Resumen

HOLA

En este estudio se analizan las desigualdades en el estado de salud autopercibido de la población de 18 años y más residente en Argentina desde una perspectiva interseccional. Para ello se utilizan los datos de las cuatro ediciones de la Encuesta Nacional de Factores de Riesgo (ENFR 2005, 2009, 2013 y 2018) y se realizan diferentes modelos de regresiones logísticas binarias con la inclusión de términos de interacción entre variables. Los resultados muestran que en todos los años que se hizo la ENFR se repite el patrón de que las desigualdades en la autopercepción de la salud son interseccionales, de forma tal que las inequidades de género son significativamente más importantes entre quienes residen en hogares con menores recursos económicos, las personas con menores niveles educativos y más jóvenes, en comparación con quienes residen en hogares con mayores recursos, las personas de mayores niveles educativos y adultos mayores.

Introducción

La interseccionalidad puede ser definida ampliamente como el estudio de múltiples dimensiones de desigualdad y cómo estas se coproducen en términos de relaciones sociales e identidades. Se ha descripto como el aporte teórico más importante que los estudios de las mujeres hayan hecho hasta el momento (McCall, 2005) y hace ya más de una década fue declarado un enfoque hegemónico (Davis, 2008), identificándose incluso un giro interseccional en la investigación feminista europea (Carbin y Edenheim, 2013). La mayor parte de sus contribuciones se ha desarrollado por mujeres en Europa, EE. UU., Canadá y Australia. Su difusión ha sido menor y más crítica en América Latina, destacándose la particularidad del contexto latinoamericano como un territorio colonizado donde la multiplicidad de relaciones y sistemas de desigualdad había sido históricamente una temática problematizada (Couto et al., 2019; Roth, 2013).

Su incorporación en los estudios de salud poblacional fue enfáticamente recomendada por Bowleg (2012) como un marco interpretativo crítico, unificador y largamente esperado, que podría reenmarcar la conceptualización, investigación, análisis y abordaje de las desigualdades sociales e inequidades en salud. Siguiendo a Bauer (2014), la teoría de la interseccionalidad puede ofrecer a los estudios de salud poblacional una mayor precisión, ya sea en la identificación de las desigualdades existentes, en el diseño de estrategias de intervención o asegurando que los resultados sean relevantes para comunidades específicas. Efectivamente, su uso se ha ampliado de manera consistente y creciente, revigorizando la producción y los debates del campo (Couto et al., 2019). En los últimos años se ha utilizado para investigar cuantitativamente una amplia gama de temáticas en salud, tales como la morbilidad por salud mental y la calidad de vida de embarazadas (Seng et al., 2012), las desigualdades en la prevención del cáncer de cuello de útero (Agénor et al., 2014), las desigualdades en la autopercepción de la salud (Ballesteros y Krause, 2020; Veenstra, 2011), la percepción de limitaciones en la vida cotidiana a causa de una enfermedad crónica diagnosticada (Krause y Ballesteros, 2018), una batería de factores de riesgo y resultados en salud como la alimentación, el consumo de tabaco, drogas y alcohol, el estado de salud, síntomas de depresión y el índice de masa corporal (Evans, 2019a), las experiencias de discriminación interpersonal (Scheim y Bauer, 2019) y las desigualdades en la realización de actividad física (Ballesteros et al., 2020), entre otras.

En paralelo, se han discutido las formas en que puede llevarse a cabo un estudio interseccional. Tras una diseminación de la teoría de la interseccionalidad en términos amplios y confusos y una proliferación de estudios que buscaban incorporar dicho enfoque en el marco de diferentes campos disciplinares, metodologías y temáticas sustantivas, se ha intentado ordenar el campo poniendo límites entre qué es y qué no es un análisis interseccional. Algunas autoras han argumentado que los estudios cualitativos o de métodos mixtos serían más pertinentes, por su complejidad y capacidad explicativa (Bowleg, 2008; Hankivsky y Christoffersen, 2008). Más recientemente, la investigación interseccional cuantitativa ha estado en el foco de las discusiones teórico-metodológicas y se han recomendado diferentes modelos estadísticos. Entre estos últimos se destacan las regresiones lineares múltiples que incorporan diferentes niveles en los que opera la interseccionalidad —interpersonal, contextual y estructural— (Seng et al., 2012), los modelos multinivel (Evans, 2019a) y la inclusión de términos de interacción entre variables al interior de las regresiones logísticas binarias (Ballesteros y Krause, 2020; Veenstra, 2011). Otra posibilidad es simplemente construir categorías que representen intersecciones entre grupos —por ejemplo, hombres negros adultos— para describir los datos (Bauer et al., 2014; Bauer y Scheim, 2019).

