Volumen 4: No. 4, octubre 2007
HERRAMIENTAS & TÉCNICAS
La topografía de la pobreza en los Estados Unidos: un análisis espacial utilizando los datos por condado del proyecto Indicadores sobre el Estado de la Salud Comunitaria
James B. Holt, PhD, MPA
Citas sugeridas para este artículo: Holt JB. La topografía de la pobreza en los Estados Unidos: un análisis espacial utilizando los datos por condado del proyecto Indicadores sobre el Estado de la Salud Comunitaria. Prev Chronic Dis 2007;4(4). http://www.cdc.gov/pcd/issues/2007/
oct/07_0091_es.htm. Visitado [fecha].
Resumen
Actualmente es posible acceder a los datos socioeconómicos y de salud de los condados gracias a la base de datos Community Health Status Indicators,
CHSI, (Indicadores sobre el Estado de la Salud Comunitaria). Estos datos son útiles para evaluar la salud de las comunidades y de las regiones. Los usuarios de estos datos pueden acceder a informes en línea y a mapas que
permiten visualizar con mayor claridad la existencia de diversos patrones en la comunidad o descargar estos datos para realizar análisis locales. En este trabajo se describe un análisis espacial de la pobreza en los Estados Unidos a nivel de condado en el año 2000. Para cuantificar los patrones espaciales más significativos, como la tasas de concentración de pobreza y
valores espaciales atípicos, se utilizaron técnicas de estadística espacial en un sistema de información geográfica (SIG). El análisis reveló patrones de pobreza significativa y extrema. También se observó la existencia de una clara demarcación norte-sur de altas y bajas concentraciones de pobreza, así como de bolsas aisladas de alta y baja
pobreza en áreas en las que la tasa de pobreza predominante era la opuesta. Podría decirse que este patrón sigue una brecha de pobreza continental. Estos datos pueden ser útiles para explicar el proceso de formación de patrones espaciales que tienen como consecuencia la concentración de la riqueza y de la pobreza. Las técnicas de análisis espacial
son fácilmente aplicables al análisis de datos socioeconómicos y de salud, y pueden brindar información relevante sobre la estructura espacial de los conjuntos de datos, lo cual es importante para elegir los métodos de análisis adecuados.
