Portal InstitucionalUFPEL

Trabalhando e estudando com desigualdades em SMI com inquéritos de
representatividade nacionais, primeiramente, objetivamos encontrar onde estão essas
desigualdades. A formulação de políticas para a execução de melhorias e aprimoramento
na saúde das famílias em PBMR depende em parte de descobertas e achados em
pesquisas sobre desigualdades, com foco em equidade em saúde – produto de nosso
trabalho.
Como é de amplo conhecimento e aceitação dentro da comunidade científica, as
pesquisas com representatividades nacionais em SMI contribuem muito para a saúde
pública (Dirksen et al., 2022; Victora et al., 2016). Estimativas baseadas em inquéritos
nacionais podem não mostrar todas as informações pertinentes a depender do tipo de
análise utilizada. Tais informações poderiam ser encontradas utilizando análises
desagregadas, importantes quando precisamos estudar desigualdades
socioeconômicas, por exemplo (Bloome; Opacic, 2024).
Para detectar essas desigualdades de forma eficaz, é essencial desagregar as
estimativas usando estratificadores que reflitam contextos sociodemográficos e
desigualdades preexistentes (Davila et al., 2022; Dirksen et al., 2022). Diversos
estratificadores são utilizados mundialmente pela comunidade científica que estuda
desigualdades em saúde com foco em equidade em saúde em PBMR, tais como: área
de residência (urbana/rural) (Davila et al., 2022; Howe et al., 2011; Vollmer et al., 2014),
unidades subnacionais (Heise; Kotsadam, 2015) (regiões, estados, distritos etc.),
educação materna (Islam et al., 2022) ou da mulher (Asif et al., 2022) (sem educação,
ensino primário, ensino secundário ou superior), sexo da criança (menino/menina)
(Workie; Tesfaw, 2021), quintis de riqueza (Fink et al., 2017; Joseph et al., 2018), além
da idade materna (Mussa et al., 2025).
Dentre tantos estratificadores que são utilizados, o estratificador mais frequente para
essas análises é o estratificador de quintis de riqueza. E entre várias formas de medir e
classificar os domicílios em um indicador socioeconômico, como os gastos com
consumo, renda ou riqueza. A riqueza é a forma mais aceita nos inquéritos de saúde
para os PBMR, sendo essa a forma mais utilizada (Chakraborty et al., 2016; Howe;
Hargreaves; Huttly, 2008). Este método vem sendo aplicado nesses inquéritos por mais
de 25 anos, apesar de críticas por seu viés urbano (Dirksen et al., 2022; Martel; Mbofana;
Cousens, 2021; Poirier; Grépin; Grignon, 2020; Xie et al., 2023). Em 2008, ele foi
atualizado para mitigar esse problema (Rutstein; Johnson, 2004), e, embora tenha havido
melhorias, o viés urbano claramente ainda persiste.
Os inquéritos DHS e os inquéritos MICS comumente se baseiam em índices de
riqueza baseados em ACP, construídos a partir de bens e características de construção
da casa. Embora pragmática e escalável, essa abordagem tem demonstrado distorcer
sistematicamente as classificações socioeconômicas (Fink et al., 2017; Howe;
Hargreaves; Huttly, 2008; Poirier; Grépin; Grignon, 2020). Conforme destacado por
Filmer e Pritchett (2001) e Fink et al. (2017) e reforçado em estudos mais recentes
(Dirksen et al., 2022; Martel; Mbofana; Cousens, 2021; Poirier; Grépin; Grignon, 2020;
Xie et al., 2023). O índice de riqueza padrão frequentemente superestima a riqueza em
domicílios urbanos e subestima em ambientes rurais, levando a um viés urbano e
potencialmente mascarando ou exagerando as desigualdades em saúde, ou seja,
distorcendo a realidade. Esse viés é causado pela forma como a ACP é utilizada para
estimar os escores de riqueza e pelas variáveis inseridas na ACP, causando
classificações equivocadas.
Tais classificações errôneas têm consequências diretas para a estimativa das
desigualdades em saúde. Howe et al. (2009) afirmam que os quintis do índice de riqueza
geralmente apresentam uma concordância fraca com os quintis dos gastos com
consumo, alterando as medidas de desigualdades como o Slope Index of Inequality (SII),
que é uma importante medida de desigualdade em saúde (Baker et al., 2019; Barros et
al., 2020; Cata-Preta et al., 2021; Poirier; Grépin; Grignon, 2020; Wehrmeister et al.,
2017, 2020). As consequências são particularmente mais pronunciadas em áreas rurais,
onde a composição e o significado de riqueza diferem substancialmente dos contextos
urbanos. E com isso, os esforços no monitoramento do progresso na cobertura universal
da saúde podem enfraquecer e as análises de tendências nas desigualdades em saúde
podem ficar distorcidas por causa disso.
As limitações das medidas de PSE existentes não são somente técnicas — elas têm