En este marco, nuestro objetivo es analizar cuantitativamente las desigualdades en el estado de salud autopercibido de la población argentina de 18 años y más, según su nivel educativo, nivel de ingresos, región de residencia, género y edad, a partir de las cuatro ediciones de la Encuesta Nacional de Factores de Riesgo (ENFR 2005, 2009, 2013 y 2018) y centrándonos en las intersecciones del género con la edad, el nivel educativo y el ingreso. Partimos desde una perspectiva interseccional y proponemos un abordaje intercategórico (McCall, 2005) mediante modelos multiplicativos (Bauer et al., 2014) y basados en la utilización de regresiones logísticas binarias con la inclusión de términos de interacción entre variables en su interior (Ballesteros, 2018; Jaccard, 2001). Además del análisis sustantivo para describir las desigualdades en la autopercepción del estado de salud de la población argentina, el artículo tiene el propósito de visibilizar la importancia que tiene incorporar modelos teórico-metodológicos que recuperen la perspectiva de la interseccionalidad.

La interseccionalidad en relación con otros enfoques sobre desigualdades sociales en salud

En este trabajo realizamos un análisis interseccional de tipo cuantitativo e intercategórico, siguiendo los criterios propuestos por Bauer y Scheim (2019) y sintetizados por Evans (2019b, p. 251) de la siguiente manera: 1) las intersecciones se estructuran en torno a dimensiones que reflejan relaciones de poder actual o histórico; 2) donde sea posible, el análisis hace visibles las desigualdades interseccionales describiendo las diferentes frecuencias o niveles en los resultados para aquellos en intersecciones particulares; 3) la interpretación teórica considera los procesos causales que pueden contribuir a las desigualdades interseccionales; 4) se utilizan métodos para estimar cómo los efectos de estos procesos causales varían en magnitud, dirección y existencia para los grupos en diferentes intersecciones. Según Evans (2019b) las primeras tres características definen a los estudios descriptivos —como el que aquí presentamos— mientras que el último criterio distingue a los estudios analíticos, siendo —según ella— ambos tipos igualmente válidos como estudios intercategóricos y teóricamente comprometidos con la interseccionalidad.

Ahora bien, resulta válido preguntarnos qué nos ofrece dicho marco analítico frente a otras perspectivas teóricas sobre las desigualdades sociales en salud. Como bien marcan Couto et al. (2019) hace ya mucho tiempo que los campos de la salud poblacional y la salud colectiva han incorporado las clasificaciones de clase, género y etnia, entre otras, para analizar las desigualdades en salud. En este sentido, podríamos pensar que la interseccionalidad adquiere popularidad en el campo de la salud poblacional debido a que gran parte de sus ideas es acorde a la literatura conocida (Evans, 2019a). En particular, se monta sobre la perspectiva de los determinantes sociales de la salud en el sentido de que busca identificar los procesos sociales que generan desigualdades en la salud de la población. También comparte con esta línea de investigación un persistente interés por la investigación empírica en el análisis de las desigualdades sociales en salud y el desarrollo de modelos estadísticos que pudieran reflejarlas. No obstante, se diferencia de esta perspectiva más bien por su enfoque teórico y por las conclusiones y recomendaciones que dicho análisis inspira.

