Análisis de la esperanza de vida mundial entre 2000 y 2015
Juan Pablo Barrero - Karla Gomez Olaya
2025-12-22
Introducción
La esperanza de vida es un indicador para el análisis del bienestar y el desarrollo humano, en la medida en que resume los efectos acumulados de las condiciones sanitarias, sociales y económicas que influyen sobre la supervivencia de las poblaciones. Su uso se ha afianzado en el campo de la salud pública y en la formulación de políticas internacionales como una medida sintética del estado general de salud y de la capacidad de los sistemas sociales para garantizar condiciones de vida adecuadas (Rueda, 2022).
Durante el último siglo, el incremento de la esperanza de vida a nivel global ha sido uno de los principales resultados de los avances en salud pública, la expansión de los sistemas sanitarios, el desarrollo de programas de inmunización y la mejora de las condiciones socioeconómicas. Entre el año 2000 y 2019, la esperanza de vida mundial aumentó de forma constante en más de 6 años, pasando de 66.8 a 73.1 años, impulsada por aspectos como la reducción del 51% en la mortalidad de niños menores de cinco años entre 2000 y 2022 y una caída del 54% en las nuevas infecciones por VIH desde el inicio del milenio (World Health Organization, 2024).
Esta tendencia histórica sufrió un revés sin precedentes debido a la pandemia de COVID-19, que en solo dos años revirtió casi una década de avances. Para el año 2021, la esperanza de vida global retrocedió a 71.4 años, un nivel que no se veía desde 2012. La pandemia impactó la longevidad y alteró la carga mundial de morbilidad; mientras que hasta 2019 las enfermedades no transmisibles (NCDs) representaban el 73.9% de las muertes, la irrupción del COVID-19 provocó que las enfermedades transmisibles volvieran a ganar terreno, alcanzando el 28.1% de la mortalidad total en 2021 (World Health Organization, 2024).
A pesar del progreso global, la mejora en la esperanza de vida ha sido heterogénea debido a las disparidades económicas y sociales entre países donde las naciones de ingresos altos y medio-altos han logrado una transición epidemiológica hacia las enfermedades no transmisibles (ENT); por el contrario, en la Región de África las enfermedades comunicables, maternas, perinatales y nutricionales siguen siendo responsables de más de la mitad de todas las muertes. Asimismo, las enfermedades no transmisibles continúan siendo responsables de cerca del 74% de las muertes a nivel mundial, con un impacto desproporcionado en contextos donde la prevención, el diagnóstico temprano y el tratamiento oportuno son insuficientes (World Health Organization, 2024).
La literatura evidencia que estas brechas responden a la interacción de múltiples determinantes, entre ellos la carga de mortalidad infantil y adulta, la prevalencia de enfermedades transmisibles y no transmisibles, y la disponibilidad de recursos públicos y privados para la atención en salud (Castelblanco-Toro, 2024). Esta brecha evidencia que la capacidad de los sistemas sociales para garantizar condiciones de vida adecuadas varía drásticamente; por ejemplo, en 2022, el riesgo de que un niño muera antes de los cinco años en el país con la mortalidad más alta era 80 veces mayor que en el país con la mortalidad más baja. La diferencia en esperanza de vida entre los países de ingresos altos y los de ingresos bajos superó los 13 años, brecha explicada principalmente por mayores tasas de mortalidad materna e infantil, mayor exposición a enfermedades infecciosas y limitaciones estructurales en el acceso a servicios de salud (World Health Organization, 2024).
El presente estudio se apoya en datos del Global Health Observatory (GHO) de la Organización Mundial de la Salud, un repositorio que incluye información sanitaria, económica y social de alta comparabilidad internacional. El análisis se basa en datos correspondientes a 193 países para el periodo 2000–2015, un intervalo que captura transformaciones en términos de transición demográfica y epidemiológica. La disponibilidad simultánea de variables sobre mortalidad, inmunización, nutrición, educación, gasto en salud y desarrollo económico permite analizar de manera integrada los determinantes de la esperanza de vida.
