SciELO - Scientific Electronic Library Online

 
vol.3 número1Evaluación comparativa de cuatro abonos verdes y estimación de su capacidad de fijación de carbono en dos comunidades del municipio Morochata - BoliviaNd3+ and Er3+ in morphous silicon compounds for photonics índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

Links relacionados

  • No hay articulos similaresSimilares en SciELO

Compartir


Acta Nova

versión On-line ISSN 1683-0789

RevActaNova. vol.3 no.1 Cochabamba dic. 2005

 

Artículo Científico

 

Impacto de la contaminación del aire en enfermedades respiratorias atendidas en el Centro Pediátrico Albina Patiño

 

 

Natalie Alem, Marcos Luján, Dennis Bascopé

Departamento de Ciencias Exactas e Ingeniería, Universidad Católica Boliviana Av. General Galindo s/n, Cochabamba, Bolivia

e-mail: natalem@gmail.com

 

 


Resumen

Se elaboró e implementó una metodología para evaluar el impacto de la contaminación sobre casos de enfermedades respiratorias, atendidos en el Centro Pediátrico Albina Patiño, en la ciudad de Cochabamba (Bolivia), durante el año 2004. Se aplicó un estudio ecológico de series de tiempo, para asociar los niveles de contaminación por dióxido de nitrógeno (NO2) y de ozono (O3) con consultas externas por causa de enfermedades respiratorias. Se consideraron por separado cuatro patologías: asma, bronquitis, bronquiolitis, neumonía-bronconeumonía. Se utilizó como modelo la regresión de Poisson, aplicando el paquete estadístico STATA 8.0, para obtener factores de riesgo relativo y calcular el número de casos atribuibles a la contaminación del aire para cada variable de salud. Los mayores efectos sobre la salud están asociados la contaminación por NO2. Se logró adaptar la metodología propuesta a la disponibilidad de información de salud y de contaminación atmosférica en Cercado, para estimar, como primera aproximación, los efectos a corto plazo del NO2 y del O3 sobre la salud de la población.

Palabras clave: Contaminación atmosférica, series de tiempo, salud, regresión de Poisson, Cochabamba-Bolivia.


 

 

1    Introducción

Desde la ocurrencia de episodios de contaminación agudos en ciudades como Londres en 1952, en los cuales murieron miles de personas, se viene estudiando el impacto de la contaminación atmosférica sobre la mortalidad y morbilidad de las poblaciones [5] [15]. Aunque los mecanismos no están explicados en su totalidad, los estudios epidemiológicos realizados en los últimos 20 años sugieren que la contaminación del aire exterior es un factor que contribuye al incremento de la mortalidad y morbilidad [14], Un estudio realizado el 2003 muestra que la contaminación del aire es responsable del 1,4% de todas las muertes en el mundo [15].

En los últimos años, en muchos países en vías de desarrollo los índices de mortalidad y morbilidad también han aumentado considerablemente a causa de la contaminación atmosférica [21]. Este hecho es preocupante ya que, en la práctica, es imposible evitar el estar expuesto a la contaminación atmosférica, sobre todo para las poblaciones que viven en centros urbanos. El impacto que tiene la contaminación sobre la salud tiene consecuencias, no sólo sobre la salud y la calidad de vida de la gente, sino también consecuencias económicas y sociales, que tienen mayor impacto en países en desarrollo, postergando todavía más sus aspiraciones de una vida mejor.

El impacto de la contaminación del aire sobre la salud es mayor en grupos sensibles de la población, como niños, ancianos, enfermos y embarazadas, que son más vulnerables a la contaminación del aire. Los niños son un grupo vulnerable, debido principalmente a que la proporción de contaminante inhalado es mayor por unidad de masa corporal comparada con la de adultos, la ventilación pulmonar por unidad de peso es mayor en los niños y juegan más a menudo al aire libre. Otra característica que vuelve sensible al grupo de niños y niñas es que fisiológicamente su sistema inmunológico y sus órganos son aún inmaduros, y sus vías respiratorias son más estrechas, por lo que existe mayor cantidad de tejido expuesto por volumen inhalado y, por tanto, existe mayor probabilidad de inflamación de las mucosas y membranas de las vías respiratorias [15].

Un estudio realizado en Europa por la Organización Mundial de la Salud, en el 2004, señala que la mortalidad del 33% de la población infantil europea puede ser atribuida a cinco factores, entre los cuales se encuentra la contaminación del aire, como la principal causa. En el estudio también se detectó que, cada año, en Europa mueren más de 13.000 niños menores de cuatro años a causa de la contaminación atmosférica [3].

