Atlas de la mortalidad región por región de la Universidad de Talca

2 Atlas de Mortalidad en Chile 2001 - 2008 Atlas de Mortalidad en Chile 2001 - 2008 3
Cita sugerida: Icaza G, Núñez L, Torres-Avilés F, Díaz N, Villarroel JE, Soto A, Correa G. Atlas de
mortalidad en Chile, 2001 - 2008. Editorial Universidad de Talca, 2013.
ISBN: Nº 978-956-329-028-8
Registro Propiedad Intelectual Nº 225.407
Talca, Chile, Enero 2013
Cartografía
Geosoluciones
Diseño Gráfico
Marlene Mellado
Corrección de textos
María Cecilia Tapia
Impresora Gutenberg® Talca
IMPRESO EN CHILE
Este atlas ha sido elaborado en el contexto del proyecto “Atlas de Mortalidad por las principales
causas de muerte en Chile, 2000-2007” financiado por el Fondo Nacional de Investigación y
Desarrollo en Salud, FONIS (SA09I20016)
Autores
Gloria Icaza
Loreto Núñez
Francisco Torres-Avilés
Nora Díaz
José Emilio Villarroel
Alex Soto
Gloria Correa
Atlas de Mortalidad en Chile
2001 - 2008

Francisco Torres-Avilés
Instituto de Matemática y Física- Universidad de Talca:
Gloria Icaza - Alex Soto - Gloria Correa
Nora Díaz - José Emilio Villarroel
Departamento de Matemática y Ciencia de la Computación, Facultad de Ciencia - Universidad de Santiago de Chile:
Departamento de Salud Pública, Facultad de Ciencias de la Salud - Universidad de Talca:
Loreto Núñez
Departamento de Epidemiología, Subsecretaría de Salud Pública, Ministerio de Salud de Chile:
Atlas de Mortalidad en Chile
2001 - 2008
Afiliación

Presentación
La situación de la salud de la población en nuestro país ha cambiado en los últimos
decenios debido a múltiples factores. Ante esta dinámica realidad, el sector salud requiere
disponer de una línea de trabajo sistematizada, la cual está establecida en la Estrategia
Nacional de Salud, cuyos objetivos están definidos al año 2020. Estas metas a cumplir requieren
de un esfuerzo importante del sector salud y de las demás instituciones del Estado.
Para ello, el análisis epidemiológico es necesario que sea global, que a su vez permita
ver el detalle, y que sea predictivo, porque permite a las autoridades definir políticas de salud
pública y focalizar las acciones en las personas, en el tiempo y el lugar donde los recursos
asignados pueden tener mayor impacto en los problemas de salud que presenta la población.
Requisito indispensable para la toma de decisiones es la información, cuya característica es
la velocidad creciente a la que fluye y donde la cantidad de datos es a un nivel de detalles
mayor, a nivel país, regional y comunal.
Por otro lado, la forma de presentación es más exigente y requiere de distintas
técnicas donde a las tradicionales se agregan técnicas visuales e interactivas, para hacer la
información más comprensible.
En una primera versión, la Universidad de Talca, a través del FONIS y apoyado por el
Ministerio de Salud, elaboró el Atlas de Mortalidad por Enfermedades Cardiovasculares para
Chile, considerando los datos para el período 1997-2003. Hoy, esta misma alianza presenta
el “Atlas de Mortalidad de Chile 2001-2008” que aporta la información validada y oficial
entregada por el Departamento de Estadísticas e Información de Salud, DEIS del Ministerio de
Salud.
Esta herramienta de información geográfica, es un producto multidisciplinario en que
participaron estadísticos, salubristas, geógrafos y diseñadores y estará disponible en formato
impreso y en la web institucional (http://epi.minsal.cl).
Los resultados que se presentan en este atlas, están a escala comunal, y serán un
aporte para los estudios locales y regionales en el ámbito de la salud y un apoyo para otras
instituciones públicas, privadas o de investigación que incorporen en sus análisis el enfoque
territorial en salud.
Dra. Gabriela Moreno
Jefa División Planificación Sanitaria
Subsecretaría de Salud Pública
Ministerio de Salud

Tabla de Contenidos
Introducción 11
Metodología 15
Limitaciones de los mapas 21
Guía para la lectura 25
Resultados 29
Cáncer de estómago 34
Cáncer de vesícula y de las vías biliares extrahepáticas 35
Cáncer de tráquea, bronquios y pulmón 36
Cáncer de mama - Mujeres 37
Cáncer de próstata 37
Diabetes tipo 2 y otros tipos de diabetes 38
Demencias y Alzheimer 39
Enfermedades hipertensivas 40
Enfermedades isquémicas del corazón 41
Otras enfermedades del corazón 42
Enfermedades cerebrovasculares 43
Neumonía 44
Enfermedades pulmonares obstructivas y otras bronquitis crónicas(EPOC) 45
Cirrosis y otras enfermedades crónicas del hígado 46
Accidentes de transporte - Hombres 47
Suicidio - Hombres 47
Mapas y Gráficos 51
Conclusiones 111
Anexos 115
Modelos bayesianos para la estimación de riesgos 117
Población, superficie y densidad poblacional por regiones de Chile 119
Mapas regionales con división comunal 121
Bibliografía 139

Introducción

El conocimiento de la ubicación geográfica de problemas de salud, contribuye
al proceso de toma de decisiones basadas en evidencia (Gundersen, 2000). En Chile, la
información disponible sobre la distribución geográfica de enfermedades se ha descrito
mayoritariamente a nivel regional, sin embargo, es sabido que al interior de las regiones
existe heterogeneidad. Para la autoridad sanitaria es de utilidad conocer la diversidad de sus
comunas, lo que permite asignar recursos y monitorear la salud de la población.
Los mapas temáticos de salud datan del siglo XIX y han jugado un rol fundamental
en salud pública (Pickle et al.,1996; Walter, 2000; Benach et al., 2001; Benach et al., 2004;
Martínez-Beneito et al., 2005; Koch, 2005). Un caso famoso de la utilización de estos mapas
es el trabajo de John Snow en 1855, quien asoció la epidemia de cólera en Londres con
pozos de agua contaminada (Snow, 1855). Los objetivos de estos mapas son múltiples: van
desde la ilustración para realizar epidemiología descriptiva; selección de áreas geográficas
más afectadas para focalizar la intervención o recursos; evaluación de políticas públicas;
hasta la generación de hipótesis etiológicas (Lawson et al., 1999; Best, Wakefield, 1999; Elliott
et al., 2000). Algunos de los atlas publicados han permitido la identificación de áreas de alto
riesgo y el avance en el conocimiento de las causas de las enfermedades a través de las
variaciones geográficas (Devesa et al.,1999; Quinn et al., 2005). Los patrones geográficos de
enfermedades pueden estar originados por múltiples factores, unos conocidos y otros por
determinar; muchos de ellos están relacionados con estilos de vida, exposiciones ambientales
o factores sociales que, entre otros, pueden condicionar la accesibilidad a la asistencia
sanitaria.
La epidemiología espacial o mapeo de enfermedades es un área de estudio
multidisciplinaria, activa en la última década, que combina métodos de la epidemiología,
estadística y sistemas de información geográfica (SIG) (Waller, Gotway, 2004; Beale et al.,
2008). La información utilizada para realizar los mapas temáticos son indicadores de salud,
tales como prevalencia, incidencia y tradicionalmente mortalidad. Los reportes de estos
indicadores habitualmente se presentan en compendios de tablas difíciles de resumir; la
ventaja de los mapas es que esta misma información se presenta resumida en imágenes de
fácil comprensión (Gundersen, 2000).
En el mundo existen varios atlas de mortalidad, destacando por el alcance y
metodología: el atlas de mortalidad de Estados Unidos (Pickle et al., 1996), que además sirvió
de base para atlas desarrollados en España (Benach et al., 2001; Benach et al., 2004; Esnaola
et al., 2010); por su trabajo con áreas pequeñas y el empleo de la metodología bayesiana,
el atlas de la Comunidad Valenciana (Martínez-Beneito et al., 2005); por el uso de distritos
censales como unidad de análisis en ciudades españolas (Borrel et al., 2009) y por el análisis
espacio-temporal de tasas específicas por grupos de edad en Andalucía (Ocaña-Riola et al.,
2008).
En Chile, se han desarrollado mapas temáticos de salud para vigilancia epidemiológica
(Ministerio de Salud, 2012), y algunas publicaciones científicas con análisis geográfico de
mortalidad. Pionero es el trabajo de Haynes que presentó la distribución de la mortalidad
por causas a nivel provincial (Haynes, 1982, 1983). En el año 2006 se publica la distribución
geográfica de la mortalidad por enfermedades isquémicas al corazón y cerebrovasculares,
utilizando como unidad de análisis la comuna y metodología de suavizamiento de las tasas
de mortalidad estandarizadas (Icaza et al., 2006); posteriormente se publica la distribución

geográfica de mortalidad por cáncer de estómago y cáncer de tráquea, bronquios y
pulmón, utilizando metodología bayesiana (Icaza et al., 2007). Ferreccio et al. publican la
distribución geográfica de cáncer gástrico y su relación con Helicobacter pylori (Ferreccio et
al., 2007). Andia et al. publican la distribución geográfica de cáncer de vesícula y factores de
riesgo asociados (Andia et al., 2008). No obstante lo anterior, la epidemiología espacial es una
disciplina incipiente en el país.
La mortalidad es la fuente más usada para los estudios geográficos. En Chile, el cer-
tificado de defunción es obligatorio para proceder a la sepultación y existe un protocolo
de verificación y validación de la causa de muerte realizado por el Departamento de
Estadística e Información de Salud del Ministerio de Salud (Carvajal, 2011). Idealmente, el
análisis geográfico de la mortalidad se debería complementar con el análisis de la distribu-
ción espacial de la incidencia de enfermedades, para lo cual se debe contar con registros
poblacionales.
El propósito de este libro es proporcionar la distribución geográfica de las 16 primeras
causas de muerte en Chile, en el periodo 2001-2008, a nivel comunal y por sexo. En el
periodo estudiado, 60% de la mortalidad fue producida por estas patologías, provocando
la muerte de 411.678 personas. Parte de la información presentada en este libro y detalle de
las estimaciones se encuentran disponibles como mapa interactivo en la página web del
Departamento de Epidemiología del Ministerio de Salud (http://epi.minsal.cl).
Metodología

Este atlas es un estudio ecológico de mortalidad, con información agregada desde
2001 a 2008 y desagregada por comunas del país, tanto para hombres como mujeres. La uti-
lización del periodo de ocho años contribuye a disminuir el número de comunas sin casos, lo
que aumenta la estabilidad de las tasas. Los datos usados provienen de los archivos de esta-
dísticas de mortalidad del Ministerio de Salud del año 2001 hasta el 2008 (Ministerio de Salud,
2010), en los cuales se registra la comuna de residencia como unidad geográfica político-
administrativa, independiente del lugar de defunción. La codificación de las enfermedades
está basada en la décima revisión de la Clasificación Internacional de Enfermedades
(CIE-10) (Organización Mundial de la Salud, 1995). En la Tabla 1 se muestran las principales
causas de muerte que se presentan en este libro, del periodo 2001-2008, desagregadas por
sexo y representadas por 16 patologías.
Para construir las tasas, en el numerador se consignaron las causas de muerte a partir
de la causa básica de defunción, en el denominador se utilizaron las proyecciones de
población basadas en el Censo 2002, desarrolladas por el Instituto Nacional de Estadística
y el Centro Latinoamericano y Caribeño de Demografía (INE-CELADE, 2004). Se calcularon
tasas ajustadas, según el método indirecto de estandarización, por quinquenios de edad
para cada patología estudiada por comuna y sexo. Como población estándar se utilizó la
del Censo 2002.
El mapeo de las tasas estandarizadas puede llevar a conclusiones erradas,
producto de la alta variabilidad de éstas cuando se trabaja con áreas pequeñas, como las
comunas, lo que hace difícil distinguir la variabilidad producto del azar, de la varia-
bilidad real (Elliott et al., 2000). Para reducir la variabilidad aleatoria, se han aplicado
exitosamente modelos bayesianos que permiten disminuir los estimadores espurios (altos o
bajos) que pueden llevar a conclusiones erróneas (Best et al., 2005). Estos modelos suavizan
las estimaciones inestables hacia una media local usando información de las áreas vecinas
(Beale et al., 2008)(Anexo Modelos bayesianos para la estimación de riesgos).
Existen modelos que incorporan la variable temporal dentro del análisis geográfico
(Bernardinelli et al., 1995; Knorr-Held, Besag, 1998; Abellán et al., 2008; Martínez-Beneito et al.,
2008; Ocaña-Riola et al., 2008), sin embargo inicialmente es necesario conocer la distribución
geográfica de patologías que constituyen problemas de salud pública. Una vez que se tenga
conocimiento de la distribución de las patologías, será de interés desarrollar análisis
espacio temporal para monitorear la tendencia a nivel comunal.
La tasa ajustada da origen a la razón de mortalidad estandarizada (RME), la que está
afecta a variabilidad que depende del tamaño poblacional de la comuna. Para
corregir este fenómeno se ajustó, para cada patología y sexo, un modelo de regresión
Poisson bayesiano, cuya característica es la incorporación de efectos aleatorios espaciales,
que capturan la autocorrelación entre comunas. A partir del ajuste se obtiene la RME suavi-
zada que denotaremos por RMEs. Esta nueva medida de riesgo posee menor variabilidad,
permitiendo evaluar de mejor forma las diferencias entre las comunas, visualizar comunas
en riesgo y posibles agrupaciones entre ellas. Para ilustrar aquellas comunas que presentan
mayor riesgo a lo esperado, se utilizó la probabilidad que la RMEs sea mayor que 100 (P(RMEs
>100)), generada a partir de la muestra que representa la distribución a posteriori de las RMEs.

paraciones múltiples de Tukey en los rangos de la RMEs. Además, se incluye la evolución
temporal del periodo 2001 a 2008 de las tasas específicas de mortalidad por sexo, ajustadas
por edad mediante el método directo. Se utilizó como población de referencia el están-
dar mundial (Ahmad et al., 2001). Para el análisis de la tendencia se realizó una regresión
loglineal asumiendo autocorrelación, la que estima la tasa de cambio porcentual anual
de las tasas estandarizadas y su intervalo de 95% de confianza (IC). Para la realización de
este análisis se usó el programa Joinpoint Regression (National Cancer Institute, 2011).
Para cada uno de los parámetros estimados por los modelos se obtubieron intervalos de cre-
dibilidad (ICr), puesto que la inferencia bayesiana se realiza en base a distribuciones.

