Introducción

La Comisión Nacional para Reducir las Desigualdades Sociales en Salud en España adapta el modelo conceptual para la acción sobre los Determinantes Sociales de la Salud de Solar e Irwin y el propuesto por Navarro (1). En él se refleja cómo los determinantes estructurales (el contexto socioeconómico y político, y los distintos ejes de desigualdad de la estructura social, como la clase social, la posición socioeconómica, el género y la etnia) determinan otros factores intermedios (circunstancias materiales, factores conductuales y biológicos, factores psicosociales y el sistema de salud), los cuales a su vez ocasionan finalmente desigualdades sociales en salud (DSS), que son entonces diferencias en salud “injustas y evitables”. Una de las circunstancias materiales que provocan esas DSS es el barrio o área de residencia y sus características.

La Comisión de Determinantes de la Organización Mundial de la Salud (OMS) afirma: “El lugar donde vive la gente afecta a su salud y sus posibilidades de tener una vida próspera. Las comunidades y barrios que aseguran el acceso a los bienes básicos, que están socialmente cohesionadas, que están diseñados para promover la buena salud física y psicológica, y que protegen el medio ambiente natural son esenciales para la equidad en salud” (2).

Uno de los componentes que caracterizan el vecindario es su “Entorno Construido”, que es definido por Gelormino et al. (3) como “el espacio, asentamiento físico, donde todas las actividades relacionadas con la ciudad tienen lugar y puede ser descrito como el complejo de edificios, calles, espacios verdes y la infraestructura, considerada en su forma, sus redes y carácter estético”. Así mismo, estas autoras proponen un marco conceptual (Figura 1) que conecta el EC y la salud en el contexto de los determinantes sociales de la salud. En él se observa cómo las políticas urbanas pueden modificar el EC y el contexto social. El EC genera a su vez factores de riesgo o protectores para la salud a través de tres vías: influyendo en el entorno natural, modificando el contexto social o favoreciendo o no determinados comportamientos más o menos saludables; sin embargo, estas vías impactarán en la salud con distinta intensidad según la exposición a los distintos determinantes sociales.

La importancia de la presencia de infraestructura cercana y variada subyace en el “mapeo de activos” que consiste en identificar los recursos físicos (p. ej.; parques, centros infantiles), económicos (p. ej.; comercios), asociaciones formales (p. ej.; religiosas, deportivas, de pacientes o ayuda mutua), informales (de cuidadores, de apoyo) y de organizaciones (p. ej.; ayuntamiento, representantes de barrio, policía, sanitarios), entre otros (4). En Madrid se ha utilizado en proyectos de participación comunitaria como “Mapeando Carabanchel Alto” (5) o el “Proyecto de Intervención Comunitaria Intercultural” (6).

La “hipótesis de la amplificación de la privación” afirma que las personas que ya están socialmente desfavorecidas ven amplificadas las desigualdades en salud por la falta de acceso a recursos promotores de salud y una mayor presencia de elementos dañinos para ella (7-9). Algunos estudios trabajan con la idea de que existe peor dotación de servicios en los barrios más desfavorecidos socioeconómicamente (3,10); sin embargo, esto ya fue cuestionado por Macintyre en 2007 (7) y sigue habiendo estudios en distintos países europeos que tratan de determinar su existencia o no (9,11). En Madrid, ya desde principios de siglo XX, existen estudios sobre la brecha norte-sur de resultados en enfermedad o mortalidad (12); pese a ello, no se han encontrado análisis sobre la relación entre la estructura social de los vecindarios y la disponibilidad de infraestructura. Macintyre et al. (8) recomendaron que las teorías y políticas debían basarse en datos actualizados y locales de la distribución de los recursos del vecindario.

El objetivo de este trabajo fue describir los elementos del entorno construido de Madrid en función del nivel de desarrollo de las distintas zonas de la ciudad.

Método

Se llevó a cabo un estudio descriptivo transversal en los 21 distritos de la ciudad de Madrid. Siguiendo la estructura utilizada en el Estudio de Salud de la Ciudad de Madrid 2014 se agruparon dichos distritos en cuatro estratos en función del nivel de desarrollo calculado mediante un análisis de clusters en relación a tres indicadores que conforman un Índice Combinado de Salud, Conocimiento y Renta (ICSCR) (Cuadro 1). El ICSCR tiene en cuenta el porcentaje de residentes de 30 a 64 años con títulos escolares superiores a secundarios (dato del año 2012), la renta disponible bruta per cápita (2009) y la esperanza de vida al nacer (2011); su valor se mueve entre cero y uno, siendo uno el equivalente al resultado que obtendría un hipotético distrito con los mejores resultados en cada uno de esos indicadores (13).

