Construcción de un índice de privación para los barrios de Madrid y Barcelona

Abstract

[ES] Fundamentos: los indicadores socioeconómicos que toman el barrio como unidad de referencia en nuestro contexto son escasos. Los objetivos de este artículo son describir el proceso de construcción y la validez de un índice de privación a nivel de barrio y analizar su asociación con la mortalidad. Métodos: el esquema conceptual inicial del IP contuvo elementos que caracterizaban teóricamente la privación y para las que se realizó una recogida de variables de segundo nivel. El IP se adaptó a la disponibilidad de variables y a los resultados de sus análisis exploratorios. Finalmente, se realizó un análisis factorial para la validación del IP que se compuso de 5 dimensiones para Madrid (economía, población y territorio, vivienda, parque móvil y demografía) y 4 para Barcelona (las mismas salvo «demografía»). Los barrios fueron agrupados en cuartiles según la puntuación obtenida para el IP (Q4: mayor nivel de privación). Se calcularon tasas de mortalidad prematura estratificadas por sexo y ajustadas por edad y razones de mortalidad para cada cuartil. Resultados: El IP explicó el 55% de la variabilidad observada en los indicadores para Madrid y el 69% para Barcelona. La tasa de mortalidad prematura para el Q1 en Madrid fue 1,65 por 103 en hombres y 0,92 por 103 y de 2,81 por 103 en hombres y 1,22 por 103 en mujeres residentes en Q4. En Barcelona la tasa de mortalidad fue de 2,33 por 103 en hombres y de 1,15 por 103 mujeres en el Q1 y de 3,49 por 103 en hombres y 1,52 por 103 en mujeres del Q4. Conclusión: Las tasas de mortalidad mostraron mayor mortalidad prematura en los barrios con un índice de privación mayor. [EN] Background: There are few economic indicators that take the neighbourhood as the unit of reference in our context. The aim of this article is to describe the process and results of secondary data collection and development of a deprivation index (DI) for the neighbourhoods of the cities of Madrid and Barcelona, discussing their utility for research on health inequalities. Methods: Initial DI conceptual framework contained different elements that characterize deprivation and for which we collected second-level variables. ID was adapted to the availability of variables and to the results of an exploratory analysis. Finally, a factor analysis was performed to validate the IP. We built a DI based on five dimensions for Madrid (economy, population and territory, housing, cars and demographics) and 4 for Barcelona (all except "demographics"). Neighbourhoods were grouped into quartiles according to their score for the DI (Q4: higher levels of deprivation). Premature mortality rates and premature mortality ratios adjusted by age were calculated for each quartile. Results: The IP explained 55% of the observed variability in the indicators for Madrid and 69% for Barcelona. Premature mortality rate in Madrid for Q1 was 1.65 per 10³ in men and 0.92 per 10³ women and 2.81 per 10³ in men and 1.22 per 10³ in women residing in Q4. In Barcelona, the mortality rate was 2.33 per 10³ men and 1.15 per 10³ women in Q1 and 3.49 per 10³ in men and 1.52 per 103 in women living in Q4.