Caracterización del perfil del deterioro cognitivo en adultos mayores en México
DOI:
https://doi.org/10.63688/xmazzj63Palabras clave:
Demencia, Clases Latentes, ENASEMResumen
El documento analiza el deterioro cognitivo y la demencia en personas mayores de 50 años en México, para ello se utiliza la Encuesta Nacional sobre Salud y Envejecimiento (ENASEM) 2018. Se aplicó el método de Análisis de Clases Latentes (ACL) para clasificar a la población en cinco perfiles según prevalencias de enfermedades crónicas, nivel socioeconómico y escolaridad, entre otras características, encontrando que aquellos con menor nivel socioeconómico y educativo presentan mayores prevalencias de deterioro cognitivo y demencia. Se identificó una prevalencia general del 5.6% para deterioro cognitivo y 3.0% para demencia. Sin embargo, se encontraron importantes diferencias en la prevalencia según edad y sexo relacionadas con la influencia de factores sociales y económicos. Se identificó que perfil con mayor deterioro fue el 2, caracterizado por un bajo nivel socioeconómico y educativo y localizado en áreas rurales donde las prevalencias de deterioro cognitivo no funcional y demencia alcanzaron niveles del 14.4% (ambos casos). El estudio destaca la importancia del ACL para la identificación de patrones y condiciones que podrían influir en el deterioro cognitivo, aunque se advierte sobre la dificultad de establecer relaciones causales directas. Se concluye que se deben desarrollar modelos teóricos y estadísticos específicos para alcanzar una mejor comprensión respecto del efecto de las variables analizadas así como para la definición de estrategias de intervención relacionadas con la salud cognitiva.
Referencias
Ansart, M., Epelbaum, S., Bassignana, G., Bône, A., Bottani, S., Cattai, T., ... & Thibeau-Sutre, E. (2020). Predicting the Progression of Mild Cognitive Impairment Using Machine Learning: A Systematic, Quantitative and Critical Review. Medical Image Analysis, 101848. DOI: https://doi.org/10.1101/2020.09.01.20185959
Bartholomew, D. J., Steele, F., & Moustaki, I. (2008). Analysis of multivariate social science data. CRC press. DOI: https://doi.org/10.1201/b15114
Cameron, A. C., & Trivedi, P. K. (2005). Microeconometrics: methods and applications. Cambridge university press. DOI: https://doi.org/10.1017/CBO9780511811241
Di Lorito, C., Bosco, A., Booth, V., Goldberg, S., Harwood, R. H., & Van der Wardt, V. (2020). Adherence to exercise interventions in older people with mild cognitive impairment and dementia: A systematic review and meta-analysis. Preventive Medicine Reports, 19. DOI: https://doi.org/10.1016/j.pmedr.2020.101139
Dubois, B., Feldman, H. H., Jacova, C., Hampel, H., Molinuevo, J. L., Blennow, K., ... & Cummings, J. L. (2014). Advancing research diagnostic criteria for Alzheimer's disease: the IWG-2 criteria. The Lancet Neurology, 13(6), 614-629. DOI: https://doi.org/10.1016/S1474-4422(14)70090-0
Garrett, E. S., & Zeger, S. L. (2000). Latent class model diagnosis. Biometrics, 56(4), 1055-1067. DOI: https://doi.org/10.1111/j.0006-341X.2000.01055.x
Greenacre, M. J. (1984). Theory and applications of correspondence analysis. Academic Press.
Grossman, Michael (1972). On the concept of health capital and the demand for health. Journal of Political economy, 80(2), 223-255. DOI: https://doi.org/10.1086/259880
Grossman, M. (2017). The demand for health: a theoretical and empirical investigation. Columbia University Press. DOI: https://doi.org/10.7312/gros17900
INEGI (2020). ENASEM; Diseño Conceptual. Instituto Nacional de Estadística, Geografía e Informática. Primera Edición.
Lo, Y., Mendell, N. R., & Rubin, D. B. (2001). Testing the number of components in a normal mixture. Biometrika, 88(3), 767-778. DOI: https://doi.org/10.1093/biomet/88.3.767
Manrique-Espinoza, B., Salinas-Rodríguez, A., Moreno-Tamayo, K. M., Acosta-Castillo, I., Sosa-Ortiz, A. L., Gutiérrez-Robledo, L. M., & Téllez-Rojo, M. M. (2013). Condiciones de salud y estado funcional de los adultos mayores en México. Salud pública de México, 55, S323-S331. DOI: https://doi.org/10.21149/spm.v55s2.5131
MHAS (2020), “The Mexican Health and Aging Study (MHAS/ENASEM): Master File Follow-up 2001, 2003, 2012, 2015 and 2018. Version 1, July 2020.” Retrieved from www.MHASweb.org on (date).
Miu, J., Negin, J., Salinas-Rodriguez, A., Manrique-Espinoza, B., Sosa-Ortiz, A. L., Cumming, R., & Kowal, P. (2016). Factors associated with cognitive function in older adults in Mexico. Global health action, 9(1), 30747. DOI: https://doi.org/10.3402/gha.v9.30747
Monroy, L., Vidal, R., & Saade, A. (2009). Análisis de clases latentes: una técnica para detectar heterogeneidad en poblaciones [cuaderno técnico 2.]. México: Centro Nacional de Evaluación para la Educación Superior.
Peña, D. (2002). Análisis de datos multivariantes (Vol. 24). Madrid: McGraw-hill.
Prince, M. J., De Rodriguez, J. L., Noriega, L., Lopez, A., Acosta, D., Albanese, E., ... & Uwakwa, R. (2008). The 10/66 Dementia Research Group's fully operationalised DSM-IV dementia computerized diagnostic algorithm, compared with the 10/66 dementia algorithm and a clinician diagnosis: a population validation study. BMC public health, 8(1), 1-12. DOI: https://doi.org/10.1186/1471-2458-8-219
Prince, M., Acosta, D., Ferri, C. P., Guerra, M., Huang, Y., Rodriguez, J. J. L., ... & Liu, Z. (2012). Dementia incidence and mortality in middle-income countries, and associations with indicators of cognitive reserve: a 10/66 Dementia Research Group population-based cohort study. The Lancet, 380(9836), 50-58. DOI: https://doi.org/10.1016/S0140-6736(12)60399-7
Scott Long, J. (1997). Regression models for categorical and limited dependent variables. Advanced quantitative techniques in the social sciences, 7.
Wedel, M., & Kamakura, W. A. (2012). Market segmentation: Conceptual and methodological foundations (Vol. 8). Springer Science & Business Media.
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Omar Stabridis Arana, Gerardo Nuñez Medina (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los artículos publicados en la revista se distribuyen bajo la licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0). Esta licencia permite a terceros descargar, copiar, distribuir, adaptar y reutilizar una obra, incluso con fines comerciales, siempre que se otorgue el crédito adecuado al autor original.