Desde el punto de vista metodológico, el estudio adopta un enfoque cuantitativo que combina estadísticas descriptivas con técnicas de análisis multivariado, específicamente el Análisis de Componentes Principales (PCA). Las estadísticas descriptivas permiten caracterizar la distribución y variabilidad de las principales variables, mientras que el PCA facilita la identificación de dimensiones subyacentes que estructuran las diferencias entre países. En este marco, el estudio se orienta a responder la siguiente pregunta de investigación: ¿qué factores sanitarios, económicos y sociales explican las diferencias en la esperanza de vida entre países durante el periodo 2000–2015?, con el propósito de identificar patrones estructurales que contribuyan a una comprensión comparativa de los resultados en salud a nivel global.
Análisis descriptivo
Con el propósito de responder la pregunta de investigación y analizar los factores sanitarios, económicos y sociales asociados a las diferencias en la esperanza de vida entre países, se seleccionó un conjunto de variables que representan dimensiones centrales del bienestar y del desarrollo humano. La selección se fundamenta en la literatura en salud pública y economía de la salud, así como en la disponibilidad y comparabilidad de la información a nivel internacional.
En el ámbito sanitario, se incluyeron indicadores de esperanza de vida, mortalidad adulta y mortalidad infantil, los cuales muestran de manera directa los niveles de supervivencia y la carga de enfermedad en distintas etapas del ciclo vital. Desde la dimensión económica y de financiamiento del sistema de salud, se incorporaron el producto interno bruto (PIB) y el gasto total en salud, variables que permiten aproximar la capacidad económica de los países y el esfuerzo destinado a la provisión de servicios sanitarios. Adicionalmente, se consideraron variables de carácter social y estructural, como la escolaridad y el índice de desarrollo humano. A partir de este conjunto de variables, se realizó un análisis descriptivo inicial con el fin de caracterizar su distribución, variabilidad y rango de valores, como paso previo a la aplicación de técnicas de análisis multivariado.
La esperanza de vida promedia los 69,22 años, con una desviación estándar de 9,52 y un rango que se extiende desde los 36,30 hasta los 89 años. Esta dispersión se correlaciona con los indicadores de mortalidad: la mortalidad adulta registra una media de 164,80 defunciones por cada mil habitantes, con una desviación de 124,29 y valores extremos entre 1 y 723,00. En cuanto a la mortalidad infantil, el promedio se sitúa en 30,41; no obstante, la desviación de 118,11 y el valor máximo de 1800, una distribución heterogénea entre los países analizados.
El Producto Interno Bruto (PIB) presenta un valor medio de 7.494,21 y una desviación estándar de 14.282,25, con un intervalo que oscila entre 1,68 y 119.172,74. Esta brecha en los recursos se manifiesta también en el gasto total en salud, que promedia un 5,93% con una desviación de 2,48. Los niveles de inversión fluctúan entre el 0,37% y el 17,60%, lo que determina la capacidad de financiamiento y la infraestructura de los sistemas sanitarios nacionales.
En el ámbito educativo, la escolaridad alcanza una media de 12 años, con una desviación de 3,35 y un rango de 0 a 20,70 años, presentando contrastes en el acceso al sistema escolar. Por último, el Índice de Desarrollo Humano (IDH) promedia 0,63 con una desviación de 0,21 y los valores observados (entre 0 y 0,95) confirman la disparidad en los niveles de desarrollo global y validan al IDH como una variable sintética para el análisis comparativo de la longevidad.
| mean | sd | min | max | |
|---|---|---|---|---|
| esperanza_vida | 69.22 | 9.52 | 36.30 | 89.00 |
| mortalidad_adultos | 164.80 | 124.29 | 1.00 | 723.00 |
| mortalidad_infantil | 30.41 | 118.11 | 0.00 | 1800.00 |
| PIB | 7494.21 | 14282.25 | 1.68 | 119172.74 |
| gasto_total_salud | 5.93 | 2.48 | 0.37 | 17.60 |
| escolaridad | 12.00 | 3.35 | 0.00 | 20.70 |
| indice_desarrollo_humano | 0.63 | 0.21 | 0.00 | 0.95 |
Esta disparidad estructural se sintetiza en la distribución de la esperanza de vida según el nivel de desarrollo. Mientras que las naciones desarrolladas presentan una alta concentración de datos en torno a los 80 años con una dispersión mínima, los países en desarrollo presentan una mediana inferior y una heterogeneidad interna superior. En este último grupo, la presencia de valores atípicos con registros por debajo de los 45 años muestran crisis sanitarias localizadas que se alejan del comportamiento global. Así, la condición de desarrollo actúa como el principal factor diferenciador en la magnitud y homogeneidad de la longevidad, validando la brecha identificada en las dimensiones económica y social.