De norte a sur, Chile se encuentra dividido en 15 regiones, las que se subdividen en co-
munas. En este trabajo se analizan 345 de las 346 comunas del país. Cuatro de ellas creadas
en el año 2004, estas son: Alto Hospicio, que se escinde de la comuna de Iquique; Alto Bíobío,
de Santa Bárbara; Hualpén, de Talcahuano; y Cholchol, de Nueva Imperial. Se excluyó la
comuna de Antártica por su carácter no residencial. Para calcular la RME en estas cuatro
comunas, solamente se usan los datos de mortalidad y proyecciones de población entre 2004
y 2008.
Para calcular la RMEs comunal se ajustaron modelos que consideran una
componente espacial, para lo cual se debe definir, para cada comuna, sus comunas
vecinas. El criterio utilizado en este atlas define como vecinas a las comunas que comparten
fronteras; en el caso de tener menos de tres comunas vecinas, se incluyeron como vecinas
las comunas más cercanas al centroide geométrico, por ejemplo, en el Archipiélago de las
Islas Guaitecas, que corresponde a la comuna de Guaitecas, de la Región de Aisén, se
designó como vecinas las comunas de Cisnes, Queilén y Quellón. En el caso de las
Islas de Pascua y Juan Fernández, de la Región de Valparaíso, se usaron criterios de conec-
tividad marítima y aérea para seleccionar sus comunas vecinas.
La representación en los mapas de la RMEs y la P(RMEs>100) requiere su cate-
gorización. Con este propósito se utilizó una escala absoluta de cinco intervalos, agrupando la
RMEs de acuerdo a un criterio de riesgo, con los siguientes puntos de corte: 70, 90, 110 y 130.
Los puntos de corte utilizados para la P(RMEs>100) fueron: 0,05; 0,20; 0,80 y 0,95. En la elección
de las categorías de la RMEs se utilizó como referencia el atlas de mortalidad de la Comuni-
dad Valenciana (Martínez-Beneito et al., 2005). Los puntos de corte de la P(RMEs>100) se
basaron en Ocaña-Riola et al., 2008 y Richardson et al., 2004. Esta combinación de puntos
de corte buscó establecer categorías sensibles en cuanto a exceso de riesgo, usando la
asociación entre la RMEs y la P(RMEs>100) de modo tal, que las comunas con exceso de
riesgo son las que además presentan mayor probabilidad.
Para la representación de las categorías en los mapas, se utilizan colores basados en los
atlas existentes (Pickle et al., 1996; Borrel et al; 2009; Ocaña-Riola et al., 2008) y la herramienta
ColorBrewer (Harrower, Brewer, 2003). Específicamente se eligieron cinco colores en
dos gamas contrastantes entre el exceso y déficit de riesgo, tanto para la RMEs como
para la P(RMEs>100), lo que facilita la identificación de comunas con exceso de riesgo.
Para la generación de los mapas se utilizó cartografía digital de Chile con
división regional y comunal, elaborada por el Ministerio de Desarrollo Social (Ministerio de
Desarrollo Social, 2009). Esta cartografía fue generalizada, simplificando el nivel de
detalle y número de vértices contenidos en los polígonos en la cartografía original, para
mejorar su presentación gráfica de acuerdo a la menor escala de los mapas de este atlas.
Como complemento al análisis geográfico comunal, se estudió la distribución de las
RMEs a nivel regional a través de gráficos de caja o boxplot y se comparó las medianas re-
gionales mediante un análisis no paramétrico de Kruskal-Wallis, utilizando el método de com-
Grupos de causas de defunción Códigos CIE-10 Hombres Mujeres
n (%) n (%)
Cáncer de estómago C16 16.386 (4,4) 8.234 (2,6)
Cáncer de vesícula y de las vías biliares extrahepáticas C23-C24 3.961 (1,1) 10.711 (3,4)
Cáncer de tráquea, bronquios y pulmón C33-C34 11.570 (3,1) 6.400 (2,0)
Cáncer de mama - Mujeres C50 - 8.941 (2,8)
Cáncer de próstata C61 11.997 (3,2) -
Diabetes tipo 2 y otros tipos de Diabetes E11-E14 12.171 (3,3) 13.176 (4,2)
Demencias y Alzheimer F00-F09, G30 8.383 (2,3) 14.934 (4,7)
Enfermedades hipertensivas I10-I13 10.221 (2,7) 13.960 (4,4)
Enfermedades isquémicas del corazón I20-I25 37.408 (10,1) 26.280 (8,3)
Otras enfermedades del corazón I30-I52 14.612 (3,9) 15.456 (4,9)
Enfermedades cerebrovasculares I60-I69 30.357 (8,2) 32.108 (10,2)
Neumonía J12-J18 12.952 (3,5) 14.031 (4,4)
Enfermedades pulmonares obstructivas y otras bronquitis crónicas J40-J44, J47 11.854 (3,2) 9.971 (3,2)
Cirrosis y otras enfermedades crónicas del hígado K70, K72.1, K73, K74, K76.0.1.9 21.313 (5,7) 7.882 (2,5)
Accidentes de transporte - Hombres V01-V99 14.588 (3,9) -
Suicidio - Hombres X60-X84 11.821 (3,2) -
Tabla 1: Causas de defunción estudiadas en este atlas, códigos CIE-10, por sexo, 2001-2008

Limitaciones de los mapas

Si bien la utilidad de los mapas de salud está ampliamente documentada en la lite-
ratura, es importante tener en consideración sus limitaciones y posibles sesgos a los cuales
están afectos.
Se sabe que la calidad de las estadísticas de mortalidad en Chile ha mejorado en el
tiempo, sin embargo, persisten diferencias según área de residencia urbana o rural, comuna,
sexo y edad (Núñez, Icaza, 2006). La calidad de las estadísticas de mortalidad generalmente
se mide a través de la certificación médica y el porcentaje de causas mal definidas. La certi-
ficación médica incrementó de 98,5% en 2001 a 99,4% en 2008. El mayor aumento se produjo
en el área rural, de 93,6% a 97,0%, respectivamente. Además se observa una reducción de
las muertes por causas mal definidas de 3,5% a 2,8%, en el periodo de estudio. Sin embargo,
a nivel comunal existe heterogeneidad en la magnitud de estos indicadores que van desde
47,2% a 100% en la certificación médica y de 0% a 43,4% en las causas mal definidas.
La diferencia en la calidad de los datos de mortalidad afecta la validez de las tasas
calculadas de aquellas comunas con indicadores de calidad de datos deficiente.
Las proyecciones de población, basadas en el Censo 2002 (INE-CELADE, 2004), son
estimaciones que pueden afectar la magnitud de las tasas de una manera no sistemática.
Especialmente, a la luz de los resultados preliminares del Censo 2012, donde la tasa promedio
de crecimiento en los últimos 10 años fue inferior a lo experimentado en los periodos anterio-
res, 0,97% en el periodo 2002-2012 y 1,27% en 1992-2002 (INE, 2012).
El análisis ecológico es un método ampliamente usado en epidemiología, donde la uni-
dad de análisis es un grupo poblacional, por lo cual los hallazgos no pueden extrapolarse a
nivel individual (Morgenster, 1995). Este diseño permite el análisis de factores contextuales del
área geográfica que explican la salud, como pueden ser el medioambiente físico, urbanismo,
mercado laboral, acceso a servicios de salud, aspectos socioculturales, entre otros determi-
nantes sociales de salud (Diez-Roux, 2001; Borrel et al., 2009).
Por otra parte, es necesario considerar el posible sesgo de agregación en el tiempo,
cuando existen cambios temporales de la mortalidad y los patrones geográficos
que se observan podrían atribuirse a cambios temporales y no espaciales (Ocaña-Riola, 2007;
2010). Sin embargo, las diferencias geográficas reflejan un efecto acumulado de desigualdad
que son observables en periodos de tiempo probablemente mayor a diez años. En este traba-
jo este sesgo se minimiza utilizando un periodo solo de ocho años. El análisis espacio-temporal
es una etapa posterior al análisis descriptivo de la distribución geográfica de la mortalidad
que se presenta en este atlas.
Las comunas son unidades geográficas político-administrativas, por lo cual son hete-
rogéneas en cuanto a superficie, número de habitantes, condiciones físicas y sociales. En
el Censo del 2002 la población comunal varió de 318 habitantes en Ollagüe, de la Región de
Antofagasta a 492.915 habitantes en Puente Alto en la Región Metropolitana. Chile, en sus
extremos norte y sur, posee numerosas comunas de baja densidad poblacional y pocos ve-
cinos. En cambio, comunas del centro del país tienen mayor densidad poblacional y mayor
número de vecinos, por lo cual, sus tasas serán comparativamente más estables. Esta hetero-
geneidad geo-demográfica es un desafío para el análisis y debe considerarse al interpretar

los resultados (Anexo Población, superficie y densidad poblacional por regiones de Chile).
El certificado de defunción registra la comuna de residencia, lo que no da cuenta de
migraciones, especialmente en el caso de adultos mayores que concentran la mayoría de las
defunciones. Otra fuente sesgo se produce al registrar la comuna de ocurrencia del deceso
y no de residencia, lo que podría sobreestimar la mortalidad en comunas con centros hospi-
talarios.
El estilo y diseño de los mapas afecta la distribución geográfica, ya que existen diversas
maneras de presentarlos, tanto en la elección de los colores, las categorías de riesgo utiliza-
das, como en el tamaño de la unidad geográfica de análisis (Pickle et al., 1996; Monmonier,
2005; Esnaola et al., 2010). Particularmente en este atlas la unidad de análisis es la comuna,
ya que es la unidad territorial más pequeña a la que se tiene acceso en las bases de datos
de mortalidad en Chile.

La elección de las causas de muerte de este atlas puede ser discutible, como por
ejemplo otras enfermedades del corazón. El criterio usado en este atlas fue la magnitud de
las defunciones del periodo estudiado. Es pertinente mapear todas las enfermedades como
punto de partida para la investigación de su distribución geográfica.
Guía para la lectura

Chile es un país ubicado en el suroeste de América del Sur, con límites naturales que lo
separan de otros países. Al este, la Cordillera de los Andes es el límite natural con Argentina y
Bolivia. Hacia el oeste está el Océano Pacífico. En el mapa o esquicio, hay que considerar que
los límites son solo referenciales y no representan necesariamente la cartografía oficial de la
Dirección Nacional de Fronteras y Límites del Ministerio de Relaciones Exteriores de Chile.
Desde el punto de vista climático, Chile presenta variaciones a lo largo de su territo-
rio, debido a la variación latitudinal (sentido norte sur), con climas del tipo desértico en
el norte, mediterráneo en el centro y húmedos y fríos hacia el sur. En todas las condiciones
climáticas viven personas, pero su mayoría se concentra en el valle central y costa, en tres
grandes conurbaciones entre las regiones de Valparaíso y Bíobío. Estas son Gran Valparaí-
so, Gran Santiago y Gran Concepción. Según el Censo de población del 2002, en Chile vivían
más de 15.000.000 de habitantes, de los cuales sobre 86% habitaban en zonas urbanas.
Debido a lo largo y angosto de la geografía del país y con el objetivo de obte-
ner una mejor visualización de la distribución de la mortalidad a nivel comunal, fue necesario
dividir el mapa en tres zonas. La Región Metropolitana, que concentra 40,0% de la po-
blación, se presenta a mayor escala para visualizar sus comunas de menor tamaño.
Para facilitar la lectura o visualización de los mapas se incluye una transparencia con el límite
regional y el anexo Mapas regionales, con el nombre de las comunas.

En los resultados se incluyen gráficos de caja para la RMEs de cada patología. Los ex-
tremos de la caja representan: el izquierdo, el percentil 25, y el derecho, el percentil 75; la línea
dibujada dentro de la caja, indica el valor de la mediana; las líneas horizontales que emergen
de los extremos de la caja (bigotes) llegan al valor máximo y mínimo, respectivamente. Cuando
existen valores extremos, estos se señalan como puntos separados del bigote. Se agregan líneas
segmentadas verticales que corresponden a valores referenciales de la RMEs de 70,100 y 130.
Estos diagramas evidencian la variabilidad de las RMEs que dan origen a los mapas (Figuras 3 y 4).
Para la representación geográfica de los indicadores utilizados se presentan dos ma-
pas por patología y sexo, uno representa la RMEs y otro la P(RMEs>100). Para cada varia-
ble se utiliza una escala colorimétrica divergente de cinco categorías (Tablas 2 y 3). Para
la representación de la RMEs se consideraron cinco categorías. Las comunas de alto ries-
go son aquellas que presentan un riesgo de mortalidad 30% mayor que el de la pobla-
ción nacional (RMEs ≥ 130). En contraste con las comunas de bajo riesgo, que tienen 30%
menos riesgo que la población nacional (RMEs < 70). La categoría de riesgo esperado
(90 ≤ RMEs < 109), se refiere a comunas con mortalidad similar a la tasa nacional (Tabla
2). Junto a las categorías de riesgo de la RMEs se encuentra el porcentaje de la pobla-
ción, de hombres o mujeres según el mapa, que reside en comunas con dicha categoría.
Se utilizó la misma categorización de riesgo para todas las patologías, lo cual facilita la
comparación entre estas y permite visualizar las patologías con mayor variación geográfica.
Por otro lado, se consideró que una comuna tiene una alta probabilidad que el riesgo
de mortalidad sea mayor a 100 si esta probabilidad es mayor o igual a 0,95. Se consideran
comunas con déficit de mortalidad a las comunas que tienen probabilidad de ser mayor a
100, menor a 0,05 (Tabla 3).

