Principios y definiciones generales

En Argentina, la recepción, el control, la codificación y el ingreso de la información del Informe Estadístico de Defunción competen al nivel jurisdiccional; es decir, a cada provincia y a la Ciudad de Buenos Aires. En todas las instancias se siguen las recomendaciones del Modelo Internacional de Certificado Médico de Causas de Defunción, diseñado para facilitar la identificación de la causa básica de la defunción; es decir, la enfermedad o lesión que inició la cadena de acontecimientos patológicos que condujeron a la muerte, aunque esta enfermedad o lesión haya ocurrido muchos años atrás. Para lograr la adecuada anotación de las causas de muerte en el Informe Estadístico de Defunción, el médico (o profesional certificante) debe procurar identificar la causa básica de la defunción, así como las causas subsecuentes, en un orden cronológico, hasta la causa directa de muerte; es decir, aquella que produce directamente la muerte. Sin embargo, y por más que el médico certificante haga sus mejores esfuerzos por tener en cuenta todas las consideraciones y recomendaciones para completar adecuadamente este Informe Estadístico de Defunción, existe evidencia de que, con frecuencia, el registro de causas de muerte es inexacto. Y esta inexactitud tiene consecuencias, ya que contar con un registro adecuado de causas de muerte permite:

• Conocer con precisión la estructura de causas de muerte de la población.

• Entender cuáles son aquellas defunciones que pueden prevenirse, aplazarse o evitarse, así como también dimensionar su ocurrencia en la población.

• Servir de insumo para la investigación médica.

• Evaluar el desempeño de políticas públicas relacionadas con la salud de la población.

• Incentivar la planificación de políticas públicas relacionadas con la salud de la población.

• Contribuir al conocimiento técnico requerido por entidades prestatarias de servicios de salud, compañías de seguros de vida e interesados en general.

• Contar con una manera de evaluar el desempeño de los profesionales certificantes.

Las dificultades no solo provienen de las exigencias que el profesional certificante debe seguir, sino también del sistema de codificación de causas de muerte. Las causas de muerte se clasifican siguiendo la Clasificación Internacional de Enfermedades (en adelante, CIE). Esta clasificación es un nomenclador que permite convertir los términos diagnósticos y de salud a códigos alfanuméricos que permiten su fácil almacenamiento y posterior recuperación para el análisis de la información. Si bien esta clasificación es dinámica, pues ha pasado por sucesivas versiones y revisiones, para las versiones utilizadas en este trabajo se utiliza un código alfanumérico de cuatro caracteres, con una letra en la primera posición seguida de tres dígitos. El cuarto carácter hace las veces de punto decimal, de modo que los códigos posibles van de A00.0 a Z99.9. De esta manera, la primera letra permite rápidamente orientarse acerca de la familia de patologías en cuestión, mientras que los dígitos afinan el término diagnóstico.

La CIE tiene una amplia gama de usos en todo el mundo y proporciona conocimientos fundamentales sobre el alcance, las causas y las consecuencias de las enfermedades y muertes humanas en todo el mundo a través de los datos que se notifican y codifican con esta herramienta. Los términos clínicos codificados con la CIE son la base principal para el registro sanitario y las estadísticas sobre enfermedades en la atención primaria, secundaria y terciaria, así como en los certificados de causa de muerte. Estos datos y estadísticas sirven de apoyo a la planificación de servicios, la administración de la calidad y la seguridad y la investigación de los servicios sanitarios. La orientación diagnóstica vinculada a las categorías de la CIE también normaliza la recopilación de datos y permite la investigación a gran escala. De esta manera, esta clasificación sirve –como se vio– a varios propósitos y no únicamente a la codificación de causas de muerte. De hecho, a medida que la CIE fue revisándose y adoptando sucesivas versiones, se la ha utilizado para otro tipo de información médica, como por ejemplo el completamiento de altas y de egresos hospitalarios y clínicos. En virtud de ello y de todo lo antedicho, la expresión “causas de muerte poco útiles” hace referencia a un conjunto de diagnósticos y de otros problemas de salud que no deberían ser utilizados para indicar la causa básica de muerte de un individuo que, como se ha indicado anteriormente, es la enfermedad o lesión que inició la cadena de acontecimientos patológicos que condujeron directamente a la muerte, o las circunstancias del accidente o violencia que produjo la lesión fatal (OPS, 2008). Operacionalmente, esto se traduce a un “listado de códigos” de la CIE que deberían evitarse al momento de identificar la causa básica de muerte.