A pesar de la gravedad de la situación, la información sobre los impactos de la contaminación del aire sobre la salud, en las principales ciudades de Bolivia es muy limitada. Sin embargo, en Cochabamba se cuenta con información sobre la contaminación atmosférica, monitoreada a través de la Red de Monitoreo de la Calidad del Aire (Red MoniCA). La Red MoniCA moni torea diferentes contaminantes criterio, con tres metodologías: monitoreo pasivo, activo y automático. Los datos indican que existe una sólida tendencia a un deterioro de la calidad del aire, debido al aumento, en particular, del material particulado (PM10), óxidos de nitrógeno y ozono (O3). En la figura 1 se puede observar el comportamiento del dióxido de nitrógeno (NO2), para valores de promedios máximos de una hora diarios, en los años 2001 y 2004, monitoreados con un equipo automático en la estación Plaza Colón. El incremento de las concentraciones del NO2, a lo largo del tiempo, hace indispensable determinar su impacto en la salud de la población.

De igual manera, se observa que las concentraciones de ozono, para los promedios móviles de 8 h, en la estación SEMAPA, han incrementado desde el año 2001 (Fig. 2).

Por otro lado, ciertas patologías respiratorias, como las infecciones respiratorias agudas muestran un aumento el año 2004 con relación a años precedentes (Fig. 3). Estas patologías pueden ser agravadas por la contaminación atmosférica, sin embargo, existen pocos estudios que establecen el alcance de esta relación.

Los límites para los diferentes contaminantes del aire, establecidos en la norma nacional, son niveles confiables bajo los cuales se asegura un efecto mínimo sobre la salud y la calidad de vida de las personas. Sin embargo, actualmente se discute sobre si existe o no un umbral inferior el cual evite poner en riesgo la salud de las personas, porque muchos estudios han mostrado que aún por debajo de los niveles de calidad del aire considerados como seguros, existen asociaciones positivas entre los contaminantes del aire y los efectos sobre la salud [15], sobre todo en poblaciones de alto riesgo como niños, ancianos y personas con enfermedades respiratorias.

Mediante el presente estudio se estimaron los efectos agudos del NO2 y del O3 troposférico sobre los casos diarios de enfermedades respiratorias, en niños/as atendidos/as en el Centro Pediátrico Albina Patiño el año 2004. El Centro Pediátrico Albina Patiño, se dedica exclusivamente a la atención de niños/as y adolescentes menores de 17 años. Se implementó una metodología reconocida y normalizada, para obtener resultados consistentes y comparables con otros estudios desarrollados a nivel mundial.

 

2    Efectos del NO2 y el O3 en la salud

La contaminación atmosférica es la inmisión de sustancias que, por su concentración o duración en la atmósfera, pueden provocar daños a las personas, animales, plantas o bienes materiales. Estas sustancias son llamadas contaminantes atmosféricos y pueden provenir de dos tipos de fuentes. Las fuentes naturales incluyen: el polen, las erupciones volcánicas, incendios por causas naturales y la descomposición bacteriana, etc. Las fuentes antropogénicas son: el transporte vehicular, las industrias y las centrales hidroeléctricas, entre otras. La contaminación que proviene de fuentes naturales provoca muy rara vez efectos serios al medio ambiente, porque puede ser más fácilmente dispersada o diluida naturalmente [7] [16].

Debido a que se enfatizó el impacto provocado por el NO2 y el O3 sobre la salud, se detallan algunas de las características de estos contaminantes.

2.1   Dióxido de nitrógeno

El NO2 es un gas incoloro, que se produce por la quema de combustibles a temperaturas elevadas a partir del nitrógeno del aire, sobre todo por la industria (generación de energía eléctrica y calderas industriales, entre otras) y por el tráfico vehicular [2].

Los efectos agudos, es decir, que tienen impacto sobre la salud por exposiciones a NO2 en periodos cortos de exposición son, en general, la irritación en los ojos, nariz y garganta, edema pulmonar, decremento de la función pulmonar, bronquitis y neumonía [2] [18] [27]. Por otra parte, dos estudios realizados en Japón que relacionan la mortalidad por cáncer de pulmón y las concentraciones de NO2, han detectado una asociación significativa entre ambas variables [25].

No existen estudios concluyentes sobre la relación concentración-respuesta por exposición al NO2. Sin embargo, sobre la base de datos clínicos, se ha propuesto que el valor guía apropiado, en el cual no existirían riesgos para la salud humana, es de 200 μg de NO2 /m3 como máximo de 1 h diario y 80 μg/m3 para promedios de 24 h [19]. En Bolivia, la norma para máximos promedios de 24 h es de 150 μg/m3 y para máximos diarios de 1 h el valor establecido es de 400 μg/m3. Estos valores superan los valores guía [11]. Además de sus efectos directos sobre la salud, los NOX contribuyen significativamente a la formación de oxidantes fotoquímicos, principalmente ozono, al descomponerse en óxido nítrico y oxígeno atómico y reaccionar con una molécula de oxígeno, por la acción de la luz solar [2] [27].