Resultados
Tabla 3: Categorías y colorimetría para la Probabilidad que la Razón de Mortalidad
Estandarizada suavizada sea mayor que 100 (P(RMEs>100))
A nivel geográfico se destacan en el texto, comunas cuya estimación de riesgo es ro-
busta, lo que se define como aquellas comunas que presentan alto riesgo (RMEs 130) y más
de 50 casos esperados o comunas con RMEs mayor que 200 (Richardson et al., 2004).
Como complemento a los mapas se incluye un diagrama de cajas por regiones para la
RMEs y un gráfico de la evolución temporal de las tasas específicas de mortalidad ajustadas
por edad. En la comparación regional solo se mencionan las regiones que presentan las me-
nores y mayores medianas de RMEs que difieran estadísticamente.
Tabla 2: Categorías y colorimetría para la Razón de Mortalidad Estandarizada suavi-
zada (RMEs)
RMEs Categoría
< 70 Bajo riesgo
70 - 89 Bajo riesgo moderado
90 - 109 Riesgo esperado
110 - 129 Alto riesgo moderado
> 130 Alto riesgo
Color
P(RMEs>100) Categoría
< 0,05 Déficit de mortalidad
0,05 - 0,19 Déficit de mortalidad moderado
0,20 - 0,79 Mortalidad similar a la nacional
0,80 - 0,94 Exceso de mortalidad moderado
Exceso de mortalidad> 0,95
Color
≥

En este atlas se analizan las principales causas de muertes para hombres y mujeres en
el período 2001 a 2008, las que representan 61,8% y 57,6% respectivamente, de las defuncio-
nes ocurridas en el periodo de estudio (Tabla 1). De todas las causas analizadas en hombres
y mujeres, solo en el cáncer de vesícula y de las vías biliares extrahepáticas las mujeres pre-
sentan una mayor tasa de mortalidad que los hombres (Figuras 1 y 2). También se presenta
un diagrama de caja de cada una de las patologías estudiadas, donde se puede apre-
ciar la mediana y variabilidad de las RMEs, destacando los valores extremos (Figuras 3 y 4).
A continuación, se describirán los resultados por patología y sexo, con un análisis de
tendencia temporal del período, seguido por el análisis regional, finalizando con la descrip-
ción de los patrones geográficos en el país, destacando comunas de mayor y menor riesgo
de mortalidad.
Figura 1: Tasas de mortalidad estandarizadas por edad, por causa de defunción en
hombres, Chile 2001 - 2008
Cáncer de vesícula
Demencias y Alzheimer
Enfermedades hipertensivas
Suicidio
EPOC
Cáncer de próstata
Cáncer de tráquea, bronquios y pulmón
Diabetes tipo 2
Neumonía
Accidentes de transporte
Otras enfermedades del corazón
Cáncer de estómago
Cirrosis
Enfermedades cerebrovasculares
Enfermedades isquémicas del corazón
Tasa por 100.000 habitantes
0 10 20 30 40 50 60

Figura 2: Tasas de mortalidad estandarizadas por edad, por causa de defunción en
mujeres, Chile 2001-2008
Figura 3: Gráfico de cajas con las distribuciones de la Razón de Mortalidad Estandari-
zada suavizada de causas estudiadas en hombres
Figura 4: Gráfico de cajas con las distribuciones de la Razón de Mortalidad Estandari-
zada suavizada de causas estudiadas en mujeres
EPOC
Cirrosis
Cáncer de mama
Neumonía
Diabetes tipo 2
Tasa por 100.000 habitantes
0 10 20 30 40 50 60
seq(0, 400, 50)
seq(0,15,length=9)
¡¡¡ ¡¡¡¡
¡¡¡ ¡
¡¡ ¡¡¡¡ ¡¡ ¡ ¡¡ ¡¡
¡ ¡¡
¡ ¡ ¡¡¡¡
¡¡¡¡
¡¡¡¡ ¡¡
¡ ¡¡¡ ¡¡¡¡ ¡
¡¡¡ ¡¡ ¡¡¡
¡¡ ¡¡ ¡¡ ¡¡¡ ¡ ¡¡ ¡¡ ¡
¡¡ ¡¡ ¡ ¡¡¡ ¡¡ ¡¡ ¡¡¡¡ ¡
¡
¡ ¡¡¡ ¡ ¡¡¡ ¡¡
¡ ¡ ¡¡
Suicidio
Accidentes de Transporte
Cirrosis
EPOC
Neumonía
Diabetes tipo 2
0 50 100 150 200 250 300 350 400
RMEs − Hombres
seq(0, 300, 50)
seq(0,14,length=7)
¡¡¡
¡ ¡¡ ¡¡¡ ¡¡¡¡¡ ¡
¡¡¡ ¡¡¡¡ ¡¡¡ ¡¡
¡¡ ¡¡ ¡ ¡¡¡ ¡¡ ¡¡ ¡¡¡¡ ¡
¡ ¡
¡¡ ¡¡¡¡ ¡¡¡
¡
¡ ¡¡ ¡¡ ¡¡¡
¡ ¡¡¡¡¡ ¡¡¡ ¡¡ ¡¡
¡¡¡ ¡
¡ ¡¡
¡ ¡¡¡
Cirrosis
EPOC
Neumonía
Diabetes tipo 2
Cáncer de mama
0 50 100 150 200 250 300
RMEs − Mujeres

Cáncer de vesícula y de las vías biliares extrahepáticas
Hombres
Este cáncer representa 1,1% del total de muertes (Tabla 1) y la tendencia temporal es
levemente descendente pero significativa con una tasa de cambio porcentual anual de -2,8
(IC -4,1; -1,5).
A nivel regional, se observan mayores RMEs en el sur del país, siendo significativamente
mayores las medianas de RMEs de las regiones de Los Ríos, de Aisén y de Magallanes, en
comparación a las regiones de Arica y Parinacota, de Tarapacá y de Antofagasta.
En la representación geográfica se observa una alta agregación de comunas con
exceso de riesgo desde la Región de Los Ríos hacia el sur. Destaca la comuna de Lanco por
presentar una RMEs de 205,9 (ICr 140,5; 302,6), siendo la más alta del país (Figura 3).
Mujeres
Esta patología es la primera causa de muerte por cáncer en mujeres, siendo
responsable de 3,4% de los fallecimientos femeninos (Tabla 1, Figura 2). Se observa una
tendencia significativamente descendente de la tasa de mortalidad, con una tasa de
cambio porcentual anual de -3,5 (IC -5,0; -2,0).

En el análisis regional, destaca la Región de Los Ríos con el total de sus comunas con
RMEs mayor a 130 o en alto riesgo, con una mediana significativamente mayor a las regiones
de Arica y Parinacota, de Tarapacá, de Antofagasta, de Atacama y de Magallanes.
En los mapas se observa una agregación de comunas con exceso de riesgo desde la
Región del Maule hasta la de Aisén. En el norte, presentan riesgos elevados algunas comunas
de la Región de Coquimbo. Otras comunas destacan por su valor de RMEs mayor a 200,
estas son Mariquina, Máfil y Futrono, de la Región de Los Ríos; Curacautín y Lonquimay, de
la Región de La Araucanía, y Fresia, de la Región de Los Lagos. Finalmente las siguientes
comunas destacan por tener RMEs de alto riesgo y valores esperados mayores a 50, estas son:
Chillán y Los Ángeles, de la Región del Bíobío; Valdivia, de la Región de Los Ríos, y Osorno y
Puerto Montt, de la Región de Los Lagos.
Mujeres

En el periodo de estudio, esta causa representa 2,6% del total de las muertes (Tabla 1) y
se observa una tendencia significativamente decreciente de la tasa de mortalidad, con una
tasa de cambio porcentual anual de -3,1 (IC -4,3; -1,9).
Se identifican las regiones del Maule, del Bíobío, de La Araucanía y de Los Ríos con
todas sus comunas con RMEs mayores que 100 y medianas significativamente mayores a las
regiones del norte del país, como Arica y Parinacota, Tarapacá, y Antofagasta.
En los mapas se observa una agregación de comunas en alto y moderado riesgo, que
abarca desde la Región del Maule hasta la parte norte de la Región de Los Lagos. Entre las
comunas de alto riesgo sobresale la comuna de Talca, de la Región del Maule; Los Ángeles,
de la Región del Bíobío y Valdivia, de la Región de Los Ríos.
Hombres

La mortalidad por cáncer gástrico es la cuarta causa de muerte y la primera por cáncer
en hombres (Figura 1). Representa 4,4% del total de defunciones (Tabla 1) y su tendencia
temporal es significativamente descendente en el periodo de estudio, con una tasa de
La Región del Maule es la que presenta la mediana de RMEs más alta del país,
significativamente mayor a regiones del extremo norte del país como Arica y Parinacota, y
Tarapacá.
En la representación geográfica se observa una agregación de comunas en alto
riesgo en las regiones del Maule, del Bíobío y de La Araucanía. Dentro de las comunas de alto
riesgo, destacan la comuna de San Antonio, de la Región de Valparaíso; Lo Espejo, en
la Región Metropolitana; Curicó, Talca y Linares, de la Región del Maule; Los Ángeles y
Coronel, de la Región del Bíobío; Angol, de la Región de La Araucanía y Osorno, de Los Lagos.

Cáncer de mama
Mujeres
Esta patología es la segunda causa de muerte por cáncer en mujeres (Figura 2) y
representa 2,8% de la mortalidad femenina (Tabla 1). Su tendencia temporal en el periodo es
levemente descendente, con una tasa de cambio porcentual anual de -0,8 (IC -1,3; -0,3).
La mediana de RMEs regional muestra que la Región de Magallanes es significa-
tivamente alta, en contraste con las regiones de Coquimbo, de La Araucanía, de Los Ríos y
de Los Lagos.
En los mapas se observa una agregación de comunas con alto riesgo en el centro
de la Región Metropolitana, especialmente: Independencia, Santiago y San Miguel. Otras
comunas en alto riesgo son Villa Alemana, de la Región de Valparaíso, y Punta Arenas, de la
Región de Magallanes.
El cáncer de próstata es la tercera causa de muerte por cáncer en hombres (Figura
1) y dio lugar a 3,2% del total de las muertes masculinas (Tabla 1). En este periodo, se observa
una tendencia levemente decreciente, con una tasa de cambio porcentual anual de -0,6 (IC
-1,2; -0,1).
La Región de O´Higgins presenta la RMEs mediana más alta del país y es significativa-
mente mayor a las medianas de las regiones de La Araucanía y de Aisén.
En la representación geográfica se observa una agrupación de comunas con exceso
de riesgo en el área centro-sur-poniente de la Región Metropolitana, donde destaca la
comuna de Independencia. También sobresalen comunas de la zona norte de la Región de
O´Higgins.
Territorialmente, el riesgo de mortalidad por cáncer de próstata, en conjunto con el
cáncer de mama en mujeres, se concentra en áreas reducidas que abarcan menor número
de comunas y población en riesgo, comparado con los otros cánceres estudiados.
Hombres

Estos tumores provocaron 3,1% de las defunciones durante el periodo en estudio (Tabla
1), siendo la segunda causa de muerte por cáncer en los hombres (Figura 1). Presenta una
tendencia temporal levemente descendente con una tasa de cambio porcentual anual de
-1,1 (IC -2,3; 0,0), lo que no es estadísticamente significativo.
La Región de Antofagasta sobresale en el país con la más alta mediana de RMEs,
región que, en conjunto con la de Atacama, posee mediana de RMEs significativamente
mayor a la Región de La Araucanía. El 75% de las comunas de la Región de Antofagasta
tienen RMEs mayor a 130 y 50% tienen RMEs mayor a 200.
En la representación geográfica se observa una agregación de comunas con exceso
de riesgo en la Región de Antofagasta y comunas vecinas de las regiones de Tarapacá y
de Atacama. Se observa otra agrupación con exceso de riesgo en la Región Metropolitana
en comunas del sector centro-oriente. A nivel nacional destacan con estimaciones robustas
de exceso de riesgo las comunas del norte del país, tales como: Arica, Iquique, Tocopilla,
Mejillones, Antofagasta, Taltal y Copiapó. En la Región de Valparaíso destacan las comunas
de Isla de Pascua, Valparaíso y Viña del Mar. Por último, en la Región Metropolitana destacan,
las siguientes comunas: Santiago, Cerrillos, Estación Central, Independencia, La Reina, Las
Condes, Ñuñoa, Providencia, Recoleta y San Miguel.
Mujeres
En este periodo, estas patologías dieron lugar al 2,0% de las defunciones (Tabla 1),
ocupando el cuarto lugar de la mortalidad por cáncer en las mujeres (Figura 2). La tendencia
de la tasa de mortalidad es significativamente creciente, con una tasa de cambio porcentual
anual de 1,8 (IC 0,7; 2,9).
Similar al caso de los hombres, la Región de Antofagasta sobresale en el país con la
más alta mediana de RMEs, la que es significativamente mayor a la Región de La Araucanía.
Junto con esto, más del 75% de las comunas de la Región de Antofagasta tienen RMEs mayor
a 130.
En la representación geográfica se observa una agregación de comunas con exceso
de riesgo en la Región de Antofagasta, destacando las comunas de Mejillones y Antofagasta,
esta última presenta la RMEs mayor del país (RMEs=283,6; ICr 252,9; 316,7)(Figura 3). En la
Región Metropolitana se observa una agrupación de alto riesgo en la comuna de Santiago y
comunas del sector oriente como: Providencia, Vitacura, Las Condes y La Reina.

