigualdades en salud, formando parte de sus determinantes estructurales.

Fuente: Comisión para reducir las desigualdades sociales en España (2010) MSC, modificado de Solar e Irwin (OMS)

Las clases más favorecidas desplazan en el territorio a las demás a base de incrementar el precio del suelo y, por tanto, de la vivienda. Es la teoría de la segregación urbana que explica que la población en las ciudades se halle distribuida según la variable socioeconómica, en sentido general. Compréndase, además y según se desprende del esquema anterior, que el territorio es un factor de desigualdad con entidad propia, cuyo efecto no es solo la suma de los demás factores (clase social, por ejemplo) que se distribuyen de modo diferencial en él, sino que tiene entidad propia e independiente. De alguna manera, esta evidencia contrastada en múltiples análisis, aporta argumentos a quienes rechazan la validez de la llamada “falacia ecológica”, llevándonos a plantear que nadie puede ser una isla en el entorno en que vive y que, por encima de características individuales, el efecto de lo que le rodea (“el vecindario” en términos de la teoría multivariante) determina también la salud y la calidad de vida. En el siguiente gráfico se observa cómo en esta ciudad, en 2021, en los distritos de mayor desarrollo es 4 veces más frecuente la presencia de hogares de clase social favorecida que desfavorecida (razón de 0,25), situación segregadora que viene agudizándose en los últimos años pues en 2013 esta relación era de 1 de cada 2 (0,54).

Una vez aquí se puede explicar que el subtítulo de esta intervención se fundamenta en que los datos que se exponen proceden de los 4 Estudios de Salud de la ciudad de Madrid (Madrid Salud, Ayuntamiento de Madrid), que me honro en haber ideado, impulsado y dirigido, que recogen información de lo sucedido en esta ciudad en los dos últimos decenios, titulados como 2008 (https://bit.ly/4fSsx4D), 2014 (https://bit.ly/3Pq1u5M), 2018 (https://bit.ly/407qRyi) y, más recientemente, como 2022 (https://bit.ly/4h4nwqp ). El primero se empezó a gestar en 2004 y el último se ha publicado en 2024, de ahí la alusión, en términos gardelianos, a los veinte años. Todos ellos se pueden consultar y descargar en la actualidad de la página web de Madrid Salud (https://bit.ly/3DMjzsh o https://madridsalud.es/estudios-de-salud/)

En relación con la metodología, los datos que se ofrecen proceden algunos de análisis de información agregada, aunque también, otros, de información individual (encuestas) que agregamos nosotros, bien sean indicadores de salud como de determinantes sociales (demográficos y SE), de hábitos, medioambientales y relativos al sistema de cuidados.

Como en cualquier trabajo epidemiológico el objetivo final es la búsqueda de la causalidad, pero este anhelo choca con las limitaciones de los diseños (descriptivos) ecológicos en un solo nivel. Estos son buenos para enunciar hipótesis que deben ser después verificadas, o rechazadas, a partir de otros abordajes más demostrativos. Se compensa este déficit con aproximaciones analíticas (casos y controles transversales: explicación o predicción) cuando hay datos individuales.

Las divisiones administrativas con que se trabaja (distrito, barrio, sección censal) son fundamentales para el análisis. Cuando es posible prevalece el interés por el análisis en área pequeña, que asegura mucha más homogeneidad de la población que contiene, lo que ayuda a encontrar evidencias más claras en la relación entre indicadores de salud y otros de determinantes de la misma, si bien el escaso volumen poblacional complica la consistencia estadística de los resultados. Los mapas son, como se verá, la herramienta fundamental de estos análisis, aportando las herramientas de georreferenciación una nueva y prometedora perspectiva ya que hacen posible desencorsetar los estudios de esas divisiones territoriales preestablecidas, tan limitantes.

Sobre ello, las fuentes de información según tipo de área son:

Distrito (21) (media 166.000 hab)

•       Determinantes: Padrón Municipal de Habitantes (PMH), Encuesta de salud

•       Salud: Movimiento Natural de Población (MNP), Conjunto Mínimo Básico de Datos (CMBD), Encuesta de salud, registros sistema sanitario

Barrio (131) (media 26.700 hab)

•       Determinantes: PMH

•       Salud: (mortalidad) MNP, (morbilidad) CMBD, registros sistema sanitarios

SSCC (2.450) (media 1.450 hab)

•       Determinantes: PMH

•       Salud: (mortalidad) MNP

 

La similitud o el antagonismo en la distribución de variables o indicadores

El apasionante mundo de los mapas.

En el siguiente mapa del Instituto de Estadística de la Comunidad de Madrid se observan los distritos y barrios de la ciudad de Madrid. 

Una de las grandes ventajas de analizar los datos en los mapas es la búsqueda visual de la similitud o el antagonismo en la distribución de distintas variables o indicadores. Esta concordancia o su ausencia se puede corroborar con cálculos estadísticos. Esto me trae a la memoria cuando, en los inicios de esos trabajos, allá por el año 2004, como carecíamos de software para representar la distribución de variables en mapas solicitamos a los compañeros de la Dirección de Estadística municipal, que sí contaban con él, nos trasladaran los datos tabulados a mapas de la ciudad por distritos, asignando colores a grupos de distritos según rangos de la variable a representar. Recuerdo que el primer mapa que les pedimos fue el de la distribución de la renta bruta disponible per cápita del año 2000. Al día siguiente de enviarles la convenida tabla nos devolvieron un mapa en el que, en 4 grupos, se coloreaban los 21 distritos según tramos del indicador. Continuamos los sucesivos días enviándoles otras tablas con más indicadores de salud (esperanza de vida al nacer -EVN-, tasa de mortalidad por EPOC, tasa de mortalidad por enfermedades infecciosas, tasa de obesidad infantil, etc) que ellos respondían diligentemente con los respectivos mapas. Hasta que un buen día nos llamaron para preguntarme en tono jocoso, pero no exento de fundamento, que para qué les pedíamos tantos mapas si con el que hicieron el primer día, tan solo cambiando el título, podríamos representar todo lo demás. Reímos la chanza, pero al repasar, más despacio, uno detrás del otro entendimos el enorme parecido que tenían: sin duda muchos indicadores de salud se distribuyen igual o de forma muy parecida a la renta per cápita. A continuación, se traslada algún ejemplo de lo dicho. 

 

Sorprende ver cómo aquellos mapas se parecen, no solo entre sí, sino con los que podemos hacer hoy con datos actualizados al representar los mismos indicadores, aunque globalmente todos hayan mejorado al hacerlo de modo general la salud de la población. En realidad, lo que se representa de esta manera son posiciones relativas de unos (distritos) respecto a otros, de modo que sea posible interpretar esta persistencia ordinal comparativa mediante lo que podríamos denominar la “ley del ascensor” que informa de que cuando tenemos apiladas en un elevador un conjunto de cajas y este asciende 10 pisos, por ejemplo, cuando se abre de nuevo la puerta, aunque todas las cajas objetivamente están más arriba, las que estaban encima siguen encima y las que se encontraban debajo permanecen en esa misma situación.

En los años 80, el demógrafo del Ayuntamiento de Madrid Enrique Montoliú, junto con otros científicos, a la luz del conocimiento que entonces tenían, explicaba que existen “dos ciudades de Madrid”, en lo que tiene que ver con su situación socioeconómica, separadas por una línea que se traza desde la entrada de la carretera N-V por el Sur-Oeste, continuando por la M-30 dirección NE, hasta salir de la ciudad por la carretera N-II, al Este. En el siguiente mapa se dibuja ese trayecto, mientras que no deja de sorprender cómo, entonces y ahora, esa línea (la llamada entonces “línea de la pobreza”) separa dos realidades de la ciudad que si antes eran claras en la actualidad son contundentes: por fuera de la línea se sitúan los problemas, por dentro, se vive una situación mucho mejor. Como se ha señalado concurren en ese espacio externo al trazado situaciones de precariedad con mala salud de la población.

 Determinantes sociales

El papel de la demografía en las diferencias territoriales.

