DETERMINANTES DE LA PROBABILIDAD DE QUE UN BEBE RECIEN NACIDO TENGA UN PESO BAJO

Proyecto de Econometra

Juan David Torres Delgado Economa y Negocios Internacionales Universidad Icesi Santiago de Cali, Mayo 11 de 2011

INTRODUCCIN Una de las principales preocupaciones de las madres en estado de embarazo es saber cunto pesar su hijo al nacer, esto es debido a que esta variable es una factor indispensable para saber si su bebe ser saludable y, si tendr un crecimiento y desarrollo satisfactorios. Los recin nacidos con bajo peso tienen mayor riesgo a presentan problemas de salud 1; se han realizado un sinnumero de estudios con el objetivo de encontrar los determinantes del bajo peso de los recien nacidos. Se ha convirti en objeto de investigacin principalmente por ser causante de un gran porcentaje de muertes en recin nacidos2. En estudios anteriores, como el hecho por Pereira IJ en el Salvador de Baha en Brasil 3 se estudi los factores de riesgo al nacer; para esto utiliz, entre otras, las variables edad gestacional, estatura materna, tabaquismo, atencin prenatal e hipertensin. Se concluy que dentro de las variables que determinan la probabilidad de que un recin nacido tenga un peso menor a 2500 gramos, se encuentran la hipertensin, la edad maternal y el tabaquismo. En 1960 la Organizacin Mundial de la Salud estableci el termino Bajo Peso para referirse a todos los bebes recin nacidos con un peso menor de 2500 gramos, ste se representa con las siglas BPN (Prevalencia de Bajo peso al Nacer) 4. El objetivo de este proyecto es analizar los determinantes de la probabilidad de que un bebe recin nacido tenga un peso bajo o inferior a 2500 gramos, con ello responder cuestiones hechas por el hospital de la ciudad respecto este tema. En el presente documento se utilizar un modelo economtrico Logit, que permita, mediante el mtodo de estimacin de mxima verosimilitud, establecer la incidencia que

Soto, Eliud y Avila, Jose y Guitierrez, Victor (2010) Factores de riesgo asociados al bajo peso al nacer. Vol. II, No. 3. Pp117-122 2 Ventura, S. et al. Birth: Final Data for 1997. National Vital Statistics Reports, volumen 47, nmero 18, 29 de abril de 1999. 3 Pereira IJ.(1997) Anlisis multifactorial de los factores de riesgo del bajo peso al nacer en el Salvador. Baha. Rev Panam Salud. 4 Bertot Ponce IA y Cespedes, More y Vazquez , Fonseca y Dalmao , Rodruez, Ortiz, Uriarte. (2010). Factores de riesgo asociados al bajo peso al nacer.

tienen algunos factores en la determinacin del bajo peso de los recin nacidos. Como bien se dijo anteriormente, se han realizado diferentes estudios para alcanzar este mismo objetivo y, en la mayora de estos se incluyen muchas variables que se intuye tienen algn efecto sobre la probabilidad de que se de BPN, en este caso se analizarn las variables influyentes que nos permita utilizar la informacin que se nos ha asignado. A priori se especific el siguiente modelo:

Donde

son variables Dummy que toman el valor de 1 si la madre

tuvo un nio con un peso menor a 2500 gramos, sufre de hipertensin y si fuma durante el embarazo, respectivamente. Las variables , , son continuas, y se

refieren a la edad, el peso y el nmero de controles mdicos pos embarazo de la madre, respectivamente. Existe un propsito detrs de cada una de las variables incluidas en este modelo. La variable se incluye ya que las mujeres cuando tienen una edad avanzada, tienen

mayor probabilidad de que su hijo nazca con anomalas cromosmicas y, es esta la causa ms comn de aborto espontneo5; en la gran mayora de ocasiones este aborto no permite que el bebe tenga un completo desarrollo y por ende, hace que tenga un bajo peso. Podra resultar interesante saber si la edad de la madre tiene efecto decreciente en la probabilidad de que un bebe al nacer pese menos de 2500 gramos, por este motivo se incluye en el modelo la variable , ya que sta mostrar si aos adicionales en la edad de la mujer

disminuyen la probabilidad de que se presente Por otro lado, la variable se incluye debido a que este est directamente relacionado

con el peso estimado de la madre durante el embarazo, y este ltimo est directamente

