Introducción

El continuo incremento en la esperanza de vida al nacer ha sido una de las tendencias demográficas más importantes a lo largo del siglo XX y el transcurso del siglo XXI. Sin embargo, todavía persisten diferencias importantes en torno al tiempo vivido por las personas. Buena parte de estas diferencias responden a cuestiones sociales (Cutler, Deaton y Lleras-Mulney, 2006; Marmot, 2005). Como bien señalan Preston y Taubman (1994), asociar positivamente la salud de las personas con atributos socioeconómicos responde a cuestiones propias del sentido común. No obstante, determinar la magnitud de esta relación es lo que le interesa a la dimensión científica. La motivación para este estudio yace en esta idea.

Este artículo establece diferenciales de mortalidad de los beneficiarios utilizando el ingreso previsional como un proxy de la posición socioeconómica de los individuos y considerando en particular que las prestaciones son, hasta cierto punto, un reflejo de las trayectorias ocupacionales de las personas y la posición socioeconómica vinculada (Rehnberg y Fritzell, 2016).

Para ello se utilizaron datos de la Administración Nacional de la Seguridad Social (ANSES) de Argentina, compilando los registros de pagos de beneficios en un mes determinado e identificando a los beneficiarios. Estos registros incluyen características sociodemográficas básicas de los beneficiarios, como el sexo, la edad, el lugar de residencia y el monto pagado de cada beneficio. Además, se agregó la fecha de fallecimiento reportada de los beneficiarios, obtenida a través de información provista por el Renaper (Registro Nacional de las Personas). Debido a que virtualmente toda la población mayor de 65 años tenía cobertura previsional de algún tipo en Argentina, se buscó representar con suficiencia el patrón de mortalidad de prácticamente toda la población de adultos mayores en el periodo comprendido de julio de 2015 a junio de 2016. Los objetivos del estudio son los siguientes:

• Establecer los efectos del ingreso previsional, el sexo, la edad y la región de residencia en las probabilidades de muerte de los adultos mayores en Argentina en el periodo de julio 2015 a junio 2016, y

• Obtener una medida resumen de la mortalidad que ilustre estas diferencias, calculando las esperanzas de vida a los 65 años o e₍₆₅₎.

Inequidades sociales en la salud

En cierto sentido, la mortalidad representa el capítulo final de las biografías personales. Por lo tanto, la mortalidad es vista como el indicador definitivo de la salud de las personas (Rosero-Bixby y Dow, 2009). La idea de analizar el rol de los determinantes socioeconómicos en la salud y la mortalidad no es nueva. A nivel general, es sabido que existe una correlación positiva entre una posición de bienestar económico y una mejor salud (Brown, Robert y McDaid, 2003; Preston y Taubman, 1994). Sin embargo, la relación entre la salud y la posición socioeconómica es aún más compleja de lo que parece (Cutler, Deaton y Lleras-Mulney, 2006).

La posición socioeconómica de un individuo representa el lugar en donde se ubica en una estructura social jerárquica (Vera-Romero y Vera-Romero, 2013). La posición socioeconómica refiere, entonces, a los factores sociales y económicos que influencian y determinan la posición que los individuos o grupos tienen en la estructura de una sociedad (Galobardes, Shaw, Lawlor, Lynch y Smith 2006; Lynch y Kaplan, 1997). Estos factores tradicionalmente se encuentran asociados al ingreso, la educación y otros aspectos relevantes al bienestar de las personas (Brown et al., 2003). En un plano operacional, varios autores (Manzelli, 2014; Mayhew y Smith, 2016; Rehnberg y Fritzell, 2016) consideran que el ingreso es una buena variable para estudiar las desigualdades sociales y la salud. En general, la educación, el ingreso y los aspectos que sugieren la posición social de los individuos suelen estar fuertemente correlacionados. Sin embargo, en edades avanzadas, hay autores que consideran que el ingreso tiene características específicas que lo distinguen de la educación a la hora de explicar las desigualdades en la salud: los logros educacionales son consideradas un atributo más estable y se encuentran fuertemente asociados a los años formativos de las personas, mientras que el ingreso suele ser una característica más fluctuante a lo largo de la vida (Smith, 2004). Además, es más sencillo proveer ingreso que educación en edades avanzadas, principalmente a través de las pensiones, recursos económicos que ayudan a los adultos mayores a tener una calidad de vida aceptable en la vejez.

Sin embargo, se toma en cuenta que las relaciones sociales y en torno al plano de la salud se dan en un contexto material existente (Lynch, Smith, Kaplan y House, 2000). En este enfoque, las desigualdades provienen de una exposición diferencial a ciertas experiencias y situaciones a lo largo de la vida que repercuten negativamente en la salud de los individuos. Esta exposición suele venir acompañada de una falta de recursos de distinto tipo (sociales, físicos o sanitarios), tanto a nivel individual como a nivel general, conjugando procesos humanos, culturales y sociopolíticos (Lynch et al., 2000).

También se desprende de esto último que la responsabilidad de tener una buena salud no puede ser simplemente individual, sino que muchas veces también hay que tener en cuenta las condiciones estructurales y sociales del entorno en que se vive. Muchas veces, es la presencia y aptitud de los sistemas de salud y protección social a lo largo del territorio lo que ha tenido un rol protagónico en incrementar no solo el tiempo, sino también la calidad de vida de los individuos (Behrman, Sickles y Taubman, 1998; Grushka, 2014). Por lo cual considerar la dimensión espacial es importante para visualizar las desigualdades en la salud.