Si decidiéramos ajustarnos a un guion preestablecido en virtud del cual para llegar al análisis de las inequidades en la salud debemos antes repasar algunos factores determinantes sociales, y de los otros, que las explican, empezaríamos a hablar de las diferencias demográficas dentro de la ciudad.  Así, manifestamos que Madrid es una ciudad envejecida pues la proporción de personas mayores de 65 años (20,3%) es mayor que el porcentaje de población menor de 16 años (13,6%) en 2022. Ese índice que pone en relación el nº de personas mayores con el de las más jóvenes se llama Índice de Envejecimiento y su distribución en la ciudad es muy desigual territorialmente. Se ofrece a continuación el mapa de la ciudad según se comporta ese indicador por barrios, donde se aprecia que los más envejecidos se sitúan en el centro de la ciudad y en el Oeste, superando en la mayor parte de ellos los 160 mayores de 64 años por cada 100 menores de 16. Sin embargo, en el Sur y en el Este, zonas con importantes problemas socioeconómicos como veremos a continuación, la población es mucho más joven, rebasando  en la mayor parte de ellos el porcentaje de menores al de mayores. Destaca al Nor-Este un grupo de barrios contiguos entre sí con población muy joven, pertenecientes a los distritos de Hortaleza, Barajas y Fuencarral-El Pardo, zonas de creciente y reciente urbanización.

El sobre-envejecimiento (mayores de 80 años entre todos los mayores de 64) es importante, sobre el 35% en la ciudad, destacando los distritos de mayores dificultades socioeconómicas (Sur y Este) en este indicador, además de Moratalaz.

El mapa y el gráfico mencionados se ven a continuación.

 

 

 Además, la presencia de población de origen extranjero es muy importante, interesándonos especialmente la que procede de países en desarrollo, a la que llamaremos simplemente “inmigrantes”, es decir, la que mayoritariamente han llegado a nuestro país para mejorar su situación económica y la de su familia, que es la que va a sufrir más problemas de salud y mayores dificultades en sus condiciones de vida y trabajo, así como en el acceso al sistema de cuidados. Son el 22,5% de la población de la ciudad, pero su distribución es territorialmente desigual, concentrándose más en los distritos del Sur, además de en Centro y Tetuán. 

 

 No obstante, merece una reflexión el hecho de la importancia que tiene la división administrativa municipal, o el grado de desagregación territorial, que es lo mismo, que usemos para representar o definir estas diferencias. Como explica Julia Díez, del Grupo de Investigación en Salud Pública y Epidemiología de la UAH, es la naturaleza del indicador que queremos representar la que debe señalarnos qué división territorial es más conveniente. Por ejemplo, una vez analizada la distribución de la población inmigrante por distritos, si ampliáramos “la lupa” y quisiéramos ver lo mismo, pero por barrios nos llevaríamos la sorpresa de que, aunque el distrito de Villaverde reúne una proporción elevada de esa población, dentro de él sus barrios muestran importantes diferencias, pues Butarque tiene menos del 21%, mientras que San Andrés tiene más del 32%. Véase el mapa que se inserta a continuación. 

 

 

La tasa migratoria es la que en la actualidad mantiene en términos positivos el crecimiento poblacional de la ciudad y de la mayoría de sus distritos, ya que el crecimiento vegetativo es negativo (más fallecimientos que nacimientos) desde hace algunos años, incluso antes de la pandemia. Y esto sucede a pesar de que una gran parte de la natalidad está sustentada en las mujeres extranjeras, como se observa en la siguiente gráfica. En el conjunto de la ciudad las mujeres extranjeras tienen una fecundidad que supera en 5 nacimientos por cada mil mujeres al año a las españolas, alcanzando las mayores diferencias, siempre a favor de la fecundidad de las que tienen nacionalidades de otros países, en distritos como Villaverde (18 por mil más), Vicálvaro (aproximadamente 17 por mil más) y Puente de Vallecas y San Blas (15 por mil más).

 

En los distritos con mayores dificultades socioeconómicas la natalidad de madres extranjeras es mayor proporcionalmente, aportando un peso muy elevado a la natalidad general del distrito. Como se ve en la gráfica siguiente, en Usera, Villaverde, Carabanchel y Puente de Vallecas las mujeres de nacionalidad extranjera protagonizan más del 36% de todos los nacimientos anuales. 

Sin salirnos del guion del crecimiento natural de la población y si analizáramos ahora la mortalidad como fenómeno demográfico, en la siguiente gráfica observamos que la tasa bruta de mortalidad tiende a disminuir cada año, como es lo lógico en cualquier sociedad que avanza y donde mejoran las condiciones de vida y trabajo de la gente. Decimos que esto es así, como una constante, salvo “hecatombe” y, cuando lo decíamos no pensábamos que un desastre como ese podría ocurrir, como realmente pasó en 2020 con la llegada de la pandemia de COVID-19, cuya huella indeleble ha quedado también en la demografía reciente. 

 

Hacer de la necesidad, virtud: agregación de distritos. Clúster de distritos por desarrollo humano.

Desde el inicio de estos trabajos echábamos de menos la posibilidad de hacer análisis territoriales dentro de la ciudad de algunos fenómenos poco frecuentes y, por tanto, de prevalencias bajas, cuando los datos provenían de registros individuales (encuesta). Las muestras que siempre hemos manejado en esas encuestas, aunque indudablemente grandes para el conjunto de la población (por encima de 8.000 personas), se quedan algo escasas en el análisis distrital (algo más de 380 personas por distrito), lo que para ese nivel de desagregación y en el hipotético caso de haberse obtenido por muestreo aleatorio, solo aseguran un error muestral de +/- 0,05 para p=q=0,5. Siendo razonable, esta precisión queda pequeña estadísticamente cuando se estudian esos fenómenos de frecuencia baja, en especial en el análisis de diferencias territoriales, en el que los rangos de imprecisión (acotados por el Intervalo de Confianza del 95% -IC95%-) no deben superponerse para ser demostrativos de esas discrepancias. Por todo eso, es decir, más por necesidad que por virtud, se buscó la manera de juntar algunos distritos de la ciudad con algún criterio común que nos ayudara a incrementar el tamaño de las muestras donde estudiar esas diferencias territoriales.

De ahí surgió la idea de utilizar el concepto moderno de “desarrollo humano” (ver los trabajos de Amartya Sen y del PNUD desde 1990) que nos habla de que desarrollo es algo diferente a riqueza material y que tiene más que ver con la posibilidad cierta de vivir una vida larga y saludable, tener acceso al conocimiento y unos recursos mínimos como para “poder llevar una vida decorosa”. Por tanto, y remedando esa visión agregada en el territorio (esperanza de vida al nacer, nivel educativo y PIB per cápita) y la misma metodología que utiliza el Fondo de Naciones Unidas para el Desarrollo para el cálculo del Índice de Desarrollo Humano (IDH), desde 2004 obtenemos un índice de desarrollo por distritos (Índice Combinado de Salud, Conocimiento y Renta o ICSR) a partir de la esperanza de vida al nacer, la tasa de residentes con nivel de estudios por encima de secundarios y la renta disponible per cápita. Una vez obtenido y mediante un análisis de clúster, logramos agrupar en 4 clases los 21 distritos, juntando en cada una a los que más se parecen entre sí y más se diferencian de los demás en esos 3 indicadores estudiados conjuntamente, denominando a los clústeres resultantes como de alto, medio-alto, medio-bajo y menor desarrollo humano.

A continuación, se representan los 3 indicadores que componen el índice según su evolución en 2001, 2016 y 2019 (el último), así como el propio índice (ICSCR).

 

 

 

 

En fin, en el ultimo análisis obtuvimos este mapa de los distritos de la ciudad agrupados según desarrollo humano en 4 categorías:

Como se observa el grupo de mayor desarrollo se circunscribe a la almendra central (sin Centro, Tetuán ni Arganzuela), mientras que el de menor desarrollo se concentra en los distritos del Sur. Si ampliamos la visión y a estos les sumamos los de “desarrollo medio bajo” tenemos, de nuevo, el mapa de “la línea de la pobreza” delimitada por carreteras nacionales al que aludían algunos estudiosos en los años 90. Leyendo las etiquetas apreciamos las grandes diferencias en los indicadores sobre los que se obtienen los clústeres entre el de mayor y menor desarrollo, comparados con la ciudad en conjunto, en especial en tasa de estudios superiores (3,7 veces mayor en el primer grupo) y en renta (3 veces inferior en los de peor situación).

