Determinantes sociales

Añade una modelización del posible mecanismo: qué factores y pathways son compatibles con la peor salud observada y por dónde podría intervenirse, no solo la constatación de que existe. Aplica cuando ya se ha constatado una asociación, por ejemplo que la renta, la educación o el entorno se relacionan con la salud, y se necesita convertir ese punto de partida en algo accionable. Que un determinante se asocie con la salud no dice si actúa directamente o a través de conductas intermedias, ni si su efecto cambia según el contexto. El análisis de determinantes sociales modeliza esa cadena: separa el peso de cada factor, distingue las vías directas de las que pasan por eslabones intermedios y ayuda a identificar puntos de la cadena donde una intervención podría tener más margen, según el modelo y los supuestos. Es la diferencia entre saber que un grupo está peor y disponer de una modelización de la cadena sobre la que una política puede actuar, que es lo que hace la evidencia útil para decidir.

Esa es exactamente la pregunta que separa un componente composicional de uno contextual, y se aborda con modelos multinivel que distinguen ambos. Aplica siempre que los individuos se agrupan en unidades territoriales, como barrios, municipios o regiones, y se quiere saber si la peor salud de una zona se relaciona más con quién vive en ella o con la zona en sí. Un componente composicional significa que el lugar concentra personas con un perfil de riesgo determinado; uno contextual, que existe una variación asociada al contexto más allá de las características individuales observadas. Los modelos jerárquicos sitúan a los individuos anidados en su contexto y reparten la variación entre el nivel individual y el contextual, cuantificando cuánta corresponde a cada uno. Esa partición de varianza ayuda a distinguir cuánto del patrón observado se relaciona con características individuales y cuánto con el contexto, que conduce a intervenciones distintas: actuar sobre individuos o actuar sobre entornos. Confundir ambos niveles lleva a conclusiones erróneas sobre dónde colocar el esfuerzo.

Modelizar pathways significa estimar si las relaciones observadas son compatibles con vías directas e indirectas entre un determinante y la salud: si actúa de forma directa o si su relación pasa por factores intermedios, como conductas o condiciones materiales. Aplica cuando interesa no solo cuánto se asocia un factor con la salud, sino cómo podría transmitirse esa relación. Por ejemplo, la educación puede relacionarse con mejor salud directamente y también a través de hábitos o de alfabetización en salud; distinguir esas vías cambia dónde tiene sentido intervenir. Para estimar esos pathways se recurre al análisis de mediación, que es la herramienta del servicio transversal de mediación y moderación causal: aquí se aplica para estimar componentes directos e indirectos bajo el modelo planteado, remitiendo a ese servicio como propietario del método. El resultado señala en qué eslabón de la cadena una intervención podría romper la transmisión del riesgo, siempre interpretado como vías compatibles con los datos bajo el modelo planteado, no como una cadena causal demostrada.

Sí: un modelo conceptual de determinantes, el típico diagrama que encadena factores estructurales, intermedios y proximales, puede formalizarse y evaluarse empíricamente mediante modelos de ecuaciones estructurales (SEM). Aplica cuando existe un marco teórico de cómo se relacionan los determinantes y se quiere pasar del diagrama a una evaluación empírica. Los SEM permiten estimar a la vez relaciones directas e indirectas entre varios determinantes y la salud, e incorporar variables latentes, constructos que no se observan directamente, como el nivel socioeconómico o la alfabetización en salud, a partir de sus indicadores. Eso convierte un esquema cualitativo en un modelo cuya consistencia con los datos puede evaluarse y cuyas relaciones y parámetros pueden estimarse. Conviene precisar el alcance: el SEM contrasta si los datos son compatibles con la estructura propuesta y estima sus parámetros bajo los supuestos del modelo; no prueba que esa estructura sea la única ni la verdadera, y su lectura causal depende del diseño y de los supuestos asumidos.

