proyecto de graduación previo a la obtención del título de … › bitstream › 25000 › 18083...
TRANSCRIPT
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE CIENCIAS ECONÓMICAS
CARRERA DE ESTADÍSTICA
Factores de riesgo asociados a los nacimientos prematuros en el
Ecuador, año 2017
Proyecto de graduación previo a la obtención del Título de Ingeniero
Estadístico
AUTORES: Centeno Alvear Kelly Camila
Montesdeoca Pilataxi Carla Pamela
TUTOR: Msc. José Alejandro Cajas Cadena
Quito, 2019
ii
DERECHO DE AUTOR
Nosotras, Centeno Alvear Kelly Camila y Montesdeoca Pilataxi Carla Pamela en calidad de
autoras y titulares de los derechos morales y patrimoniales del trabajo de titulación
“FACTORES DE RIESGO ASOCIADOS A LOS NACIMIENTOS PREMATUROS,
AÑO 2017”, previo a la obtención del Título de Ingenieras Estadísticas, de conformidad con
el Art. 114 del CÓDIGO ORGÁNICO DE LA ECONOMÍA SOCIAL DE LOS
CONOCIMIENTOS, CREATIVIDAD E INNOVACIÓN, concedemos a favor de la
Universidad Central del Ecuador una licencia gratuita, intransferible y no exclusiva para el
uso no comercial de la obra, con fines estrictamente académicos. Conservamos a nuestro favor
todos los derechos de autor sobre la obra, establecidos en la normativa citada.
Así mismo, autorizamos a la Universidad Central del Ecuador para que realice la
digitalización y publicación de este trabajo de titulación en el repositorio virtual, de
conformidad a lo dispuesto en el Art. 144 de la Ley Orgánica de Educación Superior.
Las autores declaran que la obra objeto de la presente autorización es original en su forma
de expresión y no infringe el derecho de autor de terceros, asumiendo la responsabilidad por
cualquier reclamación que pudiera presentarse por esta causa y liberando a la Universidad de
toda responsabilidad.
Kelly Camila Centeno Alvear Carla Pamela Montesdeoca Pilataxi
C.I.: 172316428-9 C.I.: 172654784-5
iii
HOJA DE APROBACIÓN DEL TUTOR
iv
CALIFICACIÓN LECTOR EVALUADOR 1
v
CALIFICACIÓN LECTOR EVALUADOR 2
vi
DEDICATORIA
Dedico este proyecto principalmente a Dios por permitirme llegar a este momento tan
importante en mi vida estando conmigo en cada paso que doy. A mis padres Martha y
Rodolfo que con su esfuerzo me dieron la oportunidad de cumplir este sueño, permitiendo que
logre culminar mi carrera profesional y por creer en mí. Este logro también es suyo. A mi
hermana que siempre ha estado junto a mí, brindándome su apoyo incondicional durante este
proceso y estar conmigo en todo momento. A la memoria de mi Abuelo, gracias a él también
logré cumplir este sueño, siempre lo recuerdo y estoy segura que estaría muy orgulloso de mí.
Centeno Alvear Kelly Camila
vii
DEDICATORIA
A Dios por darme salud, para seguir adelante con mi propósito de culminación de mi
carrera profesional y por darme a los mejores padres Mercedes y Carlos quienes me han
apoyado toda la vida, que jamás me han abandonado y no me han dejado caer, siempre
dándome la mano incondicionalmente para poder seguir adelante con mi vida profesional y
espiritual, ellos me dan el buen ejemplo día a día, inculcándome que jamás hay que rendirse
para cumplir con los sueños y metas planteadas en la vida.
A mi hija Valentina por ser mi motor y por darme fuerzas para luchar día a día y llegar a
este momento, dándole un ejemplo a seguir y brindarle un buen futuro. A toda mi familia. A
mis hermanas Mayra y Alexandra y sobrinos que siempre han estado ahí apoyándome en todo
directa e indirectamente.
Carla Pamela Montesdeoca Pilataxi
viii
AGRADECIMIENTO
Agradecemos a Dios por bendecirnos la vida, permitiéndonos llegar hasta este
momento tan importante de nuestra formación profesional.
A nuestros padres por el esfuerzo, dedicación, paciencia y sacrificio que nos han
brindado en todos estos años, gracias a ustedes hemos logrado llegar hasta aquí y
convertirnos en lo que somos.
A nuestras hermanas por estar siempre presentes acompañándonos con su apoyo
incondicional.
A nuestros compañeros y amigos que nos han apoyado en el transcurso de la carrera y
han hecho que el trabajo se realice con éxito compartiendo sus conocimientos.
A nuestro tutor de tesis Msc. José Cajas principal colaborador durante este proceso,
quien con su experiencia, conocimiento, motivación, enseñanzas y apoyo nos orientó en la
investigación, permitiendo el desarrollo y culminación de este proyecto.
Agradecemos a la nuestra prestigiosa Universidad Central del Ecuador y a nuestros
docentes, quienes con su sabiduría y las enseñanzas de sus conocimientos hicieron que
podamos crecer día a día como personas y profesionales.
Camila Centeno y Carla Montesdeoca
ix
ÍNDICE DE CONTENIDO
DERECHO DE AUTOR ...................................................................................................... ii
HOJA DE APROBACIÓN DEL TUTOR ........................................................................... iii
CALIFICACIÓN LECTOR EVALUADOR 1 .................................................................... iv
CALIFICACIÓN LECTOR EVALUADOR 2 ..................................................................... v
DEDICATORIA .................................................................................................................. vi
AGRADECIMIENTO ....................................................................................................... viii
ÍNDICE DE CONTENIDO ................................................................................................. ix
LISTA DE TABLAS .......................................................................................................... xii
LISTA DE FIGURAS ........................................................................................................ xiii
LISTA DE APÉNDICE ..................................................................................................... xiv
GLOSARIO DE TÉRMINOS ............................................................................................ xv
RESUMEN ...................................................................................................................... xviii
ABSTRACT ....................................................................................................................... xix
INTRODUCCIÓN ................................................................................................................ 1
CAPÍTULO I ........................................................................................................................ 2
1. PLAN DE PROYECTO ................................................................................................ 2
1.1. Tema: ............................................................................................................................. 2
1.2. Planteamiento del Problema: ......................................................................................... 2
1.3. Preguntas: ...................................................................................................................... 2
1.3.1. Pregunta General: .................................................................................................... 2
1.3.2. Preguntas Específicas: ............................................................................................. 3
1.4. Caracterización y Delimitación de la Población (Alcance): .......................................... 3
1.5. Objetivos: ....................................................................................................................... 3
1.5.1. Objetivo General: .................................................................................................... 3
1.5.2. Objetivos Específicos: ............................................................................................. 3
1.6. Justificación ................................................................................................................... 3
1.7. Marco teórico ................................................................................................................. 5
1.7.1 Base teórica ............................................................................................................... 5
1.7.2 Referencias ................................................................................................................ 9
1.8. Diseño Metodológico ................................................................................................... 15
x
1.8.1. Diseño de la investigación: ................................................................................... 15
1.8.2. Método .................................................................................................................. 16
1.8.3. Variables a estudiar ............................................................................................... 18
CAPITULO II ..................................................................................................................... 20
2. CARACTERIZACIÓN DE LAS MUJERES QUE DIERON A LUZ A NIÑOS
PREMATUROS POR FACTORES DE RIESGO DEMOGRÁFICOS .................................. 20
2.1. Principales factores demográficos de las madres que dieron a luz a un niño
prematuro .............................................................................................................................. 21
2.2. Caracterización de las madres que dieron a luz a niños prematuros ..................... 26
2.2.1. Algunas cuestiones del Analisis Factorial de Correspondencias Multiples y del
tratamiento de las variables .......................................................................................... 26
2.2.2. Tabla de Burt .................................................................................................. 29
2.2.3. Eigenvectores y planos factorial. .................................................................... 31
2.3. Caracterización por categorías de grupos de las madres que dieron a luz a niños
prematuros. ............................................................................................................................ 34
2.3.1. Corte de árbol en 6 clusters ............................................................................. 34
2.3.2. Aplicacion del metodo de particion de cluster. ............................................... 35
CAPÍTULO III .................................................................................................................... 45
3. ANÁLISIS DE LOS ANTECEDENTES OBSTÉTRICOS DE LAS MUJERES QUE
DIERON A LUZ A NIÑOS PREMATUROS. ....................................................................... 45
3.1. Algunas cuestiones del Análisis de Componentes Principales ACP y del tratamiento
de las variables. ..................................................................................................................... 45
3.1.1. Validacion del ACP a través de la prueba KMO y Esfericidad de Bartlett. ...... 46
3.1.2. Validación del ACP a través de la prueba KMO y Esfericidad de Bartlett
utilizando las 5 variables .............................................................................................. 51
3.1.3. Matriz de Correlación ......................................................................................... 52
3.2. Análisis de partición en grupos o clúster. ............................................................. 56
3.2.1. Partición del dendograma en cuatro grupos. ................................................... 58
3.2.2. Inercia intra e inter clusters ............................................................................. 59
CAPÍTULO IV ................................................................................................................... 64
4. RELACION ENTRE LOS NACIMIENTOS PREMATUROS Y LOS FACTORES DE
RIESGO. .................................................................................................................................. 64
4.1. Algunas cuestiones de los métodos de estimación .................................................... 64
xi
4.1.2. Modelos de elección discreta ................................................................................. 65
4.1.2.1. Modelo Logit ................................................................................................... 65
4.1.2.2. Modelo Probit .................................................................................................. 67
4.2. Variables a utilizar en el modelo ........................................................................... 68
4.2.1. Variable dependiente: ......................................................................................... 68
4.2.2. Variables independientes: ................................................................................... 69
4.3. Estimación y validación del modelo ......................................................................... 69
4.4. Efectos Marginales e Interpretación del Modelo....................................................... 72
CAPÍTULO V ..................................................................................................................... 75
5. Conclusiones y Recomendaciones ............................................................................... 75
5.1. Conclusiones ............................................................................................................. 75
5.2. Recomendaciones ...................................................................................................... 76
REFERENCIAS BIBLIOGRÁFICAS ............................................................................... 78
APÉNDICE ......................................................................................................................... 85
xii
LISTA DE TABLAS
Tabla 1 Distribución de la edad de la madre por quintiles. .............................................. 22 Tabla 2 Área de nacimiento del prematuro con respecto área habitual de la madre. ....... 23
Tabla 3 Relación entre estado civil y Autoidentificación étnica de la madre. .................. 24 Tabla 4 Estado civil según nivel de instrucción de las madres que dieron a luz a niños
prematuros. ........................................................................................................... 25 Tabla 5 Relación entre nivel de instrucción con la edad de la madre. .............................. 26 Tabla 6 Variables para análisis factorial de correspondencias múltiples y sus categorías. 28
Tabla 7 Variables excluidas del análisis en la tabla de Burt. .............................................. 30 Tabla 8 Eigenvectores ........................................................................................................ 32 Tabla 9 Clúster 1- Madres adolescentes región Costa ....................................................... 37 Tabla 10 Clúster 2 – Madre afroecuatorianas vulnerable .................................................... 38 Tabla 11 Clúster 3 – madres indígenas vulnerables ............................................................ 39
Tabla 12 Clúster 4 – Madres mestizas con bajo riesgo. ....................................................... 40
Tabla 13 Clúster 5 – Madres costeñas con mediana vulnerabilidad. ................................... 41 Tabla 14 Clúster 6 – Madres adultas vulnerables. ............................................................... 42 Tabla 15 Variables utilizadas para el Análisis de Componentes Principales (ACP) ........... 46
Tabla 16 Prueba KMO y Bartlett ......................................................................................... 47 Tabla 17 Eigenvalores siete variables .................................................................................. 49
Tabla 18 Matriz de cargas factoriales siete variables .......................................................... 49 Tabla 19 Prueba de KMO y Bartlett .................................................................................... 52 Tabla 20 Matriz de correlación ............................................................................................ 52
Tabla 21 Eigenvalores cinco variables ................................................................................ 53 Tabla 22 Contribución de las cinco variables en los factores .............................................. 54
Tabla 23 Varianzas intra e inter clases ................................................................................ 60 Tabla 24 Clúster 1 - Madres promedio ................................................................................ 60
Tabla 25 Clúster 2 - Madres con controles prenatales ......................................................... 61 Tabla 26 Clúster 3 - Madres con mediana vulnerabilidad ................................................... 62
Tabla 27 Clúster 4 - Madres vulnerables con alta natalidad ................................................ 63 Tabla 28 Medidas de bondad de ajuste ................................................................................ 72
xiii
LISTA DE FIGURAS
Figura 1. Distribución por provincias de nacimientos prematuros- Registro nacidos vivos
(INEC-2017) ......................................................................................................... 22
Figura 2: Ejes Factoriales - Registro nacidos Vivos INEC (2017) .................................... 33 Figura 3. Clúster análisis Dendograma - Registro nacidos Vivos INEC (2017) ................ 34 Figura 4. Plano factorial variable y clasificación de clúster. .............................................. 36 Figura 5. Distribución de caracterización del clúster .......................................................... 44 Figura 6: Plano Factorial siete variables ............................................................................. 51
Figura 7: Plano Factorial cinco variables ........................................................................... 55 Figura 8: Dendograma antecedes obstétricos ..................................................................... 57 Figura 9. Identificación de clúster en el plano factorial ..................................................... 59 Figura 10: Distribución acumulada normal y logística ....................................................... 67 Figura 11. Modelo Logit ..................................................................................................... 70
Figura 12: Porcentaje predicho correctamente ................................................................... 71
Figura 13. Efectos Marginales - Modelo Logit ................................................................... 72
xiv
LISTA DE APÉNDICE
Apéndice 1. Datos Autoidentificación étnica de la madre ................................................... 85
Apéndice 2. Estado civil y/o conyugal de la madre ............................................................. 85 Apéndice 3. Datos Nivel de instrucción alcanza ................................................................. 85 Apéndice 4. Datos área de residencia de la madre ............................................................. 85 Apéndice 5. Datos provincia de nacimiento ........................................................................ 86 Apéndice 6. Datos Tipo de Parto ......................................................................................... 86
Apéndice 7. Datos producto del embarazo .......................................................................... 86 Apéndice 8. Datos Semanas de gestación ............................................................................ 87 Apéndice 9. Datos Semanas hijos nacidos que han muerto ................................................. 87 Apéndice 10. Datos número de hijos nacidos muertos ........................................................ 87
Apéndice 11. Datos número de controles prenatales ........................................................... 88 Apéndice 12. Datos número de hijos vivos actuales ........................................................... 88
Apéndice 13. Datos número de embarazos .......................................................................... 89 Apéndice 14. Datos número de parto ................................................................................... 89
Apéndice 15 Códigos del Análisis Factorial de Correspondencias Múltiples con sus
respectivas variables. ...................................................................................... 90 Apéndice 16. Tabla de Correspondencias Múltiples ........................................................... 90
Apéndice 17. Tabla de Burt con la eliminación de categorías por bajo peso ...................... 91 Apéndice 18. Tabla de Burt ................................................................................................. 92
Apéndice 19 Primer modelo ................................................................................................ 93
xv
GLOSARIO DE TÉRMINOS
Anemia
Disminución de la concentración de hemoglobina por debajo de los valores normales que
puede acompañarse de disminución de la concentración de eritrocitos o no.
Bari-céntrica
Relativo al centro de gravedad.
Diabetes gestacional
La diabetes gestacional es un tipo de diabetes que ocurre durante el embarazo. “Diabetes”
significa que la glucosa en la sangre, también llamada azúcar en la sangre, es demasiado alta.
Tener demasiada glucosa en la sangre no es bueno ni para usted ni para su bebé.
Hipertensión
Presión arterial de 140/90 o más alta. Por lo general, la hipertensión no tiene síntomas. Puede
dañar las arterias y causar un aumento del riesgo de padecer de derrame cerebral, ataque
cardíaco, insuficiencia renal y ceguera. También se llama presión arterial alta.
Infección de tracto urinario
Es la presencia en las vías urinarias a un nivel proximal al esfínter de la vejiga
urinaria de microorganismos que en condiciones normales son estériles.
Meningitis
La meningitis es una enfermedad habitualmente infecciosa provocada por virus o bacterias que
provoca la infección e inflamación de las meninges -unas membranas que rodean el cerebro y la
médula espinal.
Mortalidad infantil
La Mortalidad Infantil (MI) expresa la muerte de los niños menores de un año de vida (0 a 364
días). Para relacionarla con la cantidad de niños nacidos en un período y en un lugar
geográfico determinado.
Mortalidad neonatal
Es la que se produce desde el nacimiento hasta cumplir los 27 días de vida Este se subdivide a
su vez en dos: 1.a Mortalidad Neonatal Precoz: desde el nacimiento hasta cumplir 6 días de
vida. 1.b Mortalidad Neonatal Tardía: desde los 7 a los 27 días de vida
xvi
Mortinatos
Un mortinato es cuando un bebé muere en el útero durante las últimas 20 semanas del
embarazo. Un aborto espontáneo es la pérdida fetal en la primera mitad del embarazo.
Multiparidad
Una mujer que ha dado a luz más de una vez se denomina multípara. Se habla de nulípara si
no ha dado a luz, y de gran multípara si ha tenido numerosos partos (más de cuatro o cinco).
Neumonía
Es una infección de uno o los dos pulmones. Muchos gérmenes, como bacterias, virus u
hongos, pueden causarla. También se puede desarrollar al inhalar líquidos o químicos. Las
personas con mayor riesgo son las mayores de 65 años o menores de dos años o aquellas
personas que tienen otros problemas de salud.
Paridad
Paridad significa que dos cosas se igualan por algún motivo. Dos cosas exactamente tienen el
mismo valor y sentido, pero dos cosas desiguales pueden dejar de serlo a través de una medida
paritaria.
Preeclampsia
Es un aumento repentino de la presión arterial después de la semana 20 de embarazo. En
general, ocurre en el último trimestre. En casos raros, los síntomas pueden no comenzar hasta
después del parto. Esto se llama preeclampsia posparto. La preeclampsia también puede
provocar daños a algunos de sus órganos, como el hígado o el riñón.
Primíparas
Una mujer se denomina primípara cuando tiene un hijo por primera vez.
Retardo del Crecimiento Intrauterino
El retraso del crecimiento intrauterino (RCIU) es un término que describe un trastorno en el
que el feto tiene un tamaño menor al previsto para la cantidad de semanas de gestación.
Retrospectivamente
Que hace referencia a un tiempo pasado.
Rotura prematura de membranas
La ruptura prematura de membranas ("PROM", por sus siglas en inglés) es una ruptura
(apertura) de las membranas (bolsa amniótica) antes de que comience el trabajo de parto. Si
ocurre antes de las 37 semanas de embarazo, se denomina "ruptura prematura de membranas
pretérmino.
xvii
Semanas de gestación
La edad gestacional es el término común usado durante el embarazo para describir qué tan
avanzado está éste. Se mide en semanas, desde el primer día del último ciclo menstrual de la
mujer hasta la fecha actual. Un embarazo normal puede ir desde 38 a 42 semanas.
Sepsis
La sepsis es una enfermedad grave. que conduce a la formación de coágulos de sangre y la
filtración de vasos sanguíneos. Esto causa un pobre flujo sanguíneo, lo que priva a los órganos
de nutrientes y oxígeno. En los casos más serios, uno o más órganos puede fallar. En el peor
de los casos, la presión arterial baja y el corazón se debilita, lo que lleva a un shock séptico.
Transversal
En términos concretos, la palabra transversal es un adjetivo de tipo calificativo que se utiliza
para designar a todo aquello que atraviese, que corte algo por alguna de sus secciones.
Vaginosis bacteriana
La vaginosis bacteriana (VB) es una infección causada por una cantidad excesiva de ciertas
bacterias que cambian el equilibrio normal de las bacterias en la vagina.
Variables nominales
Son variables numéricas cuyos valores representan una categoría o identifican un grupo de
pertenencia. Este tipo de variables sólo nos permite establecer relaciones desigualdad
/desigualdad entre los elementos de la variable. La asignación del valor se realiza en forma
aleatoria por lo que NO cuenta con un orden lógico
xviii
TITULO: Factores de riesgo asociados a los nacimientos prematuros en el Ecuador, año
2017
Autores: Kelly Camila Centeno Alvear
Carla Pamela Montesdeoca Pilataxi
Tutor: Msc. José Alejandro Cajas Cadena
RESUMEN
La prematuridad presenta preocupación por ser una de las causas más relevantes en la
mortalidad infantil de menores de cinco años de edad a nivel mundial. Este trabajo de
investigación busca determinar los factores de riesgo demográficos y antecedentes obstétricos
más relevantes que presentan las mujeres que dieron a luz a niños prematuros. La metodología
aplicada, está direccionada a un estudio de enfoque cuantitativo, de corte transversal; para ello
se realizó un análisis univariado, bivariado y multivariado. Para la caracterización de mujeres
que dieron a luz a niños prematuros, se aplicó un Análisis Factorial de Correspondencias
Múltiples (AFCM), permitiendo reconocer los atributos peculiares que distingan a cada madre
de las demás. En cuanto a los antecedentes obstétricos, se realizó un Análisis de Componente
Principales (ACP), logrando simplificar el espacio multidimensional, hasta obtener un sistema
con el menor número de ejes posibles que contiene la mayor parte de la variación. Por último,
con el propósito de observar la relación que existe entre los nacimientos prematuros y los
factores de riesgo, se aplicó un modelo Logit (función logística), que permite estimar la
probabilidad de que una mujer tenga un parto prematuro a causa de factores de riesgo.
Factores demográficos como: ubicación geográfica (área rural), corta edad, sin relación
conyugal establecida (solteras) y con bajos niveles de instrucción, son factores de riesgo
altamente incidentes, en cuanto a los factores obstétricos se evidencia que los controles
prenatales inapropiados, el ser multigestantes y multíparas, son factores de riesgo que
conducen a presentar partos prematuros.
PALABRAS CLAVES: DEMOGRÁFICAS/ ANTECEDENTE OBSTÉTRICO/ NIÑO
PREMATURO/ PREMATURIDAD/ CARACTERIZACIÓN/ RELACIÓN
xix
TITLE: Risk factors associated to premature births in Ecuador, year 2017
Authors: Kelly Camila Centeno Alvear
Carla Pamela Montesdeoca Pilataxi
Tutor:. José Alejandro Cajas Cadena, Msc.