En todo caso es interesante insistir en que estas visiones agregadas y definidas a partir de medias aritméticas tienen la dificultad de no informar acerca de la magnitud que tienen los grupos que se alejan de esa media, en especial si es por debajo, ni la profundidad de esa divergencia. Hace tiempo se subsana esta carencia informativa adosando al dato de centralización (ICSCR en este caso) la tasa de pobreza, por ejemplo, que aproximadamente delimita qué porcentaje de personas se “queda fuera” de ese reparto o de la situación más favorable de la mayoría. Es un tema especialmente relevante en una ciudad como esta en la que la desigualdad es muy grande, al igual que la pobreza.

Como se ve en este gráfico que obtuvimos de la curva de Lorenz de la distribución de renta y población en los barrios de Madrid en el periodo 2013-2016, el Índice de Gini fue de 0,19 y la mitad de la población (la que vive en los barrios más pobres) acumula el 38% de la renta. Además, el 10% de la renta total de la ciudad distribuida en barrios la acumulan los 19 barrios más pobres (aproximadamente 520.000 habitantes) frente a los 5 barrios más ricos (unos 87.000 habitantes) que acumulan también otro 10% de la riqueza (GAP10/90).

Cabe destacar, no obstante, que el Índice de Gini poblacional en la ciudad es superior al señalado aquí que, como se indica, procede de un análisis en el que la renta y la población están agregadas en los barrios de la ciudad. Según el INE y el Departamento de Estadística municipal ese índice para la población de la ciudad fue de 0,37 en 2019, mientras que en España, ese mismo año, se quedaba en 0,33, diferencia notable que habla mal de la equidad en nuestra ciudad ya que, como se sabe, mayor índice significa más desigualdad (valor máximo 1 y mínimo 0).

Indicadores de salud y su relación con determinantes sociales

Herramientas para el análisis de la vulnerabilidad ligada al territorio: el Índice de Privación.

Con el ánimo de conocer no solo el desarrollo sino también la precariedad en los territorios, y con objeto de caracterizar aquéllas zona de la ciudad (distritos, barrios, secciones censales) con mayores problemas socioeconómicos (privación material) calculamos un Índice de Privación (IP) compuesto de ciertas variables que pueden definir esta situación, componiendo un indicador integral a partir de todas ellas de forma equiponderada. En el Estudio de Salud de la ciudad de Madrid de 2014 se publicó un informe monográfico con un primer Índice de Privación (2011-2014), que tiene continuación en el último Estudio (2022) donde se publicó  otro, el IP’21 de Madrid Salud, más actualizado, que tiene la ventaja de que sus componentes se obtienen a partir de fuentes de datos municipales, casi todas disponibles “en tiempo real”, siendo susceptible, por ello, de actualizaciones prácticamente permanentes.

Es importante señalar que el IP’21 oscila entre el valor 0, la menor privación, y el 1, la máxima, y que se dispone para áreas grandes y pequeñas en la ciudad, y tiene como componentes: 

• ü  Baja renta per cápita (2017)
• ü  Tasa abstención electoral (2021)
• ü  Tasa población de 30 a 64 años con estudios secundarios o menos (2021)
• ü  Tasa de desempleo registrado en la oficina de empleo de 16 a 64 años (2021)
• ü  Tasa de inmigrantes económicos según país de nacimiento (2021)

A continuación, se puede ver, en los mapas correspondientes, la distribución del IP’21 según las 3 divisiones territoriales con que trabajamos, agrupados y coloreados en deciles de privación por natural break para las áreas administrativas más grande o en 32 colores, según el mismo sistema, para las secciones censales. 

  En las sscc se aprecian, como es lógico, los valores más extremos, según este resumen.

A continuación, en quintiles sobre las sscc (de verdes a rojos), vemos los mapas de la distribución de cada componente:

 

 

 

En relación a la abstención electoral extrema y su relación con la exclusión social se puede repasar lo que  Braulio Gómez y Manuel Trujillo escribieron para el Observatorio social de La Caixa (“Urnas vacías en los suburbios de las ciudades”): “Los ciudadanos de algunos barrios (de las grandes ciudades) van a colegios y universidades (muy) caras, tienen trabajos (muy) bien remunerados y los domingos de elecciones llenan las urnas. Los del barrio que queda al otro lado de la carretera abandonan de forma (muy) temprana el colegio, tienen (muy) altas tasas de desempleo y nunca incluyen sus preferencias en el sistema democrático. Las ciudades están llenas, más llenas que nunca, pero las urnas están vacías. Bueno, en realidad sólo las de los barrios que quedan en el lado incorrecto de la carretera.”

Las mayores brechas entre quintiles para el IP’21 y cada uno de sus componentes los observamos según la siguiente magnitud:

1º.- La inmigración (3,58 veces mayor en el Quintil 5 que en el Quintil 1)

2º.- Indicador educativo (3,05 veces)

3º.- La renta (2,79 veces más el de menos privación que el de más privación)

4º.- El paro (2,67 veces) y

5º.- La abstención (2,47)

 

La capacidad explicativa y, por tanto, la utilidad de este índice se puede probar, de alguna forma, observando cómo se comporta en relación, por ejemplo, con la mortalidad de los hombres (Razón de Mortalidad Estandarizada -RME- de 2010-2014): 

 Efectivamente en el quintil de máxima privación (Q5) la mortalidad es máxima, observando que existe un claro gradiente directo entre esa privación de las sscc y la tasa de mortalidad de los hombres ajustada por edades (RME). Con la RME de las mujeres no se aprecia ese mismo gradiente, registrando tan solo un 3% más mortalidad en Q5 que en Q1.

Además, de los 5 componentes del IP en las sscc los que mejor correlación hallron con la mortalidad fueron la abstención y el desempleo, ambos 0,364 (siempre con p<0,05).

Recientemente se publicó el Atlas de España según un IP obtenido por sscc, con datos de 2011. Estos indicadores se construyen habitualmente a partir de datos censales lo que determina que a su publicación muchos de ellos se hayan quedado algo obsoletos (los censos son decenales), por lo que la aportación que hacemos con nuestro trabajo (IP’21 MS) a partir de datos procedentes de fuentes municipales (la mayoría del Padrón de Habitantes -PH-) tiene una validez y una capacidad explicativa de los fenómenos de la salud equivalente y más actualizada, aunque se calcule con otras variables y otra metodología. Cabe señalar, no obstante, que la posición relativa de cada sscc respecto a las demás según los IP se modifica poco con los años (“teoría del ascensor”) y con los cambios metodológicos. A continuación, se observa el mapa nacional referido con su fuente, donde se observa que, tras agruparse y colorearse por quintiles, la privación más grande en España se sitúa a la izquierda y por debajo de una línea hipotética que iría de Asturias a Murcia, quedando el resto del territorio (por encima y a la derecha de la línea) en mejor situación relativa. Si se compara con el mapa presentado del IP´21 de Madrid insertado un poco más arriba, se nota que en la ciudad la mayor privación responde a una imagen centrífuga y se concentra preferentemente en la periferia, en especial del Sur y el Este.   

 

Joan Benach, en el año 2000, estableció que la mitad de España con peores datos socioeconómicos tendría un exceso de mortalidad respecto a la otra media, según tasas ajustadas de mortalidad, de unas 35.000 personas al año, que serían hipotéticamente susceptibles de no fallecer si mejorasen esos determinantes sociales en esa España precaria. En la ciudad de Madrid, con el mismo método hemos calculado ese exceso en unas 3.600 personas/año, esto es, aproximadamente un 13% del total.  

La esperanza de vida: La magnitud de la inequidad territorial, la sensibilización y el debate político.

Pero no hay un indicador que tenga la capacidad de llegar y sensibilizar a la población sobre las inequidades en salud como la esperanza de vida (EV), no solo porque el concepto sea muy asequible y sencillo de interpretar sino porque desde el punto de vista de la epidemiología es un gran índice integral de la salud de una población, aunque paradójicamente proceda de la situación más antagónica a la salud, cual es la muerte. Tiene la enorme ventaja de que, a diferencia de otros indicadores globales como las tasas butas de mortalidad, no necesita transformaciones para su comparabilidad. Hace muchos años creíamos que el desarrollo humano era equivalente a la riqueza material y representábamos el nivel de salud de una población con la tasa de mortalidad infantil. Cuando este indicador de mortalidad, que indudablemente tiene un suelo difícil de rebajar con los conocimientos actuales, dejó de ser sensible a las mejoras en la salud general hubo que buscar otras alternativas más solidas y prácticas, encontrando en la EV esa supuesta panacea.