Las enfermedades más frecuentes de este grupo fueron la demencia vascular,
demencia no especificada y enfermedad de Alzheimer, códigos CIE-10: F01, F03 y G30,
respectivamente.
Hombres

Las demencias y enfermedad de Alzheimer representan 2,3% del total de muertes en
hombres (Tabla 1), la tendencia temporal de la mortalidad en este periodo es levemente
descendente, aunque no significativa, con una tasa de cambio porcentual anual de -1,7 (IC
-4,8; 1,4).
La mediana de la RMEs de la Región Metropolitana es significativamente mayor a la
mediana de la Región de Coquimbo.
El análisis espacial muestra comunas con exceso de riesgo, dispersas a lo largo del
país, donde la mayor cantidad de ellas se encuentran en la Región Metropolitana, estas
son: Independencia, La Cisterna, La Reina, Ñuñoa, Providencia, Quinta Normal, San Miguel
y San Bernardo. Otras comunas con estimadores robustos de exceso de riesgo son: Iquique,
de la Región de Tarapacá; Antofagasta, de la Región de Antofagasta; Lolol y Santa Cruz,
de la Región de O’Higgins; Rauco, de la Región del Maule, y Renaico, de la Región de La
Araucanía. La comuna de Independencia presenta el más alto riesgo a nivel nacional, con
un valor extremo de RMEs=270,9 (ICr 228,8; 318,4)(Figura 3).
Mujeres
Las demencias y enfermedad de Alzheimer fueron responsables del 4,7% del total de
muertes en mujeres (Tabla 1). Temporalmente las tasas de mortalidad por estas patologías son
levemente ascendentes en el periodo, sin embargo no significativas, con una tasa de cambio
porcentual anual de 0,3 (IC -0,8; 1,4).
Las medianas de la RMEs de la Región Metropolitana y de Antofagasta son
significativamente mayores a la mediana de la Región de Coquimbo.
El análisis espacial muestra comunas con exceso de riesgo dispersas a lo largo del país,
donde la mayor cantidad de estas comunas se encuentran en la Región Metropolitana, las
cuales son: Estación Central, Independencia, La Cisterna, La Reina, Ñuñoa, Recoleta, San
Miguel, San Bernardo y Peñaflor. Existen otras comunas con estimadores robustos de exceso
de riesgo: Iquique, de la Región de Tarapacá; Antofagasta, de la Región de Antofagasta; Los
Andes, de la Región de Valparaíso; Rauco, de la Región del Maule; Renaico, de la Región de
La Araucanía, y Punta Arenas, de la Región de Magallanes. La comuna de Rauco presenta el
más alto riesgo a nivel nacional, con un valor extremo de RMEs=279,2 (ICr 190,4; 395,8)(Figura 3).
Diabetes tipo 2 y otros tipos de diabetes
En este grupo se excluye la diabetes tipo 1 (código CIE-10: E10).
Hombres
La Diabetes tipo 2 dio lugar a 3,3% de las muertes masculinas en este periodo (Tabla
1), con una tasa de mortalidad sin variaciones significativas en los ocho años y una tasa de
cambio porcentual anual de -0,8 (IC -2,1; 0,6).
La Región Metropolitana presenta la mayor mediana de RMEs del país, siendo
significativamente mayor a la Región de Aisén. El resto de las regiones presentan medianas
de riesgos homogéneas entre sí.
A nivel geográfico el mayor riesgo se concentra en la Región Metropolitana. Las
comunas con estimadores robustos de exceso de riesgo de RMEs de esta región son: Santiago,
Cerro Navia, Conchalí, El Bosque, Estación Central, Independencia, La Cisterna, La Granja,
Lo Espejo, Pedro Aguirre Cerda, Pudahuel, Quinta Normal, Recoleta, San Miguel, San Ramón
y San Bernardo. Otra comuna con alto riesgo es Chillán, de la Región del Bíobío. A nivel
nacional, la comuna de Independencia presenta la RMEs más alta (RMEs 231,3; ICr 197,8;
268,7)(Figura 3).
Mujeres
En el periodo de estudio, la Diabetes tipo 2 en las mujeres representa 4,2% de la
mortalidad (Tabla 1), constituyendo la cuarta causa de muerte (Figura 2). Presentó una
tendencia significativa, levemente decreciente, con una tasa de cambio porcentual anual
de -1,8 (IC -3,1; -0,5).
Las regiones de Antofagasta, de Aisén y de Magallanes tienen medianas de RMEs
significativamente mayores a la Región de Coquimbo. El resto de las regiones presentan
medianas de RMEs homogéneas entre sí.
El análisis espacial muestra comunas con exceso de riesgo dispersas a lo largo del
país. El mayor número de comunas en alto riesgo se concentra en la Región Metropolitana,
tales como: Cerro Navia, Independencia, La Granja, La Pintana, Pudahuel, Quinta Normal,
Recoleta, San Miguel y San Ramón. Otras comunas con estimadores robustos de exceso de
riesgo son: Rancagua, de la Región de O’Higgins; Curicó, de la Región del Maule, y Chillán,
de la Región del Bíobío. Por otra parte, la comuna de Las Condes, de la Región Metropolitana,
presenta el más bajo riesgo, con un valor extremo a nivel nacional de RMEs=38,3 (ICr 32,7;
44,6)(Figura 4).

Hombres
Esta patología es la primera causa de muerte en hombres y es responsable del 10,1%
del total de las defunciones en este grupo (Figura 1, Tabla 1). La tendencia temporal es
significativamente descendente en el periodo, con una tasa de cambio porcentual anual de
-2,8 (IC -3,1; -2,5).
A nivel regional, la mediana de la RMEs de la Región de Magallanes es significa-
tivamente mayor a la mediana de la Región de Arica y Parinacota.

En la representación geográfica se observan comunas de alto riesgo diseminadas
a lo largo del país. Llaman la atención, con indicadores robustos de exceso de riesgo, en
el norte las comunas de Tocopilla y Antofagasta, de la Región de Antofagasta; luego se
observan zonas de mayor riesgo en la conurbación del Gran Valparaíso, destacando
las comunas de Valparaíso y Villa Alemana; en la Región Metropolitana, las comunas de
Santiago, Independencia y San Miguel; Molina y Parral, de la Región del Maule; la comuna de
Mariquina, en la Región de Los Ríos; Osorno, Purranque y Ancud, de la Región de Los Lagos;
Coihaique, de la Región de Aisén, y Natales y Punta Arenas, de la Región de Magallanes.
Mujeres
Las enfermedades isquémicas del corazón son la segunda causa de muerte en mujeres,
con 8,3% del total de las defunciones femeninas del periodo (Figura 1, Tabla 1). Esta patología
presenta una tendencia significativamente decreciente, con una tasa de cambio porcentual
anual de -4,0 (IC -4,9; -3,1).
A nivel regional, Maule y Magallanes, tienen medianas de RMEs significativamente
mayores a la Región de Arica y Parinacota.
En la representación geográfica se observan comunas de alto riesgo dispersas a lo
largo del país. Las zonas de exceso de riesgo se encuentran en la conurbación del Gran
Valparaíso en las comunas de Valparaíso, Quilpué y Villa Alemana; Independencia y Buin,
de la Región Metropolitana; Rengo y San Vicente, de la Región de O’Higgins; San Clemente,
San Javier, Linares y Parral, de la Región del Maule; San Carlos y Lota, de la Región del Bíobío;
Ancud, de la Región de Los Lagos, y Punta Arenas, de la Región de Magallanes.
Hombres
Esta patología es responsable del 2,7% del total de las defunciones en hombres (Tabla
1). Sus tasas de mortalidad son homogéneas en el periodo estudiado, con una tasa de cambio
porcentual anual de 0,0 (IC -1,4; 1,5).
Las regiones de Los Ríos y Magallanes presentan medianas de RMEs significativa-
mente mayores a las medianas de las regiones del extremo norte del país como la de Arica y
Parinacota, y de Tarapacá.
En la representación geográfica se observan comunas con exceso de riesgo, dispersas
en la zona centro-sur del país. La Región Metropolitana es la que concentra un mayor número
de comunas con exceso de riesgo, tales como: Cerro Navia, Independencia, La Cisterna,
La Granja, Lo Espejo, Lo Prado, Pedro Aguirre Cerda, Quinta Normal, Renca y San Miguel.
La comuna de Punta Arenas, de la Región de Magallanes también presenta un estimador
robusto de exceso de riesgo.
Mujeres
Esta patología dio cuenta del 4,4% del total de muertes en mujeres (Tabla 1). Sus tasas
de mortalidad son homogéneas en el periodo estudiado, con una tasa de cambio porcentual
anual de 0,1 (IC -2,1; 2,3).
La mediana de RMEs de la Región de Magallanes es significativamente mayor que la
de la Región de Tarapacá.
Geográficamente las comunas con exceso de riesgo aparecen disgregadas desde
la Región de Coquimbo hacia el sur, concentrándose mayoritariamente en la Región
Metropolitana: Cerro Navia, Independencia, Lo Espejo, Lo Prado, Quinta Normal, Recoleta,
Renca y San Miguel. A nivel nacional la comuna de Quilpué, de la Región de Valparaíso y
la comuna de Tomé, de la Región del Bíobío presentan estimadores robustos de exceso de
riesgo.

Hombres
La mortalidad por enfermedades cerebrovasculares es la segunda causa de muerte
en hombres (Figura 1) y representa 8,2% del total de fallecimientos (Tabla 1). La tasa ajustada
presenta una tendencia temporal significativamente descendente, con una tasa de cambio
porcentual anual de -2,9 (IC -4,1; -1,8).
La Región del Bíobío es la que presenta la mediana de RMEs más alta del país,
significativamente mayor a regiones del norte como las de Arica y Parinacota, de Tarapacá
y de Coquimbo, y la Región de Magallanes en el sur del país.
En la representación geográfica se observa una alta agregación de comunas en
alto riesgo, desde la Región del Maule hasta la Región de Los Ríos, destacando la comuna
de Valparaíso, de la Región de Valparaíso; la comuna de Independencia, de la Región
Metropolitana; las comunas de Molina, San Javier, Cauquenes y Parral, de la Región del
Maule; las comunas de San Carlos, Chillán, Chiguayante, Cabrero, Yumbel, Lota, Los Ángeles,
Curanilahue, Penco, Concepción y Mulchén, de la Región de Bíobío; las comunas de Angol,
Collipulli,VictoriayPitrufquén,delaRegióndeLaAraucanía;lascomunasdePaillacoyValdivia,
de la Región de Los Ríos, y las comunas de Osorno y Purranque, de la Región de Los Lagos.
Mujeres
En el periodo de estudio, esta causa representa 10,2% del total de defunciones (Tabla
1), constituyendo la primera causa de muerte en mujeres (Figura 2). La tendencia temporal
de la tasa de mortalidad estandarizada es significativamente descendente, con una tasa de
Al igual que en el caso de los hombres, es la Región del Bíobío la que presenta la
mediana de RMEs más alta del país, significativamente mayor a la Región de Aisén.
Geográficamente, se observa una agregación de comunas en riesgo en la parte sur
de la Región del Maule y la Región del Bíobío. Particularmente, las comunas de Molina, San
Javier, Linares y Parral, de la Región del Maule, y San Carlos y Lota, de la Región del Bíobío,
tienen estimadores robustos de RMEs. Adicionalmente, en la Región Metropolitana la comuna
de Independencia tiene alto riesgo.
En este grupo de enfermedades, las más frecuentes en el periodo fueron:
cardiomiopatía, fibrilación y aleteo auricular e insuficiencia cardiaca, códigos CIE-10: I42, I48
e I50, respectivamente.
Hombres
La mortalidad por estas causas representa 3,9% del total de fallecimientos en hombres
(Tabla 1) y no se aprecian variaciones significativas en la tendencia temporal en el periodo
de estudio, con una tasa de cambio porcentual anual de 0,4 (IC -0,5; 1,3).
A partir del análisis regional, se puede concluir que la Región de Magallanes tiene una
mediana de RMEs significativamente mayor a la Región de Arica y Parinacota.
El análisis espacial muestra escasas comunas con exceso de riesgo, dispersas a lo largo
del país, tales como: Copiapó, de la Región de Atacama; Independencia y San Miguel, de
la Región Metropolitana; Talca, de la Región del Maule, y Punta Arenas, de la Región de
Magallanes. La comuna de La Florida, de la Región Metropolitana tiene una RMEs extrema
de bajo riesgo de 53,5 (ICr 47,2; 60,1) (Figura 3).
Mujeres
La mortalidad por estas causas ocupa el tercer lugar en las defunciones femeninas
(Figura 2) y representa 4,9% del total (Tabla 1). La tasa de mortalidad estandarizada presenta
una tendencia significativamente ascendente, con una tasa de cambio porcentual anual de
1,5 (IC 0,4; 2,6).
En el análisis regional, se aprecia que la RMEs mediana de la Región del Maule es
significativamente mayor a la mediana de la Región de Arica y Parinacota.
El análisis espacial muestra escasas comunas con exceso de riesgo dispersas a lo largo
del país, destacando por sus indicadores robustos solo la comuna de Copiapó, de la Región
de Atacama, y Estación Central, de la Región Metropolitana.

Enfermedades pulmonares obstructivas y otras bronquitis
crónicas (EPOC)
Hombres
Estas patologías dieron lugar a 3,2% del total de las muertes en hombres (Tabla 1).
Aunque se observa una tendencia declinante en el periodo, esta no es estadísticamente
significativa. La tasa de cambio porcentual anual es de -1,8 (IC -3,6; 0,1).
En el análisis regional, la Región de Aisén presenta la mediana de la RMEs
significativamente mayor a las regiones de Arica y Parinacota, de Tarapacá, de Coquimbo y
del Bíobío. El 50% de las comunas de la Región de Aisén presentan RMEs de alto riesgo.