El enfoque del estudio de la exactitud en el registro de las defunciones a través del análisis de los llamados códigos de defunción poco útiles (en adelante, CPU) no es nuevo y pueden encontrarse sus cimientos en el trabajo de Murray y López (1996) aunque no es hasta varios años después que su estudio se formaliza con el nombre con el que actualmente se lo conoce. Originalmente, Murray y López (1996) utilizaron la terminología “códigos basura” (garbage codes) para referirse a este conjunto de causas poco útiles. Si bien la terminología fue en su momento considerada peyorativa, no ha sido sino sustituida hasta varios años después por CPU. Cabe mencionar que esta lista de causas no fue nunca estática, sino por el contrario, cambiante: es el resultado de discusiones y acuerdos, atravesados por las diferentes revisiones de la CIE, que tuvieron lugar en estos últimos años.

A los efectos de este trabajo, se ha tomado la clasificación propuesta por Naghavi et al. (2010) y consensuada por los diferentes autores que recientemente abordaron la temática. Esta propuesta provee un listado exhaustivo que permite, además, compatibilizar las distintas versiones de la CIE, desde la sexta hasta la décima. De esa forma, es posible establecer comparaciones desde 1950 y hasta el momento en que se redactó la clasificación; pero más aún, hasta enero de 2022, que es cuando entró en vigencia la undécima revisión de la CIE.

En el presente trabajo, el alcance temporal de las defunciones es 2010-2019, por lo que la CIE de referencia es la décima revisión, que se usó desde el año 1992 y hasta el año 2024, cuando algunos Estados comenzaron a aplicar la CIE-11. En virtud del alcance temporal de las defunciones aquí presentadas, la propuesta de Naghavi resulta especialmente útil, aunque aquí se la ha adaptado exclusivamente a la décima revisión de la CIE –como fue sugerido por autores posteriores (Ribotta y Escanés, 2014; Ribotta, 2014)–. De acuerdo con la propuesta adoptada para este trabajo, la totalidad de los CPU se pueden clasificar en 5 “tipos”, siendo el quinto ya reconocida como “basura” la CIE y que, en propuestas anteriores para esta tipología formaban parte del primer tipo.

Tipo 1: códigos que no pueden o no deben ser utilizados para indicar la causa básica de defunción pues han sido creados para otros fines como, por ejemplo, indicar diagnósticos de servicios médicos. En la versión original propuesta por Naghavi, todos los códigos que comienzan por la letra R estaban incluidos aquí; pero a los fines de este trabajo ese fragmento lo constituye, como se verá, el quinto tipo.

Tipo 2: causas “intermedias” de muerte. Este tipo incluye entidades clínicas (afecciones, eventos, etc.) claramente definidas pero que, en realidad, son consecuencia de causas básicas que precipitaron la cadena de eventos que llevaron a la defunción. Es cierto que tampoco son la causa inmediata de muerte; por lo que aquellos médicos y profesionales certificantes que generalmente no poseen formación suficiente en los principios de la CIE suelen utilizar estos códigos pensando erróneamente que estas causas intermedias son básicas.

Tipo 3: causas “inmediatas” de defunción. Representan las etapas finales en la vía de la enfermedad que conduce a la muerte y, por lo tanto, no son causas básicas.

Tipo 4: causas “no especificadas” dentro de un agrupamiento más grande de causas de muerte. Para muchas enfermedades, se utilizan códigos para indicar un “sitio no especificado”, lo que impide analizar la mortalidad con precisión.