El análisis de la matriz de correlación confirma que la esperanza de vida mantiene asociaciones positivas con la escolaridad (\(r = 0,75\)) y el IDH (\(r = 0,72\)), lo que identifica al capital humano y al desarrollo multidimensional como determinantes de la longevidad. En sentido opuesto, la esperanza de vida presenta una correlación negativa considerable con la mortalidad adulta (\(r = -0,68\)), mientras que su relación con la mortalidad infantil es más débil (\(r = -0,18\)), sugiriendo que factores específicos de supervivencia en la primera infancia operan de forma distinta a las cargas epidemiológicas generales.
Respecto a las variables económicas, el PIB muestra correlaciones moderadas con la esperanza de vida (\(r = 0,46\)), la escolaridad (\(r = 0,45\)) y el IDH (\(r = 0,46\)), es decir que el crecimiento económico influye, pero no determina por sí solo el bienestar social. El gasto total en salud presenta las asociaciones más bajas de la matriz (\(r = 0,18\) con esperanza de vida y \(r = 0,14\) con el PIB), es decir que la eficiencia operativa de los sistemas sanitarios es más importante que el volumen neto de inversión. Finalmente, la mortalidad adulta se correlaciona negativamente con el IDH (\(r = -0,45\)) y la escolaridad (\(r = -0,44\)), reforzando la hipótesis de que los niveles de educación y las condiciones de vida son factores protectores frente a las causas de muerte prematura.
La correlación positiva entre el PIB y la longevidad, ilustrada en el gráfico, evidencia que los países desarrollados mantienen esperanzas de vida superiores y más homogéneas en comparación con la alta dispersión observada en las naciones en desarrollo. Sin embargo, el factor económico no constituye la totalidad de la explicación, ya que otras variables interactúan de manera simultánea en este fenómeno.
Análisis de Componentes Principales
Los resultados del Análisis de Componentes Principales (PCA) muestran que el primer componente (PC1) captura el 40,64% de la varianza total, mientras que el segundo (PC2) explica el 16,90% y de forma acumulada, los primeros tres componentes logran explicar el 69,30% de la variabilidad del conjunto de datos. Esta reducción dimensional permite concluir que una parte sustancial del comportamiento de los países puede ser explicada por un número reducido de factores vinculados principalmente a las dimensiones sociales, sanitarias y económicas.
| Componente | Varianza | Varianza_Acumulada |
|---|---|---|
| PC1 | 0.4064 | 0.4064 |
| PC2 | 0.1690 | 0.5754 |
| PC3 | 0.1176 | 0.6930 |
| PC4 | 0.0923 | 0.7853 |
| PC5 | 0.0622 | 0.8475 |
| PC6 | 0.0412 | 0.8887 |
| PC7 | 0.0324 | 0.9211 |
| PC8 | 0.0227 | 0.9438 |
| PC9 | 0.0166 | 0.9604 |
| PC10 | 0.0143 | 0.9747 |
| PC11 | 0.0098 | 0.9845 |
| PC12 | 0.0089 | 0.9934 |
| PC13 | 0.0033 | 0.9967 |
| PC14 | 0.0032 | 0.9998 |
| PC15 | 0.0002 | 1.0000 |
El primer componente (PC1), que explica el 40.64% de la varianza, presenta cargas factoriales positivas y predominantes en variables de desarrollo socioeconómico y preventivo, tales como la escolaridad (0.351), el índice de desarrollo humano (0.342) y las coberturas de vacunación contra polio (0.320) y difteria (0.311) e inversamente se asocia de forma negativa con la mortalidad de adultos (-0.279). Esta configuración sugiere que el PC1 representa un eje de bienestar general y acceso a servicios básicos.
El segundo componente (PC2), con una varianza explicada del 16.90%, se encuentra definido por indicadores de mortalidad temprana, al observarse cargas negativas de magnitud considerable en mortalidad infantil (-0.525), muertes de menores de cinco años (-0.524) y casos de sarampión (-0.464). Dado que estas variables cargan en la misma dirección, el PC2 captura la vulnerabilidad demográfica específica en las etapas iniciales de la vida, independiente de los niveles generales de desarrollo capturados por el PC1.