Quiroga, Maria y Paredes, Dennisse y Rodriguez, Orlando y Quispe, Edwin y Klein, Eva (2007) ESTUDIO CROMOSMICO EN EL ABORTO ESPONTNEO Y SU APLICACIN CLNIC. Rev Per Ginecol Obstet. 2007;53(2):124-129

relacionado de algn modo con el peso del recin nacido 6. Se espera que el signo esperado de este coeficiente sea positivo. La variable se incluye dado a que la presencia de sta en el embarazo genera retardo

del crecimiento uterino, nacimiento prematuro, placenta abrupta y hasta la muerte del feto. 6 Se espera por ende que el coeficiente asociado a esta variable sea positivo. Se incluye en el modelo como una variable socioeconmica, ya que no todas las mujeres tienen la oportunidad de hacer controles maternales, esto influye en nuestra variable dependiente debido a que a mayor control del desarrollo del feto al interior del tero, se lograr tomar mejores medidas para la salud del bebe. Por ltimo, la variable es indispensable en el modelo ya que si la madre fuma

durante el embarazo aumenta la probabilidad de que esta sufra trastornos en la placenta, sangrados vaginales y abortos espontneos, y como se explic bien anteriormente esto genera, por la falta de desarrollo del bebe, bajo peso en el recin nacido. El signo esperado de este coeficiente es positivo.7 ANLISIS ECONOMTRICO Los datos utilizados en este informe son de corte transversal y provienen de una muestra de 500 madres escogidas aleatoriamente por la base de datos del hospital de la ciudad, en los anexos se presentan algunas de las observaciones empleadas ver Anexo 1-. Es necesario tener en cuenta de que el hecho de que el vector entero de datos de la variable es

exactamente igual al vector de las observaciones de la variable dependiente, hace revelar la existencia de una relacin directa del efecto que genera esta variable en el BPN, a pesar de esto, si no se opera no se podr estimar el modelo que se necesita ver Anexo 2-, el efecto asociado a esta variable Dummy ser recogido por todos los coeficientes, pero con este estudio no se lograr encontrar su efecto exacto sobre BPN. Debido a lo anterior se modific el inicial modelo de la siguiente forma:
6

Dr. David Ludwig (Hospital de Nios de Boston), Dr. Janet Currie (Universidad de Columbia, Nueva York) Estudio sobre el embarazo (1989-2003) 7 Artculo publicado en www.guiadebebes.com. Porque se hace conveniente dejar de fumar en el embarazo

Existen diferentes mtodos para estimar modelos que tienen como variable dependiente una Dummy, estos modelos muestran la probabilidad de que un evento ocurra. En primera instancia tenemos el Modelo de Probabilidad Lineal, pero esta aproximacin de emplear el modelo lineal con una variable dependiente dicotmica posee particularmente dos problemas. El primero de estos es que la varianza error del modelo es heteroscedastica, esto se debe a que dimensiones donde representa un vector fila de que recoge las caractersticas de la mujer i8. Este problema se puede en todo modelo. El segundo problema existente

resolver por MCP dividiendo

es que, despus de corregir el problema anterior, el modelo estimado no garantiza que los valores estimados para la variable dependiente oscilen entre [1,0], esto ltimo no permite encontrar los resultados esperados ya que una probabilidad debe estar dentro de este rango. Las otras dos formas son mediante el Mtodo de Mxima Verosimilitud, utilizando modelos Logit o Probit. En este caso, como se asumir una distribucin acumulativa logstica se trabajara con un modelo Logit de la forma betas y las variables independientes son las especificadas en el modelo (2),
, donde los

es una variable latente que se utiliza para determinar la probabilidad promedio de que se de BPN. Sus coeficientes son dados por la

Una de las

caractersticas principales de los modelos Logit es que no tienen problemas de heteroscedasticidad y que sus coeficientes no tienen interpretacin por si solos; por esto, se debe sacar un efecto marginal para cada variable el cual es igual a es igual a que a su vez

. Se hacen estimaciones del modelo mencionado

anteriormente, utilizando el paquete economtrico gratuito EasyReg. Los resultados se reportan en la Tabla.1

Alonso, Julio Csar y Seman, Paul (2010). Easy Reg: Aplicaciones para un curso de econometra. Pp 168. Coleccin Discenir Universidad Icesi.

