Evaluación espacial de la calidad de las estadísticas vitales a escala departamental: códigos poco útiles y autocorrelación local en Argentina (2017–2019)

Abstract

La precisión en la certificación de las causas de muerte es fundamental para el diseño de políticas públicas. Sin embargo, la certificación estadística de la Causa Básica de Muerte con "códigos poco útiles" —clásicamente denominados “garbage codes” en la literatura (categorías inespecíficas o mal definidas)— invisibiliza el perfil epidemiológico real de subpoblaciones y perpetúa la desigualdad sanitaria. Este artículo analiza la calidad de las estadísticas vitales en Argentina en relación con la mortalidad, con el objetivo de discernir si la ineficacia diagnóstica responde a un determinismo socio-geográfico (vulnerabilidad estructural) o a la capacidad institucional del Estado (matriz de gestión provincial). Se analizó un trienio de defunciones provisto por la Dirección de Estadísticas e Información de Salud (DEIS) a nivel departamental (N=511). La estrategia metodológica integró un Modelo Lineal Generalizado Mixto (GLMM) binomial, controlando la sobredispersión mediante un Efecto Aleatorio a Nivel de Observación (OLRE), y un Análisis Exploratorio de Datos Espaciales (AEDE) mediante el estadístico LISA Bivariado. Los resultados demuestran que la precariedad en la cobertura de salud de la población a nivel departamental estresa el sistema local e incrementa significativamente la probabilidad de mala codificación (p < 0.001). No obstante, la varianza explicada por la jurisdicción provincial resulta más del doble que la especificidad departamental. Mientras el análisis espacial confirmó un clúster macrorregional de ineficiencia en el centro-norte del país, la autocorrelación cruzada reveló casos atípicos de "resiliencia institucional" (ej. Pirané, Formosa), donde la micro gestión administrativa logra una alta especificidad diagnóstica en contextos de alta vulnerabilidad. Se concluye que la invisibilidad estadística constituye, fundamentalmente, un déficit de la capacidad estatal provincial, mitigable mediante intervenciones administrativas focalizadas.ccuracy in the certification of causes of death is fundamental for the design of public policies. However, the statistical classification of the Underlying Cause of Death using "unusable codes" —historically referred to in the literature as "garbage codes" (i.e., nonspecific or ill-defined categories)— obscures the true epidemiological profile of subpopulations and perpetuates health inequalities. This article analyzes the quality of vital statistics on mortality in Argentina, aiming to determine whether diagnostic inefficiency stems from sociogeographic determinants (structural vulnerability) or from the state's institutional capacity (governance structure). Mortality records from a three-year period, provided by the Directorate of Health Statistics and Information (DEIS), were analyzed at the departmental level (N=511). The methodological strategy integrated a binomial Generalized Linear Mixed Model (GLMM), controlling for overdispersion through an Observation-Level Random Effect (OLRE), and an Exploratory Spatial Data Analysis (ESDA) using the Bivariate LISA statistic. Results demonstrate that precarious population health coverage at the departmental level places strain on the local health system and significantly increases the probability of miscoding (p < 0.001). Nevertheless, the variance explained by the provincial jurisdiction is more than double that explained by the departmental specificity. While the spatial analysis confirmed a macroregional cluster of inefficiency in the central-northern part of the country, bivariate spatial autocorrelation revealed atypical cases of "institutional resilience" (e.g., Pirané, Formosa), where administrative micro-management achieves high diagnostic specificity in contexts of high vulnerability. We conclude that statistical invisibility essentially constitutes a deficit in provincial state capacity, which can be mitigated through targeted administrative interventions.