Uno de los principales propósitos de este estudio es analizar la mortalidad diferencial en edades avanzadas basadas en el ingreso previsional individual. El ingreso previsional individual tiene ciertas limitaciones proxy para medir las desigualdades sociales debido a su imposibilidad de capturar otros potenciales activos y la situación total del hogar, entre otros aspectos que complejizan su precisión como indicador. Sin embargo, presenta ventajas circunstanciales para este trabajo (algunas de las cuales serán discutidas más adelante). Por la forma en que está diseñado el sistema previsional argentino, ingresos más altos tienden a representar mejores trayectorias socioocupacionales y viceversa (Calabria y Rottenschweiler, 2015), lo cual ciertamente se encuentra asociado a mejores posiciones socioeconómicas. Mas aún, en América Latina existen algunas de las sociedades más desiguales del mundo (De Lima Silva, Pessoa Cesse y Pessoa Militão de Albuquerque, 2014; Ravallion, 2014), lo cual añade un incentivo adicional para estudiar la relación entre la desigualdad de la salud y el ingreso, especialmente tomando en cuenta los escasos antecedentes que consideran este indicador en particular.

Cobertura previsional y seguridad social actual en Argentina

En Argentina, la mayoría de los beneficios previsionales se concentra en el Sistema Integrado Previsional Argentino (SIPA). Este fue establecido en 2008, en reemplazo del Sistema Integrado de Jubilaciones y Pensiones (SIJP), tras la fusión de los regímenes de capitalización individual administrados de manera privada por las AFJP (Administradoras de Fondos de Jubilaciones y Pensiones) y el régimen de reparto que dependía del Estado argentino.

La renacionalización de los fondos administrados por las AFJP y la ulterior creación del SIPA fueron algunas de las grandes transformaciones que afectaron la previsión social argentina en los últimos años. También es importante destacar el rol de las moratorias previsionales (informalmente conocidas como plan de inclusión previsional, establecidas en el decreto 1454/05 y las leyes 25.994 y 26.970), que flexibilizaron sensiblemente los requisitos de acceso a una prestación, incrementando la cobertura previsional a tal punto que alcanzó niveles casi universales. Antes de este punto, solo quienes cumplían con estrictos requisitos de edad y años de aporte tenían derecho a percibir un beneficio (65 años como mínimo para los hombres, 60 para las mujeres, con opción a permanecer como activas, y 30 años de contribución mínima en ambos casos). Considerando que Argentina poseía (y posee) un sector informal importante, aquellos que accedían a una prestación contributiva eran hasta cierto punto una clase privilegiada, ya que el beneficio era consecuencia de una trayectoria relativamente bien pagada, estable y formal. De esta manera, la distinción entre quienes percibían un beneficio y quienes se encontraban excluidos del sistema era tajante.

Sin embargo, las moratorias ayudaron a quienes se encontraban previamente excluidos debido a la falta de años de aportes registrados, otorgándoles una pensión semicontributiva, cuyo valor era (mayoritariamente) equivalente a una prestación mínima. Una parte de este beneficio era deducida ex post en forma de cuotas (para pagar las contribuciones pendientes), a diferencia de otros planos de pago que exigían saldar las deudas con anterioridad para acceder a la prestación. De este modo, la cobertura presentó un crecimiento sin precedentes, pasando del 70 % (Rofman y Oliveri, 2011) a estar por encima del 95 % (Grushka, Gaiada y Calabria, 2016).

Esto también significó que la distribución por género de los beneficios se revirtió: tradicionalmente había más beneficiarios hombres que mujeres, pero con la inyección de beneficios por moratoria al sistema, las mujeres pasaron a ser mayoría (Bertranou, Cetrángolo, Grushka y Casanova, 2011; Grushka et al., 2016).

Estudios de mortalidad diferencial en Argentina y América Latina

El trabajo de Rofman (1994) es el antecedente principal para los propósitos de este artículo. No solo porque persiguió un objetivo similar a este trabajo, sino porque también utilizó datos provenientes de la seguridad social, aunque las diferencias temporales y contextuales entre el presente trabajo y el suyo no son menores. Utilizando modelos de regresión logística de máxima verosimilitud (al igual que aquí), encontró que existía una asociación inversa marcada entre el ingreso previsional y las probabilidades de muerte (4q_x) entre los jubilados de 65 a 95 años.

Sin embargo, sus significativos hallazgos estaban limitados por algunas cuestiones que excedían su control. Entre ellas, el autor solo tuvo acceso a una pequeña muestra de beneficiarios, solo consideró a los jubilados (es decir, no se tuvo en cuenta a quienes percibían otro tipo de prestación) de algunas provincias (en aquel entonces el sistema de previsión social estaba aún más fragmentado que en la actualidad) y la cobertura previsional era sensiblemente menor en aquel entonces. Por lo tanto, los patrones de mortalidad que obtuvo eran sensiblemente más bajos que para el total de la población, limitando hasta cierto punto la capacidad de generalizar sus estimaciones.

Por otra parte, también vale destacar estudios a nivel individual, como los de Peláez y Acosta (2011) y Manzelli (2014), aunque los dos analizaron la mortalidad adulta a nivel general y no hicieron foco en los adultos mayores. Estos autores utilizaron el nivel educativo para establecer diferenciales de mortalidad en la población, a partir de datos de los diversos censos (1980, 1991 y 2001 en el caso de Peláez y Acosta, acotado a la provincia de Córdoba; 2010 en el caso de Manzelli, para el total del país). Ambos trabajos econtraron que en todas las edades y los sexos existía un efecto diferencial en la mortalidad a partir del nivel educativo. Manzelli (2014) señaló que a medida que la edad avanzaba, el diferencial de mortalidad era paulatinamente menor. Sin embargo, la variable a nivel educativo es una variable de elevada omisión en los registros de estadísticas vitales, por lo cual fueron necesarios varios procedimientos de imputación múltiple, limitando las conclusiones de los trabajos.

A nivel ecológico, Grushka, Baum y Sanni (2013) estudiaron la mortalidad diferencial para las comunas de la Ciudad Autónoma de Buenos Aires, cruzando el ingreso per cápita familiar (IPCF) de las comunas y la esperanza de vida en diferentes grupos de edad, incluyéndose la esperanza de vida a los 65 años o e₍₆₅₎. Obtuvieron que la asociación lineal entre mayor IPCF y mayor e₍₆₅₎ era bastante más fuerte en los hombres que en las mujeres. En un trabajo similar, pero para las provincias de Argentina, Grushka (2014) encontró una asociación positiva entre producto bruto geográfico (PBG) y esperanza de vida al nacer.

