Estimación de la Mortalidad Materna

2-3 Diciembre 2010

São Paulo, Brasil

Guión

• Variable dependiente

o De la PMM a las tasas de mortalidad materna

• La forma del modelo y las covariables

2

3

Estadísticas vitalesEncuestasCensosInformes

Estadísticas vitalesEncuestasCensosInformes

MORTALIDAD FEMENINA TODAS-CAUSAS (15-49)

MORTALIDAD MATERNA

EN

TR

AD

A D

E D

AT

OS

Fracción de defunciones en mujeres en edad reproductiva por causas maternas (PMDF)

Número total de muertes por todas las causas en las mujeres en edad reproductiva (15-49 años)

Número total de muertes maternas en mujeres en edad reproductiva

Variable dependiente: tasas de mortalidad materna específicas por

edad

MUERTES MATERNAS

Etapa 1: Modelo Lineal

Etapa 2: modelo espacio-temporal

RMM

Cálculos de población

MODELO

Las covariables: tasa de fecundidad total, el PIB per cápita, la educación femenina, la mortalidad neonatal, la

prevalencia del VIH

1. Integridad del ajuste2. Sintesis GPR 3. Sistema de tabla de

mortalidad

Corrección de errores de clasificación, sesgo de supervivencia

Desafíos para modelar las causas de muerte

• Falta de datos para diferentes años

• El error fuera del muestreo puede ser amplio en algunos lugares

• Existe una marcada variación en las tendencias temporales en algunos países

• Las covariables disponibles explican sólo un componente moderado de la varianza

¿Qué tenemos?

5

¿Qué queremos?

6

¿Cómo podemos llegar a eso?

• Los modelos estadísticos se pueden utilizar como apoyo en la exploración de asociaciones

o Identificar factores (obtenidos de la literatura) que probablemente estén relacionados con la mortalidad materna

o Estimar la relación empírica entre los factores y los resultados de interés mediante un modelo de regresión

o Utilizar esas relaciones empíricas para informar posteriormente a nuestras estimaciones de la mortalidad materna

7

Guión

• Variable dependiente

o De la PMM a las tasas de mortalidad materna

• La forma del modelo y las covariables

8

 Selección de la variable dependiente

• Opciones de variables dependientes:

o Tasa de mortalidad materna (TMM)

o Proporción de todas las muertes por causas maternas (PMM)

o Razón de mortalidad materna (RMM)

• La variable dependiente puede ser una medida de resumen o una medida específica por edad

• Nosotros modelamos las tasas de mortalidad específicas por edad materna en forma de logaritmo

9

Selección de la variable dependiente

• ¿Por qué se modeló la TMM en lugar de la PMM?

• La PMM es particularmente sensible a otras causas de muerte

o Por ejemplo, en el caso de un terremoto, epidemia (como el VIH), o el aumento de accidentes de vehículo de motor, la PMM se ve influida

o Esto no sólo requiere modelar la mortalidad materna de modelado, sino también modelar todo lo que explica la variación en la PMM

• En los valores extremos de la PMDF (cercano a cero o a uno), los modelos pueden comportarse de forma impredecible

10

¿Por qué se modelaron las tasas específicas por edad?

• La tasa de mortalidad materna varía según la edad. Al elegir el modelo de tasas específicas por edad se posibilita modelar diferentes países con diferentes niveles y tendencias de la tasa de mortalidad materna.

• Por ejemplo los cambios en la fecundidad. A edades más avanzadas en algunos países influye el patrón de la mortalidad materna.

• Modelando todas las edades juntas se asume que todos los países tengan patrones idénticos por edad, lo cual no es deseable.

11

Procesamiento de datos

12

¿Por qué utilizar la PMDF para llegar a las tasas?

• No se calcula la TMM o la tasa de mortalidad materna directa de los datos crudos, pero sí se calcula la proporción especifica por edad (por ej., 15-19, 20-24 ... 45-49) de muertes por causas maternas (PMM) entre todas las muertes femeninas

• A continuación, se multiplican las PMM por las muertes de mujeres en edad reproductiva según la edad, para obtener el número de muertes maternas

• Esto permite la corrección de subregistro en el nivel de mortalidad materna

o Recordemos que los cálculos de todas las muertes en mujeres en edad reproductiva (por cualquier causa) corrigen el subregistro en las fuentes de datos.