2.2  Ozono

En la troposfera se forma el O3, producto de la reacción entre los NOX y los compuestos orgánicos volátiles (COV) en presencia de radiación solar [14] [27]. La reacción que se lleva a cabo entre el NO2 en presencia de la luz solar es la siguiente [2]:

Donde

hv = fotón de luz solar

El O3 es una forma alotrópica del oxígeno, de color azul pálido. Además, el O3 es un oxidante muy fuerte que ataca al hule sintético, decolora textiles, pinturas y provoca daños en la vegetación, al reducir su capacidad de fotosíntesis y consecuentemente la producción de alimentos [3] [27].

El O3 es el principal componente del smog o niebla fotoquímica y provoca daños en la salud de las personas, sobre todo en ancianos y niños. Entre otros efectos, el O3 causa irritación severa en la nariz, ojos y garganta, constricción en el pecho, dificultad en la respiración y reducción en la capacidad forzada (FVC) [16] [27]. Además, el O3 provoca cambios en la función pulmonar y un aumento en las infecciones respiratorias porque afecta a las funciones de los macrófagos [14] [18]. Finalmente, el O3 empeora las enfermedades crónicas como son el asma, bronquitis, enfisema pulmonar y trastornos cardiacos [11] [14] [27].

En un estudio realizado en San Paulo-Brasil, sobre la contaminación del aire y el ingreso diario por urgencias a causa de la neumonía y la gripe, se verificó que el O3 está directamente asociado a estas patologías [9]. El estudio indica que existe un aumento del 8.07% de casos atendidos por neumonía y gripe cuando la concentración del O3 incrementa en 38.8 μg/m3 [9].

La Organización Mundial de la Salud propone como valor guía, 120 μg O3/m3, para máximos promedio de 8 h [18]. Sin embargo, en Bolivia, la norma para máximos de 1 h ha sido establecida en 236 μg/m3, de acuerdo al reglamento de la ley del medio ambiente [11].

 

3    Método utilizado en el estudio

La asociación cuantitativa entre los niveles de contaminación atmosférica y los efectos sobre la salud se fundamentan en estudios toxicológicos y epidemiológicos. Los estudios más utilizados para estimar esta asociación, son los estudios epidemiológicos de series de tiempo, en los cuales se estudian los efectos de la contaminación del aire bajo condiciones naturales, en toda la población considerada [6] [18] [25].

En un estudio de series de tiempo, se comparan variaciones, en periodos de tiempo que pueden contemplar varios años, de los niveles de exposición al contaminante, con otra serie de tiempo que muestra cambios en la frecuencia de ocurrencia del indicador de salud, en la población de un área geográfica. Los periodos considerados para la medición de las variables son en general de un día [4] [6] [22].

Para evaluar el impacto de la contaminación del aire sobre la salud, se consideran datos diarios de medidas indirectas. La información de salud es recolectada de las instituciones de salud, generalmente de consultas, hospitalizaciones, visitas a urgencias y muertes, mientras que los datos de la contaminación atmosférica, son recabados de las redes de monitoreo de la calidad del aire, para un tiempo y lugar dados [8] [10] [11].

Las ventajas de los estudios de series de tiempo son, entre otras, que analizan la salud en un contexto ambiental real [4] [10]. Además, los estudios de series de tiempo son relativamente fáciles de realizar, tienen bajos costos, se realizan relativamente rápido y utilizan datos que generalmente son disponibles [4] [10]. Además, al analizar la misma población día a día, muchas variables que actúan como factores de confusión individuales, se mantienen constantes en periodos de tiempo cortos, y no es necesario considerarlas en el análisis [6]. Entre estas variables de confusión individuales, para un periodo de estudio corto, Sánchez et al. (1998) incluyen el hábito tabáquico y alimenticio, tiempo de exposición al aire libre, acceso a la salud y condiciones socioeconómicas.

Un aporte importante de los estudios de series de tiempo es que ha permitido detectar efectos significativos sobre la salud, aún a niveles de concentración de contaminantes considerados seguros. En consecuencia, se han reformulado algunos valores guías de exposición a contaminantes atmosféricos [10].

Las desventajas de los estudios de series de tiempo son principalmente que no se dispone de información individual, no se puede establecer una relación causal y no se puede establecer incidencia [4] [8]. Además, es difícil determinar la secuencia de tiempo entre la exposición y la enfermedad y es difícil evaluar el efecto de variables de confusión, que también tienen un efecto sobre la frecuencia de los casos estudiados [4] [8]. Una variable de confusión es un factor geofísico, meteorológico o sociocultural que puede afectar de alguna manera el comportamiento de la ocurrencia del efecto en la salud, pero que no es de interés intrínseco del estudio, por lo que se trata de disminuir su efecto sobre la respuesta en la salud [4].

A pesar de las limitaciones metodológicas, los estudios de series de tiempo, por su alta efectividad, actualmente son ampliamente utilizados para estudiar los efectos agudos asociados a la contaminación. Además, los estudios de series de tiempo permiten calcular los impactos económicos y las ventajas que se pueden obtener al disminuir los niveles de contaminación [10] [19]. Los resultados que se obtienen de los estudios de series de tiempo tienen un valor de orientación inicial en relación a los factores que pueden condicionar una enfermedad y se puede estimar hipotéticamente la relación causa-efecto para las poblaciones susceptibles al riesgo estudiado [10].