Las variables y su operacionalización se desarrollan en el Cuadro 2. La horquilla de fechas utilizada fue de 2012 a 2016, seleccionando el dato disponible con mayor proximidad a 2013, año en el que se desarrolló el ICSCR.

Fuentes documentales utilizadas para la recogida de los datos

a) Información disponible en páginas web institucionales:

• Portal de datos abiertos del Ayuntamiento de Madrid (16).
• Banco de datos abierto del Ayuntamiento de Madrid (17). Área de Gobierno de Economía, Hacienda y Administración Pública. Dirección General de Economía y Sector Público. Subdirección General de Estadística.
• Portal de Patrimonio Nacional (18). Donde se obtuvo la superficie del monte de El Pardo para poder restársela a la superficie del distrito en el que está incluido.
• Instituto Nacional de Estadística. Proyecto Urban Audit (19). En él se recogen distintos indicadores de condiciones de vida en varias ciudades europeas.
• Portal institucional del Ayuntamiento (20).
• Portal de la Consejería de Educación de la Comunidad de Madrid (21).
• Portal institucional de la Comunidad de Madrid (22).

b) Organismos oficiales:

• El Consorcio Regional de Transportes de Madrid.

c) Sistemas de información geográfica (SIG):

• Visor cartográfico de la Comunidad de Madrid (23): para realizar mediciones de territorio.
• Google Maps: para adjudicar a cada barrio los recursos de los que solo se disponía de dirección postal.

Ajustes realizados en los datos

Iluminación: el consumo de cuatro parques y el de los monumentos y fuentes aparecían contabilizados por separado, para corregirlo se tomaron dos caminos: dejar sin contabilizar el de los monumentos y fuentes y repartir el consumo de los cuatro parques proporcionalmente a la superficie de cada uno (Retiro, Fuente del Berro, Casa de Campo y del Oeste) y adjudicarlo a sus distritos (Salamanca y Moncloa).

Datos de renta. Urban Audit: ofrece los datos en “subdistritos”, unidades “artificiales” formadas por la fusión de secciones censales de manera que incluyan entre 5.000 y 40.000 habitantes. Estas unidades no corresponden con los barrios ni distritos existentes, por lo que se hicieron distintos ajustes. En los barrios formados por varios subdistritos se calculó la media ponderada por población, [(R1 x P1) +… + (Rn x Pn)] / (P1+… + Pn), siendo (R1,.., Rn) el conjunto de las rentas de los subdistritos y sus poblaciones (P1,.., Pn) las ponderaciones]. En los subdistritos que estaban formados por varios barrios se asignó la renta igual para todos los barrios [R1…Rn= R1= R… = Rn]. En el caso de los barrios Las Águilas y Campamento utilizaban ambas estrategias, de manera que existían los subdistritos Águilas 1, Águilas 2 y Águilas 3-Campamento, este último formado por nueve secciones censales del barrio Águilas y dos del barrio Campamento. Tras calcular la media ponderada usando solo los dos primeros o con los tres, se vio que la diferencia era de 251 euros anuales, en todo caso, se asignó la renta más alta.

Medición de la superficie de Madrid Río: dentro de los datos de superficie de zonas verdes y parques urbanos, uno de ellos, el “Madrid Río”, aparecía contabilizado por separado y pertenecía a varios distritos. El visor cartográfico de la Comunidad de Madrid permitió hacer mediciones manuales para imputar a cada uno las hectáreas de terreno que le correspondían (Figura 2).

Para el tratamiento y análisis de los datos se calcularon índices de estadística descriptiva en función de la naturaleza de las variables: medidas de tendencia central (media) y medidas de dispersión (desviación estándar, DE) para las variables cuantitativas; y frecuencias absolutas y relativas para las variables cualitativas. Se realizaron análisis estratificados atendiendo al nivel de desarrollo del distrito según el ICSCR (cuatro clusters o grupos de distrito (GD): “Menor desarrollo”, “Desarrollo medio-bajo”, “Desarrollo medio-alto” y “Mayor desarrollo”). Para determinar la significación estadística de la asociación entre las variables del EC y el GD se utilizó la Chi cuadrado (variables cualitativas) y ANOVA (variables cuantitativas). Se calcularon intervalos de confianza (IC) al 95% de seguridad y se consideró un nivel de significación de 0,05. El paquete estadístico utilizado fue STATA 12.

