EVOLUCIÓN DE LA TBC DURANTE LOS AÑOS 2007 AL 2017

  1.   Pregunta de Investigación

¿Qué determina la disminución/aumento de casos diagnosticados de tuberculosis en los departamentos del Perú?

1.1. Justificación de Tema

Según el informe de la Organización Panamericana de la Salud del 2016 ubica al Perú en el primer lugar en incidencia de tuberculosis en América continental. ( OPS, 2017)

Además, la OMS (2009) señala que la TBC es consecuencia de dos elementos. Por un lado, los problemas de desigualdad social, expresados en baja puntuación en el índice de desarrollo humano, bajo acceso de la población al agua potable y una alta mortalidad infantil; y por el otro, la (in)eficiencia de los programas estatales de control de la enfermedad.

Asimismo,“Pocas enfermedades retratan con mayor evidencia las condiciones socioeconómicas de una nación (TBC)…son aquellos con graves problemas de pobreza, abandono, hacinamiento, desnutrición, infecciones por el VIH y abuso de drogas” (Comercio, 2018).

Finalmente, según Luis Alberto Tafur (2009)“La lucha contra la tuberculosis debe incluir ambos elementos: un efectivo y bien financiado programa gubernamental de control de la enfermedad, y un efectivo y bien financiado programa de provisión de agua potable y corrección de pobreza, desnutrición y condiciones de vivienda.”

2. Marco Teórico

El análisis de la “Evolución de la Tuberculosis durante los años 2007 al 2017” conlleva a la descripción de los conceptos principales que se utilizaron para el planteamiento de las variables del tema de investigación, teniendo los siguientes conceptos:

*Ingreso per cápita. - El ingreso hace referencia a todas las entradas económicas que recibe una persona, una familia, una empresa, una organización, etc. El ingreso per cápita es un cálculo que se realiza para determinar el ingreso que recibe, en promedio, cada uno de los habitantes de un país; es decir, en promedio, cuánto es el ingreso que recibe una persona para subsistir. Este cálculo se obtiene dividiendo el ingreso nacional entre la población total de un país.

Ingreso per cápita = Ingreso nacional (IN) / Población total (PT)

Al mirar esta relación, se puede deducir que, para mejorar el ingreso per cápita de una nación, se necesita que el ingreso nacional crezca más que la población total, pues, de lo contrario, el ingreso per cápita se reducirá. Este cálculo es importante cuando se quiere estudiar el nivel de vida promedio de la población. El ingreso per cápita de diferentes países permite establecer comparaciones entre ellos y, por consiguiente, establecer el ritmo de progreso de un país.

*Producto Bruto Interno. - El ingreso nacional corresponde a la suma de todos los ingresos individuales de los nacionales de un país. El PBI es un indicador que ayuda a medir el crecimiento de la producción de empresas de cada país dentro de su territorio.

¿Cómo se mide?

El PBI puede expresarse matemáticamente como el valor de la producción de un país a precios de mercado, o bien como el valor del gasto total efectuado por el país. El cálculo del Producto Bruto Interno es realizado a través de la contabilidad nacional. Para su medición se emplean varios métodos complementarios cuyos resultados se unifican. Una de las correcciones que se llevan a cabo para el cálculo del valor real del PBI es el referente a la estimación de la economía sumergida que soporta el país.

*Vivienda. - Edificación o departamento independiente dentro de ella, junto con los espacios y servicios comunes del inmueble en el que está situada y los anexos vinculados, susceptible de aportar a las personas que residen en ella el espacio, las instalaciones y demás medios materiales precisos para satisfacer sus necesidades de habitación.

*Tuberculosis (TBC). - La Tuberculosis o TBC es una enfermedad infecciosa y contagiosa causada por un microbio llamado Bacilo de Koch (BK), que afecta principalmente a los pulmones, pero también puede causar daño a la pleura, los ganglios, estómago y genitales y otras partes del cuerpo.

  1.  Hipótesis

Las cinco (05) hipótesis planteadas a la pregunta de investigación son:

PREGUNTA DE INVESTIGACIÓN

¿Qué determina la disminución/aumento de los casos diagnosticados de tuberculosis en los departamentos del Perú?

  1. Los casos diagnosticados de tuberculosis se reducen al aumento del ingreso per cápita.
  2. Los casos diagnosticados de tuberculosis disminuyen con el incremento de los pacientes asegurados.
  3. Los casos diagnosticados de tuberculosis disminuyen debido al aumento del PBI.
  4. Los casos diagnosticados de tuberculosis disminuyen con el incremento de viviendas habitables.
  5. Los casos diagnosticados de tuberculosis aumentan debido a la variación de la temperatura.

La validez de las hipótesis planteadas dependerá de los resultados que se obtengan como producto de las pruebas efectuadas tomando como referencia cada una de las variables.