ABSTRACT
A premature birth raises concerns as it is one of the most relevant causes of child mortality in
children under 5 years of age worldwide. This research aims at determining the demographic
risk factors and obstetrical backgrounds of women who gave birth to premature children. The
methodology was led by a quantitative, transversal approach, where univariate, bivariate and
multivariate analysis were performed. The women that gave birth to premature children were
subjected to a Multiple Factor Correspondence Analysis (MCA), which allowed to set apart
one mother from the rest. As for the obstetric backgrounds, it was carried out a Principal
Component Analysis (PCA), which made it possible to simplify the multidimensional space
and obtain a system with the least number of axes possible that contain the greatest amount of
variation. Then, in order to observe the relationship between the premature birth and the risk
factors, a Logit model (logistics function) was used. It allows to calculate the probability a
woman has to have a premature labor due to the risk factors. Demographic factors such as
geographic location (rural areas), young age, marital state (single) and little education are
recurrent risk factors. Whit regards to the obstetric factors, the inappropriate prenatal care,
multiple pregnancies and multiparous condition, are risk factors that lead to premature birth.
PALABRAS CLAVES: DEMOGRAPHIC / OBSTETRICAL BACKGROUND/
PREMATURE CHILD/ PREMATURITY/ CHARACTERIZTION/ RELATIONSHIP.
1
INTRODUCCIÓN
Los prematuros corresponden a todo nacimiento antes de las 37 semanas y después de las 22
semanas de gestación, o antes de los 259 días contados desde el primer día de la última
menstruación. El parto prematuro presenta preocupación para los servicios de salud y sus
familias, por los daños y secuelas que podrían causar en el futuro, además de ser un desafío
para la Salud Pública, debido a que los prematuros son causa de mortalidad neonatal,
generando un elevado coste tanto por el consumo de recurso en las unidades de cuidados
intensivos neonatales, como por el gasto derivado de las secuelas a largo plazo. Además de los
gastos sociales, incluyendo la pérdida de oportunidades laborales por parte de un miembro de
la familia que debe ocuparse del niño prematuro.
Teniendo en cuenta lo que ocasiona un nacimiento prematuro, es importante saber cuáles son
los factores de riesgo más frecuentes, que cada vez orientan a la explicación de múltiples
causas, entre las cuales se pueden citar: factores demográficos y obstétricos.
Según la Organización Mundial de la Salud (2010), considera que en el Ecuador el 5.1% de
los bebes vienen al mundo antes de haber cumplido las 37 semanas de gestación, por otra
parte, el Observatorio de los Derechos de la Niñez y Adolescencia (2018, párr.3), señala que
es un problema poco atendido, pese a que Ecuador no está en un rango crónico.
El presente estudio “FACTORES DE RIESGO ASOCIADOS A LOS NACIMIENTOS
PREMATUROS EN EL ECUADOR, AÑO 2017”, pretende analizar los principales
factores de riesgo demográficos y antecedentes obstétricos que se presentan en un nacimiento
prematuro, y así dar a conocer medidas preventivas, con la finalidad de disminuir la incidencia
de prematuridad, mediante la aplicación de métodos estadísticos que permitan comprender de
mejor manera el fenómeno.
2
CAPÍTULO I
1. PLAN DE PROYECTO
1.1. Tema:
Factores de riesgo asociados a los nacimientos prematuros en el Ecuador año 2017.
1.2. Planteamiento del Problema:
Los nacimientos prematuros se establecen como una problemática de salud a nivel mundial,
debido a que, al dar a luz a un niño antes de las 37 semanas de gestación, puede generar un
elevado coste tanto por el consumo de recursos en las unidades de cuidados intensivos
neonatales, como por el gasto derivado de las secuelas a largo plazo. Además de los gastos
sociales. Según la Organización Mundial de la Salud (2010), Ecuador es uno de los países con
una tasa de prematuridad baja, sin embargo, según el Instituto de Estadística y Censos (2014)
la duración corta de gestación, es la primera causa de mortalidad en niños menores a 5 años.
Según el Ministerio de Salud Pública (2015), la prematuridad se asocia con alrededor de un
tercio de todas las muertes infantiles, y representa aproximadamente el 45% de los recién
nacidos con parálisis cerebral infantil (PCI), el 35% de los RN con discapacidad visual, y el
25% de los recién nacidos con discapacidad cognitiva o auditiva. Las complicaciones de la
prematuridad son las razones subyacentes de la mayor tasa de mortalidad infantil y la
morbilidad en los recién nacidos prematuros en comparación con los recién nacidos a término.
El riesgo de complicaciones aumenta a menor edad gestacional.
1.3. Preguntas:
1.3.1. Pregunta General:
¿Cuáles son los factores de riesgo obstétricos y demográficos asociados a los nacimientos
prematuros en el Ecuador?
3
1.3.2. Preguntas Específicas:
- ¿Qué características demográficas se identifican como las más relevantes en las mujeres
que presentaron nacimientos prematuros?
- ¿Cuáles son los antecedentes obstétricos más relevantes en las mujeres que presentaron
nacimientos prematuros?
- ¿Cuál es la relación entre los nacimientos prematuros y los factores de riesgo?
1.4. Caracterización y Delimitación de la Población (Alcance):
El presente estudio se realizará a 46 670 mujeres que dieron a luz antes de las 37 semanas de
gestación que ocurrieron en el Ecuador en el año 2017 y fueron registradas en la base de datos
de Nacidos Vivos del Instituto Nacional de Estadística y Censos.
1.5. Objetivos:
1.5.1. Objetivo General:
- Determinar los factores de riesgo obstétricos y demográficos asociados a los nacimientos
prematuros, ocurridos en el Ecuador, año 2017.
1.5.2. Objetivos Específicos:
- Caracterizar a las mujeres que dieron a luz a niños prematuros por factores de riesgo
demográficos.
- Analizar los antecedentes obstétricos de las mujeres que dieron a luz a niños prematuros
(embarazos, controles prenatales, partos)
- Identificar la relación entre los nacimientos prematuros y los factores de riesgo.
1.6. Justificación
El presente proyecto de investigación surge debido a que el nacimiento prematuro no es sólo
un problema clínico, sino también demográfico, por lo que se relaciona con los altos índices
4
de mortalidad en la duración de corta gestación. Además, se observa que, en las últimas
décadas, en el mundo existe la tendencia ascendente de la incidencia de nacimientos
prematuros; uno de cada diez bebés nace prematuramente, la cifra de niños prematuros está
aumentando a nivel mundial.
Según estima Unicef (2018):
Más del 80% de las muertes de recién nacidos se producen como resultado de un nacimiento
prematuro, complicaciones durante el trabajo de parto o el parto e infecciones como sepsis,
meningitis y neumonía. Las mismas causas, especialmente las complicaciones en el trabajo de
parto, son las causantes de buena parte de los casos de mortinatos. (p.1)
En Ecuador existen diversos factores de riesgos asociados a los nacimientos prematuros, por
tanto, es importante identificar cuáles son los factores más concurrentes y así disminuir la
prematuridad, por las consecuencias que esto trae como mortalidad neonatal, teniendo en
cuenta que el cuidado de un recién nacido implica gastos ingentes, no solo para la familia,
sino también para el estado, debido a que proporciona a la madre medicinas y cuidados
especiales. Ecuador es uno de los países con tasas más bajas de nacimientos prematuros en el
mundo.
El presente estudio es un Análisis de los factores de riesgo asociados a los nacimientos
prematuros en Ecuador surgidos en el año 2017, cuyo objetivo es conocer los factores de
riesgo que influyen en este problema de salud pública, determinando las características
demográficas más relevantes y sus antecedentes obstétricos de mayor incidencia en este
fenómeno.
5
1.7. Marco teórico
1.7.1 Base teórica
Según la revisión bibliográfica, se presentan varias definiciones y conceptos que están
encaminados a explicar el fenómeno de la prematurez, pero, este depende de su naturaleza, del
ámbito en el que se desarrolla y de la política pública que se ejecuta en los distintos países, por
tanto, estas definiciones y conceptos se adecuarán para entender de mejor manera el
fenómeno, así como para explicar los factores y las medidas remediales que pueden tomarse
para reducirlo.
Epidemiología
La Organización Mundial de Salud (2012) indica que:
Más del 60% de los nacimientos prematuros se producen en África y Asia meridional. Los 10
países con los mayores números incluyen a India, China, Nigeria, Pakistan, Indonesia, Estados
Unidos, Bangladesh, Filipinas, República Democrática del Congo y Brasil, demostrando que el
nacimiento prematuro es un verdadero problema global. De los 11 países con las tasas de
nacimiento prematuros de más del 15%, todos menos 2 están en África subsahariana (Malawi,
Congo, Camoras, Zimbabue, Guinea Ecuatorial, Mozambique, Gabón, Pakistan, Indonesia,
Mauritania y Botsuana). En los países más pobres, en promedio, el 12% de los bebés nacen
demasiado pronto en comparación con el 9% en los países de ingresos más altos. Dentro de los
países, las familias más pobres están en mayor riesgo. (p.2)
El Ecuador tiene actualmente una población estimada de alrededor de 16 millones de habitantes y
el número de nacidos vivos cada año es de 300.000. Desde la década de los noventa, la mortalidad
infantil se ha ido reduciendo progresivamente; sin embargo, el segmento correspondiente a la
mortalidad neonatal y su morbilidad asociada aporta cerca del 60% en muertes de menores de un
año. En consecuencia, constituye un desafío para los servicios públicos de salud del país.
(Ministerio de Salud Pública, p.11, 2015)
Definición
La Organización Panamericana de la Salud (OPS, 1995) define que un:
6
Nacimiento vivo es la expulsión o extracción completa del cuerpo de su madre, independientemente
de la duración del embarazo, de un producto de la concepción que, después de dicha separación,
respire o dé cualquier otra señal de vida, como latidos del corazón, pulsaciones del cordón
umbilical o movimientos efectivos de los músculos de contracción voluntaria, tanto si se ha cortado
o no el cordón umbilical y esté o no desprendida la placenta. Cada producto de un nacimiento que
reúna esas condiciones se considera como un nacido vivo. (p. 197)
Por su parte, Stern (1995):
Plantea que la madre, alrededor del séptimo mes del embarazo hasta el nacimiento del niño, ajusta
su mundo representacional (“modelos sobre el niño”) de la mejor manera, a fin de crear un espacio
constructivo para sus representaciones futuras, y protege intuitivamente al futuro bebé y a sí misma
de una posible discordancia entre el bebé real y el bebé representado. Estos procesos se verán
interrumpidos por la prematurez, en la que la presencia real del niño produce un desfasaje en las
representaciones maternas y de hijo. (como se citó en Ruiz. A, 2004, p. 259)
Prematuridad
Soulé (1996): “De acuerdo con las causas de parto prematuro, podríamos definir a este como
multifactorial y pensar que algunos nacimientos antes de tiempo reflejarían una ruptura de la
primitiva interacción biológica bebé en gestación- madre, (…)” (como se citó en Ruiz. A,
2004, p. 260).
La Organización Mundial de la Salud (OMS, 2018) define la prematuridad como: “Un bebé
nacido vivo antes de que se hayan cumplido 37 semanas de gestación” (párr.1).
Niño prematuro y sus enfoques:
Enfoque clínico: “El niño prematuro nace con una “inmadurez” de sus órganos y sistemas
(respiración, control de temperatura, digestión, metabolismo, etc.) lo que le hace más
vulnerable a las enfermedades y más sensible a los agentes externos (luz, ruido, etc.)”
(Roques, 2005, p. 13).
7
Enfoque psicológico: El nacimiento prematuro es vivido por los padres como un evento
traumático de interrupción de un proceso, encontrando a los mismos no preparados para la
separación que la internación del recién nacido en las Unidades de Cuidado Intensivo requiere, ni
para el anidamiento psíquico de un recién nacido “especial” y diferente del esperado. (Ruiz.A,
2004, p.259)
Enfoque educativo: Los bebés prematuros pueden tener más dificultades en la escuela que los
bebés que nacen a tiempo. Es más probable que tengan problemas de aprendizaje y conducta
durante la niñez. Esto puede dar lugar a puntajes bajos en los exámenes, a repetir grados y a
necesitar servicios de educación especial. Alrededor de 1 de cada 3 niños nacidos prematuramente
necesitan servicios escolares especiales en algún momento de sus años escolares. (Narcesano,
2012, párr.4)
Clasificación
La clasificación en función a la edad gestacional, según la Organización Mundial de Salud
(OMS, 2018) “Los niños prematuros se dividen en subcategorías en función de la edad
gestacional” (párr.1).
Factores de riesgo
Según la Organización Mundial de la Salud (OMS, s.f.): “Un factor de riesgo es cualquier
rasgo, característica o exposición de un individuo que aumente su probabilidad de sufrir una
enfermedad o lesión. (…)” (párr.1).
Moliner (2017), expresa que:
Existen una serie de factores de riesgo conocidos que pueden incrementar la posibilidad de que se
produzca un nacimiento pretérmino. No obstante, se considera que más de la mitad de este tipo de
partos se producen en embarazos que no presentan ningún factor de riesgo identificable. (párr.5)
8
Factores de riesgo demográficos:
“Son todos aquellos que se relacionan con los ciudadanos de una determinada población, y por
eso abarcan los siguientes: la actividad laboral, la edad, el salario y la religión” (Perez y
Gardey, 2017, parr.8).
Los factores de riesgo demográficos que se tomarán en cuenta para la realización de esta
investigación son:
Edad de la madre:
“Se considera como un factor de riesgo, porque, son causales de patologías perinatales, al
presentar un embrazo siendo menores de 20 años de edad o mayores a 34 años de edad”
(Guadalupe Shessira, 2017, p.25).
Estado civil:
Cuando las gestantes son casadas aumenta las posibilidades de recibir un adecuado cuidado
durante su embarazo, ya que cuando son solteras o viven en unión libre, por lo general se trata
de embarazos no deseados y retrasan el momento de recibir atención médica. (Cluet, Rossell,
Alvarez y Rojas, 2013, p.164)
Autoidentificación étnica:
“La etnia afroecuatorianas, negras e indígenas se ha visto relacionada en el desarrollo de
algunas patologías, una de ellas es presentar parto pretérmino” (Martínez y vasco, 2018).
Nivel de instrucción
Las personas con un nivel educativo bajo presentan riesgo en su salud y son expuestas a
enfermedades. (De la Cruz, Feu, y Vizuete, 2013)
9
Factores de riesgo Obstétricos:
“Se determina por la evaluación a la mujer embarazada para determinar si presenta
condiciones o características que la expongan a ella o al feto a la posibilidad de enfermar o
morir durante el embarazo” (Rojas, 2006, párr.4).
Según la literatra, los factores de riesgo obstétricos se refieren a:
Producto del embarazo
El producto del embarazo, se refiere al número de fetos que presenta durante su embarazo, es
decir gemelos, triples o más. “Cuando presentan un embarazo de dos fetos o más, es
denominada como un alto riesgo de complicaciones y es asociadas con diversas anomalías,
una de ellas es el parto prematuro” (Chen Wu, 2018).
Control prenatal
“El control prenatal adecuado es esencial para las mujeres en periodo de gestación ya que, al
tener un control inadecuado no se puede dar seguimiento al embarazo, para prevenir o
controlar cualquier complicación” (Ahumada y Alvarado, 2016).
Tipo de parto
El tipo de parto se refiere como dio alumbramiento al nacido vivo prematuro, normal o
cesaría.
1.7.2 Referencias
Internacionales
Guadalupe Shessira (2017) realizó un estudio en Hospital María Auxiliadora de Perú sobre los
“Factores de riesgo asociado a parto Pre término en gestantes”, con la finalidad de conocer los
factores de riesgo más relevantes que presentan y de esta manera, poder establecer estrategias
10
para disminuir la morbimortalidad neonatal. La metodología aplicada está direccionada a un
estudio de caso y controles, para ello se consideró una muestra de 400 gestantes atendidas en
el hospital, durante el año 2015, los casos fueron las gestantes con parto pre término y las de
controles fueron las gestantes sin parto pre término. Los resultados del estudio referentes a
factores de riesgo sociodemográficos, evidencian que: la edad de (35 a 50 años), el nivel de
estudio (mayormente secundario) y el estado civil (casadas y unidas) de las gestantes, tiene
mayor relevancia e incidencia en los nacimientos pretérmino, de la misma manera, dentro de
los antecedentes obstétricos, se observa que el control prenatal de las gestantes es inadecuado,
y mayormente son multigestantes incidiendo naturalmente en los partos pre término, por
último, en cuanto a las patologías de las gestantes estudiadas, se presentan: “rotura prematura
de membranas”, preeclampsia e infección de tracto urinario.
Pérez Marco (2014) realizó una investigación sobre los “Factores de riesgo asociados a
prematuridad en pacientes del Hospital Apoyo Iquitos -Cesar Garayar García -Perú” con el
propósito de determinar los factores de riesgo que más ocurren en las gestantes del
establecimiento. La metodología que se aplicó es de tipo retrospectivo correlacional, de diseño
analítico caso control, con una población de 516 prematuros recién nacidos, de los cuales se
extrajo una muestra de 200 casos, que vienen a constituirse los casos de investigación y
evaluación del fenómeno. Los resultados que se obtuvieron producto de la investigación y que
hacen referencia a factores sociodemográficos, apuntan a que el 72,5% de madres de los niños
prematuros están en una edad comprendida entre los 20 a 34 años de edad, proceden de zonas
urbano marginales (38,5%), con un nivel de instrucción secundaria (47%) y el 71% de ellas,
conviven con su pareja. Por otra parte, en cuanto a los antecedentes obstétricos, se observa
que las madres presentan antecedentes de prematuridad (18%), con antecedentes de Retardo
11
del Crecimiento Intrauterino (10.5%), son primíparas (30.5%), presentan un número de
controles prenatales menor a 6 (59%), y morbilidad materna cerca del 39%. De esta manera,
una de las conclusiones fundamentales del estudio, hace referencia a que los factores que se
asocian a la prematuridad están dados por la ubicación de la residencia de las madres, cuyos
niveles de instrucción mayormente es primario, los controles prenatales son insuficientes en
cuanto a su número y presentan una morbilidad elevada, producto de las características
anotadas.
Maidana y Silvero (2017) realizaron un estudio sobre “Factores sociodemográficos y clínicos
en gestantes pretérmino con diagnóstico de rotura prematura de membrana que acuden al
servicio de Ginecología y Obstetricia del Hospital Regional de Encarnación de enero del 2015
a junio 2016 – Paraguay”, con el fin de determinar los resultados perinatales de la Rotura
Prematura de Membranas entre los 28 a 36 semanas de gestación en el establecimiento. La
metodología que se aplicó en el estudio es retrospectiva, de cohorte transversal de tipo
descriptivo, con un total de 119 pacientes diagnosticados con rotura prematura de membranas.
Los resultados que se obtuvieron en la investigación, con respecto a los factores
sociodemográficos, apuntan que las pacientes que presentaron rotura prematura de
membranas, están comprendidas entre los 19 a 35 años de edad (49%), con un nivel de
instrucción primaria incompleta (45,3%), se encuentran en la zona urbana (65%) y el 63%
declararon tener como estado civil unión libre, Por otra parte en cuanto a los factores clínicos
durante la gestación o en el periodo de concepción, se observa que el 66% de las madres
consumen tabaco, presentan infección del tracto urinario (64%), en cuanto a las vías de parto
con mayor frecuencias ocurren mediante cesaría (55%). De esta manera, una de las
conclusiones fundamentales del estudio que hace referencia a los factores asociados a la
12
prematuridad están dados, por madres comprendidas entre los 19 a 35 años de edad, cuyos
niveles de instrucción son bajos, que consumen tabaco y presentan infección del tracto
urinario.
García, Pardo y Zuniga (2010) realizaron un estudio referente a los “factores asociados al
parto prematuro en el departamento de Lempira, Honduras”, con el fin de dirigir estrategias e
intervención sanitaria, buscan fortalecer la atención prenatal y reducir los nacimientos
prematuros en el establecimiento. La metodología que se aplicó en el estudio es de cohorte
prospectivo descriptivo, para ello se consideró una muestra de 367 mujeres embarazadas, los
datos fueron obtenidos por medio de historias clínicas y entrevistas. Los resultados que se
presentaron en la investigación, según el sitio donde ocurrieron los partos pretérminos, fue de
8% a nivel de institucional y 7% en los extrahospitalarios, con una media de 26 años de edad
(rango de 15 a 46 años), el 30% tenían edades extremas (<18 y > 35 años), el 88% fueron
amas de casa, con un estado civil casadas o unión libre, el 66% de las madres tienen un nivel
de escolaridad ninguno o primaria, tuvieron un 37% al mostrar una paridad de 4 y más hijos.
El parto prematuro está asociado con pocas atenciones prenatales y multiparidad.
Nacionales
Lucín et al. (2011) realizaron un estudio “Parto pretérmino: Aspectos socio-demográficos en
las mujeres gestantes del hospital Gíneco-Obstétrico Enrique C. Sotomayor”, Guayaquil –
Ecuador. La metodología que se aplicó en el estudio es de tipo descriptivo, que enumera las
características sociodemográficas más relevantes de mujeres que presentaron partos
prematuros, investigando a una población de 300 mujeres gestantes que presentaron el
fenómeno entre junio y agosto de 2009. Los resultados que se obtuvieron en la investigación,
13
fue que el mayor número de pacientes se encontraron comprendidas entre los 20 a 30 años de
edad (53%), en cuanto a la escolaridad e ingresos económicos el 79% de mujeres indicaron
que eran de nivel socioeconómico bajo menor a 200 dólares mensuales y el 66% con un nivel
de educación menor de 12 años. Por otra parte, las mujeres que presentaron partos prematuros
tienen hábitos como alcoholismo y drogadicción, siendo el 51% mujeres que fuman, el 47%
consumen alcohol y en el caso de las madres que consumen drogas es el 2%.
Zerna, Fonseca, Viteri y Zerna (2017) realizaron un trabajo de investigación “Identificación
de factores de riesgo de parto pretérmino. Caso Hospital Enrique C. Sotomayor en el periodo
2015 – 2016” correspondiente a un estudio de tipo descriptivo y retrospectivo, cuya población
fueron las mujeres que presentaron partos prematuros en el área de ginecología, periodo 2015
– 2016, con el objetivo de identificar retrospectivamente los factores de riesgos asociados a la
prematurez. Los resultados que se obtuvieron producto de la investigación, evidenciaron que
el parto pretérmino se presenta con mayor incidencia en gestantes menores de 19 y mayores
de 35 años de edad. Una de las conclusiones fundamentales del estudio, fueron las mujeres
que presentaron bajo grado de escolaridad, multiparidad e inasistencia al control prenatal.