Tipo 5: causas de defunción “mal definidas” que la Organización Mundial de la Salud reconoce formalmente como códigos poco útiles. Se trata de todas aquellas causas agrupadas en el capítulo R; es decir, todas las causas cuyo código comienza con la letra R.

A continuación, se presenta el detalle de causas según tipo:

Antecedentes

La motivación para este artículo proviene del deseo de completar la información brindada por dos trabajos anteriores, que han servido de guía y de inspiración. Por una parte, un primer texto que pone al descubierto qué peso tienen los CPU en los registros de defunciones de Argentina, Chile, Colombia y México en 2010-2011 (Ribotta y Escanés, 2014); y, por otra parte, un segundo texto que evalúa la exactitud de esta información para 17 países de América Latina entre 2010 y 2014 (Ribotta, 2014). En ambos casos, las conclusiones para Argentina han sembrado las semillas para este artículo:

• El porcentaje de CPU sobre el total de defunciones en América Latina se encuentra, en general, por debajo de la media mundial (22%), excepto para Argentina, Uruguay, Guatemala y El Salvador.

• En Argentina, entre el año 2000 y el año 2011, en promedio, casi 40 % del total de defunciones han sido clasificadas con CPU.

• Argentina es el país de la región donde el porcentaje de CPU es más elevado, seguido de México (15%). Esto indica que Argentina debe realizar esfuerzos importantes para reducir los problemas de exactitud.

• Prevalecen en Argentina los CPU tipo 2 (cerca del 20% del total de defunciones), cuya tendencia parece mantenerse constante en el período indicado.

• Los CPU tipo 3 y tipo 5 han aumentado su participación (promediando 3,5% y 8%) mientras que los CPU tipo 4 se han mantenido estables en alrededor del 5% y los CPU tipo 1 han disminuido su participación, alcanzando un 1,5% del total de defunciones.

• Ocho países de América Latina logran reducir el porcentaje de estas causas entre 2000 y 2014, pero no Argentina.

• Existe evidencia que da cuenta de que se utilizan muchos CPU en las defunciones de mujeres en edad fértil.

• Se estima que el porcentaje de CPU no debería exceder al 5% en menores de 65 años ni ser superior al 10% en los mayores de esa edad, para considerar de buena precisión a la variable sobre causa básica de muerte.

• Hay evidencia de que el local de ocurrencia de la muerte es relevante al momento del uso de CPU. Aquellos fallecimientos ocurridos por fuera de establecimientos asistenciales presentan, en general, mayores dificultades en la exactitud de los registros.

• Ambos trabajos destacan la necesidad de abordar las diferencias hacia el interior del país, entendiendo los guarismos anteriormente citados como promedios nacionales que esconden heterogeneidades en su interior.

Por supuesto que estos no son los únicos trabajos académicos que abordaron la temática, pero también es cierto que la literatura específica no es vasta, lo cual también es en sí una motivación para arrojar luz sobre un tema tan poco explorado. Existe bibliografía con cobertura temporal internacional (Mathers et al., 2005) y algunos trabajos particulares para algunos países de América Latina (Zacca Peña et al., 2010).

Fuentes de datos y metodología

La base de datos utilizada fue proporcionada por la Dirección de Estadísticas e Información de la Salud (DEIS) del Ministerio de Salud de la Nación, por pedido especial de los autores. Se recibió una base de datos de defunciones, desagregada por año calendario y que abarca desde el año 2010 hasta el año 2019, ambos inclusive. Con respecto a la cobertura especial, se solicitó que se incluyeran aquellas defunciones registradas en las dos jurisdicciones de interés para este trabajo: Ciudad de Buenos Aires y Provincia de Buenos Aires, aunque también se cuenta con la información para el total del país. Si bien la práctica cotidiana para análisis estadístico de la mortalidad por causa toma como referencia espacial la jurisdicción de residencia habitual de la persona fallecida (o la madre, para el caso de las defunciones infantiles) al momento en que ocurrió el deceso, para este trabajo esto es irrelevante y, en cambio, se torna relevante la jurisdicción de registro de la defunción pues es allí donde se certificó la muerte; es decir, dónde se completó el Informe Estadístico.