Otras experiencias en América Latina dignas de mención son por un lado, los hallazgos de Sandoval y Turra (2015), quienes encontraron para el caso de Chile una relación inversa entre logro educacional y tasas de mortalidad a nivel general, en un modo similar a los trabajos de Argentina. Por el otro, Gomes, Turra, Fígoli, Duarte y Lebrão (2013) analizaron una encuesta longitudinal (Estudo Saúde, Bem-estar e Envelhecimento 2000-2006) en la Ciudad de São Paulo, Brasil, entre los adultos mayores de 60 años yo concluyeron que los riesgos de mortalidad más altos se asociaban con comportamientos poco saludables, que a su vez se encontraban vinculados con menores logros educacionales.

Sin embargo, la asociación entre desigualdades sociales y mortalidad no es tan clara en todos los casos. Rosero Bixby y Dow (2009) y Rosero-Bixby (2018), entre otros, dan un ejemplo de cómo lo que define como el gradiente social a veces opera en un sentido diferente. Tras analizar la Encuesta Longitudinal de Envejecimiento Saludable de Costa Rica (Creles 2000-2006) (Rosero Bixby y Dow, 2009) con modelos logit y luego la Encuesta Nacional de Salud y Envejecimiento (ENASEM, años 2001, 2003 y 2012) en México (Rosero Bixby, 2018), se encontró que los hombres mayores de 55 años que tenían una posición social más precaria presentaban una mayor esperanza de vida. Entre las mujeres, en tanto, la asociación encontrada entre la posición social y la salud fue débil para ambos países. Estos trabajos sirven para ilustrar cómo la relación entre las desigualdades sociales y la salud no es tan sencilla y evidente de manera universal. Pese a ello, la gran mayoría de la evidencia presentada para América Latina indica que, aun en edades avanzadas, existe una asociación entre la posición socioeconómica de un individuo, su salud y mortalidad.

Metodología

Fuente de datos y variables a considerar

La principal fuente de datos para este estudio consistió en registros de la seguridad social de la ANSES compilados en una base de datos individuales. A través de un padrón de pagos de beneficios mensuales, se dispuso de algunas características sociodemográficas esenciales de los beneficiarios, como el sexo (expresadas en categorías de hombre/mujer), la edad, la provincia de residencia, y el ingreso previsional mensual (a partir del monto del beneficio a pagar). En este caso, se utilizó un padrón de 4,6 millones de beneficiarios liquidados en julio de 2015. Tras contrastar con otra fuente llamada Archivo de Datos Personales (ADP), actualizado con datos del Renaper, se estableció cuántos de estos beneficiarios fallecieron en el periodo de un año, a través de “matchear” sus CUIL (Código Único de Identificación Laboral). Por lo tanto, el periodo de exposición al riesgo de muerte va del 1 de julio de 2015 al 30 de junio de 2016.

Si bien es cierto que hay personas que continúan trabajando después de la edad de retiro y otros se retiran antes, se estableció la edad de 65 años (la mínima edad de retiro para los hombres) como base con el fin de simplificar las estimaciones. Los centenarios, lamentablemente, presentaban problemas de calidad y consistencia de datos, por lo cual fueron excluidos de este estudio. De este modo, la edad de 99 años es el límite superior. Como se utilizó prácticamente el universo de adultos mayores en lugar de una muestra, un año se consideró tiempo suficiente para hacer una buena estimación de la mortalidad (Timæus et al., 2013).

Cabe aclarar que la unidad de análisis no fueron los beneficios, sino los beneficiarios, y que en ciertas ocasiones un mismo beneficiario percibe múltiples beneficios (por ejemplo, el beneficio propio y además una pensión por fallecimiento de su cónyuge). Por lo tanto, se asignó el ingreso previsional total como suma de todos los beneficios del individuo. No solo se trabajó con los beneficiarios del SIPA, sino también con todas las prestaciones que son pagadas por la ANSES y las cajas provinciales (que incluye a otros subsistemas de la seguridad social). Se incorporó la dimensión regional en cinco categorías: Pampeana, Noroeste (NOA), Noreste (NEA), Cuyo y la región Sur o Patagónica. La Gráfica 1 ilustra su distribución en el mapa de Argentina.

Gráfica 1
Regiones de Argentina seleccionadas
Fuente: Elaboración propia

La selección responde mayoritariamente a criterios de cercanía geográfica, pero también por cuestiones de desarrollo económico similar¹: para ilustrarlo, el Cuadro 1 presenta el porcentaje de población total sin acceso a obra social o plan médico y el porcentaje de población con necesidades básicas insatisfechas (NBI). Ambos indicadores aparecen publicados en el anuario de indicadores básicos en salud de la Dirección de Estadísticas e Información en Salud (DEIS 2016, 2018) del (ex) Ministerio de Salud, con base en los resultados definitivos del Censo Nacional de Población, Hogares y Viviendas 2010.

Una aclaración necesaria es que la cobertura de salud es casi universal en la vejez, ya que casi la totalidad de la población está incorporada a algún plan de salud por defecto con la asignación de un beneficio previsional, ya sea a través del Plan de Atención Médica Integral (PAMI), en donde se concentran la mayoría de los beneficiarios, el Programa Federal de Salud (PROFE), o algún plan prepago de salud. Por lo tanto, ni este indicador ni el porcentaje de población con NBI son medidas diseñadas para evaluar lo que ocurre específicamente en la vejez (Bravo Almonacid, 2015; Pantelides y Sana, 1996). Sin embargo, aquí lo que se busca es presentar un panorama general y sencillo para dar una mínima aproximación a la situación estructural de las regiones y sus carencias. En principio se aprecia que las regiones Pampeana y Sur son las que presentan, a nivel general, mejores indicadores de desarrollo (menor proporción de población con NBI y menor proporción de población sin cobertura médica), sin obviar que existen fuertes heterogeneidades inter e intrarregionales en Argentina.