Los equipos que hemos elaborado los diferentes Estudios de Salud de la ciudad de Madrid somos pioneros en calcular este indicador en la ciudad y sus distritos (estudio de 2008) y, más tarde, en sus barrios (2014), logrando, de alguna forma, que las inequidades en la salud en esta ciudad, certeramente dibujadas a través de él, lleguen al conocimiento de la población general que se pregunta a qué se deben esas diferencias y cómo se explican en las políticas que se hacen. Tanto es así que el tema ha pasado a formar parte de “la agenda” política, en especial cuando se acercan las elecciones locales, a lo que, modestamente, creemos que hemos contribuido con nuestro trabajo. Si así fuera no podemos más que estar satisfechos pues la sensibilización de la población y, a partir de ella, la de los líderes que manejan los recursos públicos, forma parte esencial del objetivo más importante que pretendemos alcanzar a partir de nuestra labor de investigación (mejorar la salud de las personas).

Un fenómeno curioso que se repite cuando se presentan esos resultados dispares es que la gente se pregunta cómo pueden ser posibles estas diferencias cuando “todos disfrutamos de un mismo sistema sanitario universal (en realidad, no es para todos y todas), gratuito, accesible y de calidad”, que nos trata por igual. Esta dificultad para entender esa realidad se fundamenta en el error común de creer que la salud de la población es el resultado directo de la actuación del sistema sanitario cuando sabemos, desde el famoso informe de Lalonde (Lalonde, Marc. «A New Perspective on the Health of Canadians», 1974), que la mayor parte de los problemas de la salud de las personas, en nuestro contexto de desarrollo, están fuera del sistema de salud.

Por lo general se tiende a deducir la magnitud de las desigualdades territoriales en la salud dentro de las ciudades a partir de las diferencias en EV entre los distritos o entre los barrios. En los distritos de la ciudad de Madrid esta brecha en el decenio 2011-2021, según sexos, es variable, mayor en hombres, con tendencia a la estabilización, alcanzando la cota máxima en 2017 para los hombres (5 años) y en 2018 para las mujeres (3 años), como se ve en la siguiente gráfica.

 

Existe una idea muy exitosa para representar estas diferencias cual es la que popularizó el Departamento de salud de Londres representando en un plano de una línea del metro de esa ciudad (Jubilee line) la esperanza de vida de los hombres que viven cerca de cada estación, con datos agregados en el quinquenio 2008-2012, destacando el hecho de que existen casi 6 años de diferencia en EV media (1,4 años si atendemos a las diferencias mínimas según los intervalos de confianza 95% de las EV medias), como se ve en la gráfica que se inserta a continuación. Además, se asegura, cada parada en dirección Canning Town desde Westminster significa una caída de 1 año en la EV media de los hombres (gradiente). Indudablemente el impacto de esta representación se fundamenta, además de en todo lo comentado, en la constancia de que cada día en nuestra rutina cotidiana de trasladarnos por la ciudad atravesamos realidades muy diferentes (salud, nivel socioeconómico) o, lo que es lo mismo, en un pequeño espacio geográfico coexisten mundos diversos donde la gente vive vidas muy distintas y se enfrenta a problemas diferentes que pueden determinar que la supervivencia sea notablemente distinta, lo que para cualquiera pone en evidencia una inequidad difícilmente tolerable.

 

Como se señala, la idea ha sido tan aplaudida que la han replicado en diferentes lugares y contextos, como en Barcelona con todo el plano del metro para el conjunto de la población en 2014, donde destaca las diferencia entre Pedralves (86,5 años) y Torre Baró (75,2), barrio popularizado recientemente por los acontecimientos recogidos en la película “El 47”.

En Madrid, Joan LLoch en 2018, con datos nuestros de EV de barrios pata toda la población, replicó el esquema  en la línea 3 del metro de Madrid, como se observa a continuación.

 

 La idea de trasladar a este esquema las EV, no ya de divisiones territoriales pre-establecidas (barrios, distritos), sino de la población incluida en un búfer determinado alrededor de cada estación tras georreferenciar población y defunciones, mejoraría mucho esta visión, aunque exigiría un trabajo arduo, fuentes de datos muy afinadas y un diseño metodológico impecable.

Finalmente, otros autores han desarrollado este mismo planteamiento, aunque con otros indicadores. Se recoge a continuación lo que publicó Javier Segura con la tasa de mortalidad general de zonas básicas de salud ajustada por edades según el método indirecto (RME) trasladada a la línea de cercanías 4 de Madrid. Como se ve, teniendo en cuenta que la RME de la Comunidad de Madrid (referencia) es 1, se objetiva diferencias muy notables entre Villaverde Alto (doble mortalidad que la Comunidad) y, por ejemplo, Tres Cantos (algo más de un 30% menos que la referencia citada).

 

 El recurrente interés de observar las diferencias en la esperanza de vida con el fin de dar magnitud a las desigualdades en la salud choca con algunas limitaciones. Por ejemplo, con la división territorial que usemos para ello. Las diferencias entre barrios con datos extremos son mayores que entre distritos, aunque lo son menos que entre secciones censales. A la vez, la incertidumbre sobre los “datos medios” crece a medida que se comparan territorios con menos población, aunque se agreguen varios años para intentar paliar ese déficit, lo que se traduce en unos intervalos de confianza (IC95%) más amplios (menos precisión). Entre otras consecuencias esto hace más difícil encontrar diferencias realmente consistentes estadísticamente (“significativas”), a pesar de que las distancias entre esperanzas de vida medias sean llamativas.

Con las técnicas estadísticas que usamos para estos cálculos (método Chiang II) no podemos estar seguros de que la EV media obtenida sea exactamente la de la población, pero sí que en 95 de cada 100 veces el auténtico valor estará dentro de su IC95%. En la reunión anual de la SEE de 2015 presentamos un sistema, al que denominamos “diferencias mínimas”, para suavizar esas diferencias extremas, que preconiza señalar las distancias que se establecen entre el IC superior del territorio con menor EV y el IC inferior del que tiene mayor EV. En el análisis que hicimos del periodo 2013-2016 representamos en estos esquemas las diferencias medias y mínimas entre el mejor y el peor dato medio de la EV en los barrios. Para hombres se aprecia cómo las diferencias entre ambos extremos en hombres (El Goloso -93,71 años- vs Cuatro Vientos -82,54 años-) es de algo más de 10 años si nos quedamos con la EV media, pero se reduce a tan solo 2,2 años si observamos las diferencias mínimas. Para las mujeres, como se ve, estas distancias entre la mejor EV (también El Goloso -107,43 años-) y la peor (El Plantío -83,10 años-) es de 14 años y 7 años (media y mínima).

 

 

 En relación con esto podemos abundar aquí en el impacto que estas medidas de la inequidad tienen en el debate político. En el año 2021 se desató cierta polémica cuando Pablo Iglesias, candidato a la Asamblea de la Comunidad de Madrid, declaró que eran insoportables las diferencias en EV entre barrios en la ciudad de Madrid, pues alcanzaban hasta 10 años, afirmación que procedía, sin duda, de nuestro informe sobre las diferencias en la de los hombres para (2013-2016), datos que anteceden. Rápidamente otros candidatos calificaron de “bulo” la declaración del de Podemos, usando en su contra diferencias también registradas por nosotros, pero entre distritos, que son, como se comprende, mucho menores. En aquel periodo (2017) la diferencia entre los distritos con los datos extremos era, para hombres, de 5 años (84,6 años de Barajas vs 79,6 años de Puente de Vallecas). Todos estos datos están publicados en el Estudio de Salud de la ciudad de Madrid de 2018, concretamente en el monográfico sobre esperanza de vida y mortalidad, y se debe recalcar aquí que para los distritos no se calculan los IC95% de sus EV ya que, debido a su elevado volumen de población y las correspondientemente cuantiosas defunciones anuales, estos intervalos son despreciables situándose, límite superior e inferior, prácticamente sobre la cifra de la EV media.