Se ha pedido incluir en la base aquellas variables que los trabajos académicos mencionados anteriormente consideraron relevantes; es decir la edad, el sexo y el local de ocurrencia de la muerte. La evidencia es la siguiente:

• De acuerdo con Ribotta (2014), la proporción de defunciones con causa poco útil puede ser relevante en grupos poblacionales muy vulnerables en términos de salud pública. En este sentido, resultó de interés analizar qué ocurre con la registración de causa para el caso de las defunciones infantiles.

• La Organización Panamericana de la Salud verifica altas proporciones de estas causas en las muertes de mujeres en edad fértil de Argentina, El Salvador, Guatemala y Perú en el año 2007 (Say et al., 2014).

• La existencia de muertes informadas por agentes no médicos, generalmente las que ocurren fuera de los establecimientos de salud, afectan sobremanera la calidad de los registros (Ribotta y Escanés, 2014).

El diseño de registro de variables presentado en el Cuadro 2 se difunde con el fin de que se tenga precisión respecto a qué variables se pidieron y ergo recibieron del Ministerio de Salud.

Se recibió una base que registra, entre los años 2010 y 2019, ambos inclusive, 410.647 defunciones en Ciudad de Buenos Aires y 1.273.725 defunciones en la Provincia de Buenos Aires. El volumen anual de defunciones registradas en la Ciudad ronda los 40.000, mientras que en la Provincia este volumen oscila entre 125.000 y 130.000 aproximadamente. Esta base no presentaba casos ignorados en lo que a causa de muerte refiere.

Con respecto a la metodología y las estadísticas descriptivas elegidas para este trabajo, nos encontrábamos con dos posibles horizontes de análisis: por un lado, tomar el total de códigos poco útiles registrados en cada jurisdicción, en cada año y conocer su distribución por sexo, por grupo de edad, o por lugar de ocurrencia. Pero ello está influido, en buena parte, por la distribución de las causas totales de muerte (tanto las bien definidas como las mal definidas). Así, por ejemplo, en el hipotético caso de que un 90% de las muertes fueran de varones y un 10% de mujeres es de esperar que un porcentaje elevado de los CPU sea de varones y un porcentaje menor de mujeres.

Para este trabajo, entonces, se ha optado por formar subconjuntos, donde cada subconjunto representara el 100%. Así, por ejemplo, se consideró un 100% formado por todas aquellas muertes de mujeres en edad fértil ocurridas en la jurisdicción X en el año Y. Luego, se observó qué porcentaje de ese total correspondía a CPU. Bajo la hipótesis nula de que no hay diferencias de registro entre la Ciudad de Buenos Aires y la Provincia de Buenos Aires, se esperaría encontrar porcentajes similares en ambas jurisdicciones. Asimismo, la presencia de un porcentaje más o menos estable a lo largo del tiempo daría cuenta de que no hay mejoría en la calidad de los datos, aunque, ciertamente, tampoco habría evidencia de retroceso.

Estos han sido los universos creados:

• Defunciones de varones.

• Defunciones de mujeres.

• Defunciones infantiles; es decir, de menores de un año.

• Defunciones de mujeres en edad fértil; es decir, entre 15 y 49 años cumplidos.

• Defunciones ocurridas en establecimientos sanatoriales; es decir, tanto públicos como privados.

• Defunciones ocurridas fuera de establecimientos sanatoriales, como, por ejemplo, vivienda, transporte público, vía pública, cárcel, entre otros.