Con respecto al ingreso previsional (la variable de posición socioeconómica principal de este trabajo), se consideró la suma bruta total de los pagos de beneficios mensuales para julio de 2015. Este ingreso no es declarado por los beneficiarios (como podría ser el caso de las encuestas de hogares), sino que es registrado por la ANSES. Más importante aún, la cobertura casi universal y el registro se hizo con base en los pagos por realizar, lo que implicó una virtual inexistencia de omisión en torno a la variable ingreso para el total de los adultos mayores. Tal como ilustró Manzelli (2014), la omisión en variables, como el nivel educativo en las estadísticas vitales, es tan importante (en algunos casos cercano al 40 %) que se debió recurrir a procesos de imputación múltiple para morigerar parte de sus efectos. Esta es una ventaja que ofrece el empleo de registros administrativos y el ingreso previsional como indicadores.

Este estudio utilizó modelos de regresión logística de máxima verosimilitud. Se empleó esta técnica para estimar el impacto de las variables en el logit de la probabilidad de muerte en el año de exposición (₁q_x)². Se utilizó el logaritmo natural (ln) del ingreso previsional como variable, ya que refleja mejor las variaciones y elasticidades en lugar de utilizar saltos absolutos (Ecob y Smith, 1999) y se ha utilizado exitosamente para medir la mortalidad en otros estudios demográficos (Rofman, 1994; Rosero-Bixby y Dow, 2009).

Como los registros de la seguridad social utilizados en este estudio no han sido probados para estudios demográficos a gran escala, se buscó comprobar su validez. Una primera aproximación comparó el número de defunciones registradas por la ANSES con las presentadas en el anuario de estadísticas vitales de la DEIS para el año 2015. Si bien es cierto que hay una diferencia de exposición de seis meses porque los registros de la DEIS son de año calendario, mientras aquí se utilizaron datos de julio a junio del año siguiente, la diferencia de muertes debiera ser mínima, ya que a) la población mayor de 65 años es muy estable entre dos años contiguos, y b) la intención de comparar estas fuentes no fue para obtener un número exacto, sino una aproximación razonable. La misma lógica también aplicó para la segunda comparación: la cantidad de beneficiarios vivos al 1 de julio de 2015 (la población inicial) con las proyecciones de población del INDEC a la misma fecha, pues es el único organismo que presenta las proyecciones de población a nivel subnacional.

Sin embargo, para saber si los patrones de mortalidad de la base por sexo y edad son coherentes, también se estimó el cociente de las defunciones del periodo sobre la población inicial (al 1 de julio de 2015 ) por grupos quinquenales de edad o ₅Q_x. A estas medidas se les comparó con las tasas centrales de mortalidad (₅m_x), publicadas en las tablas de mortalidad del INDEC para el periodo 2008-2010. Si bien no son medidas iguales (porque el cociente no es el mismo), se intentó mostrar que sus patrones tienen formas similares en los distintos grupos de edad.

Modelos de regresión

Se utilizaron cuatro modelos para presentar la mortalidad diferencial de los adultos mayores. El primer modelo (M1) solo consideró el sexo y la edad (y su interacción, ya que el modelo ajustó mejor con esta sofisticación) como variables explicativas de la mortalidad, a fin de obtener los logitos por edades simples o ₁y_x. La ecuación, con los respectivos β_n que representan los coeficientes de estimación para cada caso, siendo E la edad, M el sexo (ser mujer en este caso) y E*M su interacción, es la siguiente:

Los logitos fueron transformados para obtener las probabilidades de fallecimiento por edades simples ₁q_x. De este modo, se elaboraron tablas de vida o tablas de mortalidad, con el objeto de establecer un indicador resumen de la mortalidad como es la esperanza de vida a los 65 años o e₍₆₅₎ (Preston, Heuveline y Guillot, 2000). Dos aclaraciones: como las edades se presentan en valores discretos, se consideró que la edad en los modelos corresponde al valor x + 0,5 años (como media entre la edad x y x+1), por lo cual se hizo un mínimo ajuste de medio año (extrapolando hacia atrás 0,5 años del valor de x) para obtener la mortalidad a la edad exacta x. La otra es que para las tablas de mortalidad se utilizaron los valores publicados por la tabla de mortalidad del INDEC (2008-2010) para el grupo de edad final (100+) por una cuestión de empalme.

El segundo modelo (M2) incorporó la dimensión regional (con las distintas R_z), expresadas en la siguiente ecuación:

El tercer modelo (M3) incluyó el ingreso previsional como factor en lugar de la división regional. Como esta fue una aproximación inicial y el interés principal estuvo puesto en presentar un panorama general de la mortalidad (sin especificar demasiado lo que ocurre en distintos grupos de edad), se consideró el efecto marginal medio del ingreso, evitando interacciones específicas por sexo y/o edad (estas interacciones fueron debidamente probadas con anterioridad y los efectos marginales obtenidos fueron muy pequeños, por lo que se favorecieron modelos más parsimoniosos, utilizando E*M como única interacción). De esta manera, la ecuación es la siguiente, con el término LnI representando el ln del ingreso previsional:

El cuarto modelo (M4) fue una síntesis de los tres modelos anteriores, considerando que es posible que los efectos asignados al ingreso previsional en realidad pudieran atribuirse a la distribución de ingresos por región de los beneficiarios o a las condiciones estructurales de las mismas (o viceversa). Por lo tanto, el Modelo 4 quedó conformado de esta manera:

Para establecer las e₍₆₅₎ según distintas posiciones socioeconómicas se consideraron cuatro escenarios simulados de ingreso. Estos escenarios fueron asignados de manera arbitraria, tomando como base la percepción de un beneficio de valor mínimo por ley (BM), pero siempre suponiendo una duplicación del valor anterior que representase diferentes niveles de ingreso previsional (y por ende una mejor posición socioeconómica). Entonces, se construyeron tablas de mortalidad para cuatro escenarios de categorías de ingreso equivalentes a 1BM, 2BM, 4BM y 8BM (siendo el último un valor sumamente elevado en comparación al promedio, buscando representar a los sectores sociales más favorecidos). El valor del BM al 1 de julio de 2015 era de 3.822 pesos argentinos brutos (USD 420 al tipo de cambio oficial).