En todo caso, fruto de aquel debate electoral se publicaron noticias como la que se recoge a continuación, en la que el periodista confunde, no sabemos si por desconocimiento de lo que son las divisiones administrativas municipales o por mala fe, distritos y barrios, cuando la realidad es que el candidato Iglesias acertó en la información que comunicó (brecha de 10 años entre barrios). Para no ser del todo suspicaces diremos que es cierto que, en ocasiones, se confunden, en el discurso dialéctico popular, unas divisiones territoriales y otras (el popular “barrio de Salamanca” de Madrid es, en realidad, un distrito), pero no es menos cierto que nunca hemos sido partidarios de cifrar la magnitud de las diferencias en la salud a partir de las distancias en este indicador de supervivencia pues, como queda probado, hacerlo invisibiliza de forma tajante el efecto que el volumen de población tiene en esa comparación, induciendo a errores con gran facilidad, en especial cuando es pequeño. Por ello introdujimos el concepto de “diferencia mínima”, de la misma manera que siempre hemos llamado la atención sobre el hecho de que su presentación descontextualizada fácilmente incrementa, sin otros matices, la creencia errónea de que la diferencia en la salud representada por esas brechas radica, fundamentalmente, en el funcionamiento del sistema sanitario.    

 

Si recurrente resulta ese, a veces, estéril debate, no lo es menos el legítimo interés del investigador en comprobar qué relación existe entre la EV en el territorio y un indicador socioeconómico de referencia, habitualmente en el análisis entre países, el PIB per cápita. Entendiendo que no significan lo mismo, hemos usado muchas veces la renta per cápita de los distritos (Renta Bruta Disponible per cápita -RBDpc-) para esa observación. A continuación, se pone un ejemplo de esa correlación (esperanza media de vida al nacer -EMVN- vs RBDpc) para el año 2000 en los 21 distritos de la ciudad. La recta que se dibuja es la que con más eficiencia une todos los puntos, esto es, la que mejor “explica” la relación cruda entre ambos indicadores, destacándose el hecho de que es claramente directa (a más renta, más supervivencia), anunciándonos, como en todas estas aproximaciones observacionales de diseño ecológico, que los distritos que se aproximan a la recta responden a la situación “normal” que no es otra que aquella en que, en la ciudad, “una cosa se traduce en la otra” o, elevando el símil, o que expone “la capacidad de esta ciudad en convertir riqueza en salud”. Si admitimos que esto es así Puente de Vallecas y Chamartín, en ambos extremos de la recta, certificarían esta relación en términos “de normalidad”. Pero los territorios que se alejan de ella están reclamando estudios adicionales que aclaren por qué viven situaciones tan distintas a “lo habitual” para esa relación en la ciudad.  Hablamos especialmente de Fuencarral-El Pardo y Salamanca como ejemplo de “más EV” de la que les corresponde para su renta, o, en el caso contrario, de Centro o Villa de Vallecas, con “peor salud” de la que se podría esperar para su riqueza.

De manera coloquial diríamos que el 22,17% de las variaciones de la EV dependen de las variaciones de la renta en los distritos, según su R².

 

En resumen, que con los datos más recientes, los que se publicaron en el Estudio de 2022, la distribución de la EV al nacer en la ciudad, por distritos y según sexos, queda como se ve en los dos mapas siguientes, clasificados y coloreados en 5 grupos. Como se observa, mientras que la peor situación en los hombres se tiende a concentrar en los distritos del Sur y el Este, la de las mujeres se sitúa más bien en un eje Oeste/Sur-Este. Los distritos de Puente de Vallecas y Centro están en los peores lugares en ambos sexos.

 

Sin embargo, la esperanza de vida en buena salud (EVBS), entendida como los años que se puede aspirar a vivir, de media, sin limitación crónica para las actividades habituales, para los nacidos en 2017, y siempre que se mantuvieran constantes a lo largo de toda su vida, no solo los riesgos de morir a cada edad sino también los de sufrir esa limitación, se distribuye en la ciudad según el mapa que se incluye a continuación. Como se ve las diferencias también son notables entre distritos para toda la población sin distinción de sexos, destacando la peor situación relativa del Sur, en especial de Villaverde y Villa de Vallecas, además de Tetuán, y la mejor del centro de la ciudad, sobre todo la de Salamanca y Ciudad Lineal. Para toda la ciudad la EVBS de los hombres en 2021 fue de 63,2 años y de 62 años la de las mujeres, mientras que, para España, según el INE en ese mismo año fue de 63 y 62,6 años, respectivamente.

Según se ha documentado, este indicador de calidad de vida refleja mejor las diferencias en la salud que el que solo habla de la supervivencia (EV). Si aplicáramos aquí el mismo método de calibrar esa distancia que hemos usado en la comparación de la EV en los barrios, las diferencias mínimas, veríamos que entre el mejor y el peor distrito de la ciudad esta diferencia fue de 4,6 años en 2017 (Villa de Vallecas 56,5 [53,1-59,8] vs Ciudad Lineal 67,7 [64,4-71,0]), aunque las EVBS medias fueran de más de 11 años. 

La esperanza de vida: de lo general a lo particular. Desagregando, la realidad parece diferente.  Si a esta visión “macro” de la EV por distritos le contraponemos la distribución por barrios, observaremos unos mapas completamente distintos. Eso se puede observar en los que se ofrecen a continuación, en que las mejores y peores situaciones se dibujan de otra manera o, al menos, de una forma complementaria. Desde luego, llena de matices.

Dentro de los distritos con más problemas hay situaciones muy diferentes, de la misma forma que en los que ostentaban las mejores cifras hay territorios con datos inesperados por lo que tienen de mejorables. No olvidemos que el dato distrital es un promedio de realidades distintas, unas mejores que otras, que se invisibilizan unas a otras, pero que se ofrecen ante nuestros ojos en toda su variedad cuando nos permitimos entrar al detalle. Por ello siempre repetimos que es buena idea escoger el nivel de desagregación con que trabajemos, si es que podemos hacerlo, pensando en lo que queremos representar, de la misma manera que cuando pretendemos explicar un fenómeno de la salud, quizás la EV, a partir de la distribución territorial de algunos determinantes sociales deberemos escoger, siempre que se pueda, el área pequeña, en Madrid la sscc, en la que la homogeneidad de la población en relación al determinante está casi asegurada.

En el mapa que observamos más abajo vemos que, dentro del distrito Moncloa-Aravaca, existen 3 barrios, El Plantío, Aravaca y Villamarín, con datos de supervivencia de las mujeres bastante malos lo que, desde luego, no se compadece con los buenos indicadores socioeconómicos del distrito ni de sus barrios. Este hallazgo, reiterado en nuestros estudios, pasaría desapercibido si no hubiéramos llegado a esta aproximación a ese nivel territorial. Obsérvese, además, que El Plantío, el más distal de los tres, muestra datos muy atrasados también para la esperanza de vida de los hombres. Si recordamos, unos párrafos más arriba ya habíamos hablado de El Plantío por sus malos resultados también en la EV de mujeres.

 

La relación, conocida, entre la renta, en este caso la Renta Neta Media Anual del Hogar (2014), y la EV (2013-2016), también la de los barrios, se observa con claridad en este gráfico, en que estos territorios se han agrupado en quintiles del indicador económico, destacando el hecho del claro gradiente que se establece para las EV de los hombres mientras que las de las mujeres permanecen insensibles al dato de la renta. Sobre el hecho conocido de que los indicadores socioeconómicos (renta, ingresos), tal y como los calculamos, reflejan mucho más la actividad de los hombres que las de las mujeres, no hay mucho más que añadir ante gráficas como esta:

 

La realidad, a vista de pájaro. Aproximación cualitativa a las supuestas discrepancias entre el nivel socioeconómico y la salud en algunos barrios con datos extremos en la expectativa vital de su población.

No hay nada parecido a conocer el terreno que se debe pisar cuando analizamos los datos epidemiológicos que queremos interpretar. En caso de no hacerlo, hoy en día tenemos algunos recursos que pueden ayudarnos. Cuando calculamos por vez primera la EV de la población de la ciudad de Madrid según sus barrios de residencia (EV agrupada en el cuatrienio 2009-2012) no sorprendió que el barrio más destacado era El Goloso, en el distrito de Fuencarral-El Pardo. Y nos extrañó porque teníamos la idea de que este barrio era, en realidad, un inmenso descampado en donde se ubicaban, de forma más o menos desperdigada, la Universidad Autónoma, el Hospital Psiquiátrico Provincial y algunos cuarteles. Cuando cotejamos las fotografías satelitales disponibles en la web comprendimos que en una esquina de ese barrio, en la encrucijada de la cartera de Colmenar Viejo con la M-40, existe un “desarrollo urbanístico” llamado Montecarmelo cuya parte más grande se ubica en el limítrofe barrio de Mirasierra. Pero tras analizar con más detalle las fotografías entendimos el dato que, momentos antes, era incomprensible para nosotros: se trataba de una urbanización con viviendas unifamiliares separadas de gran calidad, con jardín o espacios verdes privados, además de vistosas y amplias piscinas particulares donde refrescarse cuando la canícula extrema sus rigores. Las condiciones de las viviendas, su equipamiento visible y su entorno nos habla con claridad de las notables condiciones de vida de la población que allí habita.