  1.   Operacionalización de hipótesis

La variable dependiente para el presente trabajo es la siguiente: Los casos diagnosticados de tuberculosis

#Hipótesis 1: Los casos diagnosticados de tuberculosis se reducen al aumento del ingreso per cápita.

• Si a mayores ingresos económicos, el diagnóstico de la enfermedad disminuye.

#Hipótesis 2: Los casos diagnosticados de tuberculosis disminuyen con el incremento de los pacientes asegurados.

• Si el aseguramiento de pacientes con mayores posibilidades de control preventivo frente a enfermedades disminuye los casos diagnosticados de tuberculosis.

#Hipótesis 3: Los casos diagnosticados de tuberculosis disminuyen debido al aumento del PBI.

• Si el crecimiento económico del país tiene relación directa con la disminución de los casos diagnosticados de tuberculosis.

#Hipótesis 4: Los casos diagnosticados de tuberculosis disminuyen con el incremento de viviendas habitables.

• Si el incremento de viviendas habitables como medio de acceso al servicio básico de agua potable y demás, tiene relación directa con los casos diagnosticados de tuberculosis.

#Hipótesis 5: Los casos diagnosticados de tuberculosis aumentan debido a la variación de la temperatura.

• Si el mayor riesgo de infección tiene relación con la temperatura de los ambientes que pueden facilitar mayor concentración bacteriana.

Por ello,utilizaremos el Modelo Multivariado:

link="https://docs.google.com/spreadsheets/d/e/2PACX-1vStsxqfSaKmeE9NPYvhDtDzvp8f0hZssuFUcmn1Yk2D8P7vUQjiB9f-T5_5gu9sVjJU9K5G4MYetpIo/pub?gid=957141360&single=true&output=csv"
DATA=read.csv(link)
  1.   Análisis

5.1: Año 2007 La gráfica muestra el resultado del análisis de las variables expuestas en el marco teórico, respecto al año 2007.

REGRESION=formula(TBC_2007~SEGURO_2007+PBI_2007+ING_2007+VIV_2007+TEM_2007)
                   

resultado=lm(REGRESION,data=DATA)
summary(resultado)
## 
## Call:
## lm(formula = REGRESION, data = DATA)
## 
## Residuals:
##    Min     1Q Median     3Q    Max 
## -610.0 -135.5   81.9  169.9  388.5 
## 
## Coefficients:
##               Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  8.305e+02  9.977e+02   0.832  0.41554    
## SEGURO_2007  1.104e+01  1.063e+01   1.039  0.31166    
## PBI_2007     9.506e-05  2.700e-06  35.204  < 2e-16 ***
## ING_2007    -9.032e-01  4.147e-01  -2.178  0.04223 *  
## VIV_2007    -2.234e+01  1.240e+01  -1.801  0.08758 .  
## TEM_2007     4.259e+01  1.416e+01   3.007  0.00724 ** 
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 290.7 on 19 degrees of freedom
## Multiple R-squared:  0.9888, Adjusted R-squared:  0.9858 
## F-statistic: 335.4 on 5 and 19 DF,  p-value: < 2.2e-16
library(dotwhisker)
## Loading required package: ggplot2
library(broom)
library(dplyr)
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
resultado_t = tidy(resultado) %>%   
    mutate(model = "DATA TBC")

dwplot(resultado_t) + 
    geom_vline(xintercept = 0, 
               colour = "red", 
               linetype = 2) +
    scale_colour_grey(start = .1, end = .7) +theme_bw()

Se concluye que:

  1. A pesar de haber incremento de asegurados, esto no evidencia una disminución de los casos de tuberculosis.

  2. Los datos analizados si permiten afirmar que los casos diagnosticados de tuberculosis disminuyan debido a un incremento del PBI.

C.Los datos analizados no permiten afirmar que los casos diagnosticados de tuberculosis disminuyan debido a un incremento del ingreso per cápita.

D.Los casos diagnosticados de tuberculosis no disminuyen debido al incremento de viviendas habitables.

E.Debido a la variación de temperatura se presenta aumento de casos diagnosticados de Tuberculosis.

F. En cuanto a la correlación entre variables se evidencia que su Multiple R-squared es 0.9888 muy cercano a 1. Ello demuestra una alta correlación entre las variables.

G.Asimismo, se observa que tiene 4 variables significativas; es decir, tienen influencia en el incremento o disminución de los pacientes diagnosticados de TBC.

5.2: Año 2017

La siguiente gráfica muestra el resultado del análisis de las variables expuestas en el marco teórico, respecto al año 2017.