afetado decisões reais na SMI. Por exemplo, em estudos utilizando dados DHS,
associações com classificações de riqueza da Etiópia foram encontradas em avaliações
de desigualdades na nutrição infantil (Tesfaw; Woya, 2022) e índice de massa corporal
(IMC) (Tesfaw; Muluneh, 2021) sem que fosse citado que essas conclusões poderiam
ser afetadas em função de suas limitações, tais como vieses urbanos e classificações
errôneas. Diferentemente, no estudo de Baker et al. (2019), onde classificações de
riqueza de 48 PBMR apresentaram associações com mortalidade infantil – nesse caso
eles citam que essas conclusões poderiam ser avaliadas diferentemente entre os países
em função do índice de riqueza não ser uma medida perfeita.
Diversos estudos têm levantado limitações sobre o índice de riqueza DHS padrão e
têm explorado algumas alternativas, porém, poucos deles testaram como essas
alternativas melhorariam as medidas de desigualdades. Há também uma carência em
avaliações aplicadas a diversos PBMR, especialmente utilizando ACP policórica com
mais de um componente, ou comparando estimativas robustas de renda absoluta com
escores de bens e ativos.
Em um estudo de Fink et al. (2017), foi observado que estimativas de renda absoluta,
assim como os índices de riqueza, ambos preveem déficit de altura para a idade e que
isso poderia ser de classificações equivocadas em função de ativos urbanos e rurais, o
que sugere uma necessidade de refinar essas métricas.
Dada a centralidade do índice de riqueza para pesquisas de desigualdades em saúde
em PBMR, e suas conhecidas fragilidades metodológicas, há uma necessidade clara e
urgente de abordagens mais robustas, sensíveis ao contexto e interpretáveis para a
mensuração da PSE. Este projeto de doutorado visa atender a essa necessidade
testando e comparando duas alternativas promissoras:
1. Um índice de riqueza obtido através de uma ACP policórica, usando os dois
primeiros componentes, com o intuito de refletir melhor a diversidade das riquezas
rurais e urbanas.
2. Um método aprimorado para estimar a renda absoluta a partir de dados de ativos
domiciliares e de dados contextuais como o coeficiente de Gini e a Renda
Nacional Bruta (RNB) per capita.
Essas ferramentas serão avaliadas quanto à sua capacidade de reduzir erros de
classificação e aprimorar a detecção de desigualdades nos resultados de SMI.
Medidas não enviesadas de riqueza e renda absoluta permitiriam uma avaliação mais
precisa das desigualdades econômicas entre os distintos estratos sociais-populacionais.
A possibilidade de classificações mais reais das distribuições das riquezas e de suas
respectivas magnitudes poderia ser melhor representada sobre as condições atuais de
vida das famílias, especialmente dentre os domicílios mais extremos (mais pobres e mais
ricos). No campo científico, uma maior precisão no monitoramento dos indicadores de
saúde na comparação entre países poderia ser uma excelente contribuição ao longo do
tempo. A avaliação sobre políticas voltadas à equidade social e a formulação sobre
estratégias de redução da pobreza reduziriam o risco de subutilização das distribuições
e magnitudes dos recursos para as populações mais vulneráveis.
Com isso, a avaliação das desigualdades de riqueza por área de residência (urbana
/ rural) permitiria um melhor planejamento de ações para reduzir essas desigualdades. A
partir de estratégias de saúde pública mais contextualizadas e mais sensíveis às
realidades locais, o uso de dados secundários tende a ser potencializado quando se
consegue captar, de forma mais fiel, as particularidades dos contextos domiciliares
urbanos e rurais.
Ao adotarmos métodos de mensurações de posições socioeconômicas mais
adequados, a capacidade de identificar com maior precisão os grupos populacionais em
situação de maior vulnerabilidade aumentaria. E dessa forma, os estratos sociais onde
estão concentradas as piores estimativas dos indicadores de saúde, por exemplo, para
um determinado lugar poderiam ser descobertos mais rapidamente. Em países onde os
recursos não são elevados, uma melhor separação desses grupos contribuiria e muito
para o direcionamento de ações e intervenções. Assim, essas atualizações
metodológicas melhorariam as implementações de políticas públicas e o planejamento
voltado para as iniquidades em saúde.
Este estudo de doutorado busca preencher essas lacunas, desenvolvendo,
validando e comparando estratégias alternativas de mensurações de riqueza no contexto
das desigualdades em saúde em PBMR. O foco é aprimorar a confiabilidade, a validade
e a relevância política das medidas de PSE utilizadas em pesquisas de SMI.

