El desafío de Latinoamérica | 11 AGO 23

Envejecimiento saludable, desigualdad y diversidad

Los determinantes del envejecimiento saludable en América Latina, enfatizando el rol combinado de las disparidades sociales y de salud.
Autor/a: Agustín Ibáñez, Agustín Sainz-Ballesteros, Hernán Hernandez, Sebastian Moguilner, Marcelo Maito, Carolina Ochoa-Rosales, y Hernando Santamaria-Garcia Nature Medicine, 2023
Resumen

En América Latina, los patrones de envejecimiento saludable presentan desafíos únicos. La diversidad sociodemográfica, étnica y cultural de la región desafían los modelos universales de envejecimiento saludable.

En un estudio publicado en Nature Medicine, investigamos el impacto combinado de los determinantes sociales de la salud (SDH), estilo de vida, salud cardiometabólica, salud mental, y datos demográficos en el envejecimiento saludable en 44,394 participantes de países de Latinoamérica.

Los resultados mostraron un conjunto distribuido y heterogéneo de predictores relacionados con la inequidad social y de la salud que influyen en la cognición (síntomas de salud mental, SDH, educación, actividad física) y la capacidad funcional (síntomas de salud mental, SDH, educación, actividad física, y factores cardiometabólicos) en diferentes países de América Latina.

Los resultados muestran que la combinación de estos factores es crítica y no sigue los patrones observados en otras regiones. Estas diferencias de predictores fueron más pronunciadas en los países de América Latina de ingresos bajos y medios en comparación con los de ingresos altos. A lo largo de todos los análisis, los predictores relacionados con la disparidad social y de salud estuvieron más fuertemente asociados con el envejecimiento saludable que los factores clásicos como la edad y el sexo. Estos factores asociados a disparidades presentaron además muchas variaciones entre los países.

Los hallazgos ofrecen una imagen integral de los determinantes de múltiples niveles del envejecimiento saludable en América Latina, subrayando la necesidad crucial de intervenciones específicas para la región que puedan abordar eficazmente el envejecimiento saludable.

 
Latinoamérica: tierra de contrastes y desafíos para la salud cerebral

“La pobreza no es un accidente. Como la esclavitud y el apartheid, es una creación del hombre y puede eliminarse con las acciones de los seres humanos” (Nelson Mandela)

“América es, para el mundo, nada más que los Estados Unidos: nosotros habitamos, a lo sumo, una sub América, una América de segunda clase, de nebulosa identificación. Es América Latina, la región de las venas abiertas” (Eduardo Galeano)

El envejecimiento no es un proceso uniforme a nivel global. Los modelos existentes de salud cerebral están basados en estudios desarrollados mayoritariamente en el norte global, como Estados Unidos y Europa. Sin embargo, los factores de riesgo en América Latina son únicos y no han sido aún estudiados con suficiente detalle.

La prevalencia de la demencia, que se espera que aumente en un 220% para 2050 en la región, exige una especial atención. Así es cómo solventar la falta de conocimiento sobre los factores específicos de riesgo en América Latina representa una prioridad crítica para entender el envejecimiento saludable, especialmente dadas las disparidades socioeconómicas y sanitarias en esta región.

Nuestro estudio

Utilizando técnicas avanzadas de aprendizaje automático de máquinas, este estudio analizó una amplia gama de factores de riesgo que afectan la cognición y la habilidad funcional en el envejecimiento saludable. Evaluamos múltiples factores de riesgo potenciales (características demográficas, SDH, salud cardiometabólica, salud mental y estilo de vida) que afectan la cognición y la capacidad funcional en el envejecimiento saludable (total n=44,394 participantes, Figura 1). Los datos transversales y longitudinales de cohortes de encuestas representativas a nivel nacional incluyeron varios paices con diferentes niveles de desarrollo socioeconómico. Como primer paso, se implementó un enfoque multimétodo (Figura 1) que comprende regresión lineal, elastic net, lasso y regresión ridge para asegurar la solidez de nuestros resultados de aprendizaje automático.

 

Comentarios

Para ver los comentarios de sus colegas o para expresar su opinión debe ingresar con su cuenta de IntraMed.

CONTENIDOS RELACIONADOS
AAIP RNBD
Términos y condiciones de uso | Política de privacidad | Todos los derechos reservados | Copyright 1997-2024