Spatial variation of hypertension treatment coverage in the municipality of Santiago, Chile

https://doi.org/10.18294/sc.2018.1181

Published 11 April 2018 Open Access


Elizabeth Salinas Rebolledo Ingeniera Civil. Doctoranda en Salud Pública, Universidade de São Paulo, São Paulo, Brasil image/svg+xml , Francisco Chiaravalloti Neto Doctor en Salud Pública. Profesor Asociado, Departamento de Epidemiología, Faculdade de Saúde Pública, Universidade de São Paulo, São Paulo, Brasil image/svg+xml , María Teresa Escobar Meza Médica, Especialista en Medicina General Familiar. Exdirectora de Salud (2010-2017), Municipalidad de Santiago de Chile, Santiago, Chile , Leandro Luiz Giatti Doctor en Salud Pública. Profesor Asociado, Departamento de Salud Ambiental, Faculdade de Saúde Pública, Universidade de São Paulo, São Paulo, Brasil image/svg+xml




Abstract views
1105
Metrics Loading ...



Keywords:

Primary Health Care, Geographic Information Systems, Spatial Regression, Health Services Coverage, Hypertension, Chile


Abstract


One of the tasks of primary health care is to achieve adequate treatment coverage for patients with arterial hypertension. The aim of this study was to analyze the spatial variation of hypertension treatment coverage in the municipality of Santiago de Chile in 2014, evaluating its relationship with the distance to primary health care establishments and socioeconomic factors using georeferencing techniques and global and geographically weighted Poisson regression models. According to the results, arterial hypertension treatment coverage shows spatial dependence, given that its relationship with the presence of older adults, the proportion of population enrolled, socioeconomic status and the distance to primary health care establishments varied spatially. It is concluded that in order to improve hypertension coverage it is necessary to consider different local realities, a process that can be facilitated by the application of spatial analysis techniques.

References


1. Chile, Ministerio de Salud. Índice de Actividad de la Atención Primaria (IAAPS): orientación técnica y metodológica de evaluación [Internet]. Santiago; 2014 [citado 8 oct 2016]. Disponible en: https://tinyurl.com/yafzvb2w

2. Lawes CMM, Hoorn SV, Rodgers A. Global burden of blood-pressure-related disease, 2001. The Lancet. 2008;371(9623):1513-1518.

3. Chile, Ministerio de Salud. Indicadores Básicos de Salud, Chile 2014 [Internet]. Santiago; 2014 [citado 8 oct 2016]. Disponible en: https://tinyurl.com/ybwt4x38

4. Organización Mundial de la Salud. Información general sobre la Hipertensión en el mundo [Internet]. Ginebra; 2013 [citado 8 oct 2016]. Disponible en: https://tinyurl.com/y8mgc9h3

5. Organización Mundial de la Salud. La atención primaria de salud-más necesaria que nunca [Internet]. Ginebra; 2008 [citado 18 sep 2015]. Disponible en: https://tinyurl.com/yz49uqs

6. Chile, Subsecretaria de Redes Asistenciales, División de Atención Primaria. Modelo de Atención Integral con Enfoque Familiar y Comunitario en Establecimientos de la Red de Atención de Salud [Internet]. Ministerio de Salud; 2005 [citado 27 may 2016]. Disponible en: https://tinyurl.com/y99kgoho

7. Chile, Subsecretaria de Redes Asistenciales, División de Atención Primaria. Orientaciones para la implementación del modelo de atención integral de salud familiar y comunitaria [Internet]. Ministerio de Salud; 2013 [citado 27 may 2016]. Disponible en: https://tinyurl.com/y9lnbrza

8. Observatorio de Ciudades, Pontificia Universidad Católica de Chile. Diagnóstico Comunal Santiago [Internet]. Santiago; 2015 [citado 8 oct 2016]. Disponible en: https://tinyurl.com/y9zvthuh

9. Fondo Nacional de Salud. Boletin Estadístico 2011-2012 [Internet]. Santiago; 2014 [citado 8 oct 2016]. Disponible en: https://tinyurl.com/yad3bobf

10. Becerril-Montekio V, Reyes JD, Annick M. Sistema de salud de Chile. Salud Pública de México. 2011;53(2):132-143.

11. Brunsdon C, Fotheringham AS, Charlton ME. Geographically weighted regression: a method for exploring spatial nonstationarity. Geographical Analysis. 2010;28(4):281-298.

12. Nakaya T, Fotheringham AS, Brunsdon C, Charlton M. Geographically weighted Poisson regression for disease association mapping. Statistics in Medicine. 2005;24(17):2695-2717.

