Palabras clave
Chronic Non-Communicable Diseases
Demographic probabilistic projections
modelo para datos funcionales
enfermedades crónicas no transmisibles
pronósticos probabilísticos demográficos
Cómo citar
Resumen
Las enfermedades crónicas no transmisibles (ECNT) son padecimientos intransferibles por contacto de persona a persona y se caracterizan por su evolución generalmente lenta. En Argentina, son la principal causa de muerte y discapacidad, solo dos grupos de estas (cardiovasculares y cáncer) son responsables de la mitad del total de las muertes y del 27 % de los años de vida potencialmente perdidos (AVPP). El objetivo general de este trabajo cuantitativo, transversal y descriptivo es describir y analizar el perfil según edad y sexo de las tasas de mortalidad por ECNT en Argentina, a partir del modelo para datos funcionales (MDF) de Hyndman y Ullah (2007). Dicho método permite, además, pronosticar el comportamiento de los índices al considerar los cambios relacionados con la edad y la tendencia observada a través del tiempo. La diferencia relativa en la mortalidad entre el inicio del periodo de estudio (1985 a 2014) y el pronóstico para el año 2025 indica que, de continuar el comportamiento imperante, se alcanzarían descensos de alrededor del 50 % para hombres de entre 30 y 50 años y del 20 % para mujeres de entre 20 y 35 años. Estos resultados apuntan, de un modo más general, a que las tasas de mortalidad de los grupos etarios menores de 70 años, cuyas defunciones se denominan prematuras, son claramente descendentes para ambos sexos, aunque el caso de los hombres destaca, pues, si bien presentan mayores tasas de mortalidad por ECNT, el descenso es más marcado.
Citas
Booth, H., Maindonald, J. y Smith, L. (2002). Applying Lee–Carter Under Conditions of Variable Mortality Decline. Population studies, 56(3), 325-36. https://doi.org/10.1080/00324720215935
Centro Latinoamericano y Caribeño de Demografía-División de Población de la Comisión Económica para América Latina y el Caribe. (2012). América Latina. Estimaciones y proyecciones de población a largo plazo 1950-2100. https://www.cepal.org/es/notas/actualizacion-estimaciones-proyecciones-poblacion-paises-america-latina-caribe
Chen, Ch. y Liu, L. (1993). Joint Estimation of Model Parameters and Outlier Effects in Time Series. Journal of the American Statistical Association, 88(421). http://dx.doi.org/10.2307/2290724
Hyndman, R. y Ullah, S. (2007). Robust forecasting of mortality and fertility rates: A functional data approach. Computational Statistics y Data Analysis, 51(10), 4942-4956. https://doi.org/10.1016/j.csda.2006.07.028
Lee, R. y Carter, L. (1992). Modeling and Forecasting U.S. Mortality. Journal of the American Statistical Association, 87(419), 659-671. https://doi.org/10.1080/01621459.1992.10475265
Lee, R. y Miller, T. (2001). Evaluating the performance of the Lee-Carter method for forecasting mortality. Demography, 38(4), 537-549. https://doi.org/10.2307/3088317
Li, S. y Chan, W. (2005). Outlier Analysis and Mortality Forecasting: The United Kingdom and Scandinavian Countries. Scandinavian Actuarial Journal - SCAND ACTUAR J., 2005(3), 187-211. https://doi.org/10.1080/03461230510006973
Organización Mundial de la Salud. (2008). Global Status Report on Noncommunicable Diseases 2008. OMS.
Ramsay, J. (2006). Functional Data Analysis. https://doi.org/10.1002/0471667196.ess3138.
Renshaw, A. y Haberman, S. (2003). Lee-Carter mortality forecasting: A parallel generalized linear modelling approach for England and Wales mortality projections. Journal of the Royal Statistical Society Series C, 52, 119-137. http://dx.doi.org/10.1111/1467-9876.00393
Wood, S. (1994). Monotonic Smoothing Splines Fitted by Cross Validation. Siam Journal on Scientific Computing. Siam J., 15(5), 1126-1133.