REGRESION=formula(TBC_2017~SEGURO_2017+PBI_2017+ING_2017+VIV_2017+TEM_2017)
                   

resultado=lm(REGRESION,data=DATA)
summary(resultado)
## 
## Call:
## lm(formula = REGRESION, data = DATA)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -671.37 -125.58   23.79  130.26  392.92 
## 
## Coefficients:
##               Estimate Std. Error t value Pr(>|t|)    
## (Intercept)  8.567e+02  1.237e+03   0.693  0.49692    
## SEGURO_2017  5.865e+00  7.570e+00   0.775  0.44799    
## PBI_2017     5.292e-05  1.536e-06  34.449  < 2e-16 ***
## ING_2017    -4.648e-01  3.184e-01  -1.460  0.16070    
## VIV_2017    -2.020e+01  1.178e+01  -1.714  0.10273    
## TEM_2017     3.390e+01  1.161e+01   2.920  0.00878 ** 
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 257.1 on 19 degrees of freedom
## Multiple R-squared:   0.99,  Adjusted R-squared:  0.9874 
## F-statistic: 377.7 on 5 and 19 DF,  p-value: < 2.2e-16
library(dotwhisker)
library(broom)
library(dplyr)
resultado_t = tidy(resultado) %>%   
    mutate(model = " DATA TBC")

dwplot(resultado_t) + 
    geom_vline(xintercept = 0, 
               colour = "red", 
               linetype = 2) +
    scale_colour_grey(start = .1, end = .7) +theme_bw()

Se concluye que:

  1. A pesar de haber incremento de asegurados no evidencia una disminución de los casos de tuberculosis.

  2. Los datos analizados si permiten afirmar que los casos diagnosticados de tuberculosis disminuyan debido a un incremento del PBI.

  3. Los datos analizados no permiten afirmar que los casos diagnosticados de tuberculosis disminuyan debido a un incremento del ingreso per cápita.

D.Los casos diagnosticados de tuberculosis no disminuyen debido al incremento de viviendas habitables.

  1. Debido a la variación de temperatura se presenta aumento de casos diagnosticados de Tuberculosis

F.En cuanto a la correlación entre variables se evidencia que su Multiple R-squared es 0.99 muy cercano a 1. Ello demuestra una alta correlación entre las variables.

G.Asimismo, se observa que tiene 2 variables significativas; es decir, tienen influencia en el incremento o disminución de los pacientes diagnosticados de TBC, solo el PBI y la Temperatura sobre las demás variables propuestas.

  1. Conclusiones

• El análisis de las mismas variables en los años 2007 y 2017 permite determinar que tanto el incremento del PBI como la variación de la temperatura afectan directamente la disminución/aumento (respectivamente) de los casos diagnosticados de TBC en los departamentos del Perú.

• Las gráficas muestran que el incremento de pacientes asegurados, el aumento de ingresos per cápita y el incremento de viviendas habitables no disminuyen los casos diagnosticados de TBC en los departamentos del Perú.

• Del análisis de los 2 años (2007-2017), se evidencia que el modelo del año 2017 tiene una mejor correlación entre las variables, dado que su Multiple R-squared es alto con un valor de 0.99 cercano a 1.

  1. Bibliografía

*Dirección de Prevención y Control de Tuberculosis adscrita a la Dirección General de Intervenciones Estratégicas en Salud Pública del Ministerio de Salud (2017) http://www.tuberculosis.minsa.gob.pe/portaldpctb/recursos/20180605122521.pdf

*Huertas, Elmer. (2018). La grave situación de la tuberculosis en el Perú. El Comercio. https://elcomercio.pe/tecnologia/ciencias/salud-grave-situacion-tuberculosis-peru-noticia-508856?fbclid=IwAR17-RKDxFAxM6Wyd_C1i-U6LvvCgtOqe2TkSLFROHWjIlCGlSQbnRIkKP0

*OMS (2009). ¿ Qué es la tuberculosis?. https://www.who.int/features/qa/08/es/

*OPS. (2016). Situación de la tuberculosis en las Américas 2016. https://www.paho.org/hq/dmdocuments/2017/2017-cha-hoja-info-situacion-tb-americas.pdf

*Tafur, Luis Alberto. (2009). Enfoque sociopolítico para el control de la tuberculosis en el Perú. Revista Peruana de Medicina Experimental y Salud Publica, 26(3), 370-379.

  1. Anexos:
summary(DATA$PBI_2007)
##      Min.   1st Qu.    Median      Mean   3rd Qu.      Max. 
##   1637185   3054659   6880023  12263050  10913725 136238703
hist(DATA$PBI_2007, 
     main="TBC 2007",
     ylab = 'PBI_2007',
     xlab='Casos de TBC durante 2007',
     col = 'pink')

summary(DATA$PBI_2017)
##      Min.   1st Qu.    Median      Mean   3rd Qu.      Max. 
##   2395026   5448705   8648484  19563493  18593063 224828832
hist(DATA$PBI_2017, 
     main="TBC 2017",
     ylab = 'PBI_2017',
     xlab='Casos de TBC durante 2017',
     col = 'pink')