Row

Row

Row

Row

Row

Row

Qué es MoMo

El sistema de monitorización de la mortalidad diaria por todas las causas (MoMo) fue desarrollado en 2004, en el marco del «Plan de acciones preventivas contra los efectos de las temperaturas excesivas», coordinado por el Ministerio de Sanidad, para reducir el impacto sobre la salud de la población como consecuencia del exceso de temperatura. El objetivo de MoMo es identificar las desviaciones de mortalidad diaria observada con respecto a la esperada según las series históricas de mortalidad, y permite estimar de forma indirecta el impacto de cualquier evento de importancia en Salud Pública.

MoMo propociona estimaciones de excesos de mortalidad por todas las casusas y atribuibles a un exceso o defecto de la temperatura. Se calcula diariamente, por ámbito poblacional (nacional, de CCAA y provincial), sexo y grupo de edad (todas las edades, 0-14, 15-44, 45-64, 65-74, 75-84, >65 años y >85 años).

Fuentes de datos

MoMo utiliza tres fuentes de datos:

• Las defunciones diarias por todas las casusas de los últimos diez años, sin incluir aquellas del año 2020 (por su comportamiento debido a la pandemia de Covid-19). Esta serie se obtiene de los datos consolidados del Instituto nacional de Estadística (INE), hasta la fecha en la que están disponibles, y a partir de entonces del Ministerio de Justicia que proporciona defunciones diarias por todas las causas procedentes de los registros civiles informatizados de municipios que corresponden a un 94% de la población española.
• Las temperaturas según la Agencia Estatal de Meteorología (AEMET) a nivel provincial en el mismo periodo de tiempo, incluyendo el año en curso.
• La población por grupo de edad, sexo y provincia, extraídos del INE.

El modelo

El modelo de predicción de excesos de mortalidad por todas las causas y atribuibles a temperatura es un modelo GAM (generalized additive model) de Poisson, cuya variable dependiente son las defunciones diarias.

Las variables independientes que se utilizan para ajustar el modelo son:

• Tendencia modelada como un spline cúbico rígido (de orden 1), por provincia.
• Un spline cíclico (de orden 6) para recoger la estacionalidad anual de la mortalidad, también por provincia.
• El ATO variable que mide el efecto de la temperatura máxima, como efecto aleatorizado entre las provincias, haciendo uso de modelos mixtos (partial pooling entre un coeficiente único y uno por provincia).
• El F_ATO variable que mide el efecto de la temperatura mínima, como efecto aleatorizado entre las provincias, haciendo uso de modelos mixtos (partial pooling entre un coeficiente único y uno por provincia).
• Se ajusta la tasa de defunción, incluyendo la población de cada grupo de edad, sexo y provincia como offset.

Las observaciones que se encuentran por encima del cuantil 0,95 y las que están por debajo del cuartil 0,05 se eliminan y se vuelve a ejecutar el modelo para obtener defunciones esperadas sin outliers.

Las defunciones atribuibles al exceso o defecto de temperatura se calculan de la siguiente manera:

• Se ajusta el modelo con las variables independientes de tiempo y temperatura, obteniendo así la estimación de defunciones esperadas con el efecto del tiempo y de la temperatura.
• Se ajusta el modelo con las variables independientes de tiempo, pero sin las variables de temperatura, obteniendo así la estimación base de defunciones esperadas, sin el efecto de la temperatura.
• La diferencia entre ambas estimaciones, da como resultado las defunciones atribuibles al exceso o defecto de la temperatura.

Los resultados a nivel de comunidad autónoma o nacional se calculan como las agregaciones de sus provincias.

La estimación de cada año se calcula en base a los años previos. Este es el motivo por el que puede observarse un salto en las estimaciones al inicio de año.

El impacto del exceso de temperatura: ATO, F_ATO

El ATO (accumulated thermal overcharge) es una variable sintética que mide el exceso o el defecto de temperatura. Su uso está basado (aunque con modificaciones) en el modelo portugués de Nogueira, Paixao N, 2007. Existen unos umbrales de disparo de la mortalidad por exceso de temperatura máxima (ver Díaz Jiménez J, Linares Gil C., Carmona Alférez R. 2015) que asignan a cada provincia una temperatura máxima crítica a partir de la cual se observa un crecimiento de la mortalidad.