En la representación geográfica se observan comunas con exceso de riesgo dispersas
en el país. La Región Metropolitana es la que concentra un mayor número de comunas con
estimadores robustos de exceso de riesgo: Conchalí, Independencia, Lo Espejo, Recoleta,
Renca, San Miguel, San Ramón y San Bernardo. Las comunas de Linares, de la Región del
Maule, y Puerto Montt, de la Región de Los Lagos, también presentan indicadores robustos de
exceso de riesgo.
Mujeres
Al igual que los hombres, estas patologías fueron responsables del 3,2% del total de las
muertes en mujeres (Tabla 1). Se observa una tendencia declinante en la tasa de mortalidad,
semejante a la de los hombres, sin embargo esta no es estadísticamente significativa. La tasa
de cambio porcentual anual es de -1,6 (IC -3,5; 0,4).
A nivel regional, Los Lagos tiene una mediana de RMEs significativamente mayor a la
mediana de las regiones de Arica y Parinacota, de Tarapacá, de Antofagasta, de Atacama,
de Coquimbo y de Valparaíso.
ElanálisisespacialmuestracomunasconexcesoderiesgodesdelaRegiónMetropolitana
hacia el sur. Sin embargo, solo la comuna de Linares, de la Región del Maule y las comunas
de Osorno y Puerto Montt, de la Región de Los Lagos, presentan indicadores robustos de
exceso de riesgo.
Neumonía
Hombres
La neumonía fue responsable del 3,5% de la mortalidad en hombres (Tabla 1) y su
tendencia temporal en el periodo es descendente, con una disminución significativa en la
tasa de cambio porcentual anual de -6,5 (IC -10,6; -2,3).
A nivel regional, la mediana de la RMEs de la Región de O’Higgins es la más alta del país
y significativamente mayor a la Región de Arica y Parinacota. Más del 50% de las comunas de
la Región de O’Higgins presentan alto riesgo de RMEs.
ElanálisisespacialmuestracomunasconexcesoderiesgodesdelaRegiónMetropolitana
hasta la Región de Los Lagos. Las comunas con indicadores robustos de exceso de riesgo son:
Cerro Navia, Independencia y Quinta Normal, de la Región Metropolitana; Rancagua y San
Fernando, de la Región de O’Higgins; Molina y Talca , de la Región del Maule, y Osorno, de
la Región de Los Lagos. La comuna de Molina presenta el más alto riesgo a nivel nacional,
con un valor extremo de RMEs=223,8 (ICr 181,9; 271,3) (Figura 3).
Mujeres
La mortalidad por esta patología constituyó 4,4% de la mortalidad femenina (Tabla
1). Su evolución temporal en el periodo es significativamente descendente, con una tasa de
La Región de O’Higgins es la que presenta la mediana de RMEs más alta del país,
significativamente mayor a la Región de Tarapacá. Más del 50% de las comunas de la Región
de O’Higgins presentan una RMEs de alto riesgo.
El análisis espacial muestra diversas comunas con exceso de riesgo dispersas a lo largo
del país, con excepción de comunas de las regiones del extremo sur. Destacan con exceso
de riesgo las comunas de: Melipilla, de la Región Metropolitana; Rancagua, Graneros, Rengo
y San Fernando, de la Región de O’Higgins; Teno, Molina, Talca y Linares, de la Región del
Maule; Gorbea y Cholchol, de la Región de La Araucanía; Valdivia, de la Región de Los Ríos,
y Quellón, de la Región de Los Lagos.

Accidentes de transporte
Cabe hacer notar que el mapa refleja la comuna de residencia y no el lugar del
accidente.
Hombres
Los accidentes de transporte representan 3,9% del total de defunciones masculinas
(Tabla 1) y no se aprecian variaciones significativas en la tendencia temporal en el periodo
estudiado, con una tasa de cambio porcentual anual de -0,5 (IC -2,4; 1,6).
Las regiones de O’Higgins y del Maule tienen medianas de RMEs significativamente
mayores a la Región de Coquimbo, las que presentan más del 75% de sus comunas con
RMEs mayor a 130.
A nivel geográfico el mayor riesgo se concentra en comunas del sector sur-poniente
de la Región Metropolitana (Buin, Paine y Melipilla); comunas de la Región O’Higgins
(Rancagua, Doñihue, Olivar, Peumo y Requínoa); comunas de la Región del Maule (San
Rafael, Cauquenes, Chanco, Curicó, Rauco, Romeral, Teno, Linares, Colbún, Longaví, Parral y
San Javier) y comunas de la Región del Bíobío (San Carlos, Chillán y Los Ángeles).
Suicidio
Hombres
El suicidio representa 3,2% del total de defunciones masculinas (Tabla 1) y aunque
se aprecian variaciones en la tendencia temporal en el periodo de estudio, estas no son
estadísticamente significativas, con una tasa de cambio porcentual anual de 1,1 (IC -0,7;
3,1).
En el análisis regional, Bíobío, La Araucanía, Los Ríos y Los Lagos presentan una mediana
de RMEs significativamente mayor a las regiones de Arica y Parinacota, de Tarapacá, de
Antofagasta, de Atacama, Metropolitana y de Magallanes. Más del 50% de las comunas de
la Región del Bíobío y más del 75% de las comunas de la Región de La Araucanía tienen RMEs
de alto riesgo.
A nivel geográfico se observa una mayor concentración de comunas con exceso
de riesgo entre las regiones del Bíobío y de Aisén. Las comunas con estimadores robustos
de exceso de riesgo son: San Antonio, de la Región de Valparaíso; Curicó, de la Región del
Maule; Quirihue, El Carmen, Lebu y Tirúa, de la Región del Bíobío; Saavedra, Teodoro Schmidt
y Carahue, de la Región de La Araucanía; Lago Ranco, de la Región de Los Ríos, y Osorno y
San Juan de la Costa, de la Región de Los Lagos. La comuna de Quirihue, de la Región del
Bíobío, presenta el más alto riesgo a nivel nacional, con un valor extremo de RMEs=269,7 (ICr
189,3; 373,8) (Figura 3).
Cirrosis y otras enfermedades crónicas del hígado
Hombres

La cirrosis es la tercera causa de muerte en hombres (Figura 1) y origina 5,7% del
total de las defunciones masculinas (Tabla 1). La tendencia temporal de la mortalidad es
significativamente descendente en este periodo, con una tasa de cambio porcentual anual
de -3,6 (IC -5,3; -2,0).
La Región del Bíobío tiene una mediana de RMEs significativamente mayor que la
Región de Coquimbo.
A nivel geográfico el mayor riesgo se concentra en las regiones Metropolitana y
del Bíobío. Las comunas con indicadores robustos de exceso de riesgo son: Calama, de la
Región de Antofagasta; Santiago, Cerro Navia, Conchalí, Estación Central, Independencia,
La Granja, La Pintana, Lo Espejo, Lo Prado, Pedro Aguirre Cerda, Quinta Normal, Recoleta,
Renca, San Joaquín, San Miguel y San Ramón, de la Región Metropolitana; San Vicente, de
la Región de O’Higgins; Molina y San Javier, de la Región del Maule; Quirihue, San Carlos,
Ninhue, Treguaco, Coelemu, Portezuelo, Tomé, Chillán, Ranquil, Talcahuano, Quillón,
Coronel, Lota, Penco y Concepción, de la Región del Bíobío, y Osorno, de la Región
de Los Lagos. La comuna de Treguaco, de la Región del Bíobío, presenta el más alto
riesgo a nivel nacional, con un valor extremo de RMEs=344,9 (ICr 249,6; 466,4) (Figura 3).
Cabe destacar que esta patología, en hombres, tiene el mayor porcentaje de
población en comunas de alto riesgo (21,6%).
Mujeres
Esta patología produjo 2,5% de la mortalidad femenina (Tabla 1). Su evolución temporal
en el periodo es significativamente descendente, con una tasa de cambio porcentual anual
de -2,8 (IC -4,8; -0,8).
La Región de Magallanes tiene una mediana de RMEs significativamente mayor que la
Región de Coquimbo.
A nivel geográfico, el mayor riesgo se concentra en la Región Metropolitana y la
Región del Bíobío. Las comunas con estimadores robustos de exceso de riesgo son: Cerro
Navia, Estación Central, Independencia, La Granja, La Pintana, Lo Espejo y San Ramón, de la
Región Metropolitana; Talcahuano y Concepción, de la Región del Bíobío, y Punta Arenas, de
la Región de Magallanes.

Mapas y Gráficos

Razón de Mortalidad Estandarizada suavizada (RMEs)
Cáncer de estómago - Hombres
Razón de Mortalidad Estandarizada
suavizada por regiones
Probabilidad que la RMEs sea mayor a 100
Evolución de la tasa de mortalidad
con intervalos de 95% de confianza
CIE-10: C16
CIE-10: C16
7,7
% de PoblaciónRMEs
< 70
70 - 89
90 - 109
110 - 129
≥ 130
20,8
25,8
31,9
14,4
40 60 80 100 120 140 160 180
Magallanes
Aisén
Lagos
Ríos
Araucanía
Bíobío
Maule
O´Higgins
Metropolitana
Valparaíso
Coquimbo
Atacama
Antofagasta
Tarapacá
Arica y
Parinacota
RMEs Cáncer de estómago - Hombres
40 60 80 100 120 140 160 180
¡
¡
¡¡
¡
¡ ¡
¡¡ ¡¡ ¡
¡
¡
¡
¡
Año
Tasapor100.000habitantes
22
24
26
28
2001 2002 2003 2004 2005 2006 2007 2008
Cáncer de estómago - Hombres

Cáncer de estómago - Mujeres
Distribución de la Razón de Mortalidad
Estandarizada suavizada por regiones
CIE-10: C16
5,8
% de PoblaciónRMEs
< 70
70 - 89
90 - 109
110 - 129
≥ 130
20,0
31,0
32,3
10,9
CIE-10: C16
RMEs Cáncer de estómago - Mujeres
Magallanes
Aisén
Lagos
Ríos
Araucanía
Bíobío
Maule
O´Higgins
Metropolitana
Valparaíso
Coquimbo
Atacama
Antofagasta
Tarapacá
Arica y
Parinacota
¡ ¡¡
¡
¡
¡¡¡
¡¡ ¡¡¡¡
¡ ¡
¡¡
¡
40 60 80 100 120 140 160 180
8.0
8.5
9.0
9.5
10.0
10.5
11.0
2001 2002 2003 2004 2005 2006 2007 2008
Año
Cáncer de estómago - Mujeres

Cáncerdevesículaydelasvíasbiliaresextrahepáticas-Hombres
CIE-10: C23-C24
6,0
% de PoblaciónRMEs
< 70
70 - 89
90 - 109
110 - 129
≥ 130
16,1
34,3
34,3
9,4
CIE-10: C23-C24
5.0
5.5
6.0
6.5
7.0
Año
2001 2002 2003 2004 2005 2006 2007 2008
Cáncerdevesículaydelasvíasbiliaresextrahepáticas-Hombres
Magallanes
Aisén
Lagos
Ríos
Araucanía
Bíobío
Maule
O´Higgins
Metropolitana
Valparaíso
Coquimbo
Atacama
Antofagasta
Tarapacá
Arica y
Parinacota
RMEs Cáncer de vesícula - Hombres
¡¡¡
¡ ¡¡
¡
¡ ¡
¡¡¡
¡¡
¡
¡ ¡
¡ ¡
60 80 100 120 140 160 180 200 220

Cáncerdevesículaydelasvíasbiliaresextrahepáticas-Mujeres
CIE-10: C23-C24
CIE-10: C23-C24
14,6
% de PoblaciónRMEs
< 70
70 - 89
90 - 109
110 - 129
≥ 130
14,1
24,4
28,9
18,0 RMEs Cáncer de vesícula - Mujeres
Magallanes
Aisén
Lagos
Ríos
Araucanía
Bíobío
Maule
O´Higgins
Metropolitana
Valparaíso
Coquimbo
Atacama
Antofagasta
Tarapacá
Arica y
Parinacota
¡
¡ ¡¡
¡
40 60 80 100 120 140 160 180 200 220 240
11
12
13
14
15
Año
2001 2002 2003 2004 2005 2006 2007 2008
Cáncerdevesículaydelasvíasbiliaresextrahepáticas-Mujeres

Cáncerdetráquea,bronquiosypulmón-Hombres
CIE-10: C33-C34
22,2
% de PoblaciónRMEs
< 70
70 - 89
90 - 109
110 - 129
≥ 130
18,9
19,3
22,4
17,2
CIE-10: C33-C34
RMEs Cáncer de tráquea, bronquios y pulmón - Hombres
Magallanes
Aisén
Lagos
Ríos
Araucanía
Bíobío
Maule
O´Higgins
Metropolitana
Valparaíso
Coquimbo
Atacama
Antofagasta
Tarapacá
Arica y
Parinacota
¡
¡ ¡
¡
¡ ¡ ¡¡
¡¡¡
¡
¡
¡
20 60 100 140 180 220 260 300 340 380 420
Año
2001 2002 2003 2004 2005 2006 2007 2008
17
18
19
20
Cáncerdetráquea,bronquiosypulmón-Hombres

Cáncerdetráquea,bronquiosypulmón-Mujeres
CIE-10: C33-C34
CIE-10: C33-C34
16,7
% de PoblaciónRMEs
< 70
70 - 89
90 - 109
110 - 129
≥ 130
21,9
33,2
20,8
7,5 RMEs Cáncer de tráquea, bronquios y pulmón - Mujeres
Magallanes
Aisén
Lagos
Ríos
Araucanía
Bíobío
Maule
O´Higgins
Metropolitana
Valparaíso
Coquimbo
Atacama
Antofagasta
Tarapacá
Arica y
Parinacota
¡
¡
¡¡¡ ¡
¡
¡¡
¡¡¡ ¡
¡
¡
¡¡
¡
20 60 100 140 180 220 260 300
Año
2001 2002 2003 2004 2005 2006 2007 2008
7.0
7.5
8.0
8.5
Cáncerdetráquea,bronquiosypulmón-Mujeres