Nos pasó lo mismo, pero, al contrario, cuando repetimos el experimento en el barrio que obtuvo los peores datos de EV de hombres: Amposta, en el distrito de San Blas. También se pueden estudiar esas fotografías, a continuación. Los edificios, el entorno construido, la escasez de zonas verdes, etc, también hablan elocuentemente de las condiciones de vida y de la concentración de determinantes sociales adversos para la salud que, con seguridad, afectan a esta población.    

Indicadores de salud y su relación con determinantes sociales

Las diferencias en el riesgo de morir en el territorio urbano.

Los análisis de mortalidad, como la EV, son los más importantes para determinar el nivel de salud de una población y sus principales problemas, siendo sus datos muy fiables dadas sus fuentes, y bastante eficaces, al menos para conocer los que causan desenlaces fatales. La carga de enfermedad, es decir la determinada por las enfermedades crónicas, así como la afectación que producen en la calidad de vida, son el complemento necesario al conocimiento de la mortalidad, debiendo recabar la información necesaria para su calcularla de los registros del sistema sanitario o de encuestas de salud.

Aunque la EV procede de los datos de mortalidad, los análisis del riesgo de morir ajustado por edades (tasas de mortalidad) y su distribución territorial en la ciudad aportan, como es lógico, también una información necesaria para explorar las inequidades en la salud. Puede verse a continuación la tasa de mortalidad por todas las causas ajustada por edades en los distritos de la ciudad, para hombres y mujeres, constatando, como se ve a continuación, que los peores datos (mayor riesgo de morir tras eliminar el efecto de la edad) se concentran en los distritos del Sur, además del distrito Centro.

 

 

Si estudiáramos la mortalidad prematura a través de las tasas de años de vida perdidos en relación a los que se podían haber vivido según la EV de cada fallecido veríamos un comportamiento en su distribución como el que se aprecia en los siguientes mapas. Destaca la peor situación de Centro y Tetuán, especialmente para los hombres y, en general, la de Puente de Vallecas, Latina y San Blas-Canillejas para unos y otras. La mortalidad prematura en mujeres aparece con una tendencia Oeste a Sur-Este, surgiendo de nuevo Moncloa-Aravaca como un distrito con peor situación para las mujeres, como en las tasas ajustadas analizadas en los mapas previos.

 

 

 Si es cierto que los avances en la salud y, en general, en el desarrollo y el bienestar de todos y todas han sido muy importantes en los últimos decenios, no lo es menos el hecho de que algunos han avanzado infinitamente más que otros y que, cuando hay problemas, unos los sufren más severamente que los demás, de modo que, si fuéramos capaces de ampliar esta foto retórica con un zoom amplio hasta ver los “pixeles” que la componen, asistiríamos a la realidad que subyace: lo que realmente ha crecido y se ha profundizado son las brechas que separan a unos de otros, dando lo mismo que hablemos de países, regiones, territorios más pequeños o, incluso, grupos sociales dentro de ellos.

Esto lo pudimos comprobar al analizar la evolución de la tasa de mortalidad general de los hombres según grupo de distritos dentro de la ciudad entre 2010 y 2017. Como se ve en la gráfica que se ofrece a continuación: la tasa siempre es mayor en los de menor desarrollo y, algunos años, su distribución mantiene un gradiente entre los clústeres que se explica muy claramente por el desarrollo humano de los territorios, es lo que ocurre en 2011, 2016 y 2017.

Llama la atención también que, a pesar de las diferencias claras, en 2010 ellas no alcanzan la rotundidad suficiente como para determinar que existen estadísticamente entre grupos de distritos contiguos según su nivel de desarrollo, considerando los IC95% de las tasas. Pero en 2011 la tasa de los de menor desarrollo se incrementa notablemente, no ocurriendo lo mismo con las de los demás grupos. Se trata, efectivamente, del año en que la crisis económica de 2008-2010 (“crisis de las subprimes”) impactó más claramente en la salud de la gente, y esta afectación exclusiva de los hombres de los distritos en que se acumulan más dificultades es de una magnitud que las diferencias entre ellos y los demás distritos se hace significativa, manteniéndose esta distancia hasta 2017, en que los respectivos IC95% vuelven a superponerse, desapareciendo, por ello, las diferencias significativas entre distritos. Lo que ocurrió fue que incrementaron, por tanto, las brechas, a partir del retroceso de los más vulnerables. 

En 2019 realizamos una evaluación del impacto de las emisiones de la incineradora de Valdemingómez en la salud de la población madrileña. Sobre sus resultados, que se pueden estudiar en el documento al que se accede a través del link insertado en el título que antecede, hay poco que comentar excepto el hecho interesante de que si bien existe un exceso de mortalidad general y por muchos grupos de causas entre la población que vive en las cercanías de esa instalación industrial, en el distrito de Vila de Vallecas, no es menos cierto que al “restar”, con técnicas estadísticas apropiadas, el exceso de mortalidad que va asociado a las malas condiciones de vida que sufre esa población, representadas por un elevado Índice de Privación, en este caso, tal diferencia desaparece, encontrando, entonces, que el riesgo de morir en esas secciones censales cercanas a la incineradora se iguala al del resto de la ciudad, desapareciendo por tanto el factor proximidad a la misma de la hipotética lista de los que justificarían esa mala salud detectada y representada por las elevadas tasas de mortalidad.

Pero a raíz de ese trabajo estudiamos la distribución de la mortalidad por todas las sscc de la ciudad (tasas de mortalidad ajustada por edades según el método indirecto), tanto por todas las causas como por algunas concretas, tras suavizar esos riesgos en relación a las tasas de las sscc colindantes y al comportamiento y la tendencia geográfica de su distribución en el conjunto de la ciudad. 

El interés de estos mapas es, ante todo, el de la localización eventual de clústeres de mortalidad por agrupaciones de sscc con altos riesgos en determinadas zonas de la ciudad, que no se detectan en la lectura de tasas sin agregar, ni en mapas de barrios o distritos.

En el siguiente mapa de barrios se observa para hombres y mujeres cómo se distribuyen los riesgos de morir por todas las causas con una escala de colores en quintiles según natural break. Se aprecia en ellos que, para los hombres, esos excesos de mortalidad se concentran especialmente en el Sur y Sur-Este, además de en el centro, mientras que en las mujeres predomina lo que ocurre en algunas zonas del Sur (dentro del distrito de Villaverde), algunas del distrito de Carabanchel y, llamativamente, en el Oeste, en algunos barrios del distrito de Moncloa-Aravaca.  Este último dato, como se ve, es coincidente con otros hallazgos ya señalados a partir de otros análisis.

 

 

Pero si volvemos a las sscc, espacio preferente de estos análisis por los motivos ya señalados, podemos examinar el exceso de mortalidad en toda la ciudad en los mapas que se van a presentar. En el primero de cada serie, tras colorear las sscc en 5 tonos por natural break, observaremos cómo se distribuyen las tasas ajustadas (RR) y suavizadas.

En el segundo, el más exigente, se colorean por un lado las sscc que tienen un exceso de mortalidad “estadísticamente significativo” según sus intervalos de credibilidad (equivalente a los IC95%), mientras que, en el mismo mapa se hace lo propio con las que tienen una mortalidad por debajo de la de referencia, también de modo “estadísticamente significativo” y según el mismo criterio. Quiere esto decir, en los primeros, que el extremo más bajo del IC95% estará por encima de la unidad, lo que significa, en lenguaje coloquial, que se trata de una tasa mayor que la de la ciudad “con seguridad” (“95% de seguridad”), y en los segundos, que el extremo superior de su IC95% está por debajo del 1, y con el mismo planteamiento, que “con seguridad” (del 95%) esa población tiene un riesgo de morir más bajo que el de la población de la ciudad.