Guevara Walter (2015) realizó un estudio “Factores de riesgo asociados a parto pretérmino en
el hospital Alfredo Noboa Montenegro de Guaranda, periodo 2013 – 2015”, con el objetivo de
mejorar la asistencia médica y reducir la muerte materna e infantil. La metodología que se
aplicó en la investigación es de diseño retrospectivo, cuya población estudiada es de 3090
mujeres con historias clínicas registradas en el Hospital. Los resultados del estudio, en cuanto
a las mujeres que dieron a luz a niños prematuros, se evidencia que las gestantes con mayor
riesgo de parto pretérmino, con respecto a los factores sociodemográficos son mujeres
menores de 20 años (46,7%), cuya área de residencia están ubicadas en zonas rurales
14
(67,19%) y su nivel de escolaridad secundaria (40,62%). Por otra parte, en cuanto a las
patologías asociadas, el 63.54% fueron gestantes que presentaron infección a las vías
urinarias.
Ganchozo Lorena (2012) realizó un estudio “Prevalencia de partos prematuros en el hospital
Gíneco-Obstétrico Isidro Ayora”, con el propósito de determinar la prevalencia de partos
prematuros. La metodología que se aplicó en la investigación es correspondiente a un enfoque
descriptivo, transversal, no experimental, por medio de recolección de datos de historias
clínicas de mujeres que presentaron partos prematuros, en los años 2007-2008, se presentaron
un total de 1300 partos prematuros en el hospital, lo cual evidenciaron que en el año 2007
ocurrieron un total de 636 partos y durante el año 2008 se presentaron 664 mujeres con partos
pretérminos. Los resultados que se obtuvieron en la investigación (2007) fueron el 13%
madres adolescentes y el 20% son mayores a 35 años, en cuanto a su nivel de instrucción se
tiene que un 46% han cursado la primaria. Por otra parte, en el año 2008, las madres que
dieron a luz a niños prematuros son mayormente adolescentes (13%) y el 15% son mayores de
35 años, cuyo nivel de instrucción es el 47% primario. Se concluyó que, durante los dos años,
se observan variaciones mínimas en los resultados de las madres que presentaron nacimientos
prematuros.
Ordoñez Viviana (2014) realizó un proyecto de investigación titulado “Factores de riesgo del
parto prematuro en las gestantes adolescentes y mayores de 35 años atenidas en el hospital
Teófilo Dávila, en el año 2013”, La metodología que se aplicó en el trabajo de investigación,
fue un estudio descriptivo, retrospectivo de tipo transversal, tomando como base de datos los
expedientes clínicos de las pacientes que fueron atendidas en el servicio de obstetricia durante
15
el tiempo transcurrido de enero a diciembre del año 2013. Una de las conclusiones a la que
llegó el estudio, en cuanto a los factores de riesgo para que ocurra un parto prematuro, el 73%
son madres adolescentes y el 40% consideradas como adolescentes tardías, comprendidas
entre los 17 y 19 años de edad, cuyo nivel de instrucción es educación primaria (60%), se
encuentran ubicadas en zonas urbanas (53%) y el 44% de las madres no conviven con sus
parejas.
Balladares y Chacón (2016) realizaron un estudio en la ciudad de Cuenca “Prevalencia y
factores de riesgo del parto pretérmino en pacientes atendidos en el departamento de
obstetricia del hospital Vicente Corral Moscoso, en el periodo comprendido entre el 1 de
enero del 2010 al 31 de diciembre del 2014”. La metodología que se aplicó en el estudio fue
de tipo transversal y retrospectivo, la población estudiada fue de 301 casos de parto
pretérmino en el área de ginecología y obstetricia. Los resultados que se obtuvieron en la
investigación, fueron mujeres que presentaron partos pretérminos, comprendidas entre los 21 a
28 años de edad (38,5%), Por otra parte, en cuanto a los factores clínicos durante la gestación
o en el periodo de concepción, se observa que el 67,4% son partos prematuros moderados a
tardíos, el 33,2% de las madres tuvieron anemia, presentaron infección del tracto uterino
(39,5%) y el 12,6% mostraron vaginosis bacteriana.
1.8.Diseño Metodológico
1.8.1. Diseño de la investigación:
La presente investigación tiene un enfoque cuantitativo ya que se analizará información
contenida en los registros administrativos de la base de datos de Nacidos Vivos del Instituto
Nacional de Estadística y Censos (revisión de base de datos), de las cuales se extraerán las
variables más relevantes para estudiar el problema de investigación, permitiendo minimizar la
16
subjetividad del fenómeno, además de ser más preciso. Se ha decidido por este enfoque dado
que, según la teoría de Hernández, Fernández y Baptista (2014) “Usa la recolección de datos
para probar hipótesis, con base en la medición numérica y el análisis estadístico, para
establecer patrones de comportamiento y probar teorías” (p.4).
La investigación corresponde a un estudio de corte transversal, ya que como manifiesta
Hernández, Fernández & Baptista (2014) “recolectar datos en un solo momento, en un
momento único. Su propósito es describir variables y analizar su incidencia e interrelación en
un momento dado” (p.151). De esta manera, se trabajará con características de antecedentes
obstétricas y demográficas que inciden en el parto prematuro de mujeres que dieron a luz en el
Ecuador durante el año 2017.
1.8.2. Método
Para llevar a cabo cada uno de los objetivos planteados, fue necesaria la información
contenida en la base de Datos de Nacidos Vivos producida por el Instituto Nacional de
Estadística y Censos (INEC); la cual contiene variables demográficas y obstétricas sobre todos
los nacimientos ocurridos y registrados en el año 2017.
Al caracterizar a las mujeres que dieron a luz a niños prematuros, se realizará un estudio
explicativo, debido a que como manifiesta Cea D' Ancona (1999) este procede a “Analizar
factores que interviene en la causación de una acción, actitud o hecho determinado” (p.112).
Se aplicará un análisis univariante y bivariante. Posteriormente, mediante el análisis
multivariante (Análisis Factorial de Correspondencias Múltiples), se construirá las tipologías a
través de la comparación de cada una de las modalidades de los factores como: etnia, edad,
nivel de instrucción, estado civil, entre otros; presentados por las madres que dieron a luz a
niños prematuros. El Análisis Factorial de Correspondencias Múltiples (AFCM) permite
17
caracterizar a las madres de acuerdo a la presencia de tipologías similares, se tomará en cuenta
la transformación de ciertas variables de escala a variables de tipo nominal, a través de la
recodificación. Una vez recodificadas las variables se determinarán los eigen-vectores, cuyos
valores definen los planos factoriales, con esta representación, se obtiene una visión gráfica de
cómo se visualizarán las madres que dieron a luz a niños prematuros, donde se observarán
cuáles son las modalidades que afectan a la determinación del clúster en la nube de puntos-
individuos, permitiendo clasificar a las mujeres. Después de ello, se procederá a la
clasificación de grupos con similares características viendo la formación de conjuntos a través
del dendograma, este método se lo llama Clasificación Jerárquica, observando cuáles son las
modalidades que afectan a la determinación de los clústers en la nube de puntos- individuos.
Adicionalmente obtendremos la Tabla de Burt con la cual se analizará algunas relaciones
interesantes para describir como están relacionadas las distintas variables y sus modalidades.
En cuanto al estudio de los antecedentes obstétricos de las madres que dieron a luz niños
prematuros, se aplicará la metodología de Análisis de Componentes Principales (ACP),
tomando en cuenta la teoría de Cea D' Ancona (1999) “La peculiaridad del análisis
multivariante reside en operar con un número elevado de variables, y de manera simultánea,
basándose en el cálculo matricial” (p.337). Los componentes se ordenan por la cantidad de
varianza original que describen, por lo que esta técnica es útil para reducir la dimensionalidad
del conjunto de datos, construyendo una transformación lineal que escoge un nuevo sistema
de coordenadas para el conjunto original de datos, en el cual la varianza de mayor tamaño del
conjunto de datos es capturada en el primer eje llamado el Primer Componente Principal, la
segunda varianza más grande es el segundo eje, y así sucesivamente, estableciendo tipologías
a través de la comparación de cada uno de sus atributos de los factores como: número de
18
control prenatal, número de hijos nacidos vivos, producto del embarazo, entre otros;
presentados por las madres que dieron a luz a niños prematuros. El Análisis de Componentes
Principales (ACP) permite analizar los antecedentes obstétricos, mediante el tratamiento del
conjunto de variables obstétricas originales a transformar en un conjunto de componentes
principales (agrupando variables por importancia en cada factor). Para la determinación de los
componentes principales se definirá con variables tipificadas o expresadas en desviaciones
respecto a la media, para así explicar la mayor parte de la variabilidad de las variables
obstétricas a estudiar.
Por último, con el propósito de observar la relación que existe entre los nacimientos
prematuros y los factores de riesgo (demográficos - antecedentes obstétricos), se aplicará un
modelo Logit para determinar la probabilidad, de que, una mujer que dé a luz a un niño
prematuro esté relacionada con los factores de riesgo demográficos y obstétricos (tipo de
parto, producto del embarazo, edad de la madre, número de embarazos, número de partos,
hijos nacidos muertos y área de residencia de la madre), transformándole a cada categoría
estudiada en variable binaria. Para este caso la variable dependiente es la edad gestacional del
prematuro, tomado el valor 1 si el recién nacido tiene menos de 37 semanas (prematuro) y 0 si
tuvo más de 38 semanas de gestación (no prematuro), de tal manera que, se trabajará con toda
la población de nacidos vivos ocurridos en el Ecuador, año 2017, con el fin de explicar el
fenómeno de mejor manera.
1.8.3. Variables a estudiar
Las variables que se utilizarán para nuestra investigación, son aquellas registradas en la base
de datos de Nacidos Vivos proporcionada por el Instituto Nacional de Estadística y Censos
(INEC) 2017:
19
Variables Demográficas:
- Provincia de nacimiento
- Edad de la madre
- Autoidentificación étnica de la madre
- Estado civil y/o conyugal
- Nivel de instrucción
- Área de residencia de la madre
Variables Obstétricas
- Tipo de parto
- Semana de Gestación
- Producto del parto
- Controles Prenatales
- Embarazos y partos
- Hijos vivos que tiene actualmente
- Hijos nacidos vivos que han muerto
- Hijos nacidos muertos
20
CAPITULO II
2. CARACTERIZACIÓN DE LAS MUJERES QUE DIERON A LUZ A NIÑOS
PREMATUROS POR FACTORES DE RIESGO DEMOGRÁFICOS
Al caracterizar a las mujeres que dieron a luz a niños prematuros, se pretende identificar los
aspectos demográficos poblacionales más relevantes, de tal manera que nos permita reconocer
los atributos peculiares que distingan a cada madre de las demás, recurriendo a datos con el fin
de profundizar el conocimiento de los nacimientos prematuros.
Bonilla, Hurtado y Jaramillo (como se citó en Centro de Desarrollo Virtual, 2010) define que:
La caracterización es un tipo de descripción cualitativa que puede recurrir a datos o a lo cuantitativo
con el fin de profundizar el conocimiento sobre algo. Para cualificar ese algo previamente se deben
identificar y organizar los datos; y a partir de ellos, describir (caracterizar) de una forma
estructurada; y posteriormente, establecer su significado (sistematizar de forma crítica). (p.1)
Para analizar este fenómeno, previamente se identificó y organizó los datos, caracterizando a
las madres que presentaron un nacimiento prematuro, tomando en cuenta variables
demográficas como: provincia de nacimiento, estado civil, edad, área de residencia, nivel de
instrucción y autoidentificación étnica, utilizando procesos que permitan describir su
comportamiento dentro de la población, mediante un análisis estadístico univariante,
bivariante y multivariante. Se manejó el análisis factorial de correspondencias múltiples
(AFCM), conocida como una técnica para reducir datos y encontrar grupos homogéneos de
variables, partiendo de un conjunto numeroso de ellas. Esta técnica se la utiliza con variables
de tipo cualitativas, los grupos homogéneos se forman con las categorías, inicialmente, que
unos grupos sean independientes de otros. Se procederá a la clasificación de grupos con
similares características viendo la formación de conjuntos a través del método de
Clasificación Jerárquica, observando cuales son las modalidades que afectan a la
21
determinación de los clústers en la nube de puntos- individuos. Adicionalmente obtendremos
la Tabla de Burt con la cual se analizará algunas relaciones interesantes para describir como
están relacionadas las distintas variables y sus modalidades.
2.1.Principales factores demográficos de las madres que dieron a luz a un niño
prematuro
Distribución de nacimientos prematuros por Provincias
Con respecto a las madres que dieron a luz niños prematuros según la provincia de
nacimiento del niño, se puede determinar de acuerdo a la figura 1, que existen 2 grupos de
provincias bien diferenciados con casos de nacimientos prematuros, aquellas que son mayores
con respecto al promedio nacional, en las que se encuentran: Guayas, Pichincha, Manabí y
Azuay, con 27,6%, 22,8%, 6,2% y 5,7% respectivamente, las mismas que por su densidad
demográfica presentan más casos de nacimientos prematuros, y los otros, en conjunto con el
resto de provincias que son deficitarias, siendo provincias con baja densidad poblacional. Por
lo tanto, la presencia de niños prematuros va a ser directamente proporcional a estas, se
evidencia claramente que provincias como Bolívar, Pastaza, Napo, Zamora Chinchipe y
Galápagos son las que presentan índices sumamente bajos.
22
Figura 1. Distribución por provincias de nacimientos prematuros- Registro nacidos vivos (INEC-2017)
Elaboración: Autoras
Distribución de edad de la madre por quintiles
En cuanto a la distribución de las edades de las madres que dieron a luz a niños prematuros, se
puede advertir en la tabla No.1 que el 40% de madres pertenecientes a los quintiles 4 y 5, se
encuentran por encima del promedio de edad general (26 años), es decir, que el 60% restante
de las madres son jóvenes que aún no han pasado la barrera de los 25 años, por lo que se
puede considerar una población vulnerable, debido especialmente a su inexperiencia,
educación, acceso a los servicios de salud, entre otros.
Tabla 1
Distribución de la edad de la madre por quintiles.
Quintiles de
edad No. % Promedio Mínimo Máximo
11 a 20 años 9237 19,8% 17,2 11 19
20 a 23 años 9460 20,3% 21,5 20 23
23 a 28 años 8710 18,7% 25,5 24 27
28 a 33 años 9678 20,7% 29,9 28 32
33 a 53 años 9585 20,5% 36,5 33 53
Total 46670 100,0% 26,2
Fuente: Registro nacidos vivos (INEC-2017)
Elaboración: Autoras
27,6
%
22,8
%
6,2
%
5,7
%
4,2
%
4,0
%
4,0
%
3,8
%
3,2
%
3,1
%
2,9
%
2,7
%
2,6
%
2,3
%
1,9
%
1,1
%
1,0
%
1,0
%
0,9
%
0,9
%
0,8
%
0,6
%
0,5
%
0,3
%
0,1
%
Guayas
Pic
hin
cha
Ma
nabí
Azuay
Promedio…
Los R
íos
El O
ro
Tu
ngura
hu
a
Esm
era
ldas
Santo…
Loja
Imbabura
Chim
bora
zo
Coto
paxi
Sa
nta
Ele
na
Su
cum
bío
s
Carc
hi
Morona…
Cañar
Ore
llana
Bo
lívar
Pa
sta
za
Napo
Zamora…
Ga
láp
ago
s
23
Área de nacimiento del prematuro según área de residencia habitual de la madre.
Las madres que dan a luz a niños prematuros, en el área urbana, se observa en la tabla 2, que
el 77,3% prefieren alumbrar en su misma área de residencia (urbana), por lo contrario, apenas
el 1% de las mujeres deciden trasladarse para dar a luz en el área rural, se puede apreciar que
las mujeres residentes del área rural, deciden dar a luz en la zona urbana 18,6% de ellas y el
3,1% prefieren alumbrar en el área de residencia (rural).
Se observa claramente que del total de madres que dieron a luz a niños prematuros, el 78,3%
son mujeres que viven en el área urbana, y apenas el 21,7% viven en el área rural.
Es evidente que hay mayor densidad demográfica en el área urbana, por ende, existen mayores
casos de nacimientos prematuros, a pesar de tener mayor acceso a la salud, educación, entre
otros. Se podría determinar que el área de residencia de la madre no es un factor decisivo
influyente para que se produzca un nacimiento prematuro.
Tabla 2
Área de nacimiento del prematuro con respecto área habitual de la madre.
Área de nacimiento niño prematuro
Área residencia habitual de la madre
Urbana Rural Total
Urbana 77,3% 18,6% 95,9%
Rural 1,0% 3,1% 4,1%
Total 78,3% 21,7% 100,0%
Fuente: Registro nacidos vivos (INEC-2017) Elaboración: Autoras
Estado civil según autoidentificación étnica de la madre que dio a luz un niño prematuro
Con respecto a la relación entre el estado civil y autoidentificación étnica de las madres que
dieron a luz a niños prematuros, se puede evidenciar que (Ver tabla 3) el 91,6% son madres
mestizas, seguido de indígenas 4,7%; que son las más representativas de la autoidentificación
24
étnica. De estas madres se puede apreciar que el total de ellas 36,2% declaran ser mestizas y
solteras, de la misma manera, en una proporción similar (28,4%) se encuentran las mujeres
mestizas y que son casadas, seguido 21,9% de las madres que son mestizas y declararon ser
unidas. Se evidencia con mayor proporción a las mujeres mestizas, considerando a estas como
alta concentración demográfica, por ende, la presencia de nacimientos prematuros será
directamente proporcional.
Tabla 3
Relación entre estado civil y Autoidentificación étnica de la madre.
Estado civil
Autoidentificación étnica de la madre
Indígena Afroecuatoriana/ Afrodescendiente
Negra Mulata Montubia Mestiza Blanca Total
Unida 0,7% 0,3% 0,4% 0,1% 0,1% 21,9% 0,2% 23,8%
Soltera 2,0% 0,6% 0,6% 0,2% 0,2% 36,2% 0,2% 39,9%
Casada 1,7% 0,2% 0,1% 0,1% 0,1% 28,4% 0,2% 30,8%
Divorciada 0,0% 0,0% 0,0% 0,0%
1,9% 0,0% 2,0%
Viuda 0,2%
0,2%
Unión de hecho
0,2% 0,0% 0,0% 0,0% 0,0% 2,9% 0,0% 3,3%
Total 4,7% 1,1% 1,2% 0,4% 0,4% 91,6% 0,6% 100,0%
Fuente: Registro nacidos vivos (INEC-2017)
Elaboración: Autoras
Estado civil según nivel de instrucción de las madres que dieron a luz a niños prematuros
En cuanto al nivel de instrucción y estado civil de las madres que dieron a luz hijos
prematuros, se puede evidenciar que (Ver tabla 4) el 30,3% de estas tiene nivel de educación
secundaria y que el 40% son solteras, seguido de casadas 30.8% y unidas con 23.8% que son
las más representativa del estado civil. De estas mujeres se puede apreciar que el 11,0%
declaran educación secundaria y son solteras, de la misma manera, en una proporción similar
(10.1%) a las anteriores, se encuentran las mujeres con educación secundaria y que son
casadas. Un dato interesante es aquel que presentan las mujeres que declaran nivel superior
universitario y son casadas. De esta manera se puede generalizar que las mujeres de nivel de
25
instrucción medio y casadas han dado a luz a hijos prematuros, lo que marginalmente se
podría pensar que el nivel de instrucción no es un factor decisivo influyente, para que se
produzca este tipo de fenómeno (prematuros), por tanto, obedecerá otro tipo de factores que se
analicen posteriormente.
Tabla 4
Estado civil según nivel de instrucción de las madres que dieron a luz a niños prematuros.
Nivel de instrucción alcanzado
Estado civil y/o conyugal de la madre
Total
Unida Soltera Casada Divorciada Separada Viuda
Unión
de
hecho
Ninguno 0,2% 0,2% 0,1% 0,0% 0,0% 0,0% 0,0% 0,5%
Centro de
alfabetización 0,1% 0,1% 0,1% 0,0%
0,0% 0,2%
Primaria 4,5% 5,5% 5,0% 0,3% 0,0% 0,0% 0,5% 15,9%
Secundaria 7,5% 10,9% 10,1% 0,7% 0,0% 0,1% 1,0% 30,3%
Educación básica 4,2% 7,9% 1,9% 0,1% 0,0% 0,0% 0,5% 14,6%
Educación media /
bachillerato 4,8% 9,7% 2,0% 0,1% 0,0% 0,0% 0,6% 17,3%
Superior no
universitario 0,5% 0,8% 0,7% 0,0%
0,0% 0,1% 2,1%
Superior
universitario 2,1% 4,7% 10,6% 0,8% 0,0% 0,0% 0,4% 18,7%
Postgrado 0,0% 0,1% 0,3% 0,0%
0,0% 0,4%
Total 23,8% 39,9% 30,8% 2,0% 0,0% 0,2% 3,3% 100%
Fuente: Registro nacidos vivos (INEC-2017)
Elaboración: Autoras
Relación entre nivel de instrucción con edad de la madre por quintiles
Para caracterizar a las madres que dieron a luz a niños prematuros se observa (Ver tabla 5),
que el 20,7% de estas mujeres tienen 28 a 32 años, seguido de las madres de 33 a 53 años
20,5% que son las más representativas según la edad por quintiles. Se puede apreciar que el
total de estas madres 10,9% tienen 11 a 19 años, con educación media/bachillerato, de la
misma manera, el 8,3% tienen educación básica, en una proporción similar (8,3%) a la
anterior, se encuentran las madres de 24 a 27 años con nivel de instrucción secundaria. Es un
26
dato interesante, aquel que presentan las madres de 11 a 19 años, son adolescentes-jóvenes por
lo que se puede considerar una población vulnerable, debido a su bajo nivel de educación,
inexperiencia, acceso a los servicios de salud, entre otros. También se evidencia a las madres
de 33 a 53 años, son madres adultas-maduras que tienen mayor riesgo de tener un parto
prematuro por la avanzada edad que presenta, afectando tanto para la salud de la madre como
para el feto.
Tabla 5
Relación entre nivel de instrucción con la edad de la madre.