La herramienta más utilizada, para analizar la relación entre la variación de los contaminantes del aire con la variación de las ocurrencias de una enfermedad (variable respuesta), es la regresión longilineal de Poisson, con la incorporación de diferentes variables de confusión [18]. Al aplicar este modelo, se asume que la variable de salud sigue una distribución de probabilidad de Poisson, la cual cumple con ciertas condiciones [1] [23]:

• Es una variable que sólo asume valores discretos (enteros positivos)

• La frecuencia de un evento, en un intervalo de tiempo de espacio o tiempo, es independiente de otros

• La varianza es igual a la media esperada del efecto en la salud

La construcción del modelo de regresión de Poisson autoregresivo permite determinar si la variable respuesta depende o no de otras variables. Si las variables independientes tienen un efecto significativo sobre la variable respuesta (para un intervalo de confianza del 95%, p<0.05), este efecto es evaluado por el coeficiente β de cada variable independiente en el modelo de regresión de Poisson. El modelo linear generalizado para relacionar la variable respuesta con diferentes variables independientes, está construido de la siguiente manera [1] [20] [24] [26]:

Donde

E(y) = el número esperado de casos diarios

β0 y βi = constantes del modelo

x = cualquier variable independiente i en el periodo de tiempo t

La construcción del modelo de Poisson para cada un de los efectos sobre la salud tiene dos fases. En la primera fase, se construye un modelo basal con las posibles variables de contusión. En la segunda fase, se incluyen las variables de contaminación atmosférica o sus retardos (valores de días previos de esta variable), considerando especialmente a la posible autocorrelación (cuando la ocurrencia de la variable de salud está influenciada por valores previos de ella misma), con la inclusión de retardos de la variable respuesta [20] [25].

La construcción del modelo basal sigue generalmente los siguientes pasos [20]:

1. Inclusión de las variables de confusión o de sus retardos

2. Inclusión de los días de la semana como variables dummy, esto debido a que la actividad laboral reducida en días feriados en los centros de salud influye sobre el registro de los casos estudiados

3. Inclusión de términos sinusoidales que minimicen los efectos de la estacionalidad de la variable de salud

Una vez identificado el modelo basal para cada variable respuesta, se incluyen cada uno de los contaminantes o sus retardos, y se toma en cuenta el que cumple el criterio estadístico de mejoría de la lejanía o deviance, el cual está determinado por una significación de verosimilitudes de p<0.05, para un intervalo de confianza del 95% [20].

El modelo de Poisson permite posteriormente estimar el riesgo relativo mediante la ecuación,

Donde

βi= el coeficiente de regresión asociado a una unidad de incremento del contaminante atmosférico [26]

El riesgo relativo mide la fuerza de asociación entre los niveles de contaminación a los cuales está expuesta una población y los efectos que se dan sobre la salud [12].

A partir de los datos obtenidos de factores de riesgo relativo, de los modelos de regresión, es posible estimar la fracción atribuible y el número de casos atribuibles a la contaminación del aire. La fracción atribuible de la población es la fracción de todos los casos que puede ser atribuida a la contaminación a la que está expuesta la población. Se calcula a partir de la fórmula propuesta por Krzyzanowski [18]:

Donde

RR(c)= el riesgo relativo para una patología en la categoría c de exposición (por definición, c=1 es una categoría de referencia, siendo RR(1)=1)

p(c)= la porción de la población en la categoría de exposición c

Σp(c)= 1

Σ= una sumatoria de c = 1 a n

El número de casos por unidad de población atribuible a la exposición de la población (IE) se calcula mediante [18]:

Donde

I= la incidencia de la variable respuesta.

De esta manera, se puede estimar el número de casos atribuibles a la exposición (NE) para una población de un tamaño dado N mediante [18]:

4    Metodología

El número diario de consultas externas por enfermedades respiratorias, se relacionó con las variaciones diarias de los contaminantes atmosféricos, aplicando modelos de regresión de Poisson autoregresivos. Para controlar los posibles efectos de factores de confusión, se introdujeron variables meteorológicas y estacionales.

4.1 Recolección de la información requerida

La variable respuesta fue constituida por los registros diarios de consultas externas por enfermedades del aparato respiratorio, para el año 2004, obtenidos del Centro Pediátrico Albina Patiño. Se consideraron las siguientes enfermedades respiratorias: asma (CIE-9: 493), bronquitis (CIE-9: 46601), bronquiolitis (CIE-9: 46602) y neumonía-bronconeumonía (CIE-9: 486).

Se consideraron como variables explicativas al NO2 y al O3 troposférico. Los datos diarios de los contaminantes fueron obtenidos de los registros generados por analizadores automáticos de la Red de Monitoreo de la Calidad del Aire. Para el NO2, se utilizaron los valores diarios de máximos de 1 h y los promedios diarios de 24 h, mientras que para el O3 se utilizaron los valores máximos diarios de 1 y 8 h. Se utilizaron los datos de los contaminantes ambientales de tres estaciones automáticas. La tabla 1 muestra las estaciones de las cuales se obtuvo la información para cada contaminante.