El tercer componente (PC3), que aporta un 11.76% a la varianza total, muestra una relación más compleja entre el gasto y la carga epidemiológica. Las cargas factoriales más importantes se sitúan en la cobertura de hepatitis B (-0.445) en sentido negativo, contrastando con el porcentaje de gasto (0.363), el consumo de alcohol (0.314) y el gasto total en salud (0.294) en sentido positivo.
| PC1 | PC2 | PC3 | |
|---|---|---|---|
| escolaridad | 0.351 | -0.117 | 0.069 |
| indice_desarrollo_humano | 0.342 | -0.158 | 0.039 |
| imc | 0.320 | -0.037 | 0.049 |
| polio | 0.320 | 0.036 | -0.335 |
| difteria | 0.311 | 0.044 | -0.348 |
| pib | 0.284 | -0.186 | 0.272 |
| mortalidad_adultos | -0.279 | 0.193 | 0.181 |
| porcentaje_gasto | 0.269 | -0.195 | 0.363 |
| alcohol | 0.232 | -0.149 | 0.314 |
| hepatitis_b | 0.220 | 0.190 | -0.445 |
| muertes_menores_cinco | -0.176 | -0.524 | -0.133 |
| mortalidad_infantil | -0.168 | -0.525 | -0.148 |
| vih | -0.155 | 0.147 | 0.284 |
| sarampion | -0.154 | -0.464 | -0.130 |
| gasto_total_salud | 0.134 | 0.039 | 0.294 |
El análisis mediante biplots confirma la relación entre las variables y la distribución de los países en el espacio definido por los componentes principales. En el plano de los ejes PC1 y PC2, se identifica una separación ortogonal: mientras que el índice de desarrollo humano, la escolaridad y el PIB se proyectan hacia el extremo positivo del PC1, los indicadores de mortalidad infantil se desplazan hacia el cuadrante negativo del PC2. Esta disposición indica que el PC1 captura el gradiente de desarrollo estructural, mientras que el PC2 explica la variabilidad de la mortalidad prematura de manera independiente a la riqueza o la educación.
El contraste entre el PC1 y PC3 permite distinguir matices en la estructura del sistema de salud, donde las variables de cobertura inmunológica, específicamente polio, difteria y hepatitis B, presentan una fuerte covarianza positiva entre sí, orientándose hacia el cuadrante inferior derecho (PC1 positivo, PC3 negativo). En sentido opuesto, el porcentaje de gasto y el gasto total en salud muestran una proyección ascendente hacia el PC3 positivo, sugiriendo que este tercer componente discrimina entre países con esquemas de prevención consolidados (vacunación) y aquellos con mayores niveles de gasto nominal o conductual (alcohol).
Clustering
El gráfico del método del codo muestra una disminución pronunciada de la varianza intra-clúster entre k = 1 y k = 3, seguida de un punto de inflexión en k = 4, donde la curva deja de descender y comienza a aplanarse. Esto indica que, a partir de cuatro clústeres, las mejoras en homogeneidad interna son marginales, por lo que k = 4 representa la solución óptima al equilibrar simplicidad y capacidad explicativa de la estructura de los datos.
Complementariamente, los resultados del análisis de silueta validan la superioridad de \(K=4\) al presentar el coeficiente promedio más elevado (\(s = 0.5195\)). A diferencia del modelo con tres grupos, donde se observa una cantidad de observaciones con valores negativos, la solución de cuatro clústeres logra que la mayoría de los puntos superen la media global, garantizando que los grupos sean internamente cohesivos y mantengan una separación clara entre sí.
A partir de las dimensiones identificadas en el PCA, el análisis de clustering K-means (\(k=4\)) permite segmentar a los países en cuatro perfiles diferenciados según sus condiciones de salud y desarrollo.