Nivel de
instrucción
alcanzado
Edad de la madre por quintiles
Total
11 a 19
años
20 a 23
años
24 a 27
años 28 a 32 años
33 a 53
años
Ninguno 0,10% 0,10% 0,10% 0,10% 0,20% 0,50%
Centro de
alfabetización 0,00% 0,00% 0,00% 0,00% 0,00% 0,20%
Primaria
2,90% 3,80% 4,20% 5,00% 15,90%
Secundaria
8,10% 8,30% 7,40% 6,50% 30,30%
Educación básica 8,30% 2,60% 1,20% 1,20% 1,30% 14,60%
Educación media /
bachillerato 10,90% 4,10% 0,90% 0,80% 0,60% 17,30%
Superior no
universitario 0,30% 0,60% 0,50% 0,50% 0,30% 2,10%
Superior
universitario 0,20% 1,80% 4,00% 6,50% 6,40% 18,70%
Postgrado
0,00% 0,10% 0,20% 0,40%
Total 19,80% 20,30% 18,70% 20,70% 20,50% 100,00%
Fuente: Registro nacidos vivos (INEC-2017)
Elaboración: Autoras
2.2. Caracterización de las madres que dieron a luz a niños prematuros
2.2.1. Algunas cuestiones del Analisis Factorial de Correspondencias Multiples y del
tratamiento de las variables
El Análisis Factorial es, una técnica de reducción de los datos de un tratamiento
multidimensional a espacios que puedan ser representados a través de lo que se denomina
27
factores que representan dimensiones, su propósito último consiste en buscar el número
mínimo de dimensiones capaces de explicar el máximo de información contenida en los datos.
De la Fuente (2011), establece que: diferente a otras técnicas como el análisis de varianza o el
de regresión, en el análisis factorial todas las variables cumplen el mismo papel: todas son
independientes, no existe a priori una dependencia conceptual de unas variables sobre otras.
En definitiva, el Análisis Factorial de Correspondencia Múltiple (AFCM), se lo elabora a
través del uso de variables nominales y sirve para:
- Explorar las relaciones existentes en los conjuntos de atributos o categorías observadas.
- Reducir las dimensiones del fenómeno observado sin arbitrariedad, es decir bajo técnicas
que permitan una sistematización
- Tratar la información de la encuesta con el nivel de síntesis necesario de esa forma no
analizar relaciones entre variables que no sean necesarias
- Estudiar la relación existente entre las características observadas
Lo que se busca a través de la aplicación de esta metodología del AFCM, es realizar una
caracterización demográfica de la madre, por tanto, es necesario tomar en cuenta también la
variable edad de la madre, la misma que es una variable cuantitativa, razón por la cual se
procedió a la recodificar en grupos por quintiles.
En la tabla 6, se tiene las variables que se va a utilizar para el AFCM con sus respectivas
categorías.
28
Tabla 6
Variables para análisis factorial de correspondencias múltiples y sus categorías.
Variable Categoría Variable Categoría
Provincia
Azuay
Edad de la madre
Bolívar 11 a 19 años
Cañar 20 a 23 años
Carchi 24 a 27 años
Cotopaxi 28 a 32 años
Chimborazo 33 a 53 años
El Oro
Esmeraldas
Guayas Área de
residencia
Urbano
Imbabura Rural
Loja
Nivel de instrucción
Ninguno
Los Ríos Centro de alfabetización
Manabí Primaria
Morona Santiago Secundaria
Napo Educación básica
Pastaza Educación media/bachillerato
Pichincha Superior no universitario
Tungurahua Superior universitario
Zamora Chinchipe Postgrado
Galápagos
Estado Civil
Unida
Sucumbíos Soltera
Orellana Casada
Sto. Domingo de los Tsáchilas
Divorciada
Santa Elena Separada
Etnia
Indígena Viuda
Afroecuatoriana Unión de hecho
Negra Mulata Montubia Mestiza Blanca
Fuente: Registro nacidos vivos (INEC-2017)
Elaboración: Autoras
Con las variables definidas, el paso siguiente es la aplicación de la metodología del AFCM.
29
2.2.2. Tabla de Burt
El Análisis Factorial de Correspondencias Múltiples, se aplica a tablas de contingencias en
donde, por filas hay (n) individuos y por columnas (s) variables categóricas con
( ) mutuamente excluyentes y exhaustivas.
De la Fuente (2011),” plantea que la tabla de datos tiene la forma:
siendo una matriz ( ), de forma que”:
{
}
El análisis de correspondencias múltiples se basa en realizar un análisis de correspondencias sobre
la llamada matriz de Burt: B = Z'Z. La matriz de Burt se construye por superposición de cajas. En
los bloques diagonales aparecen matrices diagonales conteniendo las frecuencias marginales de
cada una de las variables analizadas. Fuera de la diagonal aparecen las tablas de frecuencias
cruzadas correspondientes a todas las combinaciones 2 a 2 de las modalidades. Se toman como
dimensiones aquellas cuya distribución a la inercia supera. (De la Fuente, 2011, p.11)4
Al realizar la corrida con la base de datos se obtiene la Tabla de Burt, la misma que en su
parte inicial indica que existen categorías con muy bajo peso que no son tomadas en cuenta
para el análisis. En el apéndice 15, en la primera fila refleja un resumen de las variables y
categorías que van a constar en la Tabla de Burt, en la segunda fila está el número de
individuos que tiene determinada categoría antes de una depuración, luego, en la tercera fila
consta el conteo de variables con la depuración y la asignación. Sobre esa base de
reasignación de elementos que realiza el programa, hay que tomar en cuenta las variables que
no van a ser analizadas en la Tabla de Burt por su bajo peso, es decir por el poco número de
elementos que tienen (ver tabla 7).
30
Tabla 7
Variables excluidas del análisis en la tabla de Burt. Variable Categoría
Provincia
Bolívar
Cañar
Carchi
Morona Santiago
Napo
Pastaza
Zamora Chinchipe
Galápagos
Sucumbíos
Ninguno
Nivel de instrucción Centro de alfabetización
Postgrado
Estado Civil
Divorciada
Separada
Viuda
Etnia Blanco
Fuente: Registro nacidos vivos (INEC-2017)
Elaboración: Autoras
Interpretación Tabla de Burt
En cuanto las mujeres que dieron a luz a niños prematuros, según la tabla de Burt, se puede
evidenciar que (ver apéndice 17) el 31,4% de las madres afroecuatorianas, son de Esmeraldas
y el 47,2% declaran ser solteras, en el caso de las mujeres indígenas, se puede apreciar que el
total de estas madres 25,9% tienen de 11 a 19 años, con nivel de instrucción primaria 30,7%.
Las madres que declararon ser unidas, se puede apreciar (ver apéndice 17), que el 37,7%
viven en la provincia de Guayas, seguido de las mujeres casadas 34,8% que tienen educación
superior universitaria, cuya edad es de 33 a 53 años, son madres que tienen más probabilidad
de tener un parto prematuro por la avanzada edad que presentan.
Existe un porcentaje comprendido por las madres con educación media 55,9%, que son
solteras, 31,4% viven en la provincia de Guayas y tienen de 11 a 19 años, eminentemente
caracterizadas por encontrarse en un rango de edad de alta vulnerabilidad.
31
Las madres que dieron a luz a niños prematuros de 11 a 19 años de edad, consideradas
adolecentes-jóvenes, 62,6% se caracterizan por ser madres solteras, cuyo nivel de educación
es media 55,2%; por otro lado, se observa que (ver apéndice 17) las mujeres de 33 a 53 años
de edad son madres que viven en la provincia de Pichincha 29,9%.
Se puede apreciar (Ver apéndice 17) que del total de madres 31,4% tienen 33 a 55 años de
edad, con nivel de instrucción superior universitaria, son mujeres que se caracterizan
mayormente por vivir en la provincia de Pichincha 26,3%.
La concentración de datos que presenta el área de residencia urbana, es evidente que existe
mayor densidad demográfica con respecto al área rural, por ende, se presentan mayormente
casos de nacimientos prematuros.
2.2.3. Eigenvectores y planos factorial.
Se creó un sistema de ejes ortogonales, mediante el cual se representa la nube de puntos
individuos (mujeres que dieron a luz a niños prematuros) del registro 2017. Dicho sistema
ortogonal está compuesto por un hiperespacio de 27 dimensiones, cuyos valores representan la
descomposición de la inercia. Los 27 ejes (ver tabla 8) resumen la inercia total de la nube de
puntos – modalidades (categorías); ambos espacios de representación conservan entre ellos
una doble relación bari – céntrica.
32
Tabla 8
Eigenvectores
Fuente: Registro nacido vivos (INEC-2017)
Elaboración: Autoras
Hay que tomar en cuenta, que mientras más rara es una categoría, mayor es su contribución
total a la nube de puntos modalidades, el primer plano factorial (PF1) está determinado por los
dos primeros eigenvalores, en dicho plano se puede ubicar a través de puntos – individuos (ver
figura 2).
En la representación del primer plano factorial (ver figura 2) lo conforman los factores 1 y 2.
Las modalidades que más contribuyen al factor 1, son los rangos de edad por quintiles de 11 a
19 años, además está determinada por las categorías bachillerato y educación básica de la
variable nivel de instrucción, se opone a estas variables en el mismo (factor 1), las variables
universitaria y casada, también se evidencia que se encuentran en los dos últimos quintiles
comprendidos entre los 28 a 53 años de edad. Por lo tanto, al factor 1 se le denominará como
“generacional – educativo”. En el caso del factor 2, las modalidades de la variable provincia
33
de nacimiento que más contribuyen son: Guayas, Los Ríos, El Oro, Santo Domingo, Manabí,
además, la variable estado civil contribuye mayormente a la categoría unida, se opone a estas
categorías la modalidad indígena de la variable etnia y las modalidades Chimborazo,
Cotopaxi, Imbabura, Cotopaxi, Rural, Napo, Morona y Tungurahua. Con las distintas
categorías que aportan a la definición del factor 2 se define como “factor regional”.
Figura 2: Ejes Factoriales - Registro nacidos Vivos INEC (2017)
Elaboración: Autoras
34
Figura 3. Clúster análisis Dendograma - Registro nacidos Vivos INEC (2017)
Elaboración: Autoras
2.3. Caracterización por categorías de grupos de las madres que dieron a luz a niños
prematuros.
2.3.1. Corte de árbol en 6 clusters
Es conocido como el Análisis Clúster o Análisis de Conglomerados, la misma es una técnica
estadística multivariante para agrupar elementos (o variables), logrando su máxima
homogeneidad en cada grupo y la mayor diferencia entre los grupos.
Los algoritmos para la formación conglomerados se agrupan en dos categorías:
1. Algoritmos de partición o no jerárquico: fraccionar el conjunto de observaciones en k
grupos, en donde k lo define inicialmente el investigador f
2. Algoritmos jerárquicos: entrega una jerarquía de particiones del conjunto de elementos
en conglomerados.
El clúster análisis va a permitir contestar a preguntas tales como: ¿Qué características socio-
demográficas caracterizan a las madres de los recién nacidos prematuros? La figura 3 se
conoce con el nombre de dendograma, y el corte se realiza en 6 grupos, hay que destacar que
mientras más abajo esté la línea horizontal que corta al dendograma más número de grupos se
puede obtener, con elementos cada vez de mayor similitud con respecto a las categorías que lo
caracterizan.
35
2.3.2. Aplicacion del metodo de particion de cluster.
Una vez realizada el corte de los puntos se procede a determinar cuántos elementos tendrá
cada grupo, para eso es necesario indicar en que grupo está cada elemento y cuántos de ellos
pertenecen a cada clúster.
En la determinación de la clasificación de los Clúster se basó en el método:
Linkage simple aglomerático conocido también como el vecino más cercano, en este se conocen
las distancias entre cada dos individuos se observa cuáles son los individuos más próximos en
cuanto a esta distancia o similaridad (qué dos individuos tienen menor distancia o mayor
similaridad). Estos dos individuos forman un grupo que no vuelve a separarse durante el proceso.
Se repite el proceso, volviendo a medir la distancia o similaridad entre todos los individuos de
nuevo (tomando el grupo ya formado como sí de un solo individuo se tratará) de la siguiente forma:
- Cuando se mide la distancia entre el grupo formado y un individuo, se toma la distancia mínima de
los individuos del grupo al nuevo individuo.
- Cuando se mide la similitud o similaridad entre el grupo formado y un individuo, se toma la
máxima de los individuos del grupo al nuevo individuo. (Fuente, 2011, p. 8)
En la figura 4 se observa el plano factorial con las categorías y los clústers definidos por el
corte en 6 grupos.
36
Figura 4. Plano factorial variable y clasificación de clúster.
Elaboración: Autoras
37
Clúster I – madres adolescentes de la región costa
El primer clúster (ver tabla 9) está caracterizado por las madres que dieron a luz a niños
prematuros, se encuentran ubicadas en zonas rurales de las provincias Guayas y los Ríos, se
autoidentifican como mestizas, además, estas madres presentan un estado civil de solteras, su
nivel de educación es media y básica, y su edad está comprendida entre los 11 a 19 años, de
tal manera que podrían ser consideradas adolescentes - jóvenes.
Tabla 9
Clúster 1- Madres adolescentes región Costa Grupo: CLUSTER 1 / 6 (Conteo: 8499 - Porcentaje: 18.21)
Variable Características Valor-Test Histograma
edad_quintiles 11 a 19 años 164,29 ************************************
nivel_ins Educación media 92,11 **********************************
nivel_ins Educación Básica 74,88 ****************************
est_civil Soltera 57,86 **********************
etnia Mestiza 28,77 ***********
prov_nac Manabí 12,84 *****
est_civil Unida 10,90 ****
prov_nac Los Ríos 10,76 ****
prov_nac Guayas 8,55 ***
area_res Rural 4,73 **
Fuente: Registro nacidos vivos (INEC-2017)
Elaboración: Autoras
Son mujeres que por sus características presentan alta vulnerabilidad, es decir que no
planifican ser madres en su etapa de adolescencia, por su corta edad (11 a 19 años), por lo
tanto, el inicio de experiencias y actividades sexuales, marcan implicaciones a nivel
psicológico, familiar y social, consecuentemente la pérdida de oportunidades educativas y
laborales, además de riesgos de enfermedades de transmisión sexual, lo que conduce a la
presencia de riesgos prenatales, como: diabetes gestacional, infecciones, etc. y
consecuentemente partos prematuros. Estas madres se encuentran ubicadas en el área rural de
las provincias costeras de: Manabí, Los Ríos y Guayas, “cuyos niveles de pobreza por
necesidades básicas insatisfechas (NBI), bordean el 54%, 56,7% y 37,9% respectivamente,
38
que son superiores al índice nacional 35,8%” (INEC, 2015, p.175). Por otra parte, los accesos
a la educación, vivienda y servicios de salud de estas madres, serán mínimos, ocasionando que
no asistan oportunamente a un establecimiento de salud, y consecuentemente provoca una
posibilidad alta de que ocurra un nacimiento prematuro. A este grupo, de acuerdo a las
características descritas podemos llamarle como madres adolescentes de la región Costa.
Clúster II – Madres afroecuatorianas vulnerables
Este grupo (ver tabla 10) está representado por mujeres que dieron a luz a niños prematuros en
las provincias Esmeraldas e Imbabura, se encuentran ubicadas en el área rural, y se
autoidentifican como afroecuatorianas, además, se caracterizan por ser madres mayormente
con estado civil unidas, cuyas edades están en el rango de 11 a 19 años, y pueden ser
consideradas como madres adolescentes, teniendo un nivel de estudio bajo al declarar una
educación media y básica.
Tabla 10 Clúster 2 – Madre afroecuatorianas vulnerable
Grupo: CLUSTER 2 / 6 (Conteo: 2712 - Porcentaje: 5.81)
Variable Características Valor-Test Histograma
prov_nac Esmeraldas 96,42 ************************************
Etnia Afroecuatoriana 87,84 *********************************
est_civil Unida 16,45 ******
area_res Rural 9,61 ****
edad_quintiles 11 a 19 años 8,86 ***
nivel_ins Educación media 5,21 **
nivel_ins Educación Básica 4,96 **
est_civil Soltera 4,51 **
prov_nac Imbabura 2,79 *
Fuente: Registro nacidos vivos (INEC-2017)
Elaboración: Autoras
Estas madres se encuentran en las áreas rurales de Esmeraldas “cuyo porcentaje de pobreza
por Necesidades Básicas Insatisfechas (NBI) 56,3%, superior al promedio nacional (35,8%)”
39
(INEC, 2015, p.175). Estas mujeres tienen accesos mínimos a la salud, por encontrarse
distantes, a los centros, subcentro y establecimientos de salud pública, por lo tanto, no tienen
la oportunidad de acceder a controles continuos. Son madres en condiciones de pobreza, por la
falta de acceso a los servicios fundamentales, como se mencionó anteriormente, especialmente
a una vivienda, salud y educación digna. Estos niveles de pobreza podían incidir en embarazos
adolescentes no deseados y consecuentemente por su falta de educación, incrementa la
probabilidad de que tengan un parto prematuro. Según las características descritas, a este
grupo de madres, se les denominarán como: madres afroecuatorianas vulnerables.
Clúster III – Madres indígenas vulnerables
Este grupo de mujeres (ver tabla 11) están ubicadas en las provincias de Chimborazo,
Imbabura y Cotopaxi, se autoidentifican como indígenas, ubicadas en el área rural, además,
que su nivel de educación es básica y primaria, mismos que pueden ser considerados bajos, en
cuanto a su estado civil, mayormente son casadas.
Tabla 11
Clúster 3 – madres indígenas vulnerables
Grupo: CLUSTER 3 / 6 (Conteo: 3215 - Porcentaje: 6.89)
Variable Características Valor-Test Histograma
Etnia Indígena 101,49 ************************************ prov_nac Chimborazo 75,35 ****************************
area_res Rural 26,38 **********
nivel_ins Primaria 21,10 ********
prov_nac Cotopaxi 19,10 *******
prov_nac Imbabura 18,15 *******
est_civil Casada 14,69 *****
nivel_ins Educación Básica 10,81 ****
est_civil Soltera 3,62 *
Fuente: Registro nacidos vivos (INEC-2017)
Elaboración: Autoras
Por sus características, son madres consideradas vulnerables que viven en zonas rurales de la
región sierra, cuyas provincias donde se encuentran ubicadas tienen altos porcentajes de
40
pobreza por Necesidades Básicas Insatisfechas (NBI): “Chimborazo 47,1% y Cotopaxi 42,0%,
siendo porcentajes superiores al promedio nacional 35,8%” (INEC, 2015, p.175). Por otra
parte, se puede evidenciar que son mujeres de clases marginales con accesos limitados a la
educación, a la salud, lo que conlleva a minimizar la prevención y controles prenatales
continuos. Son madres indígenas que se ven afectadas por la falta de oportunidades y razones
culturales. Mayormente su tiempo lo dedican a ser amas de casa y a la agricultura,
aumentando el riesgo de que ocurra un nacimiento prematuro. Este grupo, con las
características expuestas se le denomina como: madres indígenas vulnerables.
Clúster IV - Madres mestizas con bajo riesgo
Estas mujeres (ver tabla 12) que dieron a luz a niños prematuros se caracterizan por estar
ubicadas en las áreas urbanas de las provincias Santo Domingo y El Oro, se autoidentifican
como mestizas, además estas madres, mayormente son unidas y su nivel de instrucción es
superior no universitario y sus edades están comprendidas de 20 a 32 años de edad.
Tabla 12
Clúster 4 – Madres mestizas con bajo riesgo.
Grupo: CLUSTER 4 / 6 (Conteo: 4465 - Porcentaje: 9.57)
Variable Características Valor-Test Histograma
est_civil Unión de hecho 78,36 *****************************
prov_nac Sto Domingo 61,04 ***********************
nivel_ins Superior no uni 58,89 **********************
prov_nac Imbabura 39,42 ***************
Etnia Mestiza 18,11 *******
prov_nac El Oro 11,56 ****
edad_quintiles 20 a 23 años 7,71 ***
edad_quintiles 28 a 32 años 5,64 **
edad_quintiles 24 a 27 años 5,53 **
area_res Urbana 4,43 **
Fuente: Registro nacidos vivos (INEC-2017)
Elaboración: Autoras
Son madres caracterizadas como mestizas con bajo riesgo, por estar ubicadas en ciudades de
un nivel convincente de desarrollo, a pesar de su acelerado crecimiento demográfico y sus
41
actividades productivas, según el Instituto Nacional de Estadísticas y Censo (INEC) Santo
Domingo tiene, “47.2%, de pobreza por necesidades básicas insatisfechas comparando con el
porcentaje nacional de 35.8% está situada en un nivel de pobreza por NBI elevada” (2015,
p.175). Esto quiere decir que la provincia no cuenta con los servicios básicos como vivienda,
educación, salud y empleo adecuado para cubrir sus actividades diarias necesarias para la
salud y bienestar de la madre, debido que estas no pueden cubrir una nutrición y cuidado
propicio durante el periodo de gestación provocando enfermedades a corto y largo plazo,
además estas madres son afectadas emocional y mentalmente por la informalidad de relación
con su pareja causando un nacimiento prematuro.
Clúster V – Madres costeñas con mediana vulnerabilidad.
Este grupo está caracterizado por mujeres (ver tabla 13), que están ubicadas dentro de las
provincias Guayas, Los Ríos, Manabí y El Oro que pertenecen a la región Costa, se
autoidentifican como mestizas, su nivel de instrucción mayormente primario y secundaria,
cuyas edades están comprendidas entre 20 y 27 años.
Tabla 13
Clúster 5 – Madres costeñas con mediana vulnerabilidad.
Grupo: CLUSTER 5 / 6 (Conteo: 14486 - Porcentaje: 31.04)
Variable Características Valor-Test Histograma
edad_quintiles 20 a 23 años 78,23 ***************************** nivel_ins Secundaria 75,52 **************************** prov_nac Guayas 57,91 ********************** est_civil Unida 52,86 ******************** Etnia Mestiza 50,91 ******************* edad_quintiles 24 a 27 años 46,09 ***************** nivel_ins Primaria 28,76 *********** area_res Urbana 24,75 ********* prov_nac Los Ríos 23,16 ********* prov_nac Manabí 18,85 *******
est_civil Soltera 18,17 *******
prov_nac El Oro 14,14 *****
Fuente: Registro nacidos vivos (INEC-2017)
Elaboración: Autoras
42
Madres costeñas con mediana vulnerabilidad, se caracterizan así por estar ubicadas en las
cuatro provincias (Guayas, Los Ríos, Manabí y El Oro), más pobladas de la región costera
situadas en zonas urbanas, pese a que son ciudades con actividades productivas que
contribuyen al desarrollo del país, según el Instituto Nacional de Estadísticas y Censos
(INEC), "presentan un porcentaje de pobreza por necesidades básicas insatisfechas con
37.9%, 56.7%, 54% y 30% respectivamente, respecto al 35.8% del nivel nacional” (2015,
p.175). Es decir, no tiene un acceso moderado a educación, salud, nutrición, vivienda y
oportunidades de empleo. Al presentar un nivel de estudio no considerable estas madres,
tienen poco conocimiento sobre cuidados y controles en el embarazo y por no tener apoyo de
su pareja son madres afectadas emocionalmente presentando estrés, ansiedad y preocupación,
provocando anomalías o enfermedades como hipertensión, diabetes gestacional, entre otros.