Testar uma alternativa à estimativa de renda absoluta criada por Fink et al. (2017)
em inquéritos DHS e MICS de PBMR comparando as parcelas das populações dos
inquéritos (país-ano) que vivem abaixo da linha da pobreza (menos de US$ 3,00 por dia
(preços de 2021)) – dados extraídos do Our World in Data.org (OWD) cuja fonte é o
Banco Mundial.
A metodologia original (Fink et al., 2017) calcula rendas absolutas em dólares
estadunidenses com base na classificação de ativos dos domicílios utilizando o
percentual de gastos com consumo do PIB dos países, o PIB per capita, o índice de Gini
e o tamanho nacional dos domicílios, através de um modelo de regressão multivariável
(Harttgen; Vollmer, 2013).
A metodologia proposta substitui o PIB per capita e o percentual de gastos com
consumo do Produto Interno Bruto dos países pela Renda Nacional Bruta per capita em
US$ (Metodologia Atlas) https://data.worldbank.org/indicator/NY.GNP.PCAP.CD dos
países, mantém o Gini index para a construção do parâmetro de variabilidade (desvio
padrão) das desigualdades dos países calculado através da fórmula de qualquer
distribuição lognormal: σ = √2φ
ିଵ ቀ
ீାଵ
ଶ
ቁ, onde G é o coeficiente de Gini e Φ-1 é o inverso
da função de distribuição cumulativa normal padrão e utiliza o tamanho médio dos
domicílios por quantis (seja ele tercis, quartis, quintis, decis, percentis) ao invés do
tamanho nacional dos domicílios por inquérito.
A motivação é que as nossas estimativas originais estariam superestimando as
rendas absolutas dos inquéritos (país-ano) e a justificativa é que a RNB per capita em
US$ (Metodologia Atlas) é o indicador econômico que o Banco Mundial utiliza para
classificar os países em níveis de renda (baixa, média-baixa, média-alta e alta renda) e
que ao construir índices de riqueza DHS a partir de ativos e características dos
domicílios, os domicílios maiores têm sistematicamente maior probabilidade de estar em
quantis de riqueza mais baixos (Filmer; Pritchett, 2001).

A hipótese central desta análise é que a redução das desigualdades nos indicadores de
saúde é diretamente proporcional ao crescimento do PIB per capita. Ou seja, países com
maior crescimento econômico apresentarão maiores reduções nas desigualdades
absolutas do que países com menor crescimento econômico.

Fonte de dados

As fontes de dados utilizadas serão inquéritos DHS e MICS e indicadores
econômicos da base de dados do Banco Mundial.
Serão estudados os países com três ou mais inquéritos em três períodos (basal,
intermediário e mais recente). O período basal seria entre 1991 e 2001, o período
intermediário seria entre 2002 e 2012 e o período mais recente seria entre 2013 e 2023.
Os países teriam que ter ao menos um inquérito em cada um dos três períodos e
informação para ao menos um desses quatro indicadores nos três períodos
estabelecidos, consequentemente. A principal variável para a análise das tendências de
cobertura e desigualdade será o PIB per capita, conforme estimativa do Banco Mundial.
Fontes de dados de políticas públicas (como o WORLD Policy Analysis Center
https://www.worldpolicycenter.org/) serão consultadas para avaliar o foco dos países em
equidade em saúde. Também procuraremos dados sobre gasto governamental com
saúde nas bases públicas disponíveis.