Tabla.1 Variable Dependiente: Estadstico t entre parntesis Modelo 2 EMV Coeficiente 0 1.392166 -0.84 1 -0.170834 (-1.27) 2 0.003554 -1.3 3 -0.000669 (-0.1) 4 -0.013561 (-0.43) 5 0.853701 (4.61)*** LRI Wald # de Obs 0.03457 23.03 500 500 0.03180 0.20064093 -0.003187172 -0.000157231 0.000835278 -0.040150231 Efecto Marginal Coeficiente -0.632855 (-4.96)*** 0.852069 (4.62)*** 0.201024413 Modelo 3 EMV Efecto Marginal

En esta tabla podemos ver que la nica variable

estadsticamente significativa y confiable en un 99%, es la asociada a , es decir a la

variable Dummy que es igual a 1 si la persona fuma y 0 en caso contrario. Todas las pruebas de significancia individual Ver

Anexo 3- permiten concluir que no existe efecto alguno del peso, la edad, la edad al cuadrado y la cantidad de controles mdicos que tuvo la madre cuando estuvo en embarazo, sobre la

probabilidad promedio de que el bebe nazca con un peso menor a 2500 gramos. Tambin se

(*) Nivel de significancia: 10% (**) Nivel de significancia: 5% (***) Nivel de significancia: 1% EMV: Estimadores de Mxima Wald: Corresponde al estadstico de

realiz el test de significancia

Verosimilitud wald

conjunta de Wald Ver Anexo 4

y se comprob que las variables son conjuntamente significativas. Se puede decir entonces, que con un 99% de confianza el hecho de que la madre fume incrementa en promedio la probabilidad de que esta mujer tenga un bebe con un peso menor de 2500 gramos, en 20.64 puntos porcentuales. El ndice de la razn de verosimilitud (LRI), que es la bondad de ajuste del modelo, no tiene interpretacin intuitiva, como el en los MCO, pero dado a que es 0.03457, podemos concluir que el modelo no presenta un buen fit Ver Anexo 5Con la intencin de seguir el objetivo, el cual es la saber cules son las variables que realmente determinan la probabilidad de que se nazca un bebe con un peso inferior a 2500 gramos, y no comprobar un modelo terico, se realiz una prueba de significancia conjunta

entre los coeficientes no significativos Ver Anexo 6- esta prueba mostr que estos coeficientes no son significativos conjuntamente y por ende se procede a estimar el siguiente modelo: Este modelo se corre, y se obtiene la informacin observada en la Tabla.1. Aqu se puede observar que todos los coeficientes son estadsticamente significativos Ver Anexo 7- pero que sigue presentando un bajo Fit Ver Anexo 8Con un 99% de confianza el hecho de la madre fume incrementa en promedio la probabilidad en 20.104 puntos porcentuales de que esta mujer tenga un bebe con un peso menor de 2500 gramos. Este resultado es acorde a lo esperado, su signo es positivo. CONCLUSIONES Recordando el objetivo de estudio el cual es estudiar los determinantes que generan que el peso de un bebe recin nacido sea inferior a 2500 gramos, se concluy que la nica variable que afecta y positivamente la probabilidad de que suceda este fenmeno es el hecho de que la madre fume. No se logr captar el efecto exacto que tiene el hecho de que la madre sufra de hipertensin sobre la probabilidad de que el bebe tenga un peso inferior a 2500 gramos, se intuye una relacin perfecta entre estas dos variables, esto es debido a que en todos los casos de la muestra en los cuales la madre sufre de hipertensin tena un bebe con un peso inferior a 2500 gramos. No se puede comprobar si la diferencia entre una madre hipertensa y una que no es estadsticamente significativa. Por otro lado debido a que no se encontr la evidencia suficiente para incluir en el modelo final el peso, la edad, la edad al cuadrado y la cantidad de controles mdicos que tuvo la madre cuando estuvo en embarazo, se concluy que estas variables no tienen efecto sobre la probabilidad en promedio de que un bebe nazca con un peso menor de 2500 gramos. Debido a que nuestra variable dependiente es una Dummy que toma el valor de 1 cuando la madre tiene un bebe con un peso menor a 2500 gramos y 0 cuando no, no se puede saber si