Clúster VI – Madres Adultas Vulnerables
Este grupo de madres (ver tabla 14), se caracteriza por estar ubicadas en las áreas rurales de
las provincias Pichincha, Azuay, Tungurahua y Loja, se autoidentifican como mestizas, su
nivel de estudio es superior universitario, con estado civil casadas y su edad está comprendida
entre las edades de 28 a 53 años.
Tabla 14
Clúster 6 – Madres adultas vulnerables.
Grupo: CLUSTER 6 / 6 (Conteo: 13293 - Porcentaje: 28.48)
Variable Características Valor-Test Histograma est_civil Casada 119,19 ************************************ nivel_ins Superior univer 111,64 ************************************ edad_quintiles 33 a 53 años 73,35 *************************** prov_nac Pichincha 61,45 ***********************
edad_quintiles 28 a 32 años 56,46 *********************
Etnia Mestiza 47,44 ****************** prov_nac Azuay 25,50 ********** prov_nac Tungurahua 23,80 *********
prov_nac Loja 14,37 *****
area_res Rural 2,39 *
Fuente: Registro nacidos vivos (INEC-2017)
Elaboración: Autoras
43
Estas son consideradas como madres adultas vulnerables, caracterizadas así por estar
localizadas en provincias eminentemente de la región Sierra dentro del área rural, a pesar que
manejan actividades productivas industrializadas dentro del país, son zonas donde presentan
un nivel de pobreza alto, ya que, “comparando con el porcentaje nacional de 31.8% de la
pobreza por necesidades básicas insatisfechas (NBI) tiene el 56.1%” (INEC, 2017, p.6). Es
decir que no cuentan con establecimientos de servicios básicos cercanos a las zonas ubicadas,
como la educación, vivienda, salud, nutrición y oportunidades de empleo. Esta mujer en su
estado gestacional necesita más de estos servicios para tener un adecuado control durante y
después de su embarazo, al no contar con un empleo estable que les permita tener una buena
nutrición trae como consecuencia, que el desarrollo de su embrazo no sea el adecuado.
Además, por ser mujeres adultas los embarazos pueden provocar deterioro de sus órganos
reproductivos y presentar enfermedades como diabetes gestacional, tumores uterinos,
hipertensión, entre otras, sean estas a corto plazo o largo plazo, por ende, presentan mayor
riesgo de presentar un nacimiento prematuro.
Por ultimo en la figura 7 se tiene a los grupos con la definición dada por la incidencia de las
principales categorías y en definitiva es una síntesis de la caracterización socio – demográfica
de las madres que dieron a luz a niños prematuros.
44
Figura 5. Distribución de caracterización del clúster
Fuente: Registro nacidos vivos (INEC-2017)
Elaboración: Autoras
18% 6%
7%
10%
31%
28%
madres adolescentes regióncosta
madres afroecuatorianasvulnerables
madres indigenas vulnerables
madres costeñas mestizascon escaso riesgo
madres costeñas conmediana vulnerabilidad
madres adultas vulnerables
45
CAPÍTULO III
3. ANÁLISIS DE LOS ANTECEDENTES OBSTÉTRICOS DE LAS MUJERES
QUE DIERON A LUZ A NIÑOS PREMATUROS.
En este capítulo vamos a realizar un análisis de los antecedentes obstétricos de las mujeres que
dieron a luz a niños prematuros, de esta forma se pretende determinar los factores obstétricos
que inciden en que una mujer dé a luz antes de las 37 semanas de gestación. Este análisis será
multidimensional y para ello se emplean variables explicativas tomadas en cuenta como
factores obstétricos determinantes para que ocurra un nacimiento prematuro.
Se aplicará un Análisis de Componentes Principales (ACP), el cual permitirá analizar los
antecedentes obstétricos, mediante el tratamiento del conjunto de variables obstétricas
originales a transformar en un conjunto de componentes principales (agrupando variables por
importancia en cada factor). Para la determinación de los componentes principales se definirá
con variables tipificadas o expresadas en desviaciones respecto a la media, para así explicar la
mayor parte de la variabilidad de las variables obstétricas a estudiar.
3.1. Algunas cuestiones del Análisis de Componentes Principales ACP y del tratamiento
de las variables.
Es uno de los métodos conocidos de ordenación, los cuales se usan para simplificar la
estructura de los datos, a través de la reducción del número de ejes de variación, de esta forma
se logra simplificar el espacio multidimensional hasta obtener un sistema con el menor
número de ejes posibles que contiene la mayor parte de la varianza.
El análisis de componentes principales (ACP), es un método mediante el cual, a partir de una
matriz de correlaciones y una matriz de varianzas y covarianzas, se encuentran nuevas
46
dimensiones que abarcan la mayor cantidad posible de la variación total en la nube de puntos.
El primer factor o también llamado componente, sería aquel que explica la mayor parte de la
variación total, el segundo factor es el que explica la mayor parte de la variación restante, y así
sucesivamente, si se quiere, tantos componentes como variables originales, permite también,
visualizar la asociación global de las variables activas produce una representación gráfica del
conjunto de relaciones (dos a dos) entre todas las variables seleccionadas como activas.
En este capítulo del proyecto de investigación, se busca analizar los antecedentes obstétricos
de las mujeres que dieron a luz a niños prematuros, por lo que se seleccionaron las variables
señaladas en la tabla 15.
Tabla 15
Variables utilizadas para el Análisis de Componentes Principales (ACP)
N° símbolo de la variable
Nombre Descripción
1 p_emb producto del embarazo 1,2,3
2 con_pren controles prenatales 0 al 25
3 num_emb número de embarazos 1 al 37
4 num_par número de partos 1 al 15
5 hij_viv hijos vivos 1 al 14
6 hij_vivm hijos vivos muertos 1 al 10
7 hij_nacm hijos nacidos muertos 0 al 6
Fuente: base de datos de nacidos vivos 2017. INEC (2017)
Elaboración: Autoras
3.1.1. Validacion del ACP a través de la prueba KMO y Esfericidad de Bartlett.
Para la validación del modelo de componentes principales, “se debe comprobar si la
correlación entre las variables analizadas es lo suficientemente grande como para justificar la
factorización de la matriz de coeficiente de correlación” (Carmona, 2014, p. 1). Esta
comprobacion se puede hacer mediante la aplicación de las pruebas de Kaiserm Meyer y
47
Olkin (KMO), y Esfericidad de Bartlett, de tal manera que las variables contenidas en el
modelo permitan explicar adecuadamente el fenómeno, además generar clústers homogéneos,
es decir que tengan varianza intra mínima y varianza inter máxima.
“Si el índice KMO está próximo a 1, el ACP se puede hacer. Si el índice es bajo (próximo a
0), el ACP no será relevante” ( Carmona, 2014, p.2).
La prueba de esfericidad de Bartlett “contrasta la hipótesis nula de que la matriz de
correlaciones es una matriz identidad, en cuyo caso no existirían correlaciones significativas
ente las variables y el modelo factorial no sería pertinente” (De la Fuente Fernandez, 2011,
p11).
Tomando todas las variables de estudio tenemos una esfericidad de Bartlett de 0.000, y un
KMO de 0,35 (ver tabla 16), el índice de KMO está próximo a 0, por lo tanto, no podemos
tomar como matriz de inercia a la matriz de correlaciones mediante el ACP.
Tabla 16
Prueba KMO y Bartlett
Medida de adecuación muestral de Kaiser-Meyer-
Olkin.
,354
Prueba de esfericidad de
Bartlett
Chi-cuadrado
aproximado 259104,278
gl 21
Sig. ,000
Fuente: base de datos de nacidos vivos 2017. INEC (2017)
Elaboración: Autoras
En este caso se va a comparar, que es lo que sucede al utilizar las 7 variables activas,
visualizando las contribuciones de cada una de ellas, en el plano factorial.
48
Selección de factores
La inercia a lo largo del eje α de las K modalidades de las p variables cuantitativas, es igual al
valor promedio del índice de correlación h2 de las p variables con el eje α.
∑ ( )
( )
En la práctica, los p valores propios son: 0 < < 1
Con las primeras componentes principales recomponemos la mayor parte de la dispersión de
los puntos, Se eliminan las direcciones correspondientes a los valores propios más pequeños
que reflejan fluctuaciones aleatorias de los datos.
Buscando una representación plana, en general, el primer plano principal es suficiente, pero,
en las dimensiones restantes puede haber componentes con menor importancia que las dos
primeras que pueden revelar aspectos sistemáticos de los datos (características específicas a
una subpoblación de individuos)
Valor propio:
Porcentaje total de la inercia asumida por cada eje
En la tabla 17, los tres primeros valores propios son mayores a uno, 2,6, 1,11 y 1,03
correspondientes al primero, segundo y tercero respectivamente, conjuntamente explican el
71,5% de la información, siendo el primer valor propio 40,9%, el segundo 15,9% y el tercero
explica apenas un poco más de la mitad de la información por el plano14,7% de mayor
inercia.
49
Tabla 17
Eigenvalores siete variables
Fuente: Registro nacidos vivos (INEC-2017)
Elaboración: Autoras
Se puede observar (tabla 18) que las variables número de embarazos, número de partos e hijos
nacidos vivos, tienen buena calidad de representación, con el 0.93, 0.98 y 0.96
respectivamente, en el primer factor. Para el factor 2 aportan de manera negativa las variables
producto del embarazo con el -0.76 y -0.71 respectivamente. Y para el factor tres las variables
que aportan de manera negativa son: hijos vivos muertos e hijos nacidos muertos con el -0.58
y -0.72 correspondientemente.
Fuente: Registro Nacidos Vivos (INEC-2017)
Elaboración: Autores
Tabla 18
Matriz de cargas factoriales siete variables
50
En el caso de las variables que mayormente aportan al factor 1 (figura 6), son número de
embarazos, número de partos e hijos nacidos vivos, es decir que, evidentemente al aumentar el
número de embarazos, aumenta el número de partos e hijos nacidos vivos, son variables
altamente correlacionadas entre sí, de acuerdo a estas variables que tienen buena
representación y el ángulo que forman, así como su alargamiento dentro del círculo, se
llamará al factor 1 como “factor demográfico”.
En el plano factorial (figura 6) se observa que la variable control prenatal es altamente
correlacionada con la variable producto de embarazo, tienen buena calidad de representación,
es decir que son las que mayormente aportan a la formación del factor 2, el cual será llamado
“factor obstétrico”.
En cuanto a la calidad de representación, observamos que las variables hijos nacidos muertos,
así como hijos vivos que han muertos, son redundantes por encontrarse próximos al centro de
gravedad, tienen baja representatividad en el estudio, es decir que no se considera un factor de
riesgo que las madres hayan tenido hijos muertos e hijos vivos que han muerto, para que
ocurra un nacimiento prematuro.
51
Figura 6: Plano Factorial siete variables
Fuente: Registro nacidos vivos (INEC-2017)
Elaboración: Autoras
Por lo tanto, se ha decido retirar las variables redundantes: hijos nacidos muertos e hijos
vivios que han muerto, por no explicar adecuadamente a la formación de los factores en el
conjunto del fenómeno estudiado.
Se procedió a dejar aquellas variables que están bien representadas en el plano factorial y que
aportan a la formación de los factores, por lo cual, nuevamente se realizará las corridas
respectivas con las cinco variables que son: producto del parto, controles prenatales, número
de embarazos, partos e hijos vivos.
3.1.2. Validación del ACP a través de la prueba KMO y Esfericidad de Bartlett
utilizando las 5 variables
Para la validación del modelo con respecto a las cinco variables, se procedió a realizar
nuevamente las pruebas de KMO y Bartlett, donde se observa (ver tabla 19), que tenemos una
52
esfericidad de Bartlett de 0.000, y un KMO de 0,58; siendo el índice de KMO próximo a 1,
podemos tomar como matriz de inercia a la matriz de correlaciones mediante el ACP.
Tabla 19
Prueba de KMO y Bartlett Medida Kaiser-Meyer-Olkin de adecuación de muestreo 0,581
Prueba de esfericidad de Bartlett
Aprox. Chi-cuadrado 212273,825
gl 10
Sig. 0,000
Fuente: base de datos de nacidos vivos 2017. INEC (2017)
Elaboración: Autoras
3.1.3. Matriz de Correlación
La prueba de correlación se aplica a variables cuantitativas sean estas discretas o continuas, se
tiene la matriz de correlación, que no es más que una tabla que sintetiza los valores de las
correlaciones de las cinco variables utilizados para el análisis. Existen valores establecidos
para determinar cuál es el grado de dependencia de una variable respecto a otra.
Tabla 20
Matriz de correlación
p_emb con_pren num_emb num_par hij_viv
p_emb 1
con_pren 0,10 1
num_emb 0,03 -0,04 1
num_par 0,03 -0,08 0,87 1
hij_viv 0,22 -0,07 0,84 0,96 1
Fuente: base de datos de nacidos vivos. INEC (2017)
Elaboración: Autoras
Los valores (tabla 20) que toma la diagonal de la matriz son 1 cada uno, es la correlación de
una misma variable, por eso es que tiene su correlación positiva perfecta, la variable producto
del embarazo con las demás variables tienen correlaciones positivas bajas, sus valores oscilan
0,03 muy próximo a cero (podría decirse variables independientes las que llevan ese valor)
hasta 0,22.
53
En el caso de la variable controles prenatales se tiene correlaciones negativas bajas entre la
relación con las demás, los valores negativos son muy bajos muy bajos, por el lado negativo
se acerca a 0, por lo que se en este estudio para casos prácticos se tomará a esta variable como
independiente de las demás variables.
La variable número de embarazos en relación a la variable número de partos e hijos nacidos
vivos tiene una alta correlación 0,87 y 0,84 respectivamente, es decir los valores que tome la
variable número de embarazos depende del valor de las otras dos variables antes mencionadas.
Por último, se tiene la variable número de partos con hijos nacidos vivos, existe una
correlación positiva alta de 0.96, muy próxima a 1, es decir los valores que tome la variable
número de partos es dependiente de los valores que tome la variable hijos nacidos vivos.
Selección de factores
Según la regla del valor de vector mayor a 1, (tabla 21) en este caso son los dos primeros
factores con los valores 2.79 y 1.11, que son los valores de los factores 1 y 2 respectivamente.
Los dos primeros valores propios concentran aproximadamente el 80% de la información, el
primero con el 55.9% y el segundo con el 22.2%. Las variables utilizadas permiten realizar un
ACP donde apenas se pierde un 20% de la información.
Fuente: Registro nacidos vivos (INEC-2017) Elaboración: Autoras
Tabla 21
Eigenvalores cinco variables
54
La contribución de variables en cada factor, las variables que mayor aportan a la generación
del primer factor (tabla 22), son número de embarazos, número de partos e hijos nacidos
vivos, con los valores de 0.93, 0.98 y 0.98 correspondientemente. Para la formación del factor
2, las variables que aportan son producto del embarazo y controles prenatales, con el 0.76 y
0.72 respectivamente.
Fuente: Registro nacidos vivos (INEC-2017) Elaboración: Autoras
Se observa (ver figura 7), que en el plano factorial está conformada por las variables (control
prenatal, producto del embarazo y número de embarazos, partos e hijos vivos), que
contribuyen una mejor representación, ya que están próximos al radio del círculo, es decir, que
estas variables son las que nos permiten clasificar a las madres con sus antecedentes
obstétricos.
Tabla 22
Contribución de las cinco variables en los factores
55
Figura 7: Plano Factorial cinco variables
Fuente: Registro nacidos vivos (INEC-2017) Elaboración: Autoras
El primer factor está representado por las variables número de embarazos, partos e hijos vivos,
puesto que, son relacionadas proporcionalmente directas, por ende cuando aumenta el número
de embarazos aumenta el número de partos y de igual manera con el número de hijos vivos,
esto se aplica debido a que son variables que se presentan para el proceso de concebir un bebe,
es decir, que el embarazo es llamado cuando se presenta la fecundación se produce el embrión
o el feto que este durara un periodo de 9 meses, seguido por el parto donde se da la expulsión
del bebe y por último se genera el número de hijos vivos que tiene una mujer para conformar
un hogar, debido a esto las tres variables tienen una relación estrecha, por ende al factor 1 se
le llamara como “factor demográfico”.
56
En el segundo factor se encuentra el conjunto de variables control prenatal y producto del
embarazo, donde el control prenatal no tiene una relación directa con el producto del
embarazo, pero si una buena representación dentro del plano factorial, esto se produce porque
al presentar un embrazo simple, doble o triple, no implica que deba realizarse menor o mayor
número de controles en el tiempo de su periodo gestacional, puesto que los controles es
esencial para la mujer embarazada, porque esto ayudará a prevenir o controlar enfermedades
o anomalías durante su embarazo, estas son variables que mayormente aportan al factor 2, el
cual será llamado “factor obstétrico”.
3.2. Análisis de partición en grupos o clúster.
Existen dos grandes familias de métodos estadísticos que permiten clasificar un conjunto dado
de unidades de observación :
- Los métodos de clasificación :fraccionan un conjunto dado de unidades de observación en
subconjuntos homogéneos
- Los procedimientos de clasificación o de partición: distribuyen o asignan los elementos de
un conjunto dado de unidades de observación entre clases preestablecidas
Los clustesr, sirve para simplificar la estructura de los datos, consite en dividir el sistema
multidimensional en compartimentos, en cada uno de los cuales se ubican puntos que representan
mayor similitud entre si, es decir, las muestras o especies que tienen características en común.
(Sánchez, 2012, p139)
En el método jerárquico en orden ascedente para variables continuas se puede utilizar
cualquiera de las medidas de distanacia , prefiriéndose la distancia euclideana normalizada.
Los métodos de clasificación jerárquica estándestinados a producir una representación gráfica
de la información contenida en la tabla de datos, estos métodos representan de manera
57
sintética el resultado de las comparaciones entre los objetos de una tabla ( ) observada,
considerando en esas comparaciones las p variables.
Figura 8: Dendograma antecedes obstétricos
Fuente: Registro nacidos vivos (INEC-2017) Elaboración: Autoras
Se puede realizar la clasificación de los grupos, utilizando el algoritmo de clasificación del
vecino más cercano, el cual consiste en elegir como distancia entre la clase { } y la clase
{k} la más pequeña de las dos distancias siguientes:
({ } { }) ({ } { })
De esa forma en la figura 8, se puede observar el dendograma de en tres clasificaciones
distintas de grupos, la primera clasificación se la realiza en tres clústers, sin embargo, al
concentrar un 70% de individuos en el primer grupo y a su vez claramente existen subgrupos
bien definidos en la base del dendograma, se puede concluir que no es la clasificación más
adecuada. Se realiza una segunda clasificación en 5 grupos, en esta clasificación se evidencia
que el grupo se concentra una gran cantidad de individuos correspondiente al 54%, otro grupo
58
que se dividió en comparación con la anterior clasificación, es el grupo tres que recogía el
24% de la información, ahora está dividido en grupos con el 20%, 15% y 4% de individuos
respectivamente.
Se realizó una tercera partición del dendograma, resultando una clasificación de 4 grupos o
clústers y determina realizar una partición al primer grupo de 54%, el segundo con 15%,
tercero con 6% y por ultimo 24% de individuos respectivamente, gráficamente se puede
observar (ver figura 8) una mejor definición a través de la cercanía de los individuos, se
procederá a aplicar el corte del dendograma y la descripción en 4 grupos.
3.2.1. Partición del dendograma en cuatro grupos.
Una vez definido el numero de grupos en que se va a particionar la tabla de datos, se procede
a ejecutarlo de esta forma se obtiene el plano factorial con la representación de los clustes y
las variables en el circulo de radio igual a 1 (ver figura 9).
Para el análisis de los grupos primero se dará nombre a los factores qe determinaron las
variables en la aplicación del ACP, luego un nombre a cada clusters.
Al estar determinado el factor 1 por las variables hijos nacidos vivos, número de partos, y
número de embarazos, una vez analizado anteriormente se definió la estrecha correlación entre
esas variables y por lo tanto una similitud apreciable, en la figura 14 se puede apreciar a estas
variables en el plano factorial con los respectivos clusters, de aquí en adelante se hará
referencia al primer factor como el factor de natalidad exitosa.
59
En el caso del segundo factor esta determinado por los controles prenatales y producto del
embarazo, se conocerá al factor dos con el nombre de control y fertilidad.
Figura 9. Identificación de clúster en el plano factorial
Fuente: Registro nacidos vivos (INEC-2017)
Elaboración: Autoras
3.2.2. Inercia intra e inter clusters
Los métodos de agregación basados en las varianzas buscan optimizar, en cada etapa, la
dispersión de las clases de la partición que se obtiene por agregación de dos objetos. En lugar
de reunir dos clases de menor «distancia» (según un criterio de semejanza) esta estrategia
agrega dos clases haciendo que la clase resultante tenga la dispersión mínima con respecto a
todas las clases que pudieran ser formadas en una etapa del algoritmo de agregación.
60
En los métodos de agregación basados en la varianza la calidad global de una partición está
ligada a: Homogeneidad de las clases y Diferenciación entre las clases.
Tabla 23
Varianzas intra e inter clases
Fuente: base de datos de nacidos vivos 2017. INEC (2017)
Elaboración: Autoras
Clúster 1 - Grupo de madres promedio
Este clúster (ver tabla 24), no se caracteriza por ninguna de las variables, porque al comparar
la media del grupo con la media total se observa que es menor, razon por la cual los Test-
value son negativos, a pesar de ser estadísticamente significativos es un grupo considerado
promedio, es decir que esta conformado por madres con una baja vulnerabiliad al no
caracterizarce por ninguna variable.