El ATO se define originalmente, en el modelo portugués, como el número de grados que la temperatura máxima está por encima del umbral de disparo multiplicado por el número de días consecutivos previos que la temperatura máxima ha estado por encima de este umbral. Entre las características de nuestro modelo se señala:

• Para un día d, utilizamos el ATO del día d−1. Es decir, ATO con lag de 1 día.
• El efecto del ATO se prolonga y va decayendo durante los días siguientes, con un factor de 0,8 durante 7 días.
• Para evitar que la variable crezca por encima de lo deseable, se utiliza la raíz.

Según la fórmula:

\[ATO'_{d} = \sqrt{ATO_{d-1} + ATO_{d-2} * 0.8 + ATO_{d-3} * 0.8^{2} + ATO_{d-4} * 0.8^{3} + ATO_{d-5} * 0.8^{4} + ATO_{d-5} * 0.8^{5} + ATO_{d-7} * 0.8^{6}}\]

El F_ATO (accumulated thermal overcharge for cold) es una variable sintética que mide el defecto del exceso de temperatura mínima. Se construye de forma análoga a ATO, pero utilizando temperaturas mínimas y los umbrales de disparo de la mortalidad por defecto de temperatura mínima (ver Carmona Alférez, R., Díaz Jiménez, J., León Gómez, I., Luna Rico,Y., Mirón Pérez, I.J., Ortiz Burgos, C., Linares Gil, C.. 2016).

Correcciones sobre los datos

Sobre los datos de defunciones notificadas de los últimos 28 días se realiza una corrección por retraso para corregir la cifra real de defunciones notificadas. Esta corrección da como resultado las defunciones observadas, que son las que se utilizarán en todos los análisis y cálculos. Esta corrección se ejecuta de forma independiente para toda la población, por comunidad autónoma y por grupos de sexo y edad. Por este motivo, puede observarse que la suma entre los subgrupos analizados (edad, sexo) puede no coincidir con la cifra exacta de los excesos de defunciones en toda la población. Otro hecho que también provoca este mismo efecto es que un pequeño porcentaje de defunciones notificadas que no tienen información sobre sexo.

Las defunciones ocurridas en las primeras 24h de vida tienen criterios diferentes en las dos fuentes de datos que utiliza MOMO, INE y el Ministerio de Justicia. En INE se sigue un proceso de depuración muy exhaustivo en el que se clasifican uno a uno los casos, contrastando información entre el Certificado Médico de Defunción, INFOREG/DICIREG, el Boletín Estadístico de Partos y el Padrón. En cambio, en los datos del Ministerio de Justicia, que provienen de los registros civiles vía INFOREG/DICIREG, se permite la inscripción de cualquier defunción producida tras el total desprendimiento del seno materno, debido a la Ley 20/2011, art. 30 del Código Civil. Para evitar un incremento artificial en la serie del grupo de edad que contiene a los recién nacidos, MOMO calcula la diferencia de notificación en los últimos años entre INE (históricos) y M. Justicia (recientes y diarios) sobre las defunciones con 0 o 1 días de vida y aplica la misma proporción a los datos recibidos desde esta segunda fuente.

Las cifras de mortalidad observada, estimada y sus excesos mostradas en el panel MoMo están extrapoladas a toda la población utilizando las tasas de notificación. Estas tasas de notificación se calculan como el cociente de defunciones que se recibieron desde los registros civiles con respecto a la serie consolidada del INE durante el último año en el que hay datos disponibles en esta última (a nivel nacional, corresponde a un 95,3%). La extrapolación consiste en dividir las defunciones observadas y estimadas resultantes del modelo entre la tasa de notificación de su ámbito geográfico correspondiente.

Las tasas de notificación se pueden consultar en el Panel MoMo en la pestaña “Notificación”.

Referencias

• Nogueira P, Paixao N. 2007. “Models for Mortality Associated with Heatwaves: Update of the Portuguese Heat Health Warning System”
• Díaz Jiménez J, Linares Gil C., Carmona Alférez R. 2015. “Temperaturas Umbrales de Disparo de La Mortalidad Atribuible Al Calor En España En El Periodo 2000-2009”
• Carmona Alférez, R., Díaz Jiménez, J., León Gómez, I., Luna Rico,Y., Mirón Pérez, I.J., Ortiz Burgos, C., Linares Gil, C.. “Temperaturas umbrales de disparo de la mortalidad atribuible al frío en España en el periodo 2000-2009. Comparación con la mortalidad atribuible al calor”