## [1] "Dim1" "Dim2" "cluster"## Dim1 Dim2 cluster
## 1 -3.4631587 0.28524878 2
## 2 1.6620483 0.42592499 1
## 3 0.5739290 0.15993722 1
## 4 -3.6262216 -0.05509555 2
## 5 0.8975401 0.52327362 1
## 6 2.3694053 -0.27569766 3
| Clúster | N° Países | PIB | % Gasto Salud | Mort. Infantil | IDH | Escolaridad | Hepatitis B | IMC |
|---|---|---|---|---|---|---|---|---|
| 1 | 64 | 4052 | 5.71 | 5.8 | 0.657 | 12.6 | 86.0 | 44.0 |
| 2 | 50 | 1081 | 5.27 | 43.8 | 0.444 | 8.9 | 68.3 | 21.5 |
| 3 | 30 | 20961 | 6.76 | 1.0 | 0.843 | 15.6 | 83.9 | 53.5 |
| 4 | 3 | 1514 | 4.33 | 732.4 | 0.526 | 10.1 | 52.8 | 18.8 |
| Clúster | Países Integrantes | Total |
|---|---|---|
| 1 | Albania, Algeria, Antigua and Barbuda, Armenia, Azerbaijan, Bahrain, Barbados, Belarus, Belize, Bosnia and Herzegovina, Botswana, Brazil, Brunei Darussalam, Cabo Verde, Chile, Colombia, Costa Rica, Cuba, Dominican Republic, Ecuador, El Salvador, Fiji, Georgia, Grenada, Guatemala, Guyana, Honduras, Jamaica, Jordan, Kazakhstan, Kiribati, Lebanon, Libya, Malaysia, Maldives, Mauritius, Mexico, Mongolia, Montenegro, Morocco, Nicaragua, Oman, Panama, Paraguay, Peru, Romania, Russian Federation, Samoa, Sao Tome and Principe, Saudi Arabia, Serbia, Seychelles, Solomon Islands, Sri Lanka, Suriname, Tajikistan, Thailand, Tonga, Trinidad and Tobago, Tunisia, Turkey, Turkmenistan, Ukraine, Uzbekistan | 64 |
| 2 | Afghanistan, Angola, Bangladesh, Benin, Bhutan, Burkina Faso, Burundi, Cambodia, Cameroon, Central African Republic, Chad, Comoros, Djibouti, Equatorial Guinea, Eritrea, Ethiopia, Gabon, Ghana, Guinea, Guinea-Bissau, Haiti, Indonesia, Iraq, Kenya, Lesotho, Liberia, Madagascar, Malawi, Mali, Mauritania, Mozambique, Myanmar, Namibia, Nepal, Niger, Pakistan, Papua New Guinea, Philippines, Rwanda, Senegal, Sierra Leone, South Africa, Swaziland, Syrian Arab Republic, Timor-Leste, Togo, Uganda, Vanuatu, Zambia, Zimbabwe | 50 |
| 3 | Argentina, Australia, Austria, Belgium, Bulgaria, Canada, Croatia, Cyprus, Estonia, France, Germany, Greece, Ireland, Israel, Italy, Kuwait, Latvia, Lithuania, Luxembourg, Malta, Netherlands, New Zealand, Poland, Portugal, Qatar, Singapore, Spain, Sweden, United Arab Emirates, Uruguay | 30 |
| 4 | China, India, Nigeria | 3 |
El Clúster 3 integrado por países como Australia, Canadá y Francia, corresponde al estrato de mayor desempeño socioeconómico. Este grupo se caracteriza por un PIB promedio de 20,961, un Índice de Desarrollo Humano (IDH) de 0.843 y los altos de capital humano de la muestra, con 15.6 años promedio de escolaridad. Asimismo, presenta la mayor inversión relativa en salud (6.76% del PIB), lo que se refleja en resultados sanitarios favorables, como una mortalidad infantil de 1.0 por cada 1.000 nacidos vivos. El IMC promedio de 53.5 sugiere patrones nutricionales propios de contextos de alto ingreso, en los que predominan desafíos asociados a enfermedades crónicas más que a carencias estructurales.
El Clúster 1 constituye el conglomerado más numeroso, compuesto por economías emergentes de América Latina (Brasil, Chile, México), el norte de África y el sudeste asiático. Se localiza en una posición intermedia del PC1 con un IDH de 0.657 y una escolaridad de 12.6 años. A pesar de un PIB de 4,052, menor al del Clúster 3, mantiene coberturas de inmunización contra Hepatitis B del 86% y una mortalidad infantil de 5.8 por cada 1,000 nacidos vivos.