Por último, el tercero de los mapas que componen la serie, informa de dónde se sitúan los “hot spot”, o zonas calientes, es decir dónde existen agrupaciones de sscc en que  el valor central de la tasa de mortalidad (RR suavizado) está por encima del de la ciudad (que siempre es el “1”), independientemente de si su  IC95% incluye a la unidad o no, y en los que, además, y según el cálculo bayesiano, la probabilidad a posteriori de que esa tasa sea superior a 1 es de más del 80%.  

En la primeria serie que vemos (mortalidad por todas las causas en hombres en el periodo conjunto 2010-2014), la agrupación de sscc con mayores riegos se sitúa claramente al Sur, en áreas que parecen transcender los límites de los distritos (afectan a los dos de Vallecas), siendo de especial “contundencia” el problema en algunas sscc de Villaverde y, de nuevo, en algunas de Moncloa-Aravaca. Las sscc del barrio de El Goloso, de nuevo y trascendiendo al nivel de barrio, muestran las mejores (más bajas) cifras de mortalidad.

 

Para las mujeres, y seguimos hablando de la mortalidad general, los excesos están más difuminados en el mapa de la ciudad, con poca tendencia a la agrupación, destacando, eso sí, algunas secciones de Villaverde, más las conocidas del Oeste de la ciudad y el extremo Oeste de Fuencarral-El Pardo (a pesar de lo llamativo de “la mancha” en ese distrito, pueden ser pocas sscc). La buena situación de las sscc de El Goloso queda aquí también, muy evidente.

 

La mortalidad por enfermedades cardiovasculares en los hombres se distribuye como se ve en los 3 mapas siguientes para hombres, primero, y para mujeres, a continuación. Para los primeros se pueden señalar los hot-spot del Centro y Sur de la ciudad. La persistencia de los excesos de mortalidad en las sscc adyacentes a la carretera N-VI (Oeste) sigue interpelándonos en estos mapas. En los mapas de la mortalidad por enfermedades circulatorias en las mujeres se refuerza la impresión de lo que se ha observado en los mapas de los hombres, estando más difuminadas las sscc con exceso de mortalidad, aunque la magnitud de los problemas en las sscc del Oeste parece reforzarse.

 

 

La mortalidad en áreas pequeñas de la ciudad por enfermedades respiratorias en los hombres (a continuación) ofrece en el mapa de hot-spot una clara agrupación en un “cinturón” al Sur de la ciudad, aunque dejando fuera las sscc de Villa de Vallecas, si bien debe señalarse que las indemnes pueden ser pocas sscc, quizás en este caso tan solo una que puede ser muy extensa, aunque de escasa población. Persiste aquí también la imagen de las sscc al Oeste de la ciudad.

Para la mortalidad por enfermedades respiratorias en mujeres, a continuación de los mapas de hombres, la imagen de hot-spot es muy difuminada, apareciendo, de nuevo, las conocidas sscc del Oeste de la ciudad.

 

 

 

Los mapas del exceso de mortalidad por tumores en hombres y mujeres, a continuación, ofrecen las imágenes que se ven, para los hombres con cierta tendencia a agregación en sscc del Sur (correspondientes a los distritos de Villaverde y Usera) y al Este, mientras que para las mujeres se observa cierta tendencia a la concentración de este exceso en la zona Oeste de la ciudad, las consabidas sscc adyacentes a la N-VI, y en el Centro-Oeste.

 

 

Para acabar con este abreviado atlas, vemos a continuación y por separado la distribución de la mortalidad, y sus excesos, por cáncer de pulmón en hombres y mujeres. En ellos hay una clara agregación de secciones al Sur de la ciudad, correspondiente a los dos distritos de Vallecas más algunas del Oeste de Villaverde. En el caso de las mujeres la concentración se sitúa por encima de la anterior, en el Centro de la ciudad, con cierta tendencia al Centro-Este, más las sscc del Oeste de la ciudad. 

 

 El territorio y la distribución de problemas de salud y sus determinantes.

Indicadores de salud y su relación con los estilos de vida.

Los problemas de salud relacionados con estilos de vida se distribuyen territorialmente también en términos de desigualdad, como no podía ser de otra forma ya que  es conocido sobradamente que en esos hábitos influyen de manera clara las condiciones de vida de la población y las oportunidades que tiene de escoger maneras de vivir más saludables, dependiendo estas, en gran manera, de la oferta de servicios públicos asequibles a todos y todas.

El sobrepeso y la obesidad, los componentes de la llamada “epidemia moderna”, la del sobrepeso, son un ejemplo de todo ello y en la ciudad de Madrid conocemos bien cómo el nivel socioeconómico determina su distribución social y, desde luego y por lo mismo, también la territorial.  En la siguiente gráfica apreciamos la distribución de la población según tipos ponderales en cada distrito. Considerando que en la representación los territorios se han ordenado en sentido descendente según su indicador de desarrollo, comprenderemos claramente que existe un claro gradiente en la relación entre el incremento de las tasas de prevalencia de sobrepeso y obesidad y el descenso del nivel de desarrollo, de modo que el normopeso es un rasgo que caracteriza mucho mejor a las zonas de más desarrollo de la ciudad que a las demás.

 

De la misma manera y esta vez analizado por grupos de distrito, observamos en la siguiente gráfica extraída del último Estudio de Salud que el sedentarismo en la ocupación habitual crece en la medida en que lo hace el desarrollo de los distritos, todo lo contrario de lo que se observa en el sedentarismo en el tiempo libre, pudiendo concluir que en los de mayor desarrollo la gente tiene trabajos que exigen poco esfuerzo físico y en los de menor desarrollo más frecuentemente trabajos manuales que exigen más actividad física. El comportamiento antitético del sedentarismo en el ocio respecto al otro se puede explicar en términos de la necesidad de descansar en el tiempo libre si el trabajo habitual requiere esfuerzo físico, y no solo por el hecho de escoger libremente llevar un estilo de vida más saludable.

  

 

 Indicadores de salud y su relación con el sistema de cuidados.

El sistema sanitario público, a pesar de ser universal, aunque con algunas restricciones, gratuito y de calidad, funciona de manera diferente según el territorio urbano y su nivel de desarrollo o, al menos, así lo perciben los ciudadanos. En la última encuesta que realizamos (2021) la población de cada clúster de distritos refiere de manera distinta, y con gradiente contrario al sentido del desarrollo, su percepción de falta o dificultad para encontrar la atención sanitaria necesitada por una lista de espera excesivamente larga y por el colapso del sistema durante la pandemia de COVID-19, en términos de que mayor desarrollo del distrito, implica menos percepción de lista de espera larga y de colapso, mientras que la eventualidad de rehusar a solicitar atención por temor a infectarse del SARS-Cov-2 en algún dispositivo sanitario muestra una frecuencia casi igual para todos los clúster, reconociendo esta situación aproximadamente uno de cada 5 ciudadanos. En la siguiente gráfica se aprecia todo esto con claridad.

En relación con ello, la opinión negativa sobre el funcionamiento del sistema sanitario público (SERMAS) en la ciudad es más prevalente en los distritos más retrasados, manteniendo esta opinión adversa un gradiente contrario al sentido del desarrollo de los distritos, como se puede ver a continuación, de modo que la frecuencia de esa opinión es significativamente mayor en los distritos de menor desarrollo, donde es mayoritaria (50,5%), y de medio-bajo desarrollo (46,1%) que en los de mayor desarrollo (36,7%).

En la gráfica siguiente a la comentada se observan las diferencias en cuanto a la tasa de aseguramiento sanitario privado de los ciudadanos madrileños por clúster de distrito. La mitad de la población de la ciudad de Madrid tiene contratada una póliza de aseguramiento privado de salud, o bien acude a la atención privada cuando lo necesita, tasa que supera en más del doble a la de hace 16 años.

En relación a la capacidad adquisitiva, que parece ser el elemento decisivo y, seguramente, a la percepción del funcionamiento del sistema sanitario público, en especial la lista de espera para ser atendidos, el aseguramiento privado complementario al público en la inmensa mayoría de las veces es máximo en los distritos de mayor desarrollo, manteniendo también un claro gradiente directo, siendo las distancias de tal magnitud que, según los I95% de las tasas, cada grupo de distrito mantienen diferencias significativas desde el punto de vista estadístico con el grupo contiguo. La tasa del clúster de mayor desarrollo es el doble a la del de menor desarrollo.