Resultados

Caracterización general de la población y pruebas de consistencia

El Cuadro 2 presenta algunas estadísticas descriptivas de los registros de la ANSES para contextualizar el trabajo. Se observa que había cerca de 2.805.800 mujeres (cerca del 60 %) y 237.000 defunciones (5 %) en el inicio del periodo. Existen algunos casos en los cuales no se registró dato sobre el ingreso previsional, pero siendo la omisión inferior al 0.01 %, su efecto al estimar los modelos de mortalidad fue prácticamente nulo. La edad media obtenida de la población era de 75,3 años. El ingreso previsional medio a la fecha era de un valor equivalente a 1,9 BM.

La región Pampeana es la más grande en proporción de beneficiarios, pues concentra cerca del 70 % del total. Es además la región más feminizada (5 puntos porcentuales por encima del Sur) y también la más envejecida, con un año de edad promedio por encima del resto. Su ingreso previsional era nominalmente el segundo más alto, solo por detrás del Sur. Sin embargo, los haberes de los beneficiarios que habitan en zona austral (que incluye a la región Sur y algunos pocos casos de la región Pampeana) incluyen un adicional del 40 % en sus haberes. Como se desconoce el impacto del mayor costo de vida en estas regiones, se decide no ajustar el valor de los haberes previsionales para este trabajo, si bien se tiene en cuenta esta consideración especial. También se aprecia cómo el ingreso previsional medio de estas dos regiones es bastante mayor al de las restantes. En lo que respecta a las diferencias por sexo, las mujeres presentaban un mayor ingreso previsional que los hombres todas las regiones excepto la Pampeana, aunque la magnitud de estas diferencias parece ser pequeña en términos relativos (y en el caso del Sur, prácticamente inexistente).

Cuadro 3: Características seleccionadas de la población por región. Argentina, 2015-2016

En la Gráfica 2 se presenta el ingreso previsional medio para la población de beneficiarios, dividida en veintiles. Prácticamente la mitad de la población de adultos mayores (más de 2 millones de personas) percibía ingresos equivalentes a un BM. También se aprecia que a la altura del veintil 15 se llega al umbral de ingreso de dos BM, es decir, ARS 7,643. Pasado este punto los haberes parecen crecer de manera más pronunciada. El último grupo (es decir, el 5 % de mayores ingresos previsionales) percibía un ingreso previsional promedio 7,6 veces mayor al beneficio mínimo, con lo cual las categorías planteadas para las simulaciones de mortalidad según ingreso parecieran ser razonables.

Gráfica 2
Ingreso promedio en ARS por veintiles de beneficiarios. Argentina 2015-2016
Fuente: Elaboración propia con base en datos de la ANSES

En la Gráfica 3 se muestra que a medida que se tiene mayor edad el ingreso medio para ambos sexos también es mayor. Una parte de esta asociación puede explicarse porque con la edad aumenta la proporción de beneficiarios que percibe doble beneficio (jubilación y pensión) por el fallecimiento de su cónyuge, con lo cual los ingresos aumentan. Por otra parte, cabe señalar que el incremento en la cobertura, producto de las moratorias, tendió a concentrarse en los grupos de menor edad.

Gráfica 3
Ingreso previsional medio (en ARS) para grupos quinquenales de edad, según sexo. Argentina, julio de 2015
Fuente: Elaboración propia con base en la Tabla 2 del Anexo estadístico

En el Cuadro 4 se muestra que las diferencias de defunciones entre los registros de Estadísticas Vitales para el año 2015 y los registros de ANSES fueron relativamente pequeñas. Si bien ambas fuentes captaron las defunciones para un año, solo coincidieron en seis meses de exposición, por lo cual se acepta que existiese una diferencia entre ellas.

Gráfica 4: Comparación ₅Q_x por sexo según registros de ANSES (2015-2016) y ₅m_x por sexo según el INDEC (2008-2010). Escala semilogarítmica. Argentina

Gráfica 4
Comparación 5Qx por sexo según registros de ANSES (2015-2016) y 5mx por sexo según el INDEC (2008-2010). Escala semilogarítmica. Argentina
Fuente: Elaboración propia con base en Tabla 3 del Anexo estadístico

La población total se contrastó con proyecciones de población, estimaciones hechas con base en observaciones anteriores (el Censo de 2010 en este caso) y supuestos de mortalidad y migración. Los beneficiarios registrados en ANSES son ligeramente superiores a la proyección del INDEC. Pese a ello, las diferencias relativas parecen ser más que aceptables para los propósitos de este estudio.

La comparación entre las 5Qx de ANSES y las 5mx del INDEC señala que los patrones por edad y sexo son muy similares en ambas fuentes, lo cual confirma que los registros de la seguridad social son adecuados para estimar la mortalidad en el periodo.

Análisis de los modelos de mortalidad

Como se mencionó con anterioridad, la primera regresión (M1) solo consideró los efectos de la edad, el sexo y su interacción. El cuadro siguiente indica que el odds ratio en la mortalidad es casi mucho más alto para los hombres sin considerar la edad, aunque a cada edad el riesgo aumenta 8% para los hombres y 10% para las mujeres, explicando que a edades avanzadas los efectos sobre los odds sean similares.

Luego se calcularon los modelos M2, M3 y M4. Los coeficientes del M2 permitieron evaluar los efectos marginales de las distintas regiones en la mortalidad. Los odds ratio comparados con la región Pampeana son 10% menores para la región Sur y entre 5 y 8% mayores para las regiones restantes, lo cual es consistente con los resultados previos: las regiones con menor mortalidad son las que presentaban mejores indicadores de desarrollo y un mayor ingreso previsional medio.