• También se debe reducir el efecto del sesgo de memoria generado en las encuestas

13

De la PMM a TMM a nivel poblacional

14

De la fuente de datos de origen

PMM a TMM a nivel de la población, por edad

Fuente de datos de entrada

Grupo de edad

# de muertes

maternas

# de muertes en

mujerespor todas las causas

PMM # de muertes en

mujerespor todas las

causas (corregidas)

Muertes maternas,

en la población

15-19 80 1,000 8.0% 1,355 108

20-24 132 1,100 12.0% 1,990 239

25-29 132 1,100 12.0% 3,775 453

30-34 143 1,300 11.0% 4,935 543

35-39 126 1,400 9.0% 5,700 513

40-44 90 1,500 6.0% 6,575 395

45-49 61 1,900 3.2% 7,725 247

15

Guión

• Variable dependiente

o PMDF a las tasas de mortalidad materna

• La forma del modelo y las covariables

16

17

Estadísticas vitalesEncuestasCensosInformes

Estadísticas vitalesEncuestasCensosInformes

MORTALIDAD MATERNA

EN

TR

AD

A D

E D

AT

OS

Fracción de defunciones en mujeres en edad reproductiva por causas maternas (PMDF)

Número total de muertes por todas las causas en las mujeres en edad reproductiva (15-49 años)

Número total de muertes maternas en mujeres en edad reproductiva

Variable dependiente: las tasas específicas por edad materna, la

mortalidad

MUERTES MATERNAS

Etapa 1: Modelo Lineal

Etapa 2: modelo espacio-temporal

RMM

Cálculos de población

MODELO

Las covariables: tasa de fecundidad total, el PIB per cápita, la educación femenina, la mortalidad neonatal, la

prevalencia del VIH

1. Integridad del ajuste2. Sintesis GPR 3. Sistema de tabla de

mortalidad

Corrección de errores de clasificación, sesgo de supervivencia

MORTALIDAD FEMENINA TODAS-CAUSAS (15-49)

Modelo de regresión

• Las tasas pueden ser modeladas directamente, usando Mínimos Cuadrados (MCO) o regresiones lineales robustas (como Huber-White, de Tukey, o la regresión de la mediana)

o Los modelos robustos son menos sensibles a la presencia de valores atípicos, los ceros, y otras observaciones extremas

• Las tasas también pueden ser modeladas empleando el modelo de Poisson o modelos binomiales negativos

o Los datos no se ajustan a la hipótesis de Poisson que asume que la media es igual a la varianza, es decir, los datos son más dispersos

o El grado de sobre-dispersión relacionado con la edad, puede permitir modelo generalizado usando una binomial negativa

18

¿qué variables se relacionan con la mortalidad materna? • La fecundidad

• PIB

• Educación (nivel de escolaridad)

• La mortalidad neonatal

• Prevalencia del VIH

• La cobertura de atencion calificada del parto o el parto en instalaciones medicas

• Los demás?

• pero bajo la condición de que se tuviera una serie de tiempo completa para todos los países (29 años x 181 países)

19

La transformación de las covariables

• Se examinó la relación entre cada una de estas covariables y el logaritmo de la tasa de mortalidad materna (variable dependiente)

• Transformaciones de las covariables para el modelo:

o Logaritmo de la tasa global de fecundidad

o Logaritmo del PIB per cápita

o Sero-prevalencia de VIH, y la cuadrática de la sero-prevalencia de VIH

• Se confirmó que la APPC es co-lineal con la mortalidad neonatal y el PIB per cápita, además sólo estaba disponible de 1986-2008, por lo que se decidió no incluirla en al modelo

20

TGF vs. ln(tasa de mortalidad materna)

21

-4-2

02

46

ln(m

ater

nal m

orta

lity

rate

)

0 2 4 6 8TFR

15-19 20-2425-29 30-34

35-39 40-4445-49

Primera etapa del modelo de regresión

22

  Robust Regression  Coefficient Std. Error

Intercept 4.715 0.100ln(TFR) 1.903 0.022

ln(GDP per capita) -0.511 0.010Neonatal mortality 13.662 0.721

Education -0.086 0.003HIV 0.108 0.005HIV² -0.001 0.000

Age 15-19 -1.176 0.021Age 20-24 -0.374 0.020Age 25-29 -0.077 0.020Age 35-39 -0.165 0.020Age 40-44 -0.633 0.021Age 45-49 -1.390 0.025

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37