13. Martínez Bascuñán M, Rojas Quezada C. Regresión geográficamente ponderada para la modelación de la accesibilidad a la red hospitalaria en el Área Metropolitana de Concepción. Revista geográfica de Valparaíso. 2015;52:28-39.

14. Bagheri N, Holt A, Benwell GL. Using geographically weighted regression to validate approaches for modelling accessibility to primary health care. Applied Spatial Analysis and Policy. 2009;2(3):177-194.

15. Sapag JC, Kawachi I. Capital social y promoción de la salud en América Latina. Revista de Saúde Pública. 2007;41(1):139-149.

16. D’Hombres B, Rocco L, Suhrcke M, McKee M. Does social capital determine health? Evidence from eight transition countries. Health Economics. 2010;19(1):56-74.

17. Poortinga W. Community resilience and health: the role of bonding, bridging, and linking aspects of social capital. Health and Place. 2012;18(2):286-295.

18. Bravo D, Larrañaga O, Millán I, Ruiz M, Zamorano F. Informe final comisión externa revisora del CENSO 2012 [Internet]. Santiago; 2013 [citado 8 oct 2016]. Disponible en: https://tinyurl.com/y9qtteko

19. Ilustre Municipalidad de Santiago. Antecedentes Comunales de Santiago [Internet]. Santiago: Secretaría Comunal de Planificación; Ilustre Municipalidad de Santiago; 2014 [citado 8 oct 2016]. Disponible en: https://tinyurl.com/y83ug9rq

20. Santana P. Introdução à geografia da saúde território, saúde e bem-estar [Internet]. Coimbra: Imprensa da Universidade de Coimbra; 2014 [citado 21 sep 2015]. Disponible en: https://tinyurl.com/ybeadfvp

21. Nogueira H, Remoaldo P. Olhares geográficos sobre a saúde [Internet]. Lisboa: Edições Colibri; 2010 [citado 21 sep 2015]. Disponible en: https://tinyurl.com/y7fkpv6f

22. Do Nascimento E, Zamboni V, Fonseca L. Perspectivas da utilização de sistemas de informações geográficas (SIG) como instrumental de apoio ao trabalho em unidades básicas de saúde. GeoFocus. 2007;7:1-13.

23. Organização Pan-Americana da Saúde, Organização Mundial da Saúde. Conceitos básicos de sistema de informação geográfica e cartografia aplicados á saúde [Internet]. Brasília: OPAS, 2000 [citado 8 oct 2016]. Disponible en: https://tinyurl.com/yayv7kqo

24. Brasil, Ministério da Saúde, Secretaria de Vigilância em Saúde, Fundação Oswaldo Cruz. Sistemas de Informações Geográficas e Análise Espacial na Saúde Pública. Vol. 2. Brasília: Ministério da Saúde; 2007.

25. Andrade DM, Amorim JF, Franco TAV, Valente GSC. Análise do território nos estudos em Atenção Primária e Saúde Ambiental: uma revisão bibliográfica. Revista Baiana de Saúde Pública. 2013;37(1):151.

26. QGIS Development Team. QGIS geographic information system [Internet]. Open Source Geospatial Foundation Project; 2013 [citado 8 oct 2016]. Disponible en: https://qgis.org/en/site

27. R Development Core Team. R: a language and environment for statistical computing [Internet]. R Foundation for Statistical Computing; 2011 [citado 8 oct 2016]. Disponible en: http://www.r-project.org

28. Nakaya T, Charlton M, Brunsdon C, Lewis P, Yao J, Fotheringham AS. GWR4.09 User Manual [Internet]. GitHub; 2016 [citado 8 oct 2016]. Disponible en: https://tinyurl.com/y82ykobl

29. Gutierrez-Puebla J, García-Palomares JC, Daniel-Cardozo O. Regresión Geográficamente Ponderada (GWR) y estimación de la demanda de las estaciones del metro de Madrid [Internet]. XV Congreso Nacional de Tecnologías de la Información Geográfica; 2012 [citado 7 jul 2016]. Disponible en: https://tinyurl.com/ychwx4g6

30. Lloyd C, Shuttleworth I. Analysing commuting using local regression techniques: scale, sensitivity, and geographical patterning. Environment and Planning A: Economy and Space. 2005;37(1):81-103.

31. Hadayeghi A, Shalaby AS, Persaud BN. Development of planning level transportation safety tools using geographically weighted Poisson regression. Accident Analysis & Prevention. 2010;42(2):676-688.