Los datos de NO2 fueron obtenidos de dos estaciones de monitoreo automático, una ubicada en el centro de la ciudad, la Plaza Colón, y la otra al norte de la ciudad, en los predios de SEMAPA. Los datos de O3 también fueron obtenidos de dos estaciones de monitoreo automático, una ubicada al norte de la ciudad, sobre la avenida Circunvalación, en SEMAPA y la otra dentro del Parque Tunari, en los predios del Programa de Manejo Integral de Cuencas (PROMIC). Los valores diarios de temperatura fueron generados por equipos ubicados en SEMAPA y los de la humedad relativa fueron proporcionados por AASANA en el aeropuerto de Cochabamba.

4.2 Tratamiento de la información

Para utilizar la información de los contaminantes atmosféricos en el estudio de series de tiempo, como variables explicativas, las estaciones debían presentar un porcentaje de datos válidos de al menos 75%. Es así que los datos de NO2 de la estación de SEMAPA, al no cumplir este criterio fueron descartados del estudio.

Posteriormente, se corrigió la deriva que presentan los equipos automáticos entre calibración y calibración. Además se imputaron los datos perdidos por vacíos de información o datos incoherentes, a través de interpolaciones lineales, para los valores horarios faltantes, con los valores de días previos y posteriores al día con vacío de información.

Una vez completada la serie de las variables explicativas, se calcularon los parámetros requeridos para cada variable:

• Máximo diario de una hora y promedio diario de 24 h para el NO2

• Máximos diarios de 1 y 8 h para el O3

La información de salud, registros diarios de consultas externas en torno al aparato respiratorio, fue obtenida del Centro Albina Patiño. Se tradujeron estos registros diarios en números de casos por día, para cada una de las variables respuesta, y se incluyeron los casos totales como variable respuesta. Los casos totales fueron obtenidos de la sumatoria del número de casos diarios del asma, bronquitis, bronquiolitis y neumonía-bronconeumonía.

Los valores de la variable de temperatura también fueron corregidos a partir de interpolaciones lineales y se calcularon la media, la máxima y la mínima de temperatura. Se incluyó la variable diferencial de temperatura, resultante de la diferencia entre la máxima y la mínima de temperatura. Los datos de la humedad relativa fueron recolectados como máximos, promedios y mínimos. A partir de la diferencia entre los valores máximos y mínimos, se calculó la variable diferencial de humedad relativa.

4.3 Construcción del modelo basal

Para cada variable respuesta, se construyó un modelo basal, incluyendo una a una las principales variables de confusión (temperatura y humedad relativa). Como el efecto de la temperatura o de la humedad relativa no necesariamente ocurre el mismo día de la consulta al Centro de Salud, sino que puede ser retardado, es decir, tener efecto en las consultas de los días siguientes, se incluyeron retardos de la temperatura y humedad relativa hasta de orden 7.

Posteriormente, se incluyeron los días de la semana, como variables dummy. Para minimizar el posible efecto de la estacionalidad de la variable respuesta se incluyeron términos sinusoidales de los siguientes tipos:

Donde

k=1 (ciclo anual)

k= 1.5

t= 1 al 366

Las variables fueron incluidas progresivamente si el cociente de probabilidad era p<0.05 (límite de confianza de 95%), lo cual determinaba en qué medida se mejoraba la lejanía (deviance o pseudo R2).

4.4 Inclusión de las variables de contaminación atmosférica

Una vez identificado el modelo basal para cada variable respuesta, se introdujeron los contaminantes uno por uno y sus retardos hasta de orden 7. Se consideró el retardo que era más significativo. Luego, se añadieron retardos de la variable respuesta para controlar la posible autocorrelación seriada existente.

 

5    Resultados

La figura 5 muestra el comportamiento de los máximos de una hora del NO2 para el año 2004 en la estación Plaza Colón.

En 2004 se registraron valores altos en la primera semana de noviembre para las concentraciones de máximos de una hora para el NO2 (Fig. 4). En promedio, las concentraciones del NO2 aumentan en los meses de invierno (Fig. 4). El mes que presenta la concentración promedio más elevada es junio, con 94.4 μg de NO2/m3 y el mes con los niveles mensuales promedio más bajos es diciembre con 67.5 μg/m3.

La figura 5 muestra el número de días que la población de Cercado se encuentra expuesta a diferentes categorías de valores máximos de una hora (en μg/m3) del NO2. Días con niveles de 150 y 180 μg/m3 son los más frecuentes. Es importante resaltar que existen 27 d/yr en los cuales la concentración de NO2 sobrepasa el valor guía de la OMS (200 μg/m3).

Al igual que para los valores máximos de 1 h, se realizó el cálculo del número de días por categoría para el valor promedio de 24 h de NO2 al que se encuentra expuesta la población de Cercado (Fig. 7).