La base no presenta casos de causa de muerte ignorada, pero sí presenta casos de edad ignorada, de sexo ignorado y de local de ocurrencia ignorado. Estos casos no se han contabilizado para las estadísticas presentadas en los resultados, de modo tal que los guarismos que se muestran son, en cualquier caso, umbrales mínimos de certeza acerca de lo que se está presentando.

En razón de que este trabajo se basa en fuentes de datos secundarios de libre disponibilidad, no se ha requerido intervención de Comité de Ética alguno.

Resultados

Como se ha indicado anteriormente, en América Latina el porcentaje de CPU sobre el total de defunciones se encuentra, en general, por debajo de la media mundial (22%). Sin embargo, cuatro países, entre los cuales está incluida la Argentina, superan esta cifra. Tomando este 22% como patrón, la Ciudad de Buenos Aires y la Provincia de Buenos Aires aún distan de ese umbral, aunque, como se ve en el Cuadro 3, la tendencia es cada vez a registrar mejor; es decir, a utilizar cada vez menos CPU.

Cualquiera sea el año, la Ciudad de Buenos Aires presenta un porcentaje menor al total del país, mientras que la Provincia de Buenos Aires presenta un porcentaje superior. Pareciera haberse alcanzado un “piso” entre 2017 y 2018, donde se registran los menores porcentajes y, a partir de allí, un aumento. De todas formas, esta información no es conclusiva y puede deberse al azar estadístico, por lo que será necesario evaluar a futuro si la tendencia general continúa siendo decreciente o si se alcanzó un mínimo.

Sí puede constatarse que la distribución porcentual de estos CPU por tipo exhibe un perfil muy definido que es distinto en la Ciudad y en la Provincia. En cualquier caso, el total del país siempre resulta en una situación intermedia entre ambas. Por este motivo, los análisis y razonamientos a continuación se centran sobre el comparativo entre las dos jurisdicciones que, aunque vecinas entre sí, presentan diferencias. La más notoria es la composición de estos CPU por tipo (Gráfico 1). Si bien en ambas jurisdicciones el mayor peso relativo corresponde al CPU tipo 2 –y sobre ello es sobre lo que se debería trabajar para mejorar la calidad de las estadísticas vitales–, en la Ciudad este peso relativo viene en descenso, mientras que en la Provincia aumenta visiblemente su peso relativo. Lo opuesto, en cambio, ocurre con los CPU tipo 5, que empiezan a cobrar notoriedad en la Ciudad y pierden peso en la Provincia. De todas formas, se advierte que estas distribuciones porcentuales presentadas en el Gráfico 1 son cerradas en un 100% en cada caso, por lo que es natural que, cuando una agrupación pierde peso, haya otra u otras que lo estén ganando. En todo caso, y como se mencionó anteriormente, el esfuerzo debe estar puesto en reducir el porcentaje de CPU que se anotan en el Informe Estadístico de Defunción.

Cuando se analiza el porcentaje de CPU en el total de causas para cada sexo por separado, también se encuentran diferencias entre la Ciudad y la Provincia. Por un lado, para la Ciudad de Buenos Aires, el sexo no parece marcar una diferencia significativa en la registración, vale decir, la proporción de CPU en el total de causas promedia un 30% con independencia del sexo. Sin embargo, en la Provincia de Buenos Aires esta proporción es siempre mayor en mujeres que en varones, aunque esa brecha está paulatinamente disminuyendo (Cuadros 4 y 5).

Como se sabe, la estructura de causas de muerte durante el primer año de vida es, en general, distinta de la de las restantes edades. Con códigos y entidades clínicas propias, y en virtud de ser un grupo vulnerable desde el punto de vista de la salud pública, se ha estudiado en este trabajo por separado la registración de causas de muerte infantiles. Resulta alarmante que, en el año 2010, y tal como se ve en el Cuadro 6, más del 20% de las defunciones infantiles registradas en la Provincia de Buenos Aires contenían CPU. Esta cifra se mantiene desde entonces más o menos estable. Para la Ciudad de Buenos Aires el panorama en 2010 era un poco más favorable, con menos de 10% de las defunciones infantiles con causa incorrectamente definida, aunque con un notorio descenso. En 2019, menos del 5% de las defunciones infantiles ocurridas en la Ciudad fueron registradas con un CPU.