Este trabajo forma parte de una investigación realizada como trabajo fin de máster, y cuyo proyecto obtuvo un informe favorable del Comité de Ética de la Investigación de la Universidad Autónoma de Madrid.

Resultados

Los distritos de la ciudad de Madrid tenían una media de 153.798 habitantes (DE: 56.168) de los cuales 71.733 eran hombres (DE: 26.334) y 82.064 mujeres (DE: 30.013). Estas características se repartieron sin diferencias estadísticamente significativas entre los distintos GD. Se distribuían en el territorio a razón de 189,8 personas y 87,8 viviendas, de media, por hectárea de barrio, siendo los de mayor desarrollo los que tenían mayor concentración (p= 0,015 y p= 0,026, respectivamente). La renta media neta anual de los hogares fue de 39.688,3 € (DE: 16.769), con valores que oscilaban entre los 24.869,4 € de media en los distritos menos desarrollados, hasta los 53.285,3 € de los de mayor desarrollo, siendo estas diferencias estadísticamente significativas (p= 0,000) (Tabla 1).

La dotación de servicios arrojaba una media de 1.035 comercios al por menor; 18,6 centros o instalaciones deportivas municipales; 3,5 centros culturales; 1,2 bibliotecas y 1,3 escuelas de idiomas, conservatorios de música y danza públicos por cada 100.000 habitantes. Mirando hacia la infancia había, también de media, 79,3 guarderías por cada 100.000 menores de cuatro años y 479,11 áreas infantiles por cada 100.000 menores de 14 años. Existían 0,32 centros juveniles por cada 100.000 ciudadanos de 15 a 29 años; y en el caso de las personas mayores de 65 años, 17,2 centros y 206 áreas recreativas por cada 100.000 personas en esta etapa de la vida. La variabilidad en la oferta de servicios fue estadísticamente significativa (p≤ 0,05) en el caso del comercio (mayor en el GD de desarrollo alto), los centros deportivos y las áreas recreativas infantiles (mayores en el GD medio alto) y los centros de mayores (mayor en el GD desarrollo bajo).

La dotación de líneas de transporte (metro, autobuses municipales e interurbanos y de cercanías) que atravesaban los barrios fue de 39 por cada kilómetro cuadrado (DE: 34,5). Teniendo una media de 3,3 líneas de metro; 23,5 de autobús municipal; 9,3 de interurbanos; y 2,9 de cercanías. Se encontraron diferencias estadísticamente significativas entre los cuatro GD para la dotación de metro (p= 0,000) y autobuses municipales (p= 0,026), donde los indicadores de los distritos más desarrollados cuadruplican (media: 6,2 frente a 1,5) y duplican (media: 33,8 frente a 15,3), respectivamente, los de los menos desarrollados.

En la dimensión estética, tanto el arbolado (media: 11,6; DE: 7,3) como la proporción de suelo sin edificar (media: 11,7%; DE: 14,3) se distribuían de manera similar en los distintos GD (p> 0,05). Tampoco hubo diferencias (p> 0,05) entre GD en la oferta de zonas verdes, con una proporción media del 15,3% de superficie dedicada a ellas (DE: 11,0) y un 7,9 a parques (DE: 8,9).

En cuanto a otros elementos que generan ambientes distintos en el barrio, tanto la iluminación (30,5 Mwh de media de consumo por km2 de aceras y zonas verdes) como el número de colegios (media: 6,3; DE: 4), fueron similares entre los distintos GD (p> 0,05).

Por último, los elementos disuasorios del uso del automóvil estaban presentes en el 40,3% de la ciudad. Su distribución variaba significativamente (desde 8% de los distritos de menor desarrollo hasta el 85,7% de los de mayor desarrollo; p= 0,000).

En la Figura 3 puede verse gráficamente en qué indicadores quedaban mejor o peor situados los GD y cuáles de las posiciones fueron estadísticamente significativas.