Cáncerdemama-Mujeres
CIE-10: C50
1,6
% de PoblaciónRMEs
< 70
70 - 89
90 - 109
110 - 129
≥ 130
15,0
51,1
28,8
3,5
CIE-10: C50
RMEs Cáncer de mama - Mujeres
Magallanes
Aisén
Lagos
Ríos
Araucanía
Bíobío
Maule
O´Higgins
Metropolitana
Valparaíso
Coquimbo
Atacama
Antofagasta
Tarapacá
Arica y
Parinacota
¡
¡¡¡¡ ¡
¡ ¡
¡
¡
¡¡
¡¡
¡
¡
¡ ¡
¡¡
60 70 80 90 100 110 120 130 140 150
Año
2001 2002 2003 2004 2005 2006 2007 2008
10.0
10.5
11.0
11.5
12.0
Cáncerdemama-Mujeres

Cáncerdepróstata
CIE-10: C61
3,7
% de PoblaciónRMEs
< 70
70 - 89
90 - 109
110 - 129
≥ 130
24,0
47,4
23,2
1,7
CIE-10: C61
RMEs Cáncer de próstata
Magallanes
Aisén
Lagos
Ríos
Araucanía
Bíobío
Maule
O´Higgins
Metropolitana
Valparaíso
Coquimbo
Atacama
Antofagasta
Tarapacá
Arica y
Parinacota
¡ ¡
¡
¡ ¡
¡
¡
¡ ¡
¡
60 70 80 90 100 110 120 130 140 150
Año
2001 2002 2003 2004 2005 2006 2007 2008
16.5
17.0
17.5
18.0
18.5
19.0
19.5
Cáncerdepróstata

Diabetestipo2yotrostiposdediabetes-Hombres
CIE-10: E11-E14
15,8
% de PoblaciónRMEs
< 70
70 - 89
90 - 109
110 - 129
≥ 130
20,4
24,5
24,0
15,3
CIE-10: E11-E14
Magallanes
Aisén
Lagos
Ríos
Araucanía
Bíobío
Maule
O´Higgins
Metropolitana
Valparaíso
Coquimbo
Atacama
Antofagasta
Tarapacá
Arica y
Parinacota
RMEs Diabetes tipo 2 - Hombres
¡
¡
¡¡¡¡
¡
¡¡¡¡ ¡
¡
¡
30 50 70 90 110 130 150 170 190 210 230
Año
2001 2002 2003 2004 2005 2006 2007 2008
17
18
19
20
21
Diabetestipo2yotrostiposdediabetes-Hombres

Diabetestipo2yotrostiposdediabetes-Mujeres
CIE-10: E11-E14
CIE-10: E11-E14
8,1
% de PoblaciónRMEs
< 70
70 - 89
90 - 109
110 - 129
≥ 130
23,9
35,4
20,4
12,3 RMEs Diabetes tipo 2 - Mujeres
40 60 80 100 120 140 160
Magallanes
Aisén
Lagos
Ríos
Araucanía
Bíobío
Maule
O´Higgins
Metropolitana
Valparaíso
Coquimbo
Atacama
Antofagasta
Tarapacá
Arica y
Parinacota
¡
¡¡ ¡
¡ ¡¡
¡
¡
¡
Año
2001 2002 2003 2004 2005 2006 2007 2008
13
14
15
16
Diabetestipo2yotrostiposdediabetes-Mujeres

Atlas de Mortalidad en Chile 2001 - 2008 7372 Atlas de Mortalidad en Chile 2001 - 2008
DemenciasyAlzheimer-Hombres
CIE-10: F00-F09, G30
Magallanes
Aisén
Lagos
Ríos
Araucanía
Bíobío
Maule
O´Higgins
Metropolitana
Valparaíso
Coquimbo
Atacama
Antofagasta
Tarapacá
Arica y
Parinacota
RMEs Demencias y Alzheimer - Hombres
¡ ¡
¡ ¡
¡
¡
¡
¡¡
¡ ¡¡
¡¡
¡¡ ¡¡
¡¡
¡
¡
¡¡
¡
30 60 90 120 150 180 210 240 270 300 330 360
Año
2001 2002 2003 2004 2005 2006 2007 2008
8.0
8.5
9.0
9.5
DemenciasyAlzheimer-Hombres
DemenciasyAlzheimer -Hombres
CIE-10: F00-F09, G30
24,8
% de PoblaciónRMEs
< 70
70 - 89
90 - 109
110 - 129
≥ 130
12,2
19,0
28,5
15,5
FE DE ERRATAS
Página 72
Atlas de Mortalidad en Chile 2001 - 2008
DemenciasyAlzheimer -Hombres
CIE-10: F00-F09, G30
24,8
% de PoblaciónRMEs
< 70
70 - 89
90 - 109
110 - 129
≥ 130
12,2
19,0
28,5
15,5
FE DE ERRATAS
Página 72
Atlas de Mortalidad en Chile 2001 - 2008

DemenciasyAlzheimer-Mujeres
CIE-10: F00-F09, G30
CIE-10: F00-F09, G30
26,0
% de PoblaciónRMEs
< 70
70 - 89
90 - 109
110 - 129
≥ 130
15,3
20,4
25,7
12,7 RMEs Demencias y Alzheimer - Mujeres
¡¡ ¡
¡
¡
¡¡
¡
¡
¡¡
¡
¡
¡
10 40 70 100 160 220 280 340 400130 190 250 310 370
Magallanes
Aisén
Lagos
Ríos
Araucanía
Bíobío
Maule
O´Higgins
Metropolitana
Valparaíso
Coquimbo
Atacama
Antofagasta
Tarapacá
Arica y
Parinacota
¡
¡
¡¡
¡
¡
¡¡
¡
¡
¡
Año
2001 2002 2003 2004 2005 2006 2007 2008
8.0
8.5
9.0
9.5
DemenciasyAlzheimer-Mujeres

Enfermedadeshipertensivas-Hombres
CIE-10: I10-I13
CIE-10: I10-I13
14,8
% de PoblaciónRMEs
< 70
70 - 89
90 - 109
110 - 129
≥ 130
31,8
25,4
19,0
8,9 RMEs Enfermedades hipertensivas - Hombres
Magallanes
Aisén
Lagos
Ríos
Araucanía
Bíobío
Maule
O´Higgins
Metropolitana
Valparaíso
Coquimbo
Atacama
Antofagasta
Tarapacá
Arica y
Parinacota
¡
¡
¡¡ ¡ ¡¡
¡
¡
40 60 80 100 120 140 160 180 200
Año
2001 2002 2003 2004 2005 2006 2007 2008
13.5
14.0
14.5
15.0
15.5
16.0
16.5
Enfermedadeshipertensivas-Hombres

Enfermedadeshipertensivas-Mujeres
CIE-10: I10-I13
CIE-10: I10-I13
11,6
% de PoblaciónRMEs
< 70
70 - 89
90 - 109
110 - 129
≥ 130
23,7
30,3
24,7
9,7 RMEs Enfermedades hipertensivas - Mujeres
Magallanes
Aisén
Lagos
Ríos
Araucanía
Bíobío
Maule
O´Higgins
Metropolitana
Valparaíso
Coquimbo
Atacama
Antofagasta
Tarapacá
Arica y
Parinacota
¡
¡ ¡
¡
¡ ¡
¡
¡
¡
50 70 90 110 130 150 170
Año
2001 2002 2003 2004 2005 2006 2007 2008
11.5
12.0
12.5
13.0
13.5
14.0
14.5
Enfermedadeshipertensivas-Mujeres

Enfermedadesisquémicasdelcorazón-Hombres
CIE-10: I20-I25
9,0
% de PoblaciónRMEs
< 70
70 - 89
90 - 109
110 - 129
≥ 130
15,8
36,4
28,4
10,4
CIE-10: I20-I25
RMEs Enfermedades isquémicas del corazón - Hombres
Magallanes
Aisén
Lagos
Ríos
Araucanía
Bíobío
Maule
O´Higgins
Metropolitana
Valparaíso
Coquimbo
Atacama
Antofagasta
Tarapacá
Arica y
Parinacota
¡
¡
¡ ¡¡ ¡¡
¡
¡
40 60 80 100 120 140 160 180
Año
2001 2002 2003 2004 2005 2006 2007 2008
50
55
60
Enfermedadesisquémicasdelcorazón-Hombres

Enfermedadesisquémicasdelcorazón-Mujeres
CIE-10: I20-I25
CIE-10: I20-I25
6,8
% de PoblaciónRMEs
< 70
70 - 89
90 - 109
110 - 129
≥ 130
18,5
31,4
34,6
8,8 RMEs Enfermedades isquémicas del corazón - Mujeres
Magallanes
Aisén
Lagos
Ríos
Araucanía
Bíobío
Maule
O´Higgins
Metropolitana
Valparaíso
Coquimbo
Atacama
Antofagasta
Tarapacá
Arica y
Parinacota
¡¡ ¡
¡
¡
¡¡ ¡
¡
¡
¡
¡
40 60 80 100 120 140 160 180 200
Año
2001 2002 2003 2004 2005 2006 2007 2008
22
24
26
28
30
32
Enfermedadesisquémicasdelcorazón-Mujeres

Otrasenfermedadesdelcorazón-Hombres
CIE-10: I30-I52
2,9
% de PoblaciónRMEs
< 70
70 - 89
90 - 109
110 - 129
≥ 130
16,6
51,9
24,3
4,3
CIE-10: I30-I52
RMEs Otras enfermedades del corazón - Hombres
Magallanes
Aisén
Lagos
Ríos
Araucanía
Bíobío
Maule
O´Higgins
Metropolitana
Valparaíso
Coquimbo
Atacama
Antofagasta
Tarapacá
Arica y
Parinacota
¡
¡¡
¡ ¡
¡
¡¡ ¡
¡
¡
¡
50 60 70 80 90 100 110 120 130 140 150 160
Año
2001 2002 2003 2004 2005 2006 2007 2008
50
55
60
Otrasenfermedadesdelcorazón-Hombres

Otrasenfermedadesdelcorazón-Mujeres
CIE-10: I30-I52
CIE-10: I30-I52
0,3
% de PoblaciónRMEs
< 70
70 - 89
90 - 109
110 - 129
≥ 130
15,8
53,5
26,5
3,9 RMEs Otras enfermedades del corazón - Mujeres
60 80 100 120 140 160 180 200
Magallanes
Aisén
Lagos
Ríos
Araucanía
Bíobío
Maule
O´Higgins
Metropolitana
Valparaíso
Coquimbo
Atacama
Antofagasta
Tarapacá
Arica y
Parinacota
¡ ¡
¡
¡¡¡
¡ ¡
¡ ¡
¡
¡ ¡¡
¡ ¡
Año
2001 2002 2003 2004 2005 2006 2007 2008
22
24
26
28
30
32
Otrasenfermedadesdelcorazón-Mujeres

Enfermedadescerebrovasculares-Hombres
CIE-10: I60-I69
9,1
% de PoblaciónRMEs
< 70
70 - 89
90 - 109
110 - 129
≥ 130
17,6
37,4
23,0
12,9
CIE-10: I60-I69
Año
2001 2002 2003 2004 2005 2006 2007 2008
42
44
46
48
50
52
Magallanes
Aisén
Lagos
Ríos
Araucanía
Bíobío
Maule
O´Higgins
Metropolitana
Valparaíso
Coquimbo
Atacama
Antofagasta
Tarapacá
Arica y
Parinacota
RMEs Enfermedades cerebrovasculares - Hombres
¡
¡ ¡
¡¡
¡¡ ¡
¡ ¡
¡
¡ ¡
¡
40 60 80 100 120 140 160 180
Enfermedadescerebrovasculares-Hombres

Enfermedadescerebrovasculares-Mujeres
CIE-10: I60-I69
CIE-10: I60-I69
3,7
% de PoblaciónRMEs
< 70
70 - 89
90 - 109
110 - 129
≥ 130
24,3
33,1
34,7
4,3
Magallanes
Aisén
Lagos
Ríos
Araucanía
Bíobío
Maule
O´Higgins
Metropolitana
Valparaíso
Coquimbo
Atacama
Antofagasta
Tarapacá
Arica y
Parinacota
RMEs Enfermedades cerebrovasculares - Mujeres
¡¡ ¡
¡
¡¡
¡
¡¡
¡
¡
50 70 90 110 130 150 170 190
Año
2001 2002 2003 2004 2005 2006 2007 2008
28
30
32
34
36
Enfermedadescerebrovasculares-Mujeres

Neumonía-Hombres
CIE-10: J12-J18
10,0
% de PoblaciónRMEs
< 70
70 - 89
90 - 109
110 - 129
≥ 130
18,0
26,7
32,7
12,6
CIE-10: J12-J18
RMEs Neumonía - Hombres
Magallanes
Aisén
Lagos
Ríos
Araucanía
Bíobío
Maule
O´Higgins
Metropolitana
Valparaíso
Coquimbo
Atacama
Antofagasta
Tarapacá
Arica y
Parinacota
¡
¡
¡ ¡¡
¡¡
¡ ¡¡¡
¡
¡¡
¡¡ ¡
¡
40 60 80 100 120 140 160 180 200 220
Año
2001 2002 2003 2004 2005 2006 2007 2008
16
18
20
22
24
26
28
Neumonía-Hombres

Neumonía-Mujeres
CIE-10: J12-J18
CIE-10: J12-J18
12,0
% de PoblaciónRMEs
< 70
70 - 89
90 - 109
110 - 129
≥ 130
14,3
32,1
27,4
14,2
RMEs Neumonía - Mujeres
Magallanes
Aisén
Lagos
Ríos
Araucanía
Bíobío
Maule
O´Higgins
Metropolitana
Valparaíso
Coquimbo
Atacama
Antofagasta
Tarapacá
Arica y
Parinacota
¡ ¡¡ ¡
¡ ¡
¡¡
¡
¡
¡
¡
40 60 80 100 120 140 160 180 200 220 240 260 280 300
Año
2001 2002 2003 2004 2005 2006 2007 2008
10
12
14
16
18
Neumonía-Mujeres