Tabla 24
Clúster 1 - Madres promedio
Variables Media del
grupo
Media
general
Cluster
desviación
estándar
Desviación
estándar
general
Valor -
Test Probabilidad
p_emb 1,000 1,069 0,000 0,257 -58,21 0,000
con_pren 5,304 6,287 1,991 2,825 -75,15 0,000
num_emb 1,494 2,412 0,642 1,598 -124,03 0,000
num_par 1,381 2,162 0,501 1,295 -130,26 0,000
hij_viv 1,361 2,178 0,482 1,286 -137,16 0,000
Fuente: base de datos de nacidos vivos 2017. INEC (2017)
Elaboración: Autoras
61
Clúster 2 - Madres con controles prenatales
Este grupo está caracterizado por madres (ver tabla 25), que se realizaron controles prenatales,
al observar que la variable tiene la media del grupo mayor que la media total y al tener un
Test-value positivo. Son madres que muestran mayor responsabilidad y conocimiento,
respecto a la importancia que tiene el realizarce controles durante su embaro, siendo de vital
importancia al ser un procedimiento necesario e importante desde el inicio del embarazo de
una madre, permitiendo monitoriear, prevenir, orientas, disminuir los actores de riesgo como
lo es un parto prematuro.
Tabla 25
Clúster 2 - Madres con controles prenatales
Variables Media del
grupo
Media
general
Cluster
desviación
estándar
Desviación
estándar
general
Valor -
Test Probabilidad
con_pren 9,724 6,287 2,483 2,825 128,12 0,000
num_par 2,065 2,162 0,694 1,295 -7,87 0,000
hij_viv 1,993 2,178 0,674 1,286 -15,18 0,000
p_emb 1,000 1,069 0,000 0,257 -28,40 0,000
Fuente: base de datos de nacidos vivos 2017. INEC (2017)
Elaboración: Autoras
Clúster 3 – Madres con mediana vulnerabilidad
El tercer clúster (ver tabla 26) está caracterizado por las variables producto del embarazo,
número de partos, embarazos e hijos vivos y por el control prenatal, es el único grupo de
madres que presentan las cinco variables estudiadas, esto se da porque el promedio del grupo
es mayor al promedio global, apreciando que estas madres presentan un parto doble o más,
tres hijos vivos, siete controles prenatales, dos números de embarazos y partos.
62
Tabla 26
Clúster 3 - Madres con mediana vulnerabilidad
Variables Media del
grupo
Media
general
Cluster
desviación
estándar
Desviación
estándar
general
Valor -
Test Probabilidad
p_emb 2,012 1,069 0,111 0,257 212,91 0,000
hij_viv 3,131 2,178 1,197 1,286 43,06 0,000
con_pren 7,386 6,287 3,169 2,825 22,60 0,000
num_par 2,234 2,162 1,208 1,295 3,24 0,001
num_emb 2,485 2,412 1,386 1,598 2,64 0,004
Fuente: base de datos de nacidos vivos 2017. INEC (2017)
Elaboración: Autoras
Estas madres son denominadas como madres medianamente vulnerables, se las caracterizan
así, por presentar embarazos y partos relacionadas con el número de hijos y su promedio de
asistir a un control prenatal durante su periodo de gestacional es menor a lo que recomienda,
puesto que según la OMS “es recomendable asistir con el médico o el especialista ochos veces
a los controles, para poder prevenir o cuidar cualquier anomalía” (2018, p9). Es por eso que
madres deben tener un control parental adecuado, ya que son más expuestas a sufrir
enfermedades como la hipertensión arterial, diabetes gestacional, aumento de riesgo de aborto,
anemia, entre otros. Es por eso que estas madres tienen son menos propensas de presentar un
nacimiento prematuro, afectando a ellas y al bebé en su desarrollo y crecimiento.
Clúster 4 – Madres vulnerables con alta natalidad
Este grupo (tabla 27) está caracterizado por mujeres que presentan las tres variables que van
relacionadas entre sí, es decir que estas madres antes del embarazo actual presentan cuatro
embarazos, partos e hijos vivos y no son caracterizadas en el clúster por las variables producto
de embarazo y control prenatal, ya que a pesar de que sean estadísticamente significativas
tienen los tests negativos, es decir que se encuentran por debajo del promedio general.
63
Tabla 27
Clúster 4 - Madres vulnerables con alta natalidad
Variables Media del
grupo
Media
general
Cluster
desviación
estándar
Desviación
estándar
general
Valor -
Test Probabilidad
num_par 3,841 2,162 1,247 1,295 157,70 0,000
hij_viv 3,756 2,178 1,213 1,286 149,16 0,000
num_emb 4,316 2,412 1,788 1,598 144,83 0,000
p_emb 1,004 1,069 0,067 0,257 -30,69 0,000
con_pren 5,278 6,287 2,100 2,825 -43,43 0,000
Fuente: base de datos de nacidos vivos 2017. INEC (2017)
Elaboración: Autoras
A este grupo de mujeres se les caracteriza como madres vulnerables con alta natalidad, ya que
presentan un promedio mayor al promedio general de embarazos, partos e hijos vivos antes de
su periodo gestacional actual, al presentar mayor número de hijos, son propensas a obtener
enfermedades cardiacas, escases de reproducción de sus órganos y desgaste de su suelo
pélvico y tienden a presentar mayor estrés y preocupación; por tal razón estas madres tienen
mayor riesgo de presentar un nacimiento prematuro.
64
CAPÍTULO IV
4. RELACION ENTRE LOS NACIMIENTOS PREMATUROS Y LOS FACTORES
DE RIESGO.
En la identificación de la relación que existe entre los nacimientos prematuros y los factores
de riesgo, se realizó mediante la aplicación de un modelo Logit, que permite estimar la
probabilidad que un individuo sea parte de un determinado grupo, en este caso estimando la
probabilidad de que una mujer tenga un parto prematuro a causa de factores de riesgo.
4.1. Algunas cuestiones de los métodos de estimación
Para la estimación e interpretación de modelos probabilísticos existen diferentes mecanismos
de los cuales se puede recurrir, estos son el modelo de probabilidad lineal conocido también
con sus siglas MPL, además de los modelos de elección discreta como pueden ser Logit o
Probit.
4.1.1. Modelos de probabilidad lineal (MPL)
“Modelo de respuesta binaria donde la probabilidad de respuesta es lineal en sus parámetros”
(Wooldridge, 2010, p.842), este modelo tiene algunas desventajas al ser estimado con MCO, a
continuación, se mencionan estas (Alamilla y Arauco, 2009):
No normalidad de las perturbaciones
Varianza heterocedástica de los errores
El hecho que no se cumpla ( | )
Valor cuestionable del R2 como medida de la bondad del ajuste.
65
4.1.2. Modelos de elección discreta
“Los modelos de elección discreta describen las elecciones que los decisores hacen entre
diferentes alternativas. Los decisores pueden ser personas, hogares, empresas o cualquier otra
unidad con capacidad de escoger “(Train, 2009, p. 21), entre los cuales están el modelo Logit
y Probit.
4.1.2.1. Modelo Logit
El modelo Logit es un modelo de probabilidad no lineal de respuesta binaria 0 y 1, para poder
determinar que un evento se presente o no dentro del fenómeno; en este caso la probabilidad
que un recién nacido tenga menos de 37 semanas de gestación (prematuros) por causa de los
factores de riesgo.
Modelo Logit: se puede interpretar en términos probabilísticos, es decir, sirve para medir la
probabilidad de que ocurra el acontecimiento objeto de estudio (Yi=1). En cuanto a la
interpretación de los parámetros estimados en un modelo Logit, el signo de los mismos indica la
dirección en que se mueve la probabilidad cuando aumenta la variable explicativa
correspondiente, sin embargo, la cuantía del parámetro no coincide con la magnitud de la
variación en la probabilidad (como si ocurría en el MLP). En el caso de los modelos Logit, al
suponer una relación no lineal entre las variables explicativas y la probabilidad de ocurrencia del
acontecimiento, cuando aumenta en una unidad la variable explicativa los incrementos en la
probabilidad no son siempre iguales ya que dependen del nivel original de la misma. (Medina,
2003, p.10)
La manera más formal, la interpretación del modelo dado es la siguiente:
(
)
β2, la pendiente, mide el cambio de la probabilidad ocasionado por un cambio unitario en X,
cuando las demás variables explicativas permanecen constantes. (Gujarati y Dawn, 2010).
66
Para determinar si el modelo planteado es globalmente bueno se aplico la bondad de ajuste,
mediante las pruebas estadisticas planteadas según el modelo de regresion lineal o logit.
Cabo (2012) exprexa que:
Una vez construido el modelo de regresión logística simple, tiene sentido comprobar como de
bueno es el ajuste de los valores predichos por el modelo a los valores observados. Existen
diversas formas de medir la bondad de ajuste de un modelo de regresión logística. De forma
global, esta puede ser evaluada a través de medidas tipo R2, de la tasa de clasificaciones
correctas o a través de una serie de test estadísticos. (p. 19)
Pruebas para interpretar la bondad de ajuste se presentan tres de ellas que son:
El Índice de cociente de verosimilitudes: La función de verosimilitud puede también
utilizarse para obtener un estadístico, que tiene cierta semejanza con el coeficiente de
determinación calculado en la estimación lineal, conocido “índice de cociente de
verosimilitudes”. Este estadístico compara el valor de la función de verosimilitud de dos
modelos: uno corresponde al modelo estimado que incluye todas las variables explicativas
(modelo completo) y el otro sería el del modelo cuya única variable explicativa es la constante
(modelo restringido). (Medina, 2003, p. 17)
Una medida del error: el estadístico de Pearson Para medir la bondad del ajuste también se
utilizan medidas del error que cuantifican la diferencia entre el valor observado y el estimado.
En concreto, para contrastar la hipótesis nula de que:
Se construye un estadístico que recoge los residuos estandarizados o de Pearson del modelo
Logit, que se definen como la diferencia entre el valor observado de la variable respuesta y el
estimado, dividido por la estimación de la desviación típica, ya que la esperanza es nula.
(Medina, 2003, p.17)
El porcentaje predicho correctamente: es el porcentaje de veces en que . Se define un
predictor binario de como uno si la probabilidad predicha es de al menos 0.5, y cero en caso
contrario. En términos matemáticos, ( ) y ( )
. Dada { }, se puede ver que tan bien predice a a través de todas las
observaciones. Hay cuatro resultados posibles en cada para, ( , ); cuando ambos son cero o
ambos son uno, se hace la predicción correcta. En los dos casos en que un componente del par
es cero y el otro es uno, la predicción es incorrecta.” (Wooldridge, 2010, p.581)
67
4.1.2.2. Modelo Probit
Modelo para respuestas binarias donde la probabilidad de respuesta es la función de
distribucion acumulada (FDA) normal estándar evaluada en una función lineal de las variables
explicativas, (Wooldridge, 2010, p.843) “con lo que el modelo queda especificado a través de
la siguiente expresión” (Medina, 2003, pag,9)
:
∫
( ) ⁄
Ya que existe una aproximacion entre las curvas de la normal acumulada y la logistica, los
resultados que arrojan estos modelos no difieren mucho entre si, como se observa en la figura
10 discrepan, unicamente en la rapidez con que las curvas se aproximan a los valores
extremos, y asi la funcion logistica es mas achatada que la normal, al alcanzar esta ultima mas
rapidamente los valores extremos, 0 y 1.(Alamilla y Arauco, 2009, p.7)
Figura 10: Distribución acumulada normal y logística
Fuente: Alamilla y Arauco (2009, p.7) -Limitaciones del modelo lineal de
probabilidad y alternativas de modelación micro econométrica
68
De igual manera “debidas a la complejidad que presenta el cálculo de la función de
distribución normal frente a la logística, ya que la primera solo puede calcularse en forma de
integral. La menor complejidad de manejo que caracteriza al modelo Logit es lo que ha
potenciado su aplicación en la mayoría de los estudios empíricos.” (Medina, 2003, p.10).
Por esta razón y para superar las limitaciones que tiene el MPL se aplicara un modelo logit
para encontrar la probabilidad de que una mujer tenga un parto prematuro a causa de ciertos
factores de riesgo.
4.2. Variables a utilizar en el modelo
En base a la información empírica presentada en capítulos preliminares, se plantearán las
variables pensando ser las más relevantes para poder describir el fenómeno de estudio. Esto
permitirá conocer en base al modelo logit la probabilidad que una mujer tenga un nacimiento
prematuro en función de las variables explicativas.
En la primera corrida (apéndice 19) que se generó se aplicaron además de las variables
expuestas anteriormente, las variables de etnia, estado civil y nivel de instrucción en donde se
demuestra que para explicar el fenómeno con un Z > 1.96 a un 95% de confianza no son
relevantes.
4.2.1. Variable dependiente:
Esta variable es la que va explicar el fenómeno por medio del modelo tomando los valores 0 y
1 denominándole como:
Prematuro. – o variable de éxito la cual se decidió convertirla en variable binaria. Para saber
los nacimientos prematuros se utilizó la variable Semanas de gestación donde tomara el valor
69
de 1 si el recién nacido tiene menos de 37 semas de gestación (prematuro), mientras que
tomara el valor de 0 si tuvo más de 38 semas de gestación (no prematuro).
4.2.2. Variables independientes:
Son las variables observadas que nos permitirán explicar la variable “y”, o la variable
dependiente (prematuro).
Tipo de parto (tipo_part). - esta variable fue recodificada de la encuesta para que tome el
valor de 1 si el parto fue normal y 0 si el parto fue por cesárea.
Producto del Embarazo (prod_emb). - fue recodificada para convertirla en variable binaria,
donde tomara el valor de 1 si el producto del embarazo fue simple y 0 si fue doble o mayor.
Área (área). - esta variable fue recodificada a partir de la variable residencia habitual de la
madre para qué tome el valor de 1 si se encuentra en la zona urbana y 0 en la zona rural.
Las variables edad de la madre (edad_madre), controles prenatales (con_pren), número de
embarazos (num_emb), número de partos (num_par) e hijos nacidos muertos (hij_nacm), han
sido declaradas por el informante, las cuales no son sometidas a ninguna modificación.
4.3. Estimación y validación del modelo
Para cumplir con el objetivo de identificar la relación entre los nacimientos prematuros y los
factores de riesgo, se decidió estimar un modelo Logit, para reflejar la probabilidad que se
presente este fenómeno en el país.
A continuación, se presenta el modelo Logit (figura 11) sobre los nacimientos prematuros,
utilizando errores estándar robustos, este método no es específico de la regresión logística,
sino de los modelos lineales generalizados, ya que presentan heterocedasticidad. Según
Cantoni y Ronchetti “Es importante recordar que un estadístico robusto obtenido por este
70
método puede carecer de algunas de las propiedades de los estadísticos de máxima
verosimilitud. En todo caso, usualmente se obtienen estimadores con mayor desviación
estándar” (como se citó en Henríquez, F 2008, párr.15). Además, se presentará la proporción
de aciertos y el cuadro de las medidas de bondad de ajuste para contrastar la validez del
modelo.
Figura 11. Modelo Logit
Fuente: Registro nacidos vivos (INEC-2017)
Elaboración: Autoras
Las variables (figura11) tipo de parto, producto del embarazo, control prenatal y área, al
contar con signo negativo en sus coeficientes, se puede decir que existirá una disminución de
la probabilidad de que el nacimiento sea prematuro si, el parto es normal respecto a un parto
por cesárea, el producto del embarazo es simple respecto a un embarazo doble o más, exista
un aumento en los controles prenatales y partos que haya tenido la mujer, además que resida
en el área urbana respecto al área rural.
Mientras que los coeficientes que presentan signo positivo, harán que aumente la probabilidad
de que el nacimiento sea prematuro si aumenta la edad de la madre, tiene mayor número de
embarazos y si aumenta el número de hijos nacidos muertos. Se puede observar a priori que
71
todas las variables independientes son relevantes en el modelo, con un Z > 1.96 a un 95% de
confianza.
El porcentaje predicho correctamente (figura 12), los valores correctamente clasificados
afirman que en general el modelo prevé el 83.85 % de las observaciones correctamente.
La prueba de Wald Chi-cuadrado (ver tabla 28), al ser su valor de 7622,52 muestra que el
modelo está correctamente estimado y que las variables en conjunto explican apropiadamente
la variable dependiente “prematuro”, a su vez presenta el modelo una Prob> chi2 = 0,0000
corroborando que todas las variables independientes son significativas.
Por último, la prueba seudo R2 de McFadden (ver tabla 28), al estar entre el rango de 0 a 0,4
se puede decir que el ajuste del modelo es bueno.
En conclusión y gracias a las medidas de bondad de ajuste se puede determinar que
globalmente el modelo es bueno.
Figura 12: Porcentaje predicho correctamente
Fuente: base de datos de nacidos vivos, (INEC -2017)
Elaboración: Autoras
72
Tabla 28
Medidas de bondad de ajuste
Medidas de bondad de ajuste
Wald Chi2 7622,52
Prob > chi2 0,0000
Porcentaje predicho correctamente 83,85%
McFadden's R2 0,0435
Fuente: base de datos de nacidos vivos, (INEC -2017)
Elaboración: Autoras
4.4. Efectos Marginales e Interpretación del Modelo
Para interpretar el modelo Logit se calculó los efectos marginales para las variables
independientes, así se tiene (ver figura 13):
Figura 13. Efectos Marginales - Modelo Logit
Fuente: base de datos de nacidos vivos, (INEC -2017)
Elaboración: Autoras
La variable tipo de parto presenta un signo negativo, lo cual indica que si la mujer tiene un
parto normal la probabilidad de que el nacimiento sea prematuro disminuye en 5,34 puntos
porcentuales respecto a una mujer que tiene un parto por cesárea, es decir que un recién
nacido de parto cesaría son los que más probabilidad tienen en obtener un nacimiento
prematuro. La variable producto del embarazo refleja un cambio marginal negativo, esto
indica que, si el embarazo es simple exista una menor probabilidad, de que el nacimiento sea
73
prematuro en 64,73 puntos porcentuales respecto a embarazos dobles o más, se considera que
las madres que tienden a obtener embarazos múltiples presentan nacimientos prematuros. De
igual manera por un control prenatal disminuye la probabilidad para que el nacimiento sea
prematuro en 1,17 puntos porcentuales, por más que haya asistido por lo menos a un control
prenatal, pueden obtener riesgo de presentar un nacimiento prematuro, considerando que el
número de controles adecuados son máximo ochos durante el tiempo de gestación.
La edad de la madre demuestra que por cada año cumplido aumenta la probabilidad de que el
nacimiento de su bebe sea prematuro en 0,13 puntos porcentuales, es decir que al tener mayor
edad tiende a obtener un nacimiento prematuro por efectos negativos de la salud tanto como la
madre que para el feto. La variable número de embarazos cuenta con signo positivo, lo que
demuestra que por un embarazo más que haya tenido la mujer, aumenta la probabilidad de que
el nacimiento sea prematuro en 1,34, en cambio por un parto más que haya tenido la mujer la
probabilidad de que el nacimiento sea prematuro disminuye en 1,72 puntos porcentuales.
Mientras que, si la mujer por un hijo nacido muerto más que haya tenido, aumenta la
probabilidad en 2,61 puntos porcentuales de que tenga un nacimiento prematuro.
Por último, la variable área muestra un signo negativo lo que significa que si la mujer reside
habitualmente en el área urbana la probabilidad de que el nacimiento sea prematuro disminuye
0,98 puntos porcentuales respecto aquellas mujeres que residen en el área rural, dado que si
está dentro del área rural tiene la probabilidad de presentar un nacimiento prematuro, por no
tener establecimientos de salud cercanos y tener un control inadecuado.
74
También mediante la aplicación del modelo Logit se puede tener una perspectiva de que
variables son estadísticamente significativas de esta investigación con una Z > 1.96 a un 95%
de confianza. Así se destaca las variables más relevantes como son: el tipo de parto (-35,31),
producto del embarazo (-71,71), controles prenatales (-35,92) y número de partos (13,53). Con
un menor nivel de significatividad, pero igualmente apreciable está la edad de la madre (9,38),
número de embarazos (8,69), hijos nacido muertos (7,47) y el área (-5,55)
En conclusión, se puede decir que una mujer con un tipo de parto (cesárea), que el producto
del embarazo sea doble o más, que tenga mayores años de edad, pocos controles prenatales
realizados, que haya tenido mayor número de embarazos, mayor número de hijos nacidos
muertos y que viva en el área rural, van a tener más probabilidad de tener un nacimiento
prematuro respecto aquellas mujeres que su tipo de parto sea normal, que el producto del
embarazo sea simple, con pocos años de edad, que tenga un número considerable de controles
prenatales, que haya tenido menor número de embarazos, menor número de hijos nacidos
muertos y que viva en el área urbana.
75
CAPÍTULO V
5. Conclusiones y Recomendaciones
5.1. Conclusiones
En base al estudio se evidencia que los riesgos en partos de niños prematuros son
multifactoriales y que varios de estos factores pueden ser prevenidos o modificados,
según sea el caso.
Factores demográficos como: ubicación geográfica (área rural), corta edad, sin
relación conyugal establecida (solteras) y con bajos niveles de instrucción, son
factores de riesgo altamente incidentes a que se presenten partos prematuros.
Se presenta una clara diferencia de factores de riesgo demográficos en los partos
prematuros entre costa y sierra: mientras que en la costa se caracterizan por ser
madres jóvenes con niveles de instrucción bajos y solteras, en la sierra las madres
son adultas en su mayoría, con niveles de instrucción medios y alto, y con
relaciones de pareja estable.
En cuanto a los factores obstétricos se puede evidenciar que los controles prenatales
inapropiados, el ser multigestantes y multíparas, son factores de riesgo que
conducen a presentar partos prematuros.
Las madres que presentaron un producto de parto doble y triple, tienen mayor
número de embarazos, relacionados con el número de partos e hijos nacidos vivos,
pero, dentro de los controles prenatales, son más propensas a presentar
enfermedades o anomalías, tanto en ellas como en el bebé y consecuentemente
conducen a tener mayor riesgo de presentar un parto prematuro.
76
Se determinó que los factores que más influyen en el riesgo de que exista un parto
prematuro, son aquellas relacionadas con el alumbramiento por medio de cesárea,
embarazos múltiples, residen en el área rural, edad extrema, pocos e inadecuados
controles prenatales y mayor número de hijos nacidos muertos, es decir, son
variables que aportan al aumento de la probabilidad de que el parto sea prematuro.