El Clúster 2 localizado en el extremo negativo del PC1, agrupa a países de la región subsahariana (Angola, Chad, Burundi) y Asia meridional (Afganistán). Este perfil se asocia por el PIB más bajo (1,081) y una escolaridad promedio de 8.9 años. Estos niveles de desarrollo coinciden con una mortalidad infantil de 43.8, una cobertura de Hepatitis B del 68.3% y un IMC promedio de 21.5, indicadores que reflejan condiciones persistentes de vulnerabilidad en salud pública primaria.
Finalmente, el Clúster 4 conformado por China, India y Nigeria, se proyecta de forma atípica hacia los valores negativos del PC2. Aunque presenta un IDH (0.526) y una escolaridad (10.1 años) superiores a los del Clúster 2, registra una mortalidad infantil de 732.4 por cada 1,000 nacidos vivos. Este grupo se distingue por poseer el gasto en salud más bajo de la muestra (4.33% del PIB), la menor cobertura en Hepatitis B (52.8%) y el IMC promedio más reducido (18.8), evidenciando una desconexión entre sus indicadores macroeconómicos y sus resultados en salud pública primaria.
Conclusiones
Las diferencias observadas en la esperanza de vida entre países durante el periodo 2000–2015 se explican por la interacción de factores económicos, sanitarios y sociales, cuya combinación configura trayectorias diferenciadas de bienestar y supervivencia poblacional. El análisis multivariado evidencia que estas brechas no responden a un único determinante, sino a estructuras de desarrollo heterogéneas que condicionan tanto el acceso como la efectividad de los sistemas de salud.
En el plano económico, el PIB es un factor central, aunque no suficiente por sí mismo, dado que los países con mayores niveles de PIB tienden a registrar una mayor esperanza de vida, en la medida en que cuentan con una base fiscal más amplia para sostener sistemas de salud, infraestructura sanitaria y políticas sociales. Sin embargo, los resultados muestran que el ingreso solo se traduce en mejores resultados en salud cuando está acompañado de inversión pública sostenida en el sector sanitario, lo que explica por qué algunas economías de gran tamaño no alcanzan desempeños sanitarios acordes con su escala económica.
Desde la dimensión sanitaria, la inversión en salud, la cobertura de inmunización y los niveles de mortalidad infantil son los factores más asociados con la esperanza de vida. Los paises con mayor gasto relativo en salud y altas coberturas de vacunación presentan tasas de mortalidad infantil significativamente más bajas, con sistemas de salud más eficaces en la provisión de servicios preventivos y de atención primaria. En contraste, los países caracterizados por bajos niveles de gasto sanitario y coberturas incompletas registran resultados adversos, que limitan los avances en longevidad incluso en contextos de crecimiento económico moderado.
En el ámbito social, el nivel educativo se relaciona de forma directa con la esperanza de vida. Mayores años promedio de escolaridad se asocian con un uso más oportuno de los servicios de salud, mejores prácticas de autocuidado y una mayor capacidad institucional para implementar políticas públicas.
Adicionalmente, las diferencias en los patrones nutricionales, medidos por medio del Índice de Masa Corporal, indican la coexistencia de transiciones epidemiológicas distintas. Mientras los países de alto ingreso enfrentan desafíos vinculados al sobrepeso y las enfermedades crónicas no transmisibles, los países de menor desarrollo continúan expuestos a riesgos asociados a la desnutrición y a enfermedades prevenibles, lo que incide de manera directa en la esperanza de vida.
Bibliografia
Castelblanco-Toro, S. (2024). Longevidad: la mejor oportunidad en el siglo XXI / Longevity: the best opportunity in the twenty-first century. Medicina, 46, 242–252. https://doi.org/10.56050/01205498.2343
Rueda Hernández, L. V. (2022). Esperanza de vida e inicio de la etapa de adulto mayor. REVISTA CIENTÍFICA SALUD UNINORTE, 38(1), 5–20. https://doi.org/10.14482/sun.38.1.613.041
World Health Organization. (2024). World health statistics 2024: Monitoring health for the SDGs, Sustainable Development Goals. World Health Organization. https://www.who.int/data/gho/publications/world-health-statistics