una mujer que fuma reduce el peso de sus hijos al nacer en 500 gramos, esto solo se podra saber si la variable dependiente est dada en alguna unidad convertible en gramos. Para saber si la probabilidad de nacer con un peso inferior a 2500 gramos es cercana a 1, si la madre tiene 30 aos, no fumo durante el embarazo, fue a dos controles al mdico, no tiene historial de hipertensin y pesa 80 kilos se hizo una proyeccin. Ver Anexo 9- En esta se concluy que la probabilidad de un bebe nazca con BPN con una madre con las anteriores caractersticas es de 34.69%. Se sugiere que se hagan campaas de prevencin respecto al negativo efecto que genera el hecho de que una madre fume en la salud de un recin nacido. De esta forma se intenta evitar que los recin nacidos tengan un bajo peso y por ende una menor probabilidad de tener alguna complicacin en su salud. Sera interesante buscar datos en los cuales se tenga una variable dependiente dada en gramos sobre el peso del bebe, as se podra dar respuesta a una de las preguntas que se hizo el director de la investigacin, conociendo el efecto que tiene cada variable en el peso como tal del bebe.

REFERENCIAS Soto, Eliud y Avila, Jose y Guitierrez, Victor (2010) Factores de riesgo asociados al bajo peso al nacer. Vol. II, No. 3. Pp117-122 Pereira IJ.(1997) Anlisis multifactorial de los factores de riesgo del bajo peso al nacer en el Salvador. Baha. Rev Panam Salud. Bertot Ponce IA y Cespedes, More y Vazquez , Fonseca y Dalmao , Rodruez, Ortiz, Uriarte. (2010). Factores de riesgo asociados al bajo peso al nacer. Quiroga, Maria y Paredes, Dennisse y Rodriguez, Orlando y Quispe, Edwin y Klein, Eva (2007) ESTUDIO CROMOSMICO EN EL ABORTO ESPONTNEO Y SU APLICACIN CLNIC. Rev Per Ginecol Obstet. 2007;53(2):124-129 Dr. David Ludwig (Hospital de Nios de Boston), Dr. Janet Currie (Universidad de Columbia, Nueva York) Estudio sobre el embarazo (1989-2003) Alonso, Julio Csar y Seman, Pau (2010). Easy Reg: Aplicaciones para un curso de econometra. Pp 168. Coleccin Discenir Universidad Icesi.

ANEXOS ANEXO 1: DATOS DATO 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 . . . . 496 497 498 499 500 PBN 0 0 1 1 0 1 0 1 0 1 0 1 1 1 1 0 0 0 1 1 0 0 0 . . . . 1 0 0 0 0 EDAD 17.6984617 25.3097074 16.3101629 32.3853424 21.8504944 20.2872572 27.4977999 31.8188523 30.3810115 27.7515413 28.8400917 27.5769869 28.6857093 25.8492883 14.1258439 28.738694 26.8520449 17.218745 14.8205006 30.4306326 30.369072 18.2114532 18.460619 . . . . 28.2349975 34.9299363 24.33051 15.1867833 24.3177935 313.235547 640.581289 266.021415 1048.8104 477.444106 411.572803 756.128998 1012.43936 923.005859 770.148045 831.750889 760.490208 822.869918 668.185707 199.539467 825.91253 721.032317 296.485178 219.647237 926.023402 922.280533 331.657029 340.794452 . . . . 797.215084 1220.10045 591.973719 230.638386 591.355083 PESO 52.6703054 48.6447995 79.6178304 82.6492041 71.6157563 70.4163306 64.6516233 53.103096 67.5164054 45.9484121 48.4627027 59.432262 69.6551802 77.0227105 69.6573057 72.7977657 77.986558 79.1390283 50.5399123 52.6212776 61.5216751 50.0437917 49.3894068 . . . . 83.4366727 40.2773666 49.0583221 48.347609 80.777992 HIPER 0 0 1 1 0 1 0 1 0 1 0 1 1 1 1 0 0 0 1 1 0 0 0 . . . . 1 0 0 0 0 CONTROL 1 5 10 4 6 6 4 8 3 10 2 9 5 8 1 3 5 2 5 4 4 8 4 . . . . 6 1 0 4 3 FUMA 1 0 1 1 0 1 0 1 0 1 0 1 1 0 0 0 1 1 0 0 0 1 0 . . . . 1 0 0 0 0

