Show simple item record

dc.contributor.authorBronberg, Rubén A.es_ES
dc.contributor.authorGutiérrez Redomero, Esperanzaes_ES
dc.contributor.authorAlonso, María C.es_ES
dc.contributor.authorDipierri, José E.es_ES
dc.date.accessioned2015-08-25T14:55:19Z
dc.date.available2015-08-25T14:55:19Z
dc.date.issued2012es_ES
dc.identifier.citationBronberg, Rubén A.,Gutiérrez Redomero, Esperanza,Alonso, María C.,Dipierri, José E. (2012) Mortalidad infantil por malformaciones congénitas y condición socioeconómica: el caso de la Argentina. Rev Panam Salud Publica;31(6) 469-475,jun. 2012. Retrieved from http://www.scielosp.org/scielo.php?script=sci_arttext&pid=S1020-49892012000600004es_ES
dc.identifier.urihttp://www.scielosp.org/scielo.php?script=sci_arttext&pid=S1020-49892012000600004es_ES
dc.identifier.urihttps://iris.paho.org/handle/10665.2/9312
dc.format.extentiluses_ES
dc.format.extenttabes_ES
dc.relation.ispartofseriesRev Panam Salud Publica;31(6),jun. 2012es_ES
dc.subjectMortalidad infantiles_ES
dc.subjectAnomalías Congénitases_ES
dc.subjectFactores Socioeconómicoses_ES
dc.subjectArgentinaes_ES
dc.subjectInfant mortalityes_ES
dc.subjectCongenital abnormalitieses_ES
dc.subjectSocioeconomic factorses_ES
dc.subjectArgentinaes_ES
dc.subjectAnormalidades Congênitases_ES
dc.subjectMortalidade Infantilpt_BR
dc.subjectArgentinaes_ES
dc.subjectClasse Sociales_ES
dc.titleMortalidad infantil por malformaciones congénitas y condición socioeconómica: el caso de la Argentinaes_ES
dc.typeJournal articlesen_US
dc.rights.holderPan American Health Organizationen_US
dc.description.notesOBJETIVO: Relacionar la tasa de mortalidad infantil por malformaciones congénitas (TMIMC) y el porcentaje de muertes por malformaciones congénitas (%MMC) con las características sociodemográficas y económicas en la Argentina. MÉTODOS: La población estudiada de la Argentina reside en 511 departamentos de 23 provincias, agrupadas en cinco regiones geográficas (Noroeste, Noreste, Centro, Cuyo y Patagonía). Las variables analizadas fueron la TMLMC y el %MMC calculados a partir de los nacimientos y las defunciones del quinquenio 2002-2006. Además, se utilizaron 21 variables del Censo de Población y Vivienda del 2001 (Instituto Nacional de Estadística y Censos de Argentina) para construir el Indicador Sociodemográfico y Económico (ISDE) mediante el análisis de componentes principales. Se realizaron pruebas de comparación para valorar si aparecían diferencias significativas entre las distintas regiones y las correlaciones entre indicadores, y de estos con la latitud y longitud departamental. RESULTADOS: La TMIMC no presentó correlación significativa con el ISDE ni con las coor denadas geográficas. El %MMC y el ISDE presentaron una correlación positiva significativa (P 0,05) en todos los niveles de organización política. El ISDE explicó 41% de la variación del %MMC. CONCLUSIONES: La TMIMC no se asoció significativamente con la marcada heterogeneidad socioeconómica del país; los valores más elevados del %MMC, en cambio, se observaron en las poblaciones del centro y sur del país. Dada la relación entre el %MMC y el desarrollo socioeconómico poblacional se sugiere utilizar este indicador como una aproximación (proxy) de bienestar y calidad de vida.(AU)es_ES
dc.description.notesOBJECTIVE: Compare the infant mortality rate due to congenital malformations ( IMRCM) and the percentage of deaths due to congenital malformations (%DCM) with sociodemographic and economic characteristics in Argentina. METHODS: The Argentine study population resided in 511 departments of 23 provinces, grouped into five geographic regions (Northwest, Northeast, Central, Cuyo, and Patagonia). The analyzed variables were the IMRCM and the %DCM calculated on the basis of births and deaths during 2002-2006 period. In addition, 21 variables were used from the 2001 Population and Housing Census (National Census and Statistics Institute of Argentina) to construct the Sociodemographic and Economic Indicator (SDEI) through the analysis of principal components. Comparison tests were carried out in order to assess the significant differences among the various regions and the correlations between indicators, and of these with the departmental latitudes and longitudes. RESULTS: There was no significant correlation between the IMRCM and the SDEI, nor with geographic coordinates. However, there was a significant positive correlation between the IMRCM and the SDEI (P 0.05) at all levels of political organization. The SDEI explained 41% of the %DCM. CONCLUSIONS: The IMRCM was not significantly associated with the country's marked socioeconomic heterogeneity; the highest %DCM values, on the other hand, were observed in the populations of the central and southern areas of the country. Given the relationship between the %DCM and socioeconomic development of the population, use of this indicator as a proxy of well-being and quality of life is suggested.(AU)en_US


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record