Los resultados del M3 tampoco resultaron sorpresivos: mayores ingresos se encontraban asociados a una menor mortalidad. El M4, combinando ambos efectos, permitió apreciar que el efecto marginal del ingreso sobre la mortalidad permaneció virtualmente intacto, mientras que los efectos marginales atribuidos a las regiones se redujeron, indicando que una parte de dichos efectos se puede explicar por variaciones en el ingreso previsional medio de cada región. También se observa cómo los coeficientes por edad y sexo en todos los modelos permanecieron sin cambios, por lo cual los efectos de dichas variables sobre la mortalidad son relativamente constantes al ingreso y para cada región. El valor p de todas las variables en los modelos es menor a 0,001.

A efectos prácticos, el análisis subsiguiente tomó el M3 como referencia para las simulaciones. Se entiende que es el más sencillo y más práctico para discutir lo que sucedió con la mortalidad de la población, expresada en la e₍₆₅₎ resultante para distintos escenarios de ingreso. Sin embargo, cabe señalar que los efectos regionales, si bien están contenidos y explicados parcialmente por el efecto ingreso, son existentes e implicaron una variación de las distintas ₁q_x para cada categoría. También se utilizaron los resultados del M1 para ilustrar la e₍₆₅₎ a nivel general para cada sexo y controlar que sus valores estuvieran dentro del rango de los estimados a partir del M3.

Las diferencias máximas del Cuadro 6, en términos relativos, señalan que aquellos beneficiarios que tenían una prestación equivalente a ocho beneficios mínimos (8BM) presentaban una e₍₆₅₎ 2,5 años mayor que aquellos que percibían un beneficio mínimo (BM).

En lo que respecta a las brechas por sexo, se puede apreciar cómo en términos relativos, a mayores ingresos previsionales las diferencias de mortalidad por sexo tendieron a disminuir. Sin embargo, estas diferencias apenas implican una variación de 0,1 años de la e₍₆₅₎. Por otra parte, si bien se trata de escenarios simulados, nótese cómo las mujeres que perciben un beneficio mínimo tienen una mayor e₍₆₅₎ que los hombres que reciben un haber equivalente a 8 BM (que se encontrarían en una mejor posición socioeconómica).

Para ilustrar mejor estos resultados, la Gráfica 5 presenta las distintas ₁q_x estimadas para los grupos extremos, es decir, quienes percibían 1 BM y 8 BM. Se observa cómo los incrementos de la edad se condicen con menores diferencias de ₁q_x, tanto por sexo como por grupo de ingreso seleccionado. Lo cual es razonable, ya que se espera que las mayores brechas de mortalidad por ingreso se den en los grupos de edad más jóvenes.

Gráfica 5
1qx por sexo y grupos quinquenales de edad para grupos de ingreso previsional seleccionados. Registros de la ANSES (2015-2016), total país. Escala semilogarítmica
Fuente: Tabla 5 del Anexo estadístico

Conclusiones

Los análisis presentados muestran las diferencias de mortalidad en Argentina en función del ingreso previsional en los adultos mayores. Siendo que la cobertura previsional es prácticamente absoluta entre los mayores de 65 años, resulta pertinente hablar de diferencias del nivel de ingreso antes que de incidencia del ingreso como factor. Aprovechando los registros administrativos, se calibró un instrumento capaz de estudiar la mortalidad considerando factores sociodemográficos y socioeconómicos. Los hallazgos principales de este estudio fueron tres: el primero, que las desigualdades en la salud a partir de diferentes ingresos previsionales (vinculados a distintas posiciones socioeconómicas) persistían hasta edades muy avanzadas. Esto quedó claro a la hora de simular las distintas probabilidades de muerte con base en grupos de ingresos previsionales seleccionados.

El segundo hallazgo es la escasa incidencia de la dimensión regional en las probabilidades de muerte. Básicamente, parte de su poder predictivo respondía a las diferencias del ingreso previsional entre dichas regiones. El tercer hallazgo se deriva del primero. Es el hecho de que la seguridad social en Argentina, pese a las sensibles mejoras en su cobertura en los últimos años (y la reducción consecuente de la desigualdad), aún tiene un componente regresivo. Las personas con mayores ingresos previsionales percibían durante más tiempo sus beneficios, pese a que el tiempo mínimo de contribución requerido es el mismo para todos. Dicho de otra forma, las desigualdades en la vejez, en lugar de reducirse, tienden a ampliarse en este sistema en particular. Por lo cual, en términos de equidad, este aspecto debiera ser tomado en cuenta a la hora de pensar las limitaciones de posibles diseños de esquemas de pensiones con tiempos de contribución que se proclaman neutros o incluso “progresivos”.

El aprovechamiento de registros administrativos tuvo la gran ventaja de contar con la variable ingreso para toda la población expuesta, sin la omisión que está presente con la variable educación en las estadísticas vitales. Sin embargo, existen otras limitaciones de los resultados presentados ya que desafortunadamente no se contó con otras variables adicionales que reflejaran con mayor precisión la trayectoria ocupacional de los beneficiarios. El ingreso previsional no deja de ser una aproximación relativamente imprecisa a la trayectoria ocupacional previa de las personas y a su situación socioeconómica actual.

De igual manera, la variable ingreso previsional no distingue otras sutilezas importantes que hacen a la posición socioeconómica de los individuos, como la situación total del hogar, la posesión de otros activos, ingresos de carácter no previsional o información sobre la cobertura de salud (ya que algunos en adición o en vez de PAMI pueden tener un plan privado).

Por otra parte, tampoco se sabe con exactitud la relación entre los ingresos previsionales y la adopción de hábitos relacionados con la salud de los beneficiarios (lo que sí está presente en algunas encuestas especiales, como la Encuesta Nacional de Factores de Riesgo). Si bien a lo largo del documento se mencionó varias veces que existe una relación entre ingreso previsional, educación y salud, no se conoce adecuadamente ni la forma de esta asociación ni cómo estos diferenciales en los niveles de ingreso previsional representan diferencias en los factores de riesgo y en lo que respecta a la mortalidad por causas.

