RESUMEN
OBJECTIVES: To compare how different degrees of data aggregation influence the measurement of health inequalities and health inequities within a population, and to assess the appropriateness of those different degrees of data aggregation in performing studies on inequalities and inequities. METHODS: As an example, we used data on the infant mortality rate in Costa Rica in 1973 and in 1984 and calculated measurements that are frequently used to quantify inequalities and inequities. RESULTS: According to our results, the inequality measures presented (except for those that were derived using regression models) are not sensitive to data aggregation by socioeconomic groups. However, when geographic areas are compared, more disaggregation of the data results in the measures indicating greater inequality. CONCLUSIONS: Our results show that some measures can vary widely depending on the level of data aggregation. It is thus crucial to know how to select these measures and also how to aggregate the data in a way that is consistent with the objectives of each study.
OBJETIVOS: Comparar cómo diferentes grados de agregación de datos repercuten en los resultados de la medición de desigualdades e inequidades de salud en una población y examinar su idoneidad para estudios sobre el tema. MÉTODOS: A modo de ejemplo, se calcularon las medidas más frecuentemente utilizadas para cuantificar las desigualdades e inequidades reflejadas por la tasa de mortalidad infantil en Costa Rica entre 1973 y 1984. RESULTADOS: Según los resultados obtenidos, las medidas de desigualdad presentadas (a excepción de las que se basaron en modelos de regresión) no parecen ser sensibles al grado de agregación de los datos utilizados cuando las unidades objeto del estudio son grupos socioeconómicos. Por el contrario, cuando las unidades comparadas son zonas geográficas, mayores grados de desagregación de los datos redundan en medidas que indican la presencia de un mayor grado de desigualdad. CONCLUSIONES: Los resultados indican que algunas medidas generan valores muy dispares según el nivel de agregación utilizado, por lo que se demuestra la importancia de elegir tanto las medidas como la agregación que sean adecuadas a la luz de los objetivos de cada estudio.