En el caso del promedio diario para el NO2, con mayor frecuencia la población está expuesta a valores de 80 y 90 μg/m3. En este caso no existe ningún día que sobrepase la norma de 150 μg/m3, pero sí se sobrepasa frecuentemente el valor guía de 80 μg/m3.

La figura 8 muestra el comportamiento de los promedios móviles de ocho horas del O3 para el año 2004 en las estaciones de SEMAPA y Parque Tunari. En los meses de septiembre y octubre, principalmente, las concentraciones del O3 son mayores que durante el resto del año, probablemente porque la radiación solar es mucho mayor en septiembre y octubre que durante el resto del año.

Para los valores máximos de 1 h de O3, la población está expuesta generalmente a niveles de 90-110 μg/m3, muy por debajo de la norma boliviana (236 μg/m3) (Fig. 9).

La gráfica 9 muestra el número de días que la población de Cercado se encuentra expuesta a diferentes categorías de promedios móviles de 8 h (en μg/m3) del O3. La población generalmente está expuesta a niveles de contaminación entre 70-90 μg/m3, debajo del valor guía propuesto por la OMS (120 μg/m3) (Fig. 10). Sin embargo, existieron cinco días en Parque Tunari y seis días en SEMAPA en los cuales las concentraciones del O3 excedieron el valor guía (Fig. 9).

Los estadísticos de las variables respuesta se presentan en la tabla 2.

Se observó que todas las variables respuesta presentaban sobre dispersión, es decir, la varianza es mayor que la media (Tabla 2). Para mejorar la relación entre la media y la varianza, tal que se cumpla el postulado de la regresión de Poisson donde V(yt)= μ, se incluyeron retardos de la variable respuesta. Si bien no se logró igualar la relación, se disminuyó el efecto provocado por la sobredispersión.

Las variables de salud también presentaron autocorrelación, que fue controlada incluyendo al modelo retardos de la variable respuesta, la figura 11 muestra un ejemplo para la variable casos totales.

Es importante tomar en cuenta que las variables dependientes pueden tener un comportamiento estacional Si se observa la figura 12, se puede notar claramente un aumento en el número de consultas totales entre los meses de abril y julio.

El efecto de la estacionalidad sobre las variables respuesta fue considerada, incluyendo términos sinusoidales en el modelo.

5.1 Construcción del modelo

Se construyó el modelo basal para las variables respuesta siguiendo la metodología descrita previamente. La tabla 3 muestra el resumen de los modelos con las variables de confusión más significativas para cada variable dependiente. La única variable para la cual no se encontró asociación con las variables de confusión, es la variable asma; posiblemente por la reducida cantidad de casos que se presentaron el año 2004 en el centro de salud.

La construcción del modelo basal para todas las variables respuesta, excepto para la bronquiolitis, se realizó a partir del diferencial de temperatura y de la humedad relativa con algunos de sus retardos. Aparentemente las enfermedades respiratorias están asociadas a grandes cambios de la temperatura durante el día y a la presencia de humedad en el ambiente. De la misma manera que se incluyeron las variables meteorológicas, se incluyeron otras variables que podían ser confusoras de las variables respuesta, como son los días de la semana, estacionalidad y los retardos de la variable respuesta.

Después de identificado el modelo basal para cada variable respuesta, se introdujeron los contaminantes uno a uno y sus retardos hasta de orden 7. La tabla 4 muestra un ejemplo del modelo final para los casos totales con O3, para máximos de 8 h.

A partir de los valores de factor de riesgo relativo, determinados mediante los modelos, se calculó la fracción atribuible (PA) para cada una de las variables respuesta mediante la ecuación propuesta por Krzyzanowski (ecuación 1) [1]. Seguidamente, a partir de la ecuación (3), se determinó el número de casos atribuibles (para cada variable respuesta) a los diferentes contaminantes, en el Centro Pediátrico Albina Patiño, para el año 2004. En la tabla 5 se presenta el resumen de las fracciones atribuibles y del número de casos atribuibles, calculados para cada variable respuesta, dependientes de las variables de contaminación atmosférica, en sus diferentes parámetros.

El numero de casos atribuibles, calculados para el Centro Pediatrico Albina Patiño, muestra que el contaminante que mayores efectos tiene sobre las consultas externas por causas del aparato respiratorio es el NO2, en su parametro de promedio de 24 h. El efecto de la contaminación por NO2 es significativo para todas las enfermedades respiratorias consideradas, excepto el asma. La mayor proporción atribuible se observo para la N-bronconeumonia. Esto significa que, de los 2 990 casos totales por enfermedades respiratorias atendidas el 2004, 155 pueden ser atribuibles a la contaminación por NO2. En todos los casos de variables respuesta analizados, se observa un mayor impacto del promedio de 24 h en relación al máximo de 1 h para el NO2, excepto la N-bronconeumonía.