Enfermedadespulmonaresobstructivasyotrasbronquitiscrónicas(EPOC)-Hombres
CIE-10: J40-J44-J47
8,4
% de PoblaciónRMEs
< 70
70 - 89
90 - 109
110 - 129
≥ 130
26,1
17,7
35,4
12,4
CIE-10: J40-J44-J47
RMEs EPOC - Hombres
Magallanes
Aisén
Lagos
Ríos
Araucanía
Bíobío
Maule
O´Higgins
Metropolitana
Valparaíso
Coquimbo
Atacama
Antofagasta
Tarapacá
Arica y
Parinacota
¡
¡
¡
¡
¡
¡
¡
50 70 90 110 130 150 170 190
Año
2001 2002 2003 2004 2005 2006 2007 2008
14
15
16
17
18
19
20
Enfermedadespulmonaresobstructivasyotrasbronquitiscrónicas(EPOC)-Hombres

Enfermedadespulmonaresobstructivasyotrasbronquitiscrónicas(EPOC)-Mujeres
CIE-10: J40-J44-J47
CIE-10: J40-J44-J47
8,1
% de PoblaciónRMEs
< 70
70 - 89
90 - 109
110 - 129
≥ 130
23,6
36,3
23,8
8,2
RMEs EPOC - Mujeres
Magallanes
Aisén
Lagos
Ríos
Araucanía
Bíobío
Maule
O´Higgins
Metropolitana
Valparaíso
Coquimbo
Atacama
Antofagasta
Tarapacá
Arica y
Parinacota
¡
¡
¡
¡
¡ ¡ ¡ ¡¡¡¡
¡
¡
40 60 80 100 120 140 160 180
Año
2001 2002 2003 2004 2005 2006 2007 2008
8.0
8.5
9.0
9.5
10.0
10.5
11.0
Enfermedadespulmonaresobstructivasyotrasbronquitiscrónicas(EPOC)-Mujeres

Cirrosis y otras enfermedades del hígado - Hombres
CIE-10: K70, K72.1, K73, K74, K76
25,2
% de PoblaciónRMEs
< 70
70 - 89
90 - 109
110 - 129
≥ 130
17,7
15,3
20,2
21,6
CIE-10: K70, K72.1, K73, K74, K76
RMEs Cirrosis - Hombres
¡¡
¡¡
50 100 150 200 250 300 350
Magallanes
Aisén
Lagos
Ríos
Araucanía
Bíobío
Maule
O´Higgins
Metropolitana
Valparaíso
Coquimbo
Atacama
Antofagasta
Tarapacá
Arica y
Parinacota
Año
2001 2002 2003 2004 2005 2006 2007 2008
30
32
34
36
38
Cirrosis y otras enfermedades del hígado - Hombres

Cirrosis y otras enfermedades del hígado - Mujeres
CIE-10: K70, K72.1, K73, K74, K76
CIE-10: K70, K72.1, K73, K74, K76
10,8
% de PoblaciónRMEs
< 70
70 - 89
90 - 109
110 - 129
≥ 130
21,8
34,5
23,0
10,0
Magallanes
Aisén
Lagos
Ríos
Araucanía
Bíobío
Maule
O´Higgins
Metropolitana
Valparaíso
Coquimbo
Atacama
Antofagasta
Tarapacá
Arica y
Parinacota
RMEs Cirrosis - Mujeres
¡ ¡
¡
¡ ¡
¡¡
¡
40 60 80 100 120 140 160 180
Año
2001 2002 2003 2004 2005 2006 2007 2008
9.0
9.5
10.0
10.5
11.0
11.5
12.0
Cirrosis y otras enfermedades del hígado - Mujeres

Accidentes de transporte - Hombres
CIE-10: V01-V99
25,0
% de PoblaciónRMEs
< 70
70 - 89
90 - 109
110 - 129
≥ 130
13,5
19,2
21,7
20,7
CIE-10: V01-V99
RMEs Accidentes de transporte - Hombres
Magallanes
Aisén
Lagos
Ríos
Araucanía
Bíobío
Maule
O´Higgins
Metropolitana
Valparaíso
Coquimbo
Atacama
Antofagasta
Tarapacá
Arica y
Parinacota
¡
¡
40 60 80 100 120 140 160 180 200 220 240
Año
2001 2002 2003 2004 2005 2006 2007 2008
20
21
22
23
24
Accidentes de transporte - Hombres

Suicidio - Hombres
CIE-10: X60-X84
20,2
% de PoblaciónRMEs
< 70
70 - 89
90 - 109
110 - 129
≥ 130
16,5
25,6
23,6
14,2
CIE-10: X60-X84
RMEs Suicidio - Hombres
Magallanes
Aisén
Lagos
Ríos
Araucanía
Bíobío
Maule
O´Higgins
Metropolitana
Valparaíso
Coquimbo
Atacama
Antofagasta
Tarapacá
Arica y
Parinacota
¡
¡
¡
¡
¡¡
¡
¡¡
¡ ¡ ¡
¡
¡
40 60 80 100 120 140 160 180 200 220 240 260 280
Año
2001 2002 2003 2004 2005 2006 2007 2008
16
17
18
19
Suicidio - Hombres

Conclusiones

Los mapas muestran patologías en los que se aprecia agregación geográfica, es decir
grupos de comunas con mayor riesgo, como es el caso de: cáncer de estómago; de vesícula
y de las vías biliares extrahepáticas; de tráquea, bronquios y pulmón; diabetes tipo 2 y otros
tipo de diabetes; enfermedades cerebrovasculares; cirrosis y otras enfermedades crónicas
del hígado; accidentes de transporte y suicidio. Las comunas con mayor mortalidad no
necesariamente indican un mayor riesgo de contraer la enfermedad o incidencia, sino que
pueden reflejar el acceso a servicios de salud, ya sea para evitar la enfermedad, diagnosti-
carla precozmente o tratarla oportuna y apropiadamente. Estos patrones evidencian
inequidades en la mortalidad, que se puede traducir en el diseño de intervenciones de salud
pública orientadas a reducir la mortalidad evitable.

Hay patologías en las cuales se ha descrito el posible origen de los riesgos diferenciales,
tales como la alta tasa de mortalidad por cáncer de tráquea, bronquios y pulmón en el norte
de Chile, donde el arsénico sería el principal agente causal. Sin embargo, existen patologías
donde no se tenía antecedentes de diferencias comunales como la diabetes tipo 2 y otros
tipos de diabetes, accidentes de transporte y suicidio; por lo cual estas constituyen preguntas
abiertas de investigación que expliquen y mitiguen las diferencias encontradas. En este
atlas se presenta la distribución geográfica comunal y la tendencia temporal nacional
de un periodo dado, sin embargo la etapa siguiente de esta investigación será realizar el
análisis espacio temporal a nivel comunal que permita monitorear los cambios geográficos y
temporales simultáneamente.

Por otra parte, dado que las estadísticas de mortalidad dan información relevante
para la toma de decisiones, necesitamos continuar perfeccionando la calidad de estas, en
cuanto a la cobertura de la certificación médica y sobre todo la disminución de las causas
mal definidas.
El conocimiento de la distribución geográfica de problemas de salud, en áreas
pequeñas, es de vital importancia para la toma de decisiones en este ámbito. Para la
autoridad sanitaria es de gran utilidad conocer la heterogeneidad de sus comunas con
evidencia cuantitativa, para asignar recursos y monitorear la salud. Este atlas permite
identificar patrones geográficos de enfermedades que pueden estar originados por múltiples
factores, relacionados con estilos de vida, exposiciones ambientales y factores sociales que
pueden condicionar la accesibilidad a la asistencia sanitaria. La información generada
servirá para priorizar los recursos en aquellas comunas más afectadas, programar estrategias
preventivas y así contribuir a la equidad en salud; adaptarse a los cambios demográficos del
país con una mirada a nivel comunal; y fortalecer las iniciativas y acciones locales, regionales
y nacionales.

Anexos

Modelos bayesianos para la estimación de riesgos
La metodología asociada para ajustar un modelo de regresión Poisson bayesiano
está basada en modelos teóricos tratados en la literatura (Best et al., 2005; Lawson, 2006),
cuyo fin es estimar tasas o riesgos relativos de patologías consideradas extrañas o poco
prevalentes. Así, es posible obtener estimaciones más reales y adecuadas para la toma de
decisiones en salud, considerando la información aportada por las comunas vecinas. Los
modelos mencionados son una subfamilia de los modelos jerárquicos bayesianos propuestos
inicialmente por Besag, York y Mollié (1991). Estos modelos espaciales asumen que el número
de muertes por cada causa sigue una distribución Poisson de parámetro , donde
representa las comunas del país. La estructura jerárquica de dicho modelo, para
cada sexo y patología, es como sigue:
donde
es el número esperado de muertes ajustado por quinquenios de edad en la i-ésima
comuna, es el riesgo relativo en la i-ésima comuna, parámetros de interés dentro del
proceso de inferencia, y , y , son tratados como parámetros desconocidos.
La componente es una variable de ajuste conocida, denominada offset (Dobson,
2002),
es un parámetro que permite controlar el efecto medio, y y son denominados
efectos aleatorios en la literatura clásica cuyo fin es controlar el exceso de variabilidad. Desde la
perspectiva bayesiana estos efectos son tratados como parámetros latentes y se asume que
siguen una distribución a priori con estructura gaussiana, tal como se expone en la estructura
jerárquica anterior. Las distribuciones a priori se asumen independientes entre sí.
Nótese la existencia de “hiperparámetros” de dispersión, y , los cuales se
asumen aleatorios con distribuciones de probabilidad a priori Gamma Inversa con parámetros
de forma y escala conocidos y fijos, tal que representan falta de información y fueron elegidos
dependiendo del menor valor que entregue el Criterio de Información de Devianza (DIC por
su sigla en inglés) (Spiegelhalter et al., 2002).

La matriz W estructura la información proveniente de las comunas vecinas, especí-
ficamente, cada elemento de la matriz toma valores 0 o 1, dependiendo si comparte
o no frontera respectivamente. Se definió como vecinos a las comunas adyacentes o que
comparten fronteras. En las comunas aisladas se definió al menos tres vecinos en base a la
conectividad entre ellas.

Población, superficie y densidad poblacional por regiones de Chile Como aspectos técnicos se puede mencionar que se generaron muestras de los
parámetros desconocidos del modelo propuesto para cada patología y sexo, usando
las técnicas de Monte Carlo implementadas en el software Winbugs 1.4. Se monitoreó
una cadena con 150.000 realizaciones. Para evitar la influencia de los valores iniciales, se
eliminaron las 25.000 primeras observaciones de la cadena y posteriormente se realizó un
muestreo sistemático, seleccionando una realización cada cinco. El muestreo sistemático
es una alternativa que permite eliminar la posible autocorrelación de los parámetros del
modelo y facilita la convergencia de las componentes de las cadenas. Finalmente, se revisó
la autocorrelación y la historia de los parámetros, verificando que las potenciales estimaciones
fueran adecuadas para proceder con la estimación.
Desde el punto de vista inferencial, una vez que se dispuso de la muestra definitiva,
las estimaciones de los parámetros desconocidos fueron las medianas a posteriori de los
parámetros de interés, en este caso los riesgos relativos obtenidos (Best et al., 1999).
Región
Población
Censo 2002
Distribución
de la
población (%)
Superficie
(km2)
Densidad
Poblacional
Número de
comunas
Arica y
Parinacota 189.644 1,3 16.873,3 11,2 4
Tarapacá 238.950 1,6 42.225,8 5,7 7
Antofagasta 493.984 3,3 126.049,1 3,9 9
Atacama 254.336 1,7 75.176,8 3,4 9
Coquimbo 603.210 4,0 40.579,9 14,9 15
Valparaíso 1.539.852 10,2 16.396,1 93,9 38
Metropolitana 6.061.185 40,1 15.403,2 393,5 52
O'Higgins 780.627 5,2 16.387,0 47,6 33
Maule 908.097 6,0 30.296,1 30,0 30
Bíobío 1.861.562 12,3 37.068,7 50,2 54
La Araucanía 869.535 5,8 31.842,3 27,3 32
Los Ríos 716.739 4,7 18.429,5 38,9 12
Los Lagos 356.396 2,4 48.583,6 7,3 30
Aisén 91.492 0,6 108.494,4 0,8 10
Magallanes 150.826 1,0 1.382.291,1 0,1 11
Total País 15.116.435 100,0 2.006.096,9 7,5 346
Fuente: Instituto Nacional de Estadísticas

Mapas regionales con división comunal

Arica y Parinacota
Putre
Arica
Camarones
General Lagos

Tarapacá Antofagasta
Alto
Hospicio
Iquique
Pozo Almonte
Colchane
Pica
Camiña
Huara
Tocopilla
María
Elena
Ollagüe
Calama
Mejillones
Sierra Gorda
San Pedro de
Atacama
Antofagasta
Taltal

Atacama Coquimbo
Chañaral
Diego de Almagro
Caldera
Copiapó
Tierra Amarilla
Huasco
Vallenar
Alto del
Carmen
Freirina
La Higuera
La Serena Vicuña
Coquimbo
Andacollo
Paiguano
Río Hurtado
Ovalle
Monte Patria
Punitaqui
Combarbalá
Canela
Illapel
Los Vilos
Salamanca