 

 El consumo de medicamentos, en especial de psicofármacos y analgésicos opioides, se ha convertido en un problema de las sociedades modernas y, por tanto, también de la ciudad de Madrid. En las tres gráficas siguientes se puede observar cómo se distribuye el consumo en el último año de tranquilizantes (ansiolíticos, hipnóticos), antidepresivos y opioides en los distritos de la ciudad ordenados, en cada caso, de mayor a menor tasa de consumo.

En el de los primeros no se observan diferencias demasiado marcadas entre distritos (un 10% de distancia entre la tasa de mayor y menor consumo) ni, aparentemente, una preferencia para mayor o menor consumo en relación con la situación de desarrollo del territorio.

En el caso de los antidepresivos las diferencias son más marcadas (el de mayor consumo dobla la tasa del de menor consumo), apreciándose de un vistazo que se consumen mucho más frecuentemente en los distritos de mejor situación socioeconómica.

Por último, en el caso de los opiáceos las diferencias también parecen más marcadas, superando en más de dos veces el consumo del distrito que más lo hace (Puente de Vallecas, 19,4% de consumo anual) al del que menos lo consume (Latina, 8,6%). Se deduce también de la gráfica que hay cierta preferencia en el consumo por parte de la población de los distritos con más dificultades socioeconómicas y de salud. Bien es cierto que en ellos se acumula, como muestra evidente de la inequidad que estamos señalando en este trabajo, la mala salud, siendo más grande allí la prevalencia de enfermedades crónicas, en especial las que producen dolor como síntoma principal. Es este el factor que más determina este consumo, observando en nuestro medio, con nuestro sistema sanitario y con las restricciones a su obtención no pautada por un profesional sanitario, que el consumo lúdico queda en niveles absolutamente marginales.

 

 

  

  La bucodental también, como área de la salud generadora de importantes problemas que contribuyen de manera nítida a la carga de morbilidad, en especial en los mayores, al no estar incluidos sus cuidados en el catálogo de prestaciones cubiertas por el sistema sanitario público, se distribuye según las posibilidades del bolsillo de las personas y, por ello, de forma desigual en el territorio. Conforma, por tanto, un espacio cuya atención universal reduciría de manera notable la inequidad que soporta la población española y madrileña. Las diferentes percepciones de esta última sobre su situación, se organiza de manera notoriamente diferente según el nivel de desarrollo de los distritos agrupados en clúster según ese criterio, como se aprecia en la siguiente gráfica del estudio de 2022, en el que se lee que la tasa de prevalencia de percepción óptima de la salud dental y oral de los más aventajados supera, de forma significativa, en más del 13% la de los distritos más retrasados en desarrollo.

Indicadores de salud y su relación con el nivel socioeconómico, agregados territorialmente.

Quienes residen en los distritos menos desarrollados sufren con más frecuencia Inseguridad de acceso económico a los alimentos (IAEA), no pueden asegurar una ingesta proteica suficiente y más frecuentemente necesitaron acudir a alguna organización de las que brinda ayuda alimentaria durante la pandemia de COVID-19. Como se aprecia en la siguiente gráfica las diferencias en esos tres aspectos de la seguridad alimentaria son muy notables en Madrid entre la población según la zona en que resida. El gradiente para cada uno de esos tres indicadores entre grupo de distritos es claro, siendo especialmente llamativas las diferencias en el primero de ellos (IAEA) entre el mejor grupo y el más desfavorecido (casi 13,5% de diferencia entre sus tasas de prevalencia). 

Además, y en relación a lo visto, en la gráfica que va a continuación de la comentada y que se ha extraído del estudio que realizamos en 2017 sobre el Estado nutricional de los niños y niñas de 3 a 12 años de la ciudad de Madrid (ver el estudio a través del link insertado), se aprecia que el sobrepeso y la obesidad antropométrica, así como la obesidad abdominal, en la edad infantil es notoria y significativamente mayor en los escolares que residen en los distritos de menor desarrollo, marcando un gradiente claro entre grupos de distritos, después de constatar que la tasa de prevalencia de esta negativa situación de niños y niñas asciende a cifras muy preocupantes (41%, la primera y 28,6%, la otra). La diferencia entre la tasa de sobrepeso y obesidad estudiadas conjuntamente entre los escolares de las zonas de la ciudad con más problemas de desarrollo y las más adelantadas (casi un 12%) también resulta muy llamativa, llegado a demostrarse en ese trabajo que la relación del sobrepeso y la obesidad con la dificultad para garantizar la alimentación adecuada todos los días del mes, lo que hemos llamado IAEA, es directa e indiscutible.

 

 

Asociaciones y capacidad predictiva de algunos determinantes con ciertos problemas de salud.

Por último, con datos de la Encuesta de Salud de la ciudad de Madrid 2021, es decir, en este caso a partir de datos individuales de las personas que compusieron la muestra de la Encuesta de Salud de la ciudad de Madrid de 2021, cerca de 9.000 personas, que hemos agregado nosotros en relación al distrito en las que residen, logrando, tras diferente análisis, identificar qué problemas y situaciones de factores determinantes de la salud y qué indicadores de salud resultan asociados al hecho de residir en alguno de los de menor desarrollo de la ciudad (X² o contraste de IC95%, señalándose en este caso las tasas de prevalencias de esa zona y de la más aventajada de la ciudad) o, subiendo en la evidencia causal, si el hecho residencial predice la concurrencia del factor o del problema de salud estudiado (distintos modelos de regresión logística multivariante binaria (RLM), ajustados todos, al menos, por edad, sexo y alguna variable socioeconómica). En estos últimos se aporta en el gráfico el valor de la Odds Ratio (OR) ajustada, tomando siempre como referencia el valor correspondiente de la muestra de la población que reside en los distritos de mayor desarrollo (OR=1). 

Los factores determinantes o problemas de salud se sitúan en la gráfica juntos y con el mismo color según al capítulo al que correspondan (Determinantes sociales, del sistema de cuidados, de estilos de vida, del entorno residencial o indicadores de mala salud), destacando el flujo de la asociación (bidireccional) como líneas discontinuas, o como líneas continuas (unidireccional de la causa a efecto) para las relaciones predictivas o explicativas halladas en las RLM. 

A pesar de la complejidad de la representación gráfica, o quizás por ella, podemos destacar que el hecho de residir en las zonas más deprimidas de la ciudad se asocia, además de lo señalado anteriormente, con hacinamiento en el hogar, dedicar menos tiempo a las relaciones sociales, peor calidad de vida en relación con la salud (CVRS), peor autopercepción de la propia salud, peor salud mental y más probabilidad de sufrir depresión,  mientras que se halla relación causal (predice) con la necesidad de asistencia sanitarias no cubierta por motivos económicos (NASNC) (80% más riesgo que en los distritos de mayor desarrollo), el sobrepeso y la obesidad (20% más), la prevalencia de alguna enfermedad crónica (50% más), insatisfacción con el sistema sanitario público (doble riesgo), referir que la asistencia sanitaria necesitada no se recibió o se demoró excesivamente por larga lista de espera (ASNROED) (60% más) o haber sufrido COVID-19 de manera grave entre los que sobrevivieron a la infección (6 veces más riesgo en esta población que reside en esos distritos).

 

En resumen, la inequidad en la salud de la población de la ciudad de Madrid, analizada territorialmente dentro de ella, es muy importante, como ocurre en la mayoría de las grandes urbes. Como elemento fundamental en su génesis destaca la desigual distribución territorial de los determinantes sociales de la salud, además de una atención diferencial y peor del sistema de salud en las zonas con población más vulnerable. Las desigualdades injustas que la provocan es posible reducirlas e, incluso, eliminarlas desde las intervenciones sanitarias, dándose el hecho de que, aunque algunas se fundamentan en problemas (determinantes) estructurales, el sistema de cuidados, ofreciendo a cada cuál la atención que necesita, puede amortiguar su efecto en la salud de las personas.

Lo que, en realidad, no deja de ser otra cosa que el funcionamiento normal de un sistema sanitario público, universal y de calidad, que se debe orientar siempre hacia la equidad como premisa fundamental de su actuación.

Muchas gracias por su atención.

 .................................................................................................................................................................

Se puede descargar la ponencia completa en PDF pulsando en este link