Por esta serie de razones, el indicador del ingreso previsional probablemente arrastre otras cuestiones que lo exceden a la hora de interpretar su verdadero poder explicativo, limitando su capacidad de dar explicaciones sobre la relación entre inequidades en la salud y posición socioeconómica. Cabe mencionar que, si bien se cuenta con prácticamente el total de la población de adultos mayores, la información no deja de estar circunscripta a solo un año de exposición puntual. Pese a que la mortalidad en las edades superiores es mucho más estable que en otros grupos y casi no existen estudios con semejante magnitud de años/persona, es necesario contar con otras mediciones o seguimientos en el tiempo de la población analizada a fin de establecer tendencias y mayores precisiones. Por otra parte, también cabe mencionar que no se poseen datos desagregados a un nivel más pequeño (departamentos, barrios, ciudades), sino que están circunscriptas a nivel provincial/regional.

En tanto, indudablemente se puede establecer que existe un diferencial en la mortalidad en la vejez en Argentina y que este se encuentra asociado a la posición socioeconómica de los individuos, representada aquí (con las limitaciones debidamente mencionadas) con distintos escenarios de ingreso previsional para el periodo 2015-2016, lo cual implica una arista de regresividad no tan evidente en el sistema de jubilaciones y pensiones de Argentina. Los resultados además fueron en línea con la mayoría de los antecedentes previamente mencionados en la región, que suponen, aun en la vejez, menores riesgos de muerte para aquellas personas con una mejor posición socioeconómica.

Referencias

Allison, P. (1999). Logistic regression using the SAS System: Theory and application. Hoboken, NJ: Wiley & Sons.

Behrman, J. C, Sickles, R. y Taubman, P. (1998). Causes, correlates and consequences of death among older adults: Some methodological approaches and substantive analyses. Boston, MA: Kluwer Academic Publishers.

Bertranou, F., Cetrángolo, O., Grushka, C. y Casanova, L. (2011). Encrucijadas en la seguridad social argentina: reformas, cobertura y desafíos para el sistema de pensiones (pp. 73-92). Buenos Aires: Cepal, Organización Internacional del Trabajo.

Bravo Almonacid, F. (2015). Envejecer en la pobreza: prácticas y representaciones de personas mayores tendientes a su reproducción cotidiana en ámbitos domésticos y extradomésticos. Tesis de doctorado, Universidad Nacional de La Plata, Buenos Aires. Recuperada de http://www.memoria.fahce.unlp.edu.ar/tesis/te.1354/te.1354.pdf

Brown, L., Robert, S. y McDaid, J. (2003). Factors affecting retirement mortality. North American Actuarial Journal, 7(2), 24-43. doi: http://doi.org/10.1080/10920277.2003.10596083

Calabria, A. y Rottenschweiler, S. (2015). Analysis of the distributional impact of the Argentine pension system: Results of the increase in the coverage rate. Munich Personal RePEc Archives. MPRA Paper. Recuperado de https://mpra.ub.uni-muenchen.de/64017/1/

Cutler, D., Deaton, A. y Lleras-Mulney, A. (2006). The determinants of mortality. Journal of Economic Perspectives, 20(3), 97-120. doi: http://doi.org/10.1257/jep.20.3.97

De Lima Silva, V., Pessoa Cesse, E. A. y Pessoa Militão de Albuquerque, M. F. (2014). Social determinants of death among the elderly: A systematic literature review. Revista Brasileira de Epidemiología, 17(2). doi: http://doi.org/10.1590/1809-4503201400060015

DEIS (Dirección de Estadísticas e Información en Salud) (2016). Estadísticas vitales. Información básica. Argentina - Año 2015. Serie, 5(59). Buenos Aires: Ministerio de Salud.

DEIS (Dirección de Estadísticas e Información en Salud) (2018). Estadísticas vitales. Información básica. Argentina - Año 2017. Serie, 5(61). Buenos Aires: Ministerio de Salud.

Ecob, R. y Smith, G. D. (1999). Income and health: What is the nature of the relationship? Social Science & Medicine, 48(5), 693-705. doi: http://doi.org/10.1016/s0277-9536(98)00385-2

Galobardes, B., Shaw, M., Lawlor, D., Lynch, J. W y Smith, G. D. (2006). Indicators of socioeconomic position (Part 1). Journal of Epidemiology & Community Health, 60(2), 7-12. doi: http://doi.org/10.1136/jech.2004.023531

Gomes, M. M. F., Turra, C. M., Fígoli, M. G. B, Duarte, Y. A. O. y Lebrão, M. L. (2013). Associacão entre mortalidade e estado marital: uma analise para idosos residentes no Município de Sao Paulo, Brasil, Estudio SABE, 2000 e 2006. Cadernos de Saúde Pública, 29(3), 566-578. doi: http://doi.org/10.1590/S0102-311X2013000300014

Grushka, C. (2014). Casi un siglo y medio de mortalidad en Argentina. Revista Latinoamericana de Población, 8(15), 93-118. Recuperado de http://revistarelap.org/ojs/index.php/relap/article/view/14

Grushka, C., Baum, D. y Sanni, L. (2013). Vivir y morir en las comunas de la Ciudad de Buenos Aires: un estudio de diferenciales. Revista Población de Buenos Aires, 10(18), 33-44. Recuperado de http://www.redalyc.org/articulo.oa?id=74029871002

Grushka, C., Gaiada, J. C. y Calabria, A. (2016). Sistema(s) previsional(es) en la Argentina y cobertura: análisis de las diversas fuentes de datos y de los diferenciales por edad, sexo y jurisdicción. Buenos Aires: Dirección de Estudios de la Seguridad Social, ANSES. Recuperado de http://observatorio.anses.gob.ar/archivos/documentos/DT_1601_Cobertura%20Previsional.pdf

INDEC (Instituto Nacional de Estadísticas y Censos) (2013a). Estimaciones y proyecciones de población 2010-2040. Serie Análisis Demográfico Ciudad Autónoma de Buenos Aires, (35). Buenos Aires: INDEC.