Discusión y conclusiones

Se encontraron diferencias estadísticamente significativas en función del nivel de desarrollo de distrito para la renta media, la media de viviendas y población por hectárea, la dotación de comercios, de instalaciones deportivas, de centros de mayores, áreas infantiles, transporte (líneas de metro y autobús) y la disuasión del uso del automóvil.

Es difícil establecer comparaciones directas de este estudio con otros trabajos dado que la operacionalización de variables es distinta prácticamente para cada uno de ellos y porque lo que se utiliza en general son índices de privación y no de desarrollo, por lo que se afronta la discusión de manera cautelosa.

La dotación de infraestructuras de Madrid parece ser menor que en otras ciudades dado que en este caso era necesario relativizar para cada 100.000 habitantes y, sin embargo, en análisis realizados en Colonia o Glasgow contabilizan el número de instalaciones por cada 1.000 habitantes (9,24), aunque no incluyen exactamente los mismos elementos en cada variable.

En el análisis de Schneider et al. (9) de la ciudad de Colonia los barrios más desaventajados socialmente eran los mejor dotados en infraestructura para jóvenes y niños relacionados con actividad física (áreas de juego infantil, escuelas de danza, campos de deporte, entre otros). Estudiando cuatro ciudades escocesas, Lamb et al. (25) encontraron diferencias significativas en la oferta de instalaciones deportivas en función del nivel de privación, el mayor número de instalaciones públicas en relación con la población se encontraba en el quintil intermedio de privación y disminuían hacia el quintil uno y quintil cinco. En este caso, y salvando las diferencias metodológicas, tampoco se ha encontrado un patrón claro desfavorable a los distritos menos desarrollados a pesar que también hubo esas diferencias.

Kawakami et al. (11) encontraban que dos de sus indicadores, que coinciden con lo que aquí se ha considerado comercio, eran más abundantes en los barrios de privación moderada y alta, justo al contrario que en el presente trabajo. Una de las explicaciones que aportaban era que puede deberse a que los barrios menos deprimidos fueran en realidad “comunidades dormitorio” lo cual no es el caso de Madrid. Otra explicación que ofrecen sería que los barrios más deprimidos sean menos atractivos para el comercio; pero, esto no se cumple en Madrid dado que es en el GD medio-alto donde se encuentra el dato más bajo. La diferencia, sin embargo, entre los presentes resultados y los suyos puede deberse a los distintos índices utilizados (desarrollo vs. privación).

No se han encontrado trabajos que traten de relacionar índices de desarrollo de los barrios con los indicadores de transporte o la disuasión del uso del automóvil. Sin embargo, su mayor presencia en el GD alto puede explicarse porque casi todos los distritos que lo componen se encuentran en el centro de la ciudad que sirve de punto de conexión entre líneas y que, además, es la zona de mayor actividad donde puede resultar más útil el control del tráfico.

A la hora de interpretar las variables relativizadas con superficie debe tenerse en cuenta una limitación, pues, si bien se eliminó la superficie del Monte de El Pardo, quedaron contabilizados terrenos que realmente no pertenecen a la zona donde se desarrolla el día a día de los ciudadanos (p. ej.; aeropuerto, campus universitarios, bases militares…), lo que puede hacer que esos distritos parezcan peor dotados cuando quizá no es así.

El hecho de que los distritos con menor nivel de desarrollado tengan la mejor dotación de escuelas infantiles y centros de mayores puede deberse a que se hubiese tratado políticamente de dotar mejor a los barrios más desfavorecidos, hipótesis ya apuntada por otros autores (11).

Como se refleja en la Figura 3, los distritos más desarrollados aglutinan una mayor cantidad de servicios y recursos con indicadores en mejor posición, en contraposición con los de menor desarrollo, lo que deja entrever que los distritos con mayor desarrollo podrían tener un mejor EC. Sin embargo, si se tiene en cuenta los que están en segunda posición la brecha se acorta, por lo que habría que definir cuáles son los elementos que realmente marcan un mejor EC de los barrios para afirmar que el nivel de desarrollo y el EC mejoran de manera paralela.

Agradecimientos

A Mª Isolina Santiago por su inestimable ayuda con la configuración de la base de datos y la resolución de problemas durante el análisis. Al Ayuntamiento de Madrid por la cesión de los datos del Índice Combinado de Salud, Conocimiento y Renta (ICSCR).

Financiación

Ninguna.

Conflicto de intereses

Ninguno.