ANEXO 2: VARIABLE

Dado a que

Reparametrizando, si

Tenemos que:

10

ANEXO 3: SIGNIFICANCIA INDIVIDUAL MODELO 2

Valor-p= 0.40055 No es posible entonces rechazar la hiptesis nula segn la cual el coeficiente no es significativo. Por lo tanto podemos afirmar que el coeficiente no es significativo al 90% de confianza.

Valor-p= 0.20502 No es posible entonces rechazar la hiptesis nula segn la cual el coeficiente no es significativo. Por lo tanto podemos afirmar que el coeficiente no es significativo al 90% de confianza.

Valor-p= 0.19404 No es posible entonces rechazar la hiptesis nula segn la cual el coeficiente no es significativo. Por lo tanto podemos afirmar que el coeficiente no es significativo al 90% de confianza.

Valor-p= 0.92211 No es posible entonces rechazar la hiptesis nula segn la cual el coeficiente no es significativo. Por lo tanto podemos afirmar que el coeficiente no es significativo al 90% de confianza.

11

Valor-p= 0.67080 No es posible entonces rechazar la hiptesis nula segn la cual el coeficiente no es significativo. Por lo tanto podemos afirmar que el coeficiente no es significativo al 90% de confianza. .

Valor-p= 0.00000 Es posible entonces rechazar la hiptesis nula segn la cual el coeficiente no es significativo. Por lo tanto podemos afirmar que el coeficiente es significativo al 99%.

ANEXO 4: PRUEBA WALD MODELO 2 Prueba de significancia conjunta de los betas:

El valor del estadstico Wald es 23.03 con un valor-p asociado de 0,00033. Por lo tanto, es posible rechazar la hiptesis nula segn la cual todas las pendientes no son significativas conjuntamente con un 99% de confianza.

ANEXO 5: INDICE DE LA RAZON DE VEROSIMILITUD MODELO 2 La forma para estimar el LRI es la siguiente: de la funcin de verosimilitud en su mximo, y con

Donde

es el logaritmo

12

Dado a que

, , tenemos que

ANEXO 6: PRUEBA DE SIGNIFICANCIA CONJUNTA DE LOS COEFICIENTES NO SIGNIFICATIVOS Prueba de significancia conjunta de los betas:

El valor del estadstico Wald es 1.9 con un valor-p asociado de 0,75277. Por lo tanto, no es posible rechazar la hiptesis nula segn la cual todas las pendientes no son significativas conjuntamente.

ANEXO 7: PRUEBA DE SIGNIFICANCIA INDIVIDUAL MODELO 3

Valor-p= 0.0000 Es posible entonces rechazar la hiptesis nula segn la cual el coeficiente no es significativo. Por lo tanto podemos afirmar que el coeficiente es significativo al 99%.

Valor-p= 0.0000 Es posible entonces rechazar la hiptesis nula segn la cual el coeficiente no es significativo. Por lo tanto podemos afirmar que el coeficiente es significativo al 99%.

13

ANEXO 8: INDICE DE LA RAZON DE VEROSIMILITUD MODELO 3 La forma para estimar el LRI es la siguiente: de la funcin de verosimilitud en su mximo, y con

Donde

es el logaritmo

. , , tenemos que

Dado a que

ANEXO 9: PROYECCIN Si la madre tiene 30 aos, un peso 80 Kilogramos, ha tenido 2 controles y fuma, utilizando la estimacin del modelo 3 de la tabla.2, el cual no tienen en cuenta las variables anteriores ya que no tienen efecto sobre el objeto de estudio, se obtiene que:

Por ende una madre con las anteriores caracterstica tiene una probabilidad de tener un bebe con un peso inferior a 2500 gramos de 34.69%

14