5.2. Recomendaciones
Brindar información en los establecimientos de salud, acerca del parto prematuro y los
factores que se asocian al problema, con el objetivo que las futuras madres sepan
identificar los factores de riesgo y puedan prevenir la aparición de un parto prematuro,
principalmente a las mujeres que se encuentran en el rango de edad de 11 a 19 años,
consideradas por sus características vulnerables por ser adolescentes, marcando
implicaciones a nivel psicológico, familiar y social, consecuentemente la pérdida de
oportunidades educativas y laborales, al momento de presenta este fenómeno.
Las políticas Públicas deberían estar enfocadas a la capacitación y campañas, mediante
estrategias comunicacionales en establecimientos de salud, para la prevención y
cuidados de la salud materna, especialmente en áreas rurales por ser zonas que no
cuentan con servicios de salud adecuados.
Las políticas públicas saludables deben estar enfocadas a los principales factores de las
madres que presente un embarazo en riesgo, antes y después de su periodo de
gestación, para poder prevenir o disminuir la mortalidad materna y neonatal.
Dentro de los establecimientos médicos ginecólogos u obstétricos deben tener políticas
de salud bajo estándares internacionales, de manera que se mantengan controles
77
prenatales adecuados, tanto para el bebé como para la madre y de este modo, prevenir
las enfermedades y anomalías que se presenten durante y después del periodo de
gestación, manteniendo una etapa de maternidad saludable.
78
REFERENCIAS BIBLIOGRÁFICAS
Ahumada, M., & Alvarado, G. (2016). Factores de riesgo de parto pretérmino en un hospital.
Revista Latino-Americana de Enfermagem, 2-8. doi: http://dx.doi.org/10.1590/1518-
8345.0775.2750
Alamilla, N., & Arauco, S. (2009). Limitaciones del modelo lineal de probabilidad y
alternativas de modelación microeconométrica. Temas de Ciencia y Tecnología.
vol.13, 3-12. Obtenido de
http://www.utm.mx/edi_anteriores/Temas39/1ENSAYO%2039-1.pdf
Balladares, F., & Chacón, V. (2016). Prevalenci y factores de riesgo del parto pretermino en
paciente atendidad en el departamento de Obstetricia del Hospital Vicente Corral
Moscoso, en el periodo comprendido entre el 1 de enero del 2010 al 31 de diciembre
del 2014. Obtenido de
http://dspace.ucuenca.edu.ec/bitstream/123456789/25572/1/PROYECTO%20DE%20I
NVESTIGACION.pdf
Cabo, T. (2012). Metodos de Bondad de Ajuste. Obtenido de
http://masteres.ugr.es/moea/pages/tfm-1213/tfm_iglesiascabo_tania/!
Carmona, F. (13 de Enero de 2014). Un ejemplo de ACP paso a paso. Obtenido de
Departament de Estadística: http://www.ub.edu/stat/docencia/Mates/ejemploACP.PDF
Cea D' Ancona, M. A. (1999). Metodología Cuantitativa. Estrategias y técnicas de
investigación social. Madrid: Síntesis S.A.
Chen Wu, X. (2018). Gestacion Multiple. Revista Médica Sinergia, 14-19. Obtenido de
http://www.medigraphic.com/pdfs/sinergia/rms-2018/rms185c.pdf
79
Cluet, I., Rossell, M., Álvarez , T., & Rojas, L. (2013). Factores de riesgo asociados a la
prematurida en recién nacidos de madre adolescentes. Revista Obstetrica Ginecologico
Venez, 157-170. Obtenido de http://www.scielo.org.ve/pdf/og/v73n3/art03.pdf
Dawn, G. D. (2010). Econometria. Mexico: McGraw-Hill/Irwin, Inc.
De la Cruz, E., Feu, S., & Vizuete, M. (2013). El nivel educativo como factor asociado al
bienestar subjetivo y la salud mental en la poblacion española. Universitas
Psychologica, 31-40.
De la Fuente Fernandez, S. (2011). Componentes Principales. Obtenido de
http://www.fuenterrebollo.com/Economicas/ECONOMETRIA/MULTIVARIANTE/A
CP/ACP.pdf
De la Fuente, S. (2011). Análisis Conglomerados. Obtenido de
http://www.fuenterrebollo.com/Economicas/ECONOMETRIA/SEGMENTACION/C
ONGLOMERADOS/conglomerados.pdf
EcuadorInmediato. (14 de Diciembre de 2018). Cinco de cada 100 bebés nacen prematuros en
Ecuador. Obtenido de
http://www.ecuadorinmediato.com/index.php?module=Noticias&func=news_user_vie
w&id=184470
Ganchozo, L. (2012). Prevalencia de partos prematuros Hospital Gineco-Obstétrico Isidro
Ayora en el año 2007-2008 y plan educativo. Obtenido de
http://repositorio.ug.edu.ec/bitstream/redug/984/1/Tesis%20Obst.%20Lorena%20Ganc
hozo.pdf
80
García, Pardo y Zuniga, F. (2010). Factores asociados al parto prematuro en el departamento
de Lempira, Honduras. Obtenido de http://www.bvs.hn/RMH/pdf/2012/pdf/Vol80-4-
2012-4.pdf
Grupo de Petrologi Aplicada. (s.f.). Análisis multivariante con SPSS. Reducción de datos:
Analisis de componentes principales y factorial. Obtenido de Universidad de Alicante:
https://web.ua.es/es/lpa/docencia/practicas-analisis-exploratorio-de-datos-con-
spss/practica-5-analisis-multivariante-con-spss-reduccion-de-datos-analisis-de-
componentes-principales-y-factorial.html
Guadalupe, S. M. (2017). Factores de riesgo asociado a parto Pre término en gestantes del
servicio de Gineco-obstetricia del hospital maria auxiliadora. Obtenido de
Universidad Ricarso Palma:
http://cybertesis.urp.edu.pe/bitstream/urp/1027/1/Guadalupe%20Huam%C3%A1n%20
Shessira%20Miluzka_2017.pdf
Guevara, W. (2015). Factores de riesgo asociados a parto pretermino en el Hospital Alfredo
Noboa Montenegrp de Guaranda, periodo 2013-2015. Obtenido de
http://dspace.uniandes.edu.ec/bitstream/123456789/1028/1/TUAMED077-2015.pdf
Henriquez, F. (Diciembre de 2008). Revista española de Salud Publica. Obtenido de Datos
anómalos y regresión logística robusta en ciencias de la salud:
http://scielo.isciii.es/scielo.php?script=sci_arttext&pid=S1135-57272008000600003
Hernandez, F. y. (2014). Metodologia de Investigación. Mexico.
Instituto Nacional de Estadisticas y Censo. (Junio de 2018). Registro Estadistico de Nacidos
Vivos. Obtenido de Metodología:
http://www.ecuadorencifras.gob.ec/documentos/web-
81
inec/Poblacion_y_Demografia/Nacimientos_Defunciones/2017/Metodologia_ENV_20
17.pdf
Instituto Nacional de Estadisticas y Censos. (2015). Encuesta Condiciones de Vida ECV Sexta
Ronda. Obtenido de http://www.ecuadorencifras.gob.ec/documentos/web-
inec/ECV/ECV_2015/documentos/ECV%20COMPENDIO%20LIBRO.pdf
Instituto Nacional de Estadisticas y Censos. (Diciembre de 2017). Reporte de Pobreza y
Desigualdad. Obtenido de http://www.ecuadorencifras.gob.ec/documentos/web-
inec/POBREZA/2017/Diciembre/Reporte%20pobreza%20y%20desigualdad%20_dic1
7.pdf
Ivan. (17 de Febrero de 2012). Factores de riesgo perinatales. Obtenido de Bebes y mas:
https://www.bebesymas.com/salud-infantil/factores-de-riesgo-prenatales
Lucin, C. (17 de 11 de 2011). Parto pretérmino: aspectos socio-demográficos en gestantes.
Rev. Med. FCM-UCSG, 266-272.
Maidana y Silvero, M. (25 de 07 de 2017). Factores sociodemográficos y clínicos en gestantes
pretermino con diagnóstico de rotura prematura de membrana que acuden al ervicio
de Ginecología y Obstetricia del Hospital Regional de Encarnación. Obtenido de
file:///C:/Users/DELL/Downloads/41-%23%23default.genres.article%23%23-108-2-
10-20180523.pdf
Martinez, E., & Vasco, D. (2018). Pontifica Universidad Catolica del Ecuador. Obtenido de
Factores clinico, sociodemograficos y culturales asociados al desarrollo de parto
prematuro en pacientes atendidas en el servicio de ginecologia y obstetricia en el
Hospital San Vicente de Paul:
http://repositorio.puce.edu.ec/bitstream/handle/22000/15549/FACTORES%20DE%20
82
RIESGO%20MATERNOS%20ASOCIADOS%20AL%20DESARROLLO%20DE%2
0PARTO%20PREMATURO.pdf?sequence=1&isAllowed=y
Medina, E. (Diciembre de 2003). Modelos de Elección Discreta. Obtenido de
http://www.cartagena99.com/recursos/alumnos/apuntes/logit.pdf
Ministerio de Salud Pública . (2015). Recién Nacido Prematuro. Guía de Practica Clínica.
Ecuador: Dirección Nacional de Normatización .
Moliner, V. (1 de Mayo de 2017). ¿Qué provoca un parto prematuro? – Riesgos, causas y
síntomas. Reproducción Asistida ORG. Obtenido de Reproducción Asistida ORG:
https://www.reproduccionasistida.org/parto-prematuro/
Narcesano. (Septiembre de 2012). Nacimientos Prematuros "Bebe prematuro". Obtenido de
March of Dimes Foundation:
https://nacersano.marchofdimes.org/complicaciones/bebes-prematuros.aspx
Ordoñez, V. (2014). Factores y marcadores de riesgo del parto pretermino en las gestantes
adolescentes y mayores de 35 años atendidad en el Hospital Teofilo Davila en el año
2013. Obtenido de
http://repositorio.utmachala.edu.ec/bitstream/48000/387/7/CD00092-TESIS.pdf
Organizacion Mundial de la Salud. (2012). Nacidos Demasiado Pronto: Informe de Acción
Global sobre Nacimientos Prematuros. Obtenido de
https://www.who.int/pmnch/media/news/2012/borntoosoon_execsum_es.pdf?ua=1
Organización Mundial de la Salud. (19 de Febrero de 2018). Nacimientos Prematuros.
Obtenido de http://www.who.int/es/news-room/fact-sheets/detail/preterm-birth
Organizacion Mundial de Salud (OMS). (2018). Recomendaciones de la OMS sobre atención
prenatal para una experiencia positiva del embarazo. Obtenido de
83
https://www.who.int/reproductivehealth/publications/anc-positive-pregnancy-
experience-summary/es/
Organizacion Panamericana de la Salud. (1995). Clasificación Estadistica Internacional de
Enfermedades y problemas rfelacionadas con la Salud. Washington, D.C.: Programa
de Publicaciones de la OPS. Obtenido de https://www.paho.org/ecu/
Perez Curto, M. (Enero a Diciembre de 2014). Factores de riesgo asociados a pematuridad en
pacientes del Hospital Apoyo Iquitos "César Garayar García". Obtenido de
http://repositorio.unapiquitos.edu.pe/bitstream/handle/UNAP/3751/Marco_Tesis_Titul
o_2015.pdf?sequence=1&isAllowed=y
Perez y Gardey, J. (2017). Definicion de factor de riesgo. Obtenido de Definicion.de.:
https://definicion.de/factores-de-riesgo/
Redacciones Quito. (22 de Noviembre de 2017). Redacción Médica. Obtenido de OMS
registra aumento en las tasas de nacimientos prematuros:
https://www.redaccionmedica.ec/secciones/salud-publica/oms-registra-aumento-en-
las-tasas-de-nacimientos-prematuros-91296
Rojas, F. A. (06 de Agosto de 2006). Medicina Ginecoobstetrica y natural. Obtenido de
Embarazo de alto riesgo Obstetrico:
https://medicablogs.diariomedico.com/frankatacho/2006/08/06/embarazo-de-alto-
riesgo-obstetrico/
Roques, D. V. (2005). Manual para padre con niños prematuros. Madrid: Ibáñez&Plaza
Asociados S.L. Obtenido de
https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&ved=0ahU
KEwi0tujojKrbAhVMu1MKHS1nAh8QFggmMAA&url=http%3A%2F%2Fwww.se-
84
neonatal.es%2FPortals%2F0%2FLibroPrematuros.pdf&usg=AOvVaw172OSSWLMT
e2zDMBtK76AW
Ruiz, A. L. (Junio de 2004). Un nacimiento antes de tiempo. Revista Subjetividad y Procesos
Cognitivos, 256-280. Obtenido de
http://dspace.uces.edu.ar:8180/xmlui/handle/123456789/258
Sánchez, J. (2012). Introducción a l estadística no paramétrica y el análisis multivariado.
Quito.
Train, K. (2009). Propiedades de los modelos de elección discreta. En T. Kenneth, Métodos de
elección discreta con simulación (págs. 21-38).
UNICEF. (1 de Enero de 2018). La urgente necesidad de poner fin a las muertes de los recién
nacidos. (K. Moehlmann, Ed.) Obtenido de UNICEF:
http://www.elcomercio.com/tendencias/bebes-nacimientos-unicef-reciennacidos-
vulnerabilidad.html
Wooldridge, J. (2010). Introducción a la econometría- Un enfoque moderno. Mexico:
Cengage Learning. Obtenido de
https://www.academia.edu/30200962/Introducci%C3%B3n_A_La_Econometr%C3%
ADa_-_4edi_Wooldridge
Zerna, C., Fonseca, R., Viteri, A., & Zerna, C. (28 de 05 de 2017). Identificación de factores
de riesgo de parto pretérmino. Caso Hospital Enrique C. Sotomayor. Revista Ciencia
UNEMI, 134 -142. Obtenido de file:///C:/Users/DELL/Downloads/678-1825-1-
PB%20(2).pdf
85
APÉNDICE
Apéndice 2. Estado civil y/o conyugal de la madre
Apéndice 3. Datos Nivel de instrucción alcanza
Apéndice 4. Datos área de residencia de la madre
Área de residencia Frecuencia Porcentaje
Porcentaje válido
Porcentaje acumulado
Urbana 36530 78,3 78,3 78,3 Rural 10140 21,7 21,7 100,0 Total 46670 100,0 100,0
Etnia Frecuencia Porcentaje Porcentaje
válido Porcentaje acumulado
Indígena 2194 4,7 4,7 4,7
Afroecuatoriana/Afrodescendiente 514 1,1 1,1 5,8
Negra 569 1,2 1,2 7,0
Mulata 177 0,4 0,4 7,4
Montubia 185 0,4 0,4 7,8
Mestiza 42728 91,6 91,6 99,4
Blanca 303 0,6 0,6 100,0
Total 46670 100,0 100,0
Apéndice 1. Datos Autoidentificación étnica de la madre
Estado civil y/o conyugal de la madre Frecuencia Porcentaje
Porcentaje válido
Porcentaje acumulado
Unida 11127 23,8 23,8 23,8 Soltera 18627 39,9 39,9 63,8 Casada 14353 30,8 30,8 94,5 Divorciada 932 2,0 2,0 96,5 Separada 22 0,0 0,0 96,6 Viuda 88 0,2 0,2 96,7 Unión de hecho 1521 3,3 3,3 100,0 Total 46670 100,0 100,0
Nivel de Instrucción Frecuencia Porcentaje Porcentaje
válido Porcentaje acumulado
Ninguno 245 0,5 0,5 0,5 Centro de alfabetización 84 0,2 0,2 0,7 Primaria 7425 15,9 15,9 16,6 Secundaria 14136 30,3 30,3 46,9 Educación básica 6808 14,6 14,6 61,5 Educación media/bachillerato 8064 17,3 17,3 78,8
Superior no universitario 993 2,1 2,1 80,9
Superior universitario 8745 18,7 18,7 99,6 Postgrado 170 0,4 0,4 100,0 Total 46670 100,0 100,0
86
Apéndice 5. Datos provincia de nacimiento
Provincia Frecuencia Porcentaje Porcentaje
válido Porcentaje acumulado
Azuay 2646 5,7 5,7 5,7
Bolívar 372 0,8 0,8 6,5
Cañar 440 0,9 0,9 7,4
Carchi 482 1,0 1,0 8,4
Cotopaxi 1064 2,3 2,3 10,7
Chimborazo 1205 2,6 2,6 13,3
El Oro 1846 4,0 4,0 17,3
Esmeraldas 1497 3,2 3,2 20,5
Guayas 12891 27,6 27,6 48,1
Imbabura 1253 2,7 2,7 50,8
Loja 1335 2,9 2,9 53,6
Los Ríos 1883 4,0 4,0 57,7
Manabí 2906 6,2 6,2 63,9
Morona Santiago 465 1,0 1,0 64,9
Napo 233 0,5 0,5 65,4
Pastaza 277 0,6 0,6 66,0
Pichincha 10645 22,8 22,8 88,8
Tungurahua 1781 3,8 3,8 92,6
Zamora Chinchipe 136 0,3 0,3 92,9
Galápagos 38 0,1 0,1 93,0
Sucumbíos 509 1,1 1,1 94,1
Orellana 427 0,9 0,9 95,0
Santo Domingo de los Tsáchilas
1468 3,1 3,1 98,1
Santa Elena 871 1,9 1,9 100,0
Total 46670 100,0 100,0
Apéndice 6. Datos Tipo de Parto
Tipo de parto Frecuencia Porcentaje Porcentaje válido Porcentaje acumulado
Normal 21216 45,5 45,5 45,5
Cesárea 25454 54,5 54,5 100,0
Total 46670 100,0 100,0
Apéndice 7. Datos producto del embarazo
Producto del embarazo Frecuencia Porcentaje Porcentaje válido
Porcentaje acumulado
Simple 43469 93,1 93,1 93,1
Doble 3162 6,8 6,8 99,9
Triple 39 0,1 0,1 100,0
Total 46670 100,0 100,0
87
Apéndice 8. Datos Semanas de gestación
Semanas de gestación Frecuencia Porcentaje Porcentaje válido
Porcentaje acumulado
21 1 0,0 0,0 0,0
22 45 0,1 0,1 0,1
23 51 0,1 0,1 0,2
24 117 0,3 0,3 0,5
25 129 0,3 0,3 0,7
26 212 0,5 0,5 1,2
27 247 0,5 0,5 1,7
28 365 0,8 0,8 2,5
29 357 0,8 0,8 3,3
30 622 1,3 1,3 4,6
31 618 1,3 1,3 5,9
32 1080 2,3 2,3 8,2
33 1262 2,7 2,7 10,9
34 2308 4,9 4,9 15,9
35 3775 8,1 8,1 24,0
36 8212 17,6 17,6 41,6
37 27269 58,4 58,4 100,0
Total 46670 100,0 100,0
Apéndice 9. Datos Semanas hijos nacidos que han muerto
Número de hijos que nacieron vivos
que han muerto Frecuencia Porcentaje
Porcentaje válido
Porcentaje acumulado
0 45275 97,0 97,0 97,0 1 1209 2,6 2,6 99,6 2 151 0,3 0,3 99,9 3 27 0,1 0,1 100,0 4 4 0,0 0,0 100,0 5 1 0,0 0,0 100,0 7 2 0,0 0,0 100,0 10 1 0,0 0,0 100,0 Total 46670 100,0 100,0
Apéndice 10. Datos número de hijos nacidos muertos
Número de hijos nacidos
muertos Frecuencia Porcentaje
Porcentaje válido
Porcentaje acumulado
0 45451 97,4 97,4 97,4
1 1028 2,2 2,2 99,6
2 156 0,3 0,3 99,9
3 25 0,1 0,1 100,0
4 5 0,0 0,0 100,0
5 3 0,0 0,0 100,0
6 2 0,0 0,0 100,0
Total 46670 100,0 100,0
88
Apéndice 11. Datos número de controles prenatales
Número de controles
prenatales Frecuencia Porcentaje
Porcentaje válido
Porcentaje acumulado
0 841 1,8 1,8 1,8
1 963 2,1 2,1 3,9
2 1615 3,5 3,5 7,3
3 2686 5,8 5,8 13,1
4 4526 9,7 9,7 22,8
5 8154 17,5 17,5 40,3
6 7921 17,0 17,0 57,2
7 5824 12,5 12,5 69,7
8 6207 13,3 13,3 83,0
9 3109 6,7 6,7 89,7
10 2526 5,4 5,4 95,1
11 280 0,6 0,6 95,7
12 1040 2,2 2,2 97,9
13 106 0,2 0,2 98,1
14 101 0,2 0,2 98,3
15 498 1,1 1,1 99,4
16 53 0,1 0,1 99,5
17 7 0,0 0,0 99,5
18 23 0,0 0,0 99,6
19 6 0,0 0,0 99,6
20 158 0,3 0,3 99,9
21 3 0,0 0,0 100,0
22 1 0,0 0,0 100,0
24 1 0,0 0,0 100,0
25 21 0,0 0,0 100,0
Total 46670 100,0 100,0
Apéndice 12. Datos número de hijos vivos actuales
Número de hijos vivos actuales Frecuencia Porcentaje
Porcentaje válido
Porcentaje acumulado
1 16972 36,4 36,4 36,4
2 14741 31,6 31,6 68,0
3 8912 19,1 19,1 87,0
4 3667 7,9 7,9 94,9
5 1345 2,9 2,9 97,8
6 564 1,2 1,2 99,0
7 244 0,5 0,5 99,5
8 118 0,3 0,3 99,8
9 56 0,1 0,1 99,9
10 28 0,1 0,1 100,0
11 14 0,0 0,0 100,0
12 5 0,0 0,0 100,0
13 2 0,0 0,0 100,0
14 2 0,0 0,0 100,0
Total 46670 100,0 100,0
89
Apéndice 13. Datos número de embarazos
Número de embarazos Frecuencia Porcentaje
Porcentaje válido
Porcentaje acumulado
1 15692 33,6 33,6 33,6
2 13116 28,1 28,1 61,7
3 9036 19,4 19,4 81,1
4 4658 10,0 10,0 91,1
5 2248 4,8 4,8 95,9
6 1009 2,2 2,2 98,0
7 449 1,0 1,0 99,0
8 231 0,5 0,5 99,5
9 98 0,2 0,2 99,7
10 54 0,1 0,1 99,8
11 32 0,1 0,1 99,9
12 15 0,0 0,0 99,9
13 8 0,0 0,0 99,9
14 7 0,0 0,0 100,0
15 2 0,0 0,0 100,0
16 1 0,0 0,0 100,0
17 1 0,0 0,0 100,0
18 1 0,0 0,0 100,0
21 1 0,0 0,0 100,0
25 1 0,0 0,0 100,0
33 1 0,0 0,0 100,0
34 1 0,0 0,0 100,0
36 2 0,0 0,0 100,0
37 6 0,0 0,0 100,0
Total 46670 100,0 100,0
Apéndice 14. Datos número de parto
Número de parto Frecuencia Porcentaje
Porcentaje válido
Porcentaje acumulado
1 17491 37,5 37,5 37,5
2 14409 30,9 30,9 68,4
3 8853 19,0 19,0 87,3
4 3540 7,6 7,6 94,9
5 1333 2,9 2,9 97,8
6 552 1,2 1,2 98,9
7 263 0,6 0,6 99,5
8 118 0,3 0,3 99,8
9 52 0,1 0,1 99,9
10 28 0,1 0,1 99,9
11 18 0,0 0,0 100,0
12 7 0,0 0,0 100,0
13 3 0,0 0,0 100,0
14 2 0,0 0,0 100,0
15 1 0,0 0,0 100,0
Total 46670 100,0 100,0
90
Apéndice 15 Códigos del Análisis Factorial de Correspondencias Múltiples con sus
respectivas variables.