Valparaíso Metropolitana de Santiago
Tiltil
Colina
Lampa
Lo Barnechea
Curacaví
Pudahuel
Maipú
P. Hurtado
María Pinto
Peñaflor C. de
Tango
El Monte Talagante
Isla de Maipo Buin Pirque San José de Maipo
Paine
Melipilla
San Pedro
Alhué
Quilicura
Conchalí
Huechuraba
Vitacura
Renca
Independencia
Recoleta
Cerro Navia
Quinta
Normal
Lo
Prado
Santiago
Providencia
Ñuñoa
La Reina
Las Condes
Estación
Central
Maipú
Cerrillos
P. A.
Cerda San
Miguel
San
Joaquín
La
Granja
Macul
Peñalolén
La Florida
San
Bernardo
Lo
Espejo
La
Cisterna
San
Ramón
El
Bosque La
Pintana Puente Alto
Santa
María
San
Esteban
Los
Andes
Calle
Larga
Rinconada
San
Felipe
Catemu
Panquehue
LlaillayHijuelas
Olmué
La Ligua
Papudo
Zapallar
Nogales
Puchuncaví
Quintero
Calera
La Cruz
Quillota
Limache
Villa
Alemana
Quilpué
Concón
Viñadel Mar
Valparaíso
Algarrobo Casablanca
El Quisco
El Tabo
Cartagena
San
Antonio
Santo
Domingo
Juan
Fernández
Isla
de Pascua
Petorca
Cabildo
Putaendo

MauleLibertador Bernardo O’Higgins
Mostazal
Codegüa
Machalí
Graneros
Requínoa
Doñihue
Rancagua
Olivar
Rengo
San Fernando
Navidad
Litueche
La
Estrella
Las Cabras
Peumo
Coltauco
Coinco
Q. de
Tilcoco
Pichidegua
MalloaSan
Vicente
Chimbarongo
Placilla
Chépica
Nancagua
Palmilla
Santa
Cruz
Lolol
Pumanque
Pichilemu
Paredones
Marchihue
Peralillo
Molina
San
Rafael
Pelarco
Talca
Maule
Pencahue
San Javier
Constitución
Empedrado
Chanco
Pelluhue
Cauquenes
Retiro
Parral
Longaví
Linares
Villa
Alegre
Yerbas
Buenas San Clemente
Colbún
Vichuquén
Hualañé
Rauco
Teno
Romeral
Licantén
Curepto Sagrada
Familia
Río
Claro
Curicó

La AraucaníaBíobío
Ñiquén
San Fabián
Coihueco
Pinto
Antuco
Alto Bíobío
Quilaco
Mulchén
Santa BárbaraNegrete
Los Ángeles
Tucapel
El Carmen
San Carlos
Chillán
Chillán
Viejo
Cobquecura
Quirihue
Ninhue
San
Nicolás
Treguaco
Portezuelo
Coelemu
Tomé
Ránquil
QuillónFloridaPenco
Talcahuano
Hualpén
Concepción
San Pedro de la Paz
Chiguayante
Tirúa
Contulmo
Cañete
Los
ÁlamosLebu
Curanilahue Nacimiento
Arauco
Santa
Juana
Lota
Coronel Cabrero
Yumbel
Laja
San
Rosendo
Hualqui
Bulnes
San
Ignacio
Yungay
Quilleco
Pemuco Victoria
Angol
Renaico
CollipulliPurén
Los Sauces
Lumaco
Traiguén
Carahue
Saavedra
Teodoro
Schmidt
Nueva
Imperial
Cholchol
Galvarino
Toltén
Loncoche Villarrica
Pucón
Gorbea
Pitrufquén
Freire
Padre
Las Casas
Temuco
Perquenco
Cunco
Lautaro
Vilcún
Curacautín
Ercilla
Lonquimay
Melipeuco
Curarrehue

Los LagosLos Ríos
Mariquina
Lanco
Panguipulli
Valdivia
Los Lagos
Corral
La Unión
Paillaco
Máfil
Futrono
Lago Ranco
Río Bueno
San Pablo
San Juan
de la
Costa
Río Negro
Osorno
Puyehue
Puerto Octay
Puerto VarasFresia
Frutillar
Llanquihue
Purranque
Los
Muermos Puerto Montt
Ancud
Quellón
Castro
Dalcahue
Chonchi
Queilén
Puqueldón
Quinchao
Curaco de Vélez
Maullín
Calbuco
Cochamó
Hualaihué
Chaitén Futaleufú
Palena
Quemchi

MagallanesAisén
Guaitecas
Cisnes
Lago Verde
Coihaique
Río Ibáñez
Chile Chico
Aisén
Cochrane
Tortel
O’Higgins
Natales
Torres
del Paine
Laguna
Blanca
San
Gregorio
Primavera
Porvenir
Punta
Arenas
Timaukel
Cabo de Hornos
Río Verde

Bibliografía

Abellán JJ, Richardson S, Best N. Use of space-time models to investigate the stability of
patterns of disease. Environ Health Perspect, 2008; 116(8): 1111-1119.
Ahmad O, Boschi-Pinto C, Lopez AD, Murray CJL, Lozano R, Inoue M. Age standardization of
rates: a new WHO standard. Geneva, World Health Organization, 2001.
Andia M, Hsing AW, Andreotti G, Ferreccio C. Geographic variation of gallbladder cancer
mortality and risk factors in Chile: A population-based ecologic study. Int J Cancer, 2008; 123:
1411-1416.
Beale L, Abellán JJ, Hodgson S, Jarup L. Methodological issues and approaches to spatial
epidemiology. Environ Health Perspect, 2008; 116(8): 1105-1110.
Benach J, Martínez JM, Yasui Y, Borrell C, Pasarín MI, Español E, Benach N. Atles de mortalitat
en àrees petites a Catalunya 1984-1998. Barcelona: Universitat Pompeu i Fabra/Fundació
Jaume Bofill/Editorial Mediterrània, 2004.
Benach J, Yasui Y, Borrell C, Rosa E, Pasarín MI, Benach N, Español E, Martínez JM, Daponte A.
Atlas de mortalidad en áreas pequeñas en España 1987-1995. Barcelona: Universitat Pompeu
i Fabra/MSD, 2001.
Bernardinelli L, Clayton D, Pascutto C, Montomoli C, Ghislandi M, Songini M. Bayesian analysis
of space-time variation in disease risk. Stat in Med, 1995; 14: 2433-2443.
Besag J, York J, Mollie A. Bayesian image restoration, with two applications in spatial statistics.
Ann Inst Stat Math, 1991; 43(1): 1-59.
Best N, Richardson S, Thomson A. A comparison of bayesian spatial models for disease
mapping. Stat Met Med Res, 2005; 14: 35–59.
Best N, Wakefield J. Accounting for inaccuracies in population counts and case registration in
cancer mapping studies. J R Stat Soc A, 1999; 162:363-382.
Borrell C, Cano-Serral G, Martínez-Beneito MA, Marí-Dell’Olmo M, Maica Rodríguez-Sanz, y el
grupo MEDEA. Atlas de mortalidad en ciudades de España (1996-2003). Barcelona: Dit I Fet,
2009.
Carvajal Y. Incertidumbre en la medición de las defunciones: una aproximación. Tesis para
optar al grado de Doctor en Salud Pública de la Universidad de Chile, 2011.
Devesa SS, Grauman DJ, Blot WJ, Penello GA, Hoover RN, FRaumeni JF Jr. Atlas of cancer
mortality in the United States, 1950-1994. Bethesda (MD): National Institutes of Health, 1999.

Diez-Roux AV. Investigating neighborhood and area effects on health. Am J of Pub Health,
2001; 91(11): 1783-1789.
Dobson A. An introduction to generalized linear models. Chapman and Hall, 2002.

Martínez-Beneito M, López-Quilez A, Botella-Rocamora P. An autoregressive approach to
spatio-temporal disease mapping. Stat in Med, 2008; 27: 2874-2889.
Martínez-Beneito M, López A, Amador A, Melchor I, Botella P, Abellán C, Abellán J, Verdejo
F, Zurriaga O, Vanaclocha H, Escolano M. Atlas de mortalidad de la Comunidad Valenciana
1991-2000. Generalitat Valenciana. Conselleria de Sanitat, 2005.
MinisteriodeDesarrolloSocial.Divisiónregional–Unidaddesistemasdeinformacióngeográfica.
Elaboración propia en base a restitución satelital año 2004.- Última actualización año 2009.
Ministerio de Salud. Vigilancia de Enfermedades Transmisibles. Atlas Interactivo. Departamento
de Epidemiología, 2012. En: http://epi.minsal.cl/atlas-interactivo/
Ministerio de Salud. Bases de datos defunciones y nacimientos 1990-2008. Departamento de
Estadísticas e Información en Salud, 2010. En http://deis.minsal.cl
Monmonier M. Lying with maps. Stat Sci, 2005; 20(30): 215-222.
Morgenster H. Ecologic studies in epidemiology: Concepts, Principles, and Methods. A Rev
Publ Hlth, 1995; 16: 61-81.
National Cancer Institute. Joinpoint Regression Program, Version 3.5.1. Statistical Research and
Applications Branch, National Cancer Institute, July 2011.
Núñez L, Icaza G. Calidad de las estadísticas de mortalidad en Chile, 1997-2003. Rev Med
Chile, 2006; 134: 1191-1196.
Ocaña-Riola R. Common errors in disease mapping. Geospatial Health, 2010; 4(2): 139-154.
Ocaña-Riola R, Sánchez-Cantalejo C, Toro S, Mayoral J. Atlas interactivo de mortalidad
en Andalucía. AIMA 1981-2006. Escuela Andaluza de Salud Pública, Consejería de Salud,
Granada, 2008.
Ocaña-Riola R. The misuse of count data aggregated over time for disease mapping. Stat in
Med, 2007; 26(24): 4489-4504.
Organización Mundial de la Salud. Clasificación estadística internacional de enfermedades
y problemas relacionados con la salud. 10a. revisión. v.3. Lista tabular. Washington, D.C.: OPS.
(Publicación científica 554), 1995.
Pickle l, Mungiole M, Jones G, White A. Atlas of United States mortality. Hyattsville, Maryland:
National Center for Health Statistics, 1996.
Quinn M, Wood H, Cooper N, Rowan S. Cancer atlas of the United Kingdom and Ireland 1991-
2000. Studies on Medical and Population Subjects No. 68. Palgrave, Macmillan, 2005.
Richardson S, Thomson A, Best N, Elliott P. Interpreting posterior relative risk estimates in disease-
mapping studies. Environ Health Perspect, 2004; 112(9): 1016-1025.
Snow J. On the modes of communications of cholera. New York, NY. The Commonwealth
Fund, 1855.
Elliott P, Wakefield J, Best N, Briggs D. Spatial epidemiology: methods and applications. En
Spatial Epidemiology. P. Elliott, J. Wakefield, N. Best, and D. Briggs Editores. Oxford University
Press, 2000: 3-14.
Esnaola S, Montoya I, Calvo M, Aldasoro E, Audícana C, Ruiz R, Ibáñez B. Atlas de mortalidad
en áreas pequeñas de la CAPV (1996-2003). Vitoria-Gasteiz: Departamento de Sanidad y
Consumo, 2010.
Ferreccio C, Rollán A, Harris P, Serrano C, Gederlini A, Margozzini P, González C, Aguilera X,
Venegas A, Jara A. Gastric cancer is related to early Helicobacter pylori infection in a high
prevalence country. Cancer Epidemiol Biomarkers Prev, 2007; 16: 662-7.
Gundersen L. Mapping it out: Using atlases to detect patterns in health care, disease, and
mortality. Ann Intern Med, 2000; 133(2): 161-164.
Harrower A, Brewer C. ColorBrewer.org: an online toolfor selecting color schemes for maps. The
Cartographic Journal, 2003; 40(1): 27-37.
Haynes R. The geographical distribution of mortality by cause in Chile. Soc Sci Med, 1983; 17(6):
355-364.
Haynes R. Mapas de distribución de tasas de mortalidad en Chile. Revista de Geografía Norte
Grande, 1982; 9: 21-40.
Icaza G, Núñez L, Torres F, Díaz N, Varela D. Distribución geográfica de mortalidad por tumores
malignos de tráquea, bronquios y pulmón, Chile 1997-2004. Rev Med Chile, 2007; 135(11):
1397-1405.
Icaza G, Núñez L, Díaz N, Varela D. Atlas de mortalidad por enfermedades cardiovasculares
en Chile, 1997- 2003. Universidad de Talca y Ministerio de Salud, 2006.
Instituto Nacional de Estadísticas. Resultados preliminares Censo de población y vivienda
2012, 2012.
Instituto Nacional de Estadísticas - Centro Latinoamericano y Caribeño de Demografía. Chile:
proyecciones y estimaciones de población. Total país 1950-2050, 2004.
Knorr-Held L, Besag J. Modelling risk from a disease in time and space. Stat in Med, 1998; 17:
2045-2060.
Koch T. Cartographies of disease: maps, mapping, and medicine. ESRI Press, 2005.
Lawson A. Statistical methods in spatial epidemiology. John Wiley & Sons. Chichester, England,
2006.
Lawson AB, Bohning D, Biggeri A, Lesaffre E, Viel J-F.Disease mapping and its uses. In Disease
mapping and risk assessment for public health. Edited by: A Lawson, A Biggeri, D Böhning, E
Lesaffre, J-F Viel, R Bertollini. Editors. John Wiley & Sons, 1999.
López-Abente G, Ramis R, Pollán M, Aragonés N, Pérez-Gómez B, Gómez-Barroso D, Carrasco
JM, Lope V, García-Pérez J, Boldo E, García-Mendizábal MJ. Atlas municipal de mortalidad
por cáncer en España, 1989-1998. Instituto de Salud Carlos III. Madrid, 2006.

144 Atlas de Mortalidad en Chile 2001 - 2008
Spiegelhalter DJ, Best NG, Carlin BP, van der Linde A. Bayesian measures of model complexity
and fit (with discussion). J R Stat Soc B, 2002; 64: 583– 639.
Waller LA, Gotway CA. Applied spatial statistics for public health data. New York, John Wiley
& Sons, 2004.
Walter SD. Disease mapping: a historical perspective. En: Spatial Epidemiology. Elliott P,
Wakefield J, Best N, Briggs D. Editors. Oxford University Press, 2000: 223-239.

Atlas de la mortalidad región por región de la Universidad de Talca

Más contenido relacionado

La actualidad más candente (20)

Similar a Atlas de la mortalidad región por región de la Universidad de Talca (20)

Más de La Nacion Chile (20)

Atlas de la mortalidad región por región de la Universidad de Talca