Además, el O3 puede causar 58 casos en exceso de enfermedades respiratorias, para las consultas externas en el Centro Pediátrico Albina Patiño (Tabla 5). El efecto del O3 es significativo en los casos de bronquitis y casos totales. Sin embargo, no se detectó un efecto significativo del O3 en relación al asma, bronquiolitis y N-bronconeumonía. En general, el efecto del O3 sobre los casos analizados es menor que el del NO2. Esto es consistente con los datos generados por los equipos de la Red MoniCA, porque, en comparación con el O3, el nivel de NO2 más frecuentemente supera los límites establecidos por los valores guía.

 

6    Conclusiones y recomendaciones

A pesar de que en la ciudad de Cochabamba los valores de los contaminantes del aire no sobrepasan los valores guía frecuentemente, existe un impacto significativo del NO2 y del O3 sobre el número de consultas externas por enfermedades respiratorias, tales como la bronquitis, bronquiolitis y neumonía-bronconeumonía. Aunque, para el asma no se ha detectado una relación entre número de casos diarios y la contaminación del aire, no se puede afirma que no exista una relación entre estas variables, especialmente porque se realizo el análisis con un número reducido de casos de asma.

El parámetro más importante para la bronquitis resultó el promedio diario de 24 horas del dióxido de nitrógeno, para el cual 4,3% de los casos pueden ser atribuidos a la contaminación por NO2. Por otro lado, el ozono tuvo menos efecto sobre el número de casos de bronquitis, pero el parámetro más significativo fue el máximo diario con 3,3%, el cual representaba un aumento del 3,3% de casos por esta patología.

La asociación más significativa para la bronquiolitis fue el promedio diario de NO2 y no se detectó ninguna relación significativa con la contaminación por O3. En los casos de la bronquiolitis, el promedio diario de NO2 tiene un efecto ligeramente mayor que el promedio diario de máximo de 1 h.

Para los casos de neumonía-bronconeumonía, al igual que la bronquiolitis, no se detectó una asociación significativa con el O3. Sin embargo, se identificó una asociación significativa con el máximo de 1 h de NO2, diferente a las demás variables, que parecen estar más afectadas por el parámetro de promedio diario. Finalmente, para los casos totales, el parámetro con mayor impacto es el promedio diario de NO2 con un 5,2% de los casos atribuibles.

Se concluye que el parámetro de mayor impacto sobre los casos estudiados es el promedio diario de 24 h para el NO2 y, para el O3, el máximo diario de 8 h. El NO2 tiene mayor impacto que el O3, resultado que es coherente, debido a que las concentraciones del NO2 sobrepasan con más frecuencia los valores guía propuestos por la OMS. En el caso del O3, el parámetro que tiene mayor impacto sobre la salud es el máximo diario de 8 h. Sin embargo, en la norma boliviana no existen valores para este parámetro, por lo cual sería importante establecer una norma.

Los datos indican que la variable de confusión de mayor influencia sobre las enfermedades respiratorias es la diferencia de temperatura durante el día, aunque existe una asociación significativa con la humedad relativa máxima.

No se cuenta son información de salud suficiente para determinar el impacto de la contaminación sobre ciertas patologías, por lo que es necesario desarrollar adecuados sistemas de información y seguimiento de las enfermedades asociadas a la contaminación del aire. Por ejemplo, para determinar con más precisión el impacto de la contaminación del aire sobre la población del Cercado, se recomienda aplicar la misma metodología para una serie de tiempo mayor a un año y para una muestra más amplia de la población. Además, como el método exige que la información de los niveles de contaminación atmosférica sean de alta calidad, se debe implementar sistemas de medición confiables y realizar controles de calidad para garantizar la confiabilidad de los datos.

 

Agradecimientos

Los autores agradecen el apoyo brindado por el directorio y los responsables de la Red MoniCA quienes brindaron la información sobre la contaminación atmosférica. También agradecemos al personal del Centro Pediátrico Albina Patiño por el acceso a la información.

 

Referencias

[1] V. Abaraira y Perez A. Regresion de Poisson. Centro de Estudios Ramon Areces. Madrid, Espana, 1996.

[2] R. Alley y Associates, Inc. Manual de la calidad de! aire. Mc Graw Hill Interamericana Editores, S.A. de C.V. de Mexico, D.F, 2001.

[3] BBC. OMS: 5 causas de mortalidad infantil. 18 de junio de 2004. En: http://www.bbc.com (Verificado 13.06.05).

[4] Victor Hugo Borja. Estudios ecologicos. Salud Publica de Mexico. Vol. 42, No.6. Mexico, 2000.

[5] D.F. Ballester, M. Saez, M.E. Alonso, M. Taracido, J.M. Ordonez, I. Aguinaga, A. Daponte, J. Bellido, J.J. Guillen, M.J. Perez, A. Canada, F. Arribas y S. Perez-Hoyos. El Proyecto EMECAM: Estudio Multicentrico Espanol sobre la Relation entre la Contamination del Aire y la Mortalidad. Antecedentes, participantes, objetivos y metodologia. Revista especial Salud Publica. Vol 73, N°2. Madrid, España, 1999.