Apéndice 16. Tabla de Correspondencias Múltiples | AA_1 AA_5 AA_6 AA_7 AA_8 AA_9 AA10 AA11 AA12 AA13 AA17 AA18 AA23 | AB_1 AB_2 AB_3 | AC_1 AC_2 AC_3 AC_7 | AD_1 AD_2 |
-----+------------------------------------------------------------------+----------------+---------------------+-----------+
AA_1 | 2969 0 0 0 0 0 0 0 0 0 0 0 0 |
AA_5 | 0 1370 0 0 0 0 0 0 0 0 0 0 0 |
AA_6 | 0 0 1549 0 0 0 0 0 0 0 0 0 0 |
AA_7 | 0 0 0 2185 0 0 0 0 0 0 0 0 0 |
AA_8 | 0 0 0 0 1806 0 0 0 0 0 0 0 0 |
AA_9 | 0 0 0 0 013226 0 0 0 0 0 0 0 |
AA10 | 0 0 0 0 0 0 1580 0 0 0 0 0 0 |
AA11 | 0 0 0 0 0 0 0 1670 0 0 0 0 0 |
AA12 | 0 0 0 0 0 0 0 0 2224 0 0 0 0 |
AA13 | 0 0 0 0 0 0 0 0 0 3236 0 0 0 |
AA17 | 0 0 0 0 0 0 0 0 0 010977 0 0 |
AA18 | 0 0 0 0 0 0 0 0 0 0 0 2123 0 |
AA23 | 0 0 0 0 0 0 0 0 0 0 0 0 1755 |
-----+------------------------------------------------------------------+----------------+
AB_1 | 89 239 376 80 86 152 341 88 81 69 434 205 62 | 2302 0 0 |
AB_2 | 19 13 18 47 426 292 105 10 27 18 332 14 37 | 0 1358 0 |
AB_3 | 2861 1118 1155 2058 129412782 1134 1572 2116 314910211 1904 1656 | 0 043010 |
-----+------------------------------------------------------------------+----------------+---------------------+
AC_1 | 410 166 136 715 774 4244 199 261 866 1279 1606 119 612 | 365 45110571 |11387 0 0 0 |
AC_2 | 1083 673 735 818 743 5216 718 732 941 1148 4521 928 622 | 990 64117247 | 018878 0 0 |
AC_3 | 1283 487 651 522 215 3401 565 612 372 704 4416 1019 376 | 854 21013559 | 0 014623 0 |
AC_7 | 193 44 27 130 74 365 98 65 45 105 434 57 145 | 93 56 1633 | 0 0 0 1782 |
-----+------------------------------------------------------------------+----------------+---------------------+-----------+
AD_1 | 1916 920 1147 1817 120512169 1091 1315 1747 2611 7690 1466 1436 | 1258 103934233 | 91651465611334 1375 |36530 0 |
AD_2 | 1053 450 402 368 601 1057 489 355 477 625 3287 657 319 | 1044 319 8777 | 2222 4222 3289 407 | 010140 |
-----+------------------------------------------------------------------+----------------+---------------------+-----------+
AE_3 | 557 303 308 369 312 2009 270 294 464 589 1294 427 317 | 706 233 6574 | 2148 2641 2435 289 | 5208 2305 |
AE_4 | 870 335 410 737 509 4550 362 456 570 833 3498 571 513 | 426 39913389 | 3607 5211 4825 571 |11635 2579 |
AE_5 | 404 240 230 342 316 1953 328 196 421 532 1215 314 396 | 604 251 6032 | 1980 3708 928 271 | 5092 1795 |
AE_6 | 466 283 234 377 417 2558 273 271 465 656 1564 292 286 | 395 276 7471 | 2294 4551 984 313 | 6328 1814 |
AE_7 | 44 31 31 78 63 280 81 20 57 115 203 28 48 | 36 33 1010 | 233 425 355 66 | 898 181 |
AE_8 | 628 178 336 282 189 1876 266 433 247 511 3203 491 195 | 135 166 8534 | 1125 2342 5096 272 | 7369 1466 |
-----+------------------------------------------------------------------+----------------+---------------------+-----------+
AG01 | 502 300 285 472 534 2697 302 288 609 841 1631 366 410 | 597 316 8324 | 2801 5782 355 299 | 6936 2301 |
AG02 | 524 286 310 479 399 2834 329 360 507 745 1983 367 337 | 463 300 8697 | 2752 4620 1731 357 | 7434 2026 |
ed03 | 576 277 295 428 325 2524 297 288 411 613 1894 429 353 | 412 261 8037 | 2164 3286 2920 340 | 6936 1774 |
ed04 | 664 247 350 424 287 2664 359 334 379 595 2599 446 330 | 398 244 9036 | 1924 2882 4488 384 | 7700 1978 |
ed05 | 703 260 309 382 261 2507 293 400 318 442 2870 515 325 | 432 237 8916 | 1746 2308 5129 402 | 7524 2061 |
-----+------------------------------------------------------------------+----------------+---------------------+-----------+
| AA_1 AA_5 AA_6 AA_7 AA_8 AA_9 AA10 AA11 AA12 AA13 AA17 AA18 AA23 | AB_1 AB_2 AB_3 | AC_1 AC_2 AC_3 AC_7 | AD_1 AD_2 |
| AE_3 AE_4 AE_5 AE_6 AE_7 AE_8 | AG01 AG02 ed03 ed04 ed05 |
-----+-------------------------------+--------------------------+
AE_3 | 7513 0 0 0 0 0 |
AE_4 | 014214 0 0 0 0 |
AE_5 | 0 0 6887 0 0 0 |
AE_6 | 0 0 0 8142 0 0 |
AE_7 | 0 0 0 0 1079 0 |
AE_8 | 0 0 0 0 0 8835 |
-----+-------------------------------+--------------------------+
AG01 | 6 5 3890 5100 132 104 | 9237 0 0 0 0 |
AG02 | 1376 3775 1238 1930 305 836 | 0 9460 0 0 0 |
ed03 | 1781 3865 566 409 232 1857 | 0 0 8710 0 0 |
ed04 | 1978 3479 575 380 235 3031 | 0 0 0 9678 0 |
ed05 | 2372 3090 618 323 175 3007 | 0 0 0 0 9585 |
-----+-------------------------------+--------------------------+
| AE_3 AE_4 AE_5 AE_6 AE_7 AE_8 | AG01 AG02 ed03 ed04 ed05 |
Provincias
Etnia
nivel de instrucción
AA_1 Azuay
AB_1 Indi22gena
AE_3 Primaria AA_5 Cotopaxi
AB_2 Afroecuatoriana
AE_4 Secundaria
AA_6 Chimborazo
AB_3 Mestiza
AE_5 Educación Básica AA_7 El Oro
Estado civil
AE_6 Educación media
AA_8 Esmeraldas
AC_1 Unida
AE_7 Superior no universitario AA_9 Guayas
AC_2 Soltera
AE_8 Superior universitario
AA_10 Imbabura
AC_3 Casada
Edad de la madre por quintiles
AA_11 Loja
AC_7 Unión de hecho
AG01 11 a 19 años AA_12 Los Ríos
Área de residencia
AG02 20 a 23 años
AA_13 Manabí
AD_1 Urbana
ad03 24 a 27 años AA_17 Pichincha
AD_2 Rural
ad04 28 a 32 años
AA_18 Tungurahua
ad05 33 a 53 años AA_23 Sto. Domingo
91
Apéndice 17. Tabla de Burt con la eliminación de categorías por bajo peso
92
Apéndice 18. Tabla de Burt
MULTIPLE CORRESPONDENCE TABLE (ROW PROFILES)
MARGINAL DISTRIBUTION OF EACH QUESTION IS ON THE CORRESPONDING DIAGONAL
ALL NUMBERS ARE GIVEN AS PERCENTAGES
| AA_1 AA_5 AA_6 AA_7 AA_8 AA_9 AA10 AA11 AA12 AA13 AA17 AA18 AA23 | AB_1 AB_2 AB_3 | AC_1 AC_2 AC_3 AC_7 | AD_1 AD_2 |
-----+------------------------------------------------------------------+----------------+---------------------+-----------+
AA_1 | 6.4 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 | 3.0 0.6 96.4 | 13.8 36.5 43.2 6.5 | 64.5 35.5 |
AA_5 | 0.0 2.9 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 | 17.4 0.9 81.6 | 12.1 49.1 35.5 3.2 | 67.2 32.8 |
AA_6 | 0.0 0.0 3.3 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 | 24.3 1.2 74.6 | 8.8 47.4 42.0 1.7 | 74.0 26.0 |
AA_7 | 0.0 0.0 0.0 4.7 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 | 3.7 2.2 94.2 | 32.7 37.4 23.9 5.9 | 83.2 16.8 |
AA_8 | 0.0 0.0 0.0 0.0 3.9 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 | 4.8 23.6 71.7 | 42.9 41.1 11.9 4.1 | 66.7 33.3 |
AA_9 | 0.0 0.0 0.0 0.0 0.0 28.3 0.0 0.0 0.0 0.0 0.0 0.0 0.0 | 1.1 2.2 96.6 | 32.1 39.4 25.7 2.8 | 92.0 8.0 |
AA10 | 0.0 0.0 0.0 0.0 0.0 0.0 3.4 0.0 0.0 0.0 0.0 0.0 0.0 | 21.6 6.6 71.8 | 12.6 45.4 35.8 6.2 | 69.1 30.9 |
AA11 | 0.0 0.0 0.0 0.0 0.0 0.0 0.0 3.6 0.0 0.0 0.0 0.0 0.0 | 5.3 0.6 94.1 | 15.6 43.8 36.6 3.9 | 78.7 21.3 |
AA12 | 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 4.8 0.0 0.0 0.0 0.0 | 3.6 1.2 95.1 | 38.9 42.3 16.7 2.0 | 78.6 21.4 |
AA13 | 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 6.9 0.0 0.0 0.0 | 2.1 0.6 97.3 | 39.5 35.5 21.8 3.2 | 80.7 19.3 |
AA17 | 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 23.5 0.0 0.0 | 4.0 3.0 93.0 | 14.6 41.2 40.2 4.0 | 70.1 29.9 |
AA18 | 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 4.5 0.0 | 9.7 0.7 89.7 | 5.6 43.7 48.0 2.7 | 69.1 30.9 |
AA23 | 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 3.8 | 3.5 2.1 94.4 | 34.9 35.4 21.4 8.3 | 81.8 18.2 |
-----+------------------------------------------------------------------+----------------+---------------------+-----------+
AB_1 | 3.9 10.4 16.3 3.5 3.7 6.6 14.8 3.8 3.5 3.0 18.9 8.9 2.7 | 4.9 0.0 0.0 | 15.9 43.0 37.1 4.0 | 54.6 45.4 |
AB_2 | 1.4 1.0 1.3 3.5 31.4 21.5 7.7 0.7 2.0 1.3 24.4 1.0 2.7 | 0.0 2.9 0.0 | 33.2 47.2 15.5 4.1 | 76.5 23.5 |
AB_3 | 6.7 2.6 2.7 4.8 3.0 29.7 2.6 3.7 4.9 7.3 23.7 4.4 3.9 | 0.0 0.0 92.2 | 24.6 40.1 31.5 3.8 | 79.6 20.4 |
-----+------------------------------------------------------------------+----------------+---------------------+-----------+
AC_1 | 3.6 1.5 1.2 6.3 6.8 37.3 1.7 2.3 7.6 11.2 14.1 1.0 5.4 | 3.2 4.0 92.8 | 24.4 0.0 0.0 0.0 | 80.5 19.5 |
AC_2 | 5.7 3.6 3.9 4.3 3.9 27.6 3.8 3.9 5.0 6.1 23.9 4.9 3.3 | 5.2 3.4 91.4 | 0.0 40.4 0.0 0.0 | 77.6 22.4 |
AC_3 | 8.8 3.3 4.5 3.6 1.5 23.3 3.9 4.2 2.5 4.8 30.2 7.0 2.6 | 5.8 1.4 92.7 | 0.0 0.0 31.3 0.0 | 77.5 22.5 |
AC_7 | 10.8 2.5 1.5 7.3 4.2 20.5 5.5 3.6 2.5 5.9 24.4 3.2 8.1 | 5.2 3.1 91.6 | 0.0 0.0 0.0 3.8 | 77.2 22.8 |
-----+------------------------------------------------------------------+----------------+---------------------+-----------+
AD_1 | 5.2 2.5 3.1 5.0 3.3 33.3 3.0 3.6 4.8 7.1 21.1 4.0 3.9 | 3.4 2.8 93.7 | 25.1 40.1 31.0 3.8 | 78.3 0.0 |
AD_2 | 10.4 4.4 4.0 3.6 5.9 10.4 4.8 3.5 4.7 6.2 32.4 6.5 3.1 | 10.3 3.1 86.6 | 21.9 41.6 32.4 4.0 | 0.0 21.7 |
-----+------------------------------------------------------------------+----------------+---------------------+-----------+
AE_3 | 7.4 4.0 4.1 4.9 4.2 26.7 3.6 3.9 6.2 7.8 17.2 5.7 4.2 | 9.4 3.1 87.5 | 28.6 35.2 32.4 3.8 | 69.3 30.7 |
AE_4 | 6.1 2.4 2.9 5.2 3.6 32.0 2.5 3.2 4.0 5.9 24.6 4.0 3.6 | 3.0 2.8 94.2 | 25.4 36.7 33.9 4.0 | 81.9 18.1 |
AE_5 | 5.9 3.5 3.3 5.0 4.6 28.4 4.8 2.8 6.1 7.7 17.6 4.6 5.7 | 8.8 3.6 87.6 | 28.7 53.8 13.5 3.9 | 73.9 26.1 |
AE_6 | 5.7 3.5 2.9 4.6 5.1 31.4 3.4 3.3 5.7 8.1 19.2 3.6 3.5 | 4.9 3.4 91.8 | 28.2 55.9 12.1 3.8 | 77.7 22.3 |
AE_7 | 4.1 2.9 2.9 7.2 5.8 25.9 7.5 1.9 5.3 10.7 18.8 2.6 4.4 | 3.3 3.1 93.6 | 21.6 39.4 32.9 6.1 | 83.2 16.8 |
AE_8 | 7.1 2.0 3.8 3.2 2.1 21.2 3.0 4.9 2.8 5.8 36.3 5.6 2.2 | 1.5 1.9 96.6 | 12.7 26.5 57.7 3.1 | 83.4 16.6 |
-----+------------------------------------------------------------------+----------------+---------------------+-----------+
AG01 | 5.4 3.2 3.1 5.1 5.8 29.2 3.3 3.1 6.6 9.1 17.7 4.0 4.4 | 6.5 3.4 90.1 | 30.3 62.6 3.8 3.2 | 75.1 24.9 |
AG02 | 5.5 3.0 3.3 5.1 4.2 30.0 3.5 3.8 5.4 7.9 21.0 3.9 3.6 | 4.9 3.2 91.9 | 29.1 48.8 18.3 3.8 | 78.6 21.4 |
ed03 | 6.6 3.2 3.4 4.9 3.7 29.0 3.4 3.3 4.7 7.0 21.7 4.9 4.1 | 4.7 3.0 92.3 | 24.8 37.7 33.5 3.9 | 79.6 20.4 |
ed04 | 6.9 2.6 3.6 4.4 3.0 27.5 3.7 3.5 3.9 6.1 26.9 4.6 3.4 | 4.1 2.5 93.4 | 19.9 29.8 46.4 4.0 | 79.6 20.4 |
ed05 | 7.3 2.7 3.2 4.0 2.7 26.2 3.1 4.2 3.3 4.6 29.9 5.4 3.4 | 4.5 2.5 93.0 | 18.2 24.1 53.5 4.2 | 78.5 21.5 |
-----+------------------------------------------------------------------+----------------+---------------------+-----------+
| AA_1 AA_5 AA_6 AA_7 AA_8 AA_9 AA10 AA11 AA12 AA13 AA17 AA18 AA23 | AB_1 AB_2 AB_3 | AC_1 AC_2 AC_3 AC_7 | AD_1 AD_2 |
| AE_3 AE_4 AE_5 AE_6 AE_7 AE_8 | AG01 AG02 ed03 ed04 ed05 |
-----+-------------------------------+--------------------------+
AA_1 | 18.8 29.3 13.6 15.7 1.5 21.2 | 16.9 17.6 19.4 22.4 23.7 |
AA_5 | 22.1 24.5 17.5 20.7 2.3 13.0 | 21.9 20.9 20.2 18.0 19.0 |
AA_6 | 19.9 26.5 14.8 15.1 2.0 21.7 | 18.4 20.0 19.0 22.6 19.9 |
AA_7 | 16.9 33.7 15.7 17.3 3.6 12.9 | 21.6 21.9 19.6 19.4 17.5 |
AA_8 | 17.3 28.2 17.5 23.1 3.5 10.5 | 29.6 22.1 18.0 15.9 14.5 |
AA_9 | 15.2 34.4 14.8 19.3 2.1 14.2 | 20.4 21.4 19.1 20.1 19.0 |
AA10 | 17.1 22.9 20.8 17.3 5.1 16.8 | 19.1 20.8 18.8 22.7 18.5 |
AA11 | 17.6 27.3 11.7 16.2 1.2 25.9 | 17.2 21.6 17.2 20.0 24.0 | AA12 | 20.9 25.6 18.9 20.9 2.6 11.1 | 27.4 22.8 18.5 17.0 14.3 |
AA13 | 18.2 25.7 16.4 20.3 3.6 15.8 | 26.0 23.0 18.9 18.4 13.7 |
AA17 | 11.8 31.9 11.1 14.2 1.8 29.2 | 14.9 18.1 17.3 23.7 26.1 |
AA18 | 20.1 26.9 14.8 13.8 1.3 23.1 | 17.2 17.3 20.2 21.0 24.3 |
AA23 | 18.1 29.2 22.6 16.3 2.7 11.1 | 23.4 19.2 20.1 18.8 18.5 |
-----+-------------------------------+--------------------------+
AB_1 | 30.7 18.5 26.2 17.2 1.6 5.9 | 25.9 20.1 17.9 17.3 18.8 |
AB_2 | 17.2 29.4 18.5 20.3 2.4 12.2 | 23.3 22.1 19.2 18.0 17.5 |
AB_3 | 15.3 31.1 14.0 17.4 2.3 19.8 | 19.4 20.2 18.7 21.0 20.7 |
-----+-------------------------------+--------------------------+
AC_1 | 18.9 31.7 17.4 20.1 2.0 9.9 | 24.6 24.2 19.0 16.9 15.3 |
AC_2 | 14.0 27.6 19.6 24.1 2.3 12.4 | 30.6 24.5 17.4 15.3 12.2 |
AC_3 | 16.7 33.0 6.3 6.7 2.4 34.8 | 2.4 11.8 20.0 30.7 35.1 |
AC_7 | 16.2 32.0 15.2 17.6 3.7 15.3 | 16.8 20.0 19.1 21.5 22.6 |
-----+-------------------------------+--------------------------+
AD_1 | 14.3 31.9 13.9 17.3 2.5 20.2 | 19.0 20.4 19.0 21.1 20.6 |
AD_2 | 22.7 25.4 17.7 17.9 1.8 14.5 | 22.7 20.0 17.5 19.5 20.3 |
-----+-------------------------------+--------------------------+
| AE_3 AE_4 AE_5 AE_6 AE_7 AE_8 | AG01 AG02 ed03 ed04 ed05 |
| AE_3 AE_4 AE_5 AE_6 AE_7 AE_8 | AG01 AG02 ed03 ed04 ed05 |
-----+-------------------------------+--------------------------+
AE_3 | 16.1 0.0 0.0 0.0 0.0 0.0 | 0.1 18.3 23.7 26.3 31.6 |
AE_4 | 0.0 30.5 0.0 0.0 0.0 0.0 | 0.0 26.6 27.2 24.5 21.7 |
AE_5 | 0.0 0.0 14.8 0.0 0.0 0.0 | 56.5 18.0 8.2 8.3 9.0 |
AE_6 | 0.0 0.0 0.0 17.4 0.0 0.0 | 62.6 23.7 5.0 4.7 4.0 |
AE_7 | 0.0 0.0 0.0 0.0 2.3 0.0 | 12.2 28.3 21.5 21.8 16.2 |
AE_8 | 0.0 0.0 0.0 0.0 0.0 18.9 | 1.2 9.5 21.0 34.3 34.0 |
-----+-------------------------------+--------------------------+
AG01 | 0.1 0.1 42.1 55.2 1.4 1.1 | 19.8 0.0 0.0 0.0 0.0 |
AG02 | 14.5 39.9 13.1 20.4 3.2 8.8 | 0.0 20.3 0.0 0.0 0.0 |
ed03 | 20.4 44.4 6.5 4.7 2.7 21.3 | 0.0 0.0 18.7 0.0 0.0 |
ed04 | 20.4 35.9 5.9 3.9 2.4 31.3 | 0.0 0.0 0.0 20.7 0.0 |
ed05 | 24.7 32.2 6.4 3.4 1.8 31.4 | 0.0 0.0 0.0 0.0 20.5 |
-----+-------------------------------+--------------------------+
| AE_3 AE_4 AE_5 AE_6 AE_7 AE_8 | AG01 AG02 ed03 ed04 ed05 |
93
Apéndice 19 Primer modelo