RESUMO
OBJETIVO: Relacionar la tasa de mortalidad infantil por malformaciones congénitas (TMIMC) y el porcentaje de muertes por malformaciones congénitas (%MMC) con las características sociodemográficas y económicas en la Argentina. MÉTODOS: La población estudiada de la Argentina reside en 511 departamentos de 23 provincias, agrupadas en cinco regiones geográficas (Noroeste, Noreste, Centro, Cuyo y Patagonía). Las variables analizadas fueron la TMLMC y el %MMC calculados a partir de los nacimientos y las defunciones del quinquenio 2002-2006. Además, se utilizaron 21 variables del Censo de Población y Vivienda del 2001 (Instituto Nacional de Estadística y Censos de Argentina) para construir el Indicador Sociodemográfico y Económico (ISDE) mediante el análisis de componentes principales. Se realizaron pruebas de comparación para valorar si aparecían diferencias significativas entre las distintas regiones y las correlaciones entre indicadores, y de estos con la latitud y longitud departamental. RESULTADOS: La TMIMC no presentó correlación significativa con el ISDE ni con las coor denadas geográficas. El %MMC y el ISDE presentaron una correlación positiva significativa (P < 0,05) en todos los niveles de organización política. El ISDE explicó 41% de la variación del %MMC. CONCLUSIONES: La TMIMC no se asoció significativamente con la marcada heterogeneidad socioeconómica del país; los valores más elevados del %MMC, en cambio, se observaron en las poblaciones del centro y sur del país. Dada la relación entre el %MMC y el desarrollo socioeconómico poblacional se sugiere utilizar este indicador como una aproximación (proxy) de bienestar y calidad de vida.
OBJECTIVE: Compare the infant mortality rate due to congenital malformations ( IMRCM) and the percentage of deaths due to congenital malformations (%DCM) with sociodemographic and economic characteristics in Argentina. METHODS: The Argentine study population resided in 511 departments of 23 provinces, grouped into five geographic regions (Northwest, Northeast, Central, Cuyo, and Patagonia). The analyzed variables were the IMRCM and the %DCM calculated on the basis of births and deaths during 2002-2006 period. In addition, 21 variables were used from the 2001 Population and Housing Census (National Census and Statistics Institute of Argentina) to construct the Sociodemographic and Economic Indicator (SDEI) through the analysis of principal components. Comparison tests were carried out in order to assess the significant differences among the various regions and the correlations between indicators, and of these with the departmental latitudes and longitudes. RESULTS: There was no significant correlation between the IMRCM and the SDEI, nor with geographic coordinates. However, there was a significant positive correlation between the IMRCM and the SDEI (P < 0.05) at all levels of political organization. The SDEI explained 41% of the %DCM. CONCLUSIONS: The IMRCM was not significantly associated with the country's marked socioeconomic heterogeneity; the highest %DCM values, on the other hand, were observed in the populations of the central and southern areas of the country. Given the relationship between the %DCM and socioeconomic development of the population, use of this indicator as a proxy of well-being and quality of life is suggested.