Otro grupo especialmente vulnerable lo constituyen las mujeres en edad fértil, es decir, entre 15 y 49 años cumplidos.

Aquí la tendencia que se observa en la registración de la causa, siguiendo el Cuadro 7, es que en la Ciudad de Buenos Aires el peso de los CPU en el total de defunciones parece disminuir con un comportamiento oscilante, pero en la Provincia más bien se mantiene constante en el período analizado. El año 2015, excepcionalmente, ha presentado valores más bajos para ambas jurisdicciones. Para 2019, la Ciudad registra poco más de 23% de CPU en el total de mujeres en edad fértil mientras que esta cifra asciende a 32,4% en la Provincia.

El mismo comportamiento que se observó hasta ahora con todas las subpoblaciones analizadas se repite cuando se analizan por separado los porcentajes de CPU en el total de defunciones ocurridas en establecimientos sanatoriales, por un lado y el total de defunciones ocurridas por fuera de establecimientos sanatoriales, por otro lado: un descenso (o no aumento) sostenido en el tiempo para cualquiera de las dos jurisdicciones y diferencias entre las mismas. Siguiendo los Cuadros 8 y 9 lo que se observa es que cualquiera sea la jurisdicción y el año, siempre es mayor el porcentaje de CPU en las defunciones ocurridas fuera de los establecimientos sanatoriales; es decir, defunciones ocurridas en viviendas particulares, viviendas colectivas, vía pública o medios de transporte.

Con el paso de los años para la Ciudad de Buenos Aires parece ya no importar si la defunción se produjo dentro o fuera de un establecimiento sanatorial, puesto que este porcentaje converge a 30%. Ha de notarse, no obstante, que a partir del año 2018 es incluso mayor el porcentaje de causas poco útiles en las defunciones ocurridas en establecimientos sanatoriales que fuera de ellos, aunque, presuntamente, esto pueda deberse a fluctuaciones estadísticas. Se necesitará tal vez observar más años a futuro y vigilar la tendencia. Para la Provincia, en cambio, aún persisten diferencias significativas: mientras que 37,2% de las defunciones ocurridas en 2019 en establecimientos sanatoriales fueron registradas con CPU, este porcentaje aumenta a 49,1% cuando la defunción ocurrió en otro lugar. En esta jurisdicción, el año 2017 parece tener cifras más bajas que en los años cercanos, pero, nuevamente, quizás esto se deba a fluctuaciones propias de la naturaleza aleatoria del fenómeno en estudio.

Conclusiones

La deuda con la exactitud de los registros de defunciones sigue vigente. La información aportada para la Ciudad de Buenos Aires y para la Provincia indica que, si bien las cifras presentan a lo largo del período una mejoría para ambas jurisdicciones, aún se está lejos de alcanzar los promedios registrados para América Latina. Por otra parte, las diferencias entre la Ciudad y la Provincia son notorias para cualquier universo de defunciones elegido.

Para el año 2019, casi 31% de las defunciones registradas en la Ciudad se han codificado con algún CPU. Para la Provincia, esta medida asciende a casi 41%. Ambas cifras son altas, más teniendo en cuenta que América Latina ya ha logrado en promedio un descenso de este porcentaje, ubicándose alrededor del 22%. Es decir, hay mucho para mejorar.

Cuando se analizan subpoblaciones, grupos específicos, y se compara el peso que los CPU tienen sobre el total de las defunciones de ese grupo, las conclusiones son siempre las mismas: tanto en la Ciudad como en la Provincia ese porcentaje se mantiene constante o desciende, pero aún persisten diferencias entre las jurisdicciones: la Ciudad de Buenos Aires exhibe porcentajes menores cuando se la compara con la Provincia vecina.