Se necesitan datos de salud a nivel individual junto con información de los determinantes en los distintos niveles, tanto individuales (educación, empleo, renta) como contextuales (características del barrio, municipio o región), y la estructura que indica a qué unidad territorial pertenece cada individuo. Aplica a todo análisis que combine nivel individual y contextual. El cliente aporta los datos de salud y de los determinantes; el servicio define la estructura jerárquica, verifica cómo está medido cada determinante en su nivel y especifica el modelo conceptual de pathways antes de estimar. La medición de los determinantes es un punto sensible: un constructo como el nivel socioeconómico o la alfabetización en salud rara vez se observa con una sola variable, y de cómo se mida depende lo que el modelo puede estimar. Si las unidades territoriales son pocas o la variación contextual es escasa, el modelo multinivel puede quedar limitado o no aportar una estimación estable del nivel contextual. No hace falta que los datos lleguen estructurados, pero sí que exista variación tanto entre individuos como entre contextos: sin suficientes unidades territoriales o variación entre contextos, la parte contextual del modelo puede estimarse con mucha incertidumbre o quedar fuera de alcance.

Son complementarios y responden a preguntas distintas: el análisis de desigualdades mide la brecha; el de determinantes sociales modeliza posibles mecanismos. El análisis de desigualdades en salud cuantifica cuánta desigualdad hay y entre qué grupos, con índices como SII, RII o concentración. El análisis de determinantes sociales modeliza qué factores y vías podrían contribuir a esa brecha: cómo los factores estructurales, intermedios y proximales se encadenan hasta el resultado de salud, con modelos multinivel y de ecuaciones estructurales. No se solapan en método: aquí no se redefinen los índices de desigualdad, sino que se modeliza la cadena que podría haber detrás. La secuencia natural los encadena: medir la brecha es el paso previo, modelizar sus posibles mecanismos es el siguiente. Si la pregunta es cuánta desigualdad existe y cómo evoluciona, es el análisis de desigualdades; si es qué factores y vías podrían contribuir a la brecha y dónde intervenir sobre esa cadena, es el análisis de determinantes sociales.

No con la fuerza de una prueba causal: un análisis de determinantes sociales sobre datos observacionales estima asociaciones y pathways compatibles con los datos bajo un modelo, pero no demuestra causalidad con la garantía de un experimento. Aplica como aclaración necesaria, porque los modelos de mediación y de ecuaciones estructurales producen estimaciones de "efectos directos e indirectos" cuyo nombre invita a una lectura causal más fuerte de la que el diseño respalda. La interpretación causal se acota a lo que el diseño permite sostener: con datos observacionales, los componentes estimados dependen de supuestos que no son del todo verificables, como que no haya confusión no medida o que la dirección de las relaciones sea la asumida, y esos supuestos se hacen explícitos. Lo que el servicio aporta es una cuantificación rigurosa de asociaciones, pathways y efectos estimados bajo un modelo defendible, con su incertidumbre y sus límites declarados, no una afirmación de causalidad que el dato observacional no puede garantizar. Esa honestidad es lo que hace la evidencia utilizable para defender una política sin sobrevenderla.

Se entrega la modelización de los pathways compatibles con los datos que conectan determinantes y salud bajo un marco conceptual explícito: la partición de varianza entre el nivel individual y el contextual, los componentes directos e indirectos estimados con su descomposición por pathways, y la evaluación del modelo conceptual cuando se formaliza con ecuaciones estructurales, todo con la interpretación causal acotada al diseño. Aplica a quien necesita fundamentar una política intersectorial, ya sea educativa, laboral o urbanística, aportando evidencia de que un factor externo al sistema sanitario se asocia con la salud y estimando la magnitud de esa relación bajo el modelo. El entregable sirve para defender ante quien decide dónde podría situarse una palanca de intervención: en qué eslabón de la cadena y en qué nivel, ya sea individual o contextual, una intervención tendría más recorrido, con los supuestos y la incertidumbre explícitos. El reparto se mantiene: el cliente diseña e implementa la política intersectorial; el servicio modeliza los pathways, estima los componentes y acota lo que la evidencia permite afirmar.