Refiriéndose en particular a la línea de investigación propuesta por la Comisión sobre Determinantes Sociales de la Salud de la Organización Mundial de la Salud y por el Centro Nacional de Colaboración para los Determinantes de la Salud de Canadá, entre otros, gran parte de la literatura sobre interseccionalidad ha buscado contrastar sus postulados con el enfoque de los determinantes sociales de la salud. Principalmente se ha criticado su escasa o nula elaboración y fundamentación teórica (Bauer, 2014; Couto et al., 2019). También se ha problematizado la construcción de categorías conceptualizadas como determinantes y su utilización de manera independiente o unitaria: la interseccionalidad pone su énfasis, en cambio, en capturar su interrelación sin primacías de unas sobre otras y revelando las desigualdades existentes entre y dentro de los grupos sociales (Bauer, 2014; Hankivsky y Christoffersen, 2008). El análisis interseccional busca evitar la adición indiscriminada de categorías en los modelos tanto como la focalización sobre las consecuencias en salud en detrimento de sus procesos causales (Bauer, 2014; Evans, 2019b). Además, se guía por los valores de justicia social, transformación y emancipación promoviendo una ciencia crítica (Agénor, 2020; Else-Quest y Hyde, 2016; Richman y Zucker, 2019; Warner, Settles y Shields, 2016). Como muestran Luxardo et al. (2020), la antropología crítica médica, la Medicina Social y la Salud Colectiva coinciden con dichas críticas hacia el modelo de los determinantes sociales de la salud. Podríamos decir que la interseccionalidad comparte con los enfoques de la Medicina Social y la producción social de la enfermedad una orientación más explícitamente crítica y radical, preguntándose por las relaciones estructurales de explotación y dominación que actúan —entrelazadas— por detrás de los factores intermediarios o más inmediatos de desigualdad a nivel individual (Asociación Latinoamericana de Medicina Social, 2008; Evans, 2019b).

En su momento, la teoría de la causa fundamental hizo un valioso aporte al campo al plantear que detrás de diferentes desigualdades en salud se encuentra justamente la causa fundamental de la posición social, que habilita la apropiación de recursos y el acceso a la información, a los profesionales y a los cuidados adecuados en salud. Esta sería la razón por la cual en diferentes épocas y circunstancias quienes se encuentran en mejores posiciones sociales tienen mejores estados y resultados en salud, aun cuando los mecanismos y factores intervinientes cambien históricamente (Link y Phelan, 2000; Phelan, Link y Tehranifar, 2010). En la teoría de la interseccionalidad se incorporan otras dimensiones de desigualdad y, por tanto, esa causa fundamental se vuelve plural. Es decir, la posición social deja de definirse por la clase social o el estatus socioeconómico y se considera la intersección entre múltiples identidades, estructuras y procesos sociales que generan desigualdades: las clases sociales, el género, la generación, la edad, la identidad sexual, la raza o etnia, el origen migratorio, la religión, entre otros. Un punto fundamental es la naturaleza entrelazada y mutuamente dependiente —más que analíticamente distintiva y, por tanto, aditiva— entre los sistemas y procesos de opresión y privilegio. Anthias (2008, 2013) define las posiciones sociales como “translocaciones” en el espacio social, destacando la complejidad de las relaciones jerárquicas y su variabilidad en diferentes tiempos y contextos. Se define así una suerte de matrix de desigualdades que conforma un sistema de estratificación social en su conjunto (Marecek, 2016).

En definitiva, la interseccionalidad abre una mirada complementaria a los abordajes ya conocidos en el campo de las desigualdades sociales en salud. Por un lado, llama la atención sobre los múltiples ejes de desigualdad que se intersectan y desarrollan mutuamente conformando translocaciones en lugar de posiciones socioeconómicas, géneros u otros determinantes como independientes entre sí: los efectos de estas dimensiones de desigualdad sobre la salud ya no deberían estudiarse únicamente por separado. Por otro lado, combina el desarrollo de modelos de análisis complejos propios de la epidemiología y los determinantes sociales con una atención permanente a su interpretación en el marco de inequidades estructurales que se entrelazan con procesos meso y microsociales. Como plantean diversas autoras (entre ellas Evans, 2019b; Hankivsky y Christoffersen, 2008; McGibbon y McPherson, 2011), dado que el campo de la salud poblacional se está moviendo hacia el análisis interseccional y que las teorías de la causa fundamental y los determinantes sociales de la salud —como otras— parecen adaptables a sus planteamientos, podrían y deberían comenzar a desarrollarse explícitamente en términos interseccionales. La interseccionalidad tiene la potencialidad de complementar y a la vez desafiar a dichos marcos conceptuales conocidos para alcanzar una nueva y más compleja comprensión de las desigualdades en salud —y cómo reducirlas o eliminarlas— (Bauer et al., 2014).