Resultaría interesante, a futuro, mirar cuáles son los códigos que se están utilizando incorrectamente con más frecuencia. En forma muy exploratoria esto se hizo y se encontró que el código I50 – Insuficiencia Cardíaca se está sobreutilizando siempre y justamente, es uno de los códigos poco útiles. Cerca del 8% del total de defunciones de la Ciudad y cerca del 10% del total de defunciones de la provincia de Buenos Aires tienen este código como causa básica. El porcentaje se eleva a 36% y 44% cuando se lo calcula sobre el total de defunciones poco útiles de tipo 2. De hecho, sería interesante someter a prueba la hipótesis de que las estadísticas en el trabajo no cambiarían (o sí cambiarían) significativamente si se excluyera del análisis las muertes codificadas con este código I50.

Entre las actividades futuras, se encuentra prevista la extensión de este trabajo hacia un análisis que contemple todas las jurisdicciones del país y, además, como se sugirió en el párrafo precedente, un análisis más pormenorizado de qué códigos se están utilizando. La base de datos que la DEIS ha proporcionado permite ese análisis y, por lo tanto, esta actividad está prevista para el futuro cercano.

Agradecimientos

Los autores desean agradecer especialmente a la Dirección de Estadísticas e Información de la Salud (DEIS) del Ministerio de Salud de la Nación Argentina, por facilitar la información que permitió llevar adelante este trabajo y, como se indicará oportunamente, los trabajos futuros en vista.

Referencias bibliográficas

Marconi, E., Guevel, C., & Fernández, M. (2007). Estadísticas vitales. En S. Torrado (comp.), Población y bienestar en la Argentina del primero al segundo Centenario. Una historia social del siglo XX. Tomo I (pp. 287-308). Edhasa.

Mathers, C., Fat, D., Inoue, M., Rao C. & Lopez, A. (2005). Counting the dead and what they died from: An assessment of the global status of cause of death data. Bulletin of the World Health Organization, 83, 172-173.

Murray, C. & Lopez, A. (1996). The global burden of disease: a comprehensive assessment of mortality and disability from diseases, injuries, and risk factors in 1990 and projected to 2020: summary. World Health Organization. https://iris.who.int/handle/10665/41864

Naghavi, M., Makela, S., Foreman, K., O’Brien, J., Pourmalek, F. & Lozano, R. (2010). Algorithms for enhancing public health utility of national causes-of-death data. Population health metrics, 8, 1-14.

Organización Panamericana de la Salud (2008). Clasificación estadística internacional de enfermedades y problemas relacionados con la salud. 10a revisión. Washington, D.C.

Ribotta, B. & Escanés, G. (2014). Códigos “poco útiles” en los registros de defunción en Argentina, Chile, Colombia y México (2000-2011). Revista Electrónica Medicina, Salud y Sociedad 5(1). https://rcsdelacelulaalacomunidad.uv.mx/index.php/REMSyS/article/view/1101

Ribotta, B. (2014). Evaluación de la exactitud de los datos sobre la causa básica de muerte en América Latina. Revista Peruana de Epidemiología, 18(3), 1-9. https://ri.conicet.gov.ar/bitstream/handle/11336/39429/CONICET_Digital_Nro.327fac9a-87cf-4dee-ada3-6c87bde11e80_A.pdf?sequence=2

Say, L., Chou D., Gemmill, A., Tunçalp, O., Molle, A., Daniels, J., Gülmezoglu, A., Temmerman, M. & Alkema, L. (2014). Global Causes of Maternal Death: A WHO Systematic Analysis. Lancet Global Health 2(6), e323-e333. doi: 10.1016/S2214-109X (14)70227-X.

Zacca Peña, E., Gran Álvarez, M., Martínez Morales, M. & Fernández Viera, M. (2010). Calidad de las estadísticas de mortalidad en Cuba según cuantificación de causas de muerte imprecisas. Revista Cubana de Salud Pública, 36(2), 102-108.

Información adicional

redalyc-journal-id: 740