[6] D.F. Ballester, J.M. Tenias y S. Perez-Hoyos. Efectos de la contamination atmosférica sobre la salud: una introduction. Revista especial Salud Publica. Vol 73, N°2. Espana, 1999.

[7] L. Canter Manual de Evaluation de Impacto Ambiental. Segunda Edition. McGraw-Hill. Colombia, 1999.

[8] Centro Centroamericano de Poblacion. Estudios observacionales. Universidad de Costa Rica, 1999. Revisado 08.09.04: www.ccp.ucr.ac.cr         [ Links ]

[9] Conceicao L.M., M.R Dias, M.R. Alves, F.L. Teixeira, P.H Nascimento, A.L. Ferreira. Poluicao atmosferica e atendimentos por pneumonia e gripe em Sao Paulo, Brasil, 2002.

[10] CEPIS-OMS. Curso de orientation para el control de la contaminacion del aire. 2003. Revisado 21.04.04: www.cepis.ops-oms.org/bvsci/e/fulltext        [ Links ]

[11] CEPIS-OMS4. Curso para el control de la contaminacion del aire. 2003 Revisado: 23.09.04: http://www.cepis.opsoms.org/bvsci/e/fulltext/orienta2/lecc4/lecc4_2.html

[12] P. Fernandez Tipos de estudios clinico epidemiologicos. Ultima actualization 28.02.01. Atencion Primaria en la red. 1995. Revisado 03.08.04: www.fisterra.com

[13] M Hernandez., F. Garrido y S. Lopez. Diseño de estudios epidemiologicos. Revista Salud Publica de Mexico. Vol 42, N°2. Mexico, 2000.

[14] Instituto Nacional de Ecologia. Contaminacion Atmosferica. Delegation de Coyacan. Mexico D.F., 2003.        [ Links ]

[15] C. Linares, J. Diaz, C. Lopez, J.C. Montero y R. Garcia-Herrera. Relationship between emergency hospital admissions and air pollution (PM10) in children under 10 years old. WIT Press. Madrid, Espana, 2004.        [ Links ]

[16] T.G Miller., Jr. Uving in the Environment. Wadsworth Publishing Company. Belmost, California, 1990.

[17] Ministerio de Salud y Deportes. Boletin semanal del Sistema National De Information en Salud. No 22. La Paz, Bolivia, 2004.        [ Links ]

[18] Organizacion Mundial de la Salud (OMS). Centro Europeo para el Ambiente y la Salud. Evaluacion y uso de la evidencia epidemiologica para la evaluation de riesgos ambientales para la salud. Documento Guia. Division de Bilthoven, 2000.

[19] B. Ostro, Como estimar los efectos de la contamination atmosferica en la salud. Centro de Estudios Publicos, 1998.        [ Links ]

[20] A. Perez-Hoyos, M. Saez, S., M.A. Barcelo, C. Cambra, A. Figueiras, J.M. Ordonez, F. Guillen, R. Ocana, J. Bellido, L. Cirera, A. Alonso, V. Rodriguez, T. Alcala y F. Ballester. Protocolo EMECAM: Analisis del efecto a corto plazo de la contamination atmosferica sobre la mortalidad. Revista Española Salud Publica v.73 n.2. Madrid, España, 1999.

[21] Programa Aire Puro de Swisscontact. Manual de Gestion de la Calidad del Aire. COSUDE. La Paz. Bolivia, 2003.        [ Links ]

[22] J.M. Sanchez, S., Valdes y B. Ostro. Los efectos en salud de la contaminacion atmosférica porPMW en Santiago. Centro de Estudios Publicos, 1998.        [ Links ]

[23] M. Saez., S. Perez-Hoyos, A. Tobias, C. Saurina, M.A. Barcelo y F. Ballester. Metodos de series temporales en los estudios epidemiologicos sobre contaminacion atmosferica. Revista Española Salud Publica v.73 n.2. Madrid, España, 1999.

[24] SAS Institute Inc. What is a Generalised Linear Model?. Can' NC. Estados Unidos, 1999.

[25] J. Tenias, F. Ballester, S. Medina y A. Daponte. Revision de los trabajos originales que analizan el impacto de la contaminacion atmosferica sobre la mortalidad, 1994-1998. Revista Española Salud Publica v.73 n.2 Madrid, España, 1999.

[26] A. Tobias y M. Saez. Time-series regression models to study the short-term effects of environmentalfactors on health. Departamento de Economia. Universidad de Girona. España, 2004.        [ Links ]

[27] K.Wark y C. Warner. Contaminacion del aire, origen y control. Editorial Limusa S.A. de C.V. Grupo Noriega Editores. Mexico D.F, 1996.        [ Links ]

 

Creative Commons License Todo el contenido de esta revista, excepto dónde está identificado, está bajo una Licencia Creative Commons