INDEC (Instituto Nacional de Estadísticas y Censos) (2013b). Tablas abreviadas de mortalidad por sexo y edad 2008-2010. Total del país y provincias. Serie Análisis Demográfico, (37). Buenos Aires: INDEC.

King, G. y Zeng, L. (2001). Logistic regression in rate events data. Political Analysis 9(1), 137-163. doi: http://doi.org/10.1093/oxfordjournals.pan.a004868

Lynch J. W. y Kaplan, G. (1997). Understanding how inequality in the distribution of income affects health. Journal of Health Psychology, 2, 297-314. doi: http://doi.org/10.1177/135910539700200303

Lynch J. W., Smith, G. D, Kaplan, G. y House, J. (2000). Income inequality and mortality: Importance to health of individual income, psychosocial environment, or material conditions. The British Medical Journal, 320(7243), 1200–1204. doi: http://doi.org/10.1136/bmj.320.7243.1200

Manzelli, H. (2014). Educational attainment and adult mortality differentials in Argentina. Revista Latinoamericana de Población, 8(14), 129-163. Recuperado de http://revistarelap.org/index.php/relap/article/view/98/120

Marmot. M. (2005). Social determinants of health inequalities. The Lancet, (365), 1099-1104. doi: 10.1016/S0140-6736(05)71146-6

Mayhew, L. y Smith, D. (2016). An investigation into inequalities in adult lifespan. Londres: Cass Business School, Faculty of Actuarial Science and Insurance, City University London. Recuperado de https://www.cass.city.ac.uk/__data/assets/pdf_file/0011/316100/ILCCASS-LEANDI-REPORT_final_25_04_16.pdf

Pantelides, E. A. y Sana, M. (1996). La pobreza en la tercera edad. Un análisis sobre los ancianos del Gran Buenos Aires. Documento de trabajo, 8(96).Buenos Aires: Secretaría de Programación Económica.

Peláez, E. y Acosta, L. (2011). Educación y mortalidad diferencial de adultos: Provincia de Córdoba, República Argentina. Papeles de Población, 17(70), 9-31. Recuperado de http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1405-74252011000400002&lng=es&tlng=es

Preston, S. H, Heuveline, P. y Guillot, M. (2000). Demography: Measuring and modeling population processes. Hoboken, NJ: Wiley & Sons.

Preston, S. H. y Taubman, P. (1994). Socioeconomic differences in adult mortality and health status. En L. G. Martin y S. H. Preston. (Eds.), Demography of aging (pp. 279-318). Washington D. C.: National Academy Press.

Ravallion, M. (2014). Income inequality in the developing world. Science, 344(6186), 851-855. doi: http://doi.org/10.1126/science.1251875

Rehnberg J. y Fritztell, J. (2016). The shape of the association between income and mortality in old age: A longitudinal Swedish national register study. SSM Population Health, 2(December), 750-756. doi: http://doi.org/10.1016/j.ssmph.2016.10.005

Rofman, R. (1994). Diferenciales de mortalidad adulta en Argentina. Notas de Población, 22(59), 73-91. ONU: LC/DEM/G.141

Rofman, R. y Oliveri, L. (2011). La cobertura de los sistemas previsionales en América Latina: conceptos e indicadores. Serie de Documentos de trabajo sobre políticas sociales, (7). Banco Mundial. Recuperado de http://siteresources.worldbank.org/INTARGENTINAINSPANISH/Resources/CoberturaPrevisionalLAC.pdf

Rosero-Bixby, L. (2018). High life expectancy and reversed socioeconomic gradients of elderly people in Mexico and Costa Rica. Demographic Research, 38(3), 95-108. doi: http://doi.org/10.4054/DemRes.2018.38.3

Rosero-Bixby, L. y Dow, W. H. (2009). Surprising SES gradients in mortality, health and biomarkers in a Latin American population of adults. Journal of Gerontology Social Sciences, 64(1), 105‒117. doi: http://doi.org/10.1093/geronb/gbn004

Sandoval, M. H. y Turra, C. M. (2015). El gradiente educativo en la mortalidad adulta en Chile. Revista Latinoamericana de Población, 17, 7‒35. doi: http://doi.org/10.31406/relap2015.v9.i2.n17

Smith, J. P. (2004). Unraveling the SES health connection. Population and Development Review, (30), 108-132. (Supplement). Recuperado de http://www.jstor.org/stable/3401465

Timæus, I., Dorrington, R. y Hill, K. (2013). Introduction to adult mortality analysis. En T. Moultrie, R. Dorrington, A. Hill, K. Hill, I. Timæus y B. Zaba. (Comps.), Tools for demographic estimation (pp. 191-194). París: International Union for the Scientific Study of Population. Recuperado de http://demographicestimation.iussp.org/

Vera-Romero, O. E y Vera-Romero F. M. (2013). Evaluación del nivel socioeconómico: presentación de una escala adaptada en una población de Lambayeque. Revista del Cuerpo Médico Hospital Nacional Almanzor Aguinaga Asenjo, 6(1), 41-45. Recuperado de https://dialnet.unirioja.es/servlet/articulo?codigo=4262712

Notas

Información adicional

*: Este artículo se basó en la tesis de maestría en Demografía Social de Octavio Bramajo, de la Universidad Nacional de Luján. Una versión previa de este artículo fue presentada en el VIII Congreso Internacional de la Asociación Latinoamericana de Población, Puebla, México. Los autores agradecen los comentarios realizados por Hernán Manzelli, Malena Monteverde, Rafael Rofman, Nicolás Sacco e Iván Williams. Las opiniones vertidas por los autores son estrictamente personales y no necesariamente representan a la Administración Nacional de la Seguridad Social (ANSES), institución a la que actualmente pertenecen.