Metodología

El artículo se basó en un análisis estadístico a partir de datos secundarios. La fuente de información utilizada fue la ENFR de los años 2005, 2009, 2013 y 2018 llevada a cabo por el Instituto Nacional de Estadística y Censos y el Ministerio de Salud de la Nación Argentina. La ENFR, en sus cuatro ediciones, se basó en un diseño probabilístico multietápico que permite realizar estimaciones para la población que reside en viviendas particulares de aglomerados urbanos de 5.000 habitantes y más de Argentina (Ministerio de Salud y Desarrollo Social de la Nación, 2019). Por tener el mismo universo de análisis y diseño muestral, es posible comparar los resultados de las distintas ediciones de la ENFR. Se encuestaron 41.392 personas en el año 2005, 34.732 en el año 2009, 32.365 en el año 2013 y 29.224 en el año 2018.

En las cuatro ENFR se consultó por la autopercepción de la salud de los / as encuestados / as. Específicamente la pregunta realizada en las cuatro ediciones que se utiliza en este artículo proviene del cuestionario SF-36, que es “un instrumento multipropósito, validado, disponible en español y ampliamente utilizado” (Ministerio de Salud y Desarrollo Social de la Nación, 2019, p. 32). Se utilizó una escala de tipo Likert en la que los / as entrevistados / as debían ubicar una autoevaluación sobre su propia salud general. La misma permite construir un indicador considerado una medición subjetiva de “factores biológicos, mentales, sociales y funcionales de los individuos” (Ocampo, 2010, p. 275). Si bien pueden existir diferencias sistemáticas en la forma en que los distintos grupos sociales interpretan la pregunta (Goddard y Smith, 2001), se ha concluido que es un excelente predictor del estado de salud global, de la morbilidad y la discapacidad, así como de la mortalidad futura (Idler y Benyamini, 1997; Ocampo, 2010). Se destaca la fortaleza del indicador en tanto funciona como predictor de la mortalidad incluso cuando se controla su efecto por medidas objetivas de salud (Mete, 2005). Es por ello que la Organización Mundial de la Salud recomienda utilizar este tipo de medidas con fines comparativos, además que se encuentra presente en la mayoría de las encuestas que indagan sobre temáticas de salud (Sarti y Rodríguez Espinola, 2018) y es considerado como uno de los mejores indicadores a nivel de la salud individual y poblacional (Sargent-Cox, Anstey y Luszcz, 2010).

Para facilitar el análisis descriptivo de la variable y para poder incluirla como dependiente dentro del modelo de regresión logística binaria, la dicotomizamos entre autopercepción excelente o muy buena, por un lado, y buena, regular o mala por el otro. Con esta variable dependiente realizamos en primer lugar un análisis descriptivo con las cuatro ENFR según variables socioeconómicas, demográficas y geográficas disponibles en todas las ediciones: el grupo etario, el sexo, la región de residencia, el nivel educativo y el quintil de ingreso por unidad consumidora del hogar. Esta última variable se calcula como el ingreso total del hogar dividido por la raíz cuadrada de la cantidad de miembros del hogar, y luego se lo agrupa en quintiles (Ministerio de Salud y Desarrollo Social de la Nación, 2019). En la encuesta no se indagó por el sexo al nacer, la identidad de género, ni la orientación sexual de las personas entrevistadas, por lo que optamos por abordar las desigualdades de género mediante la única la variable disponible “sexo”, basada en una clasificación dicotómica (hombre / mujer) que realizaron los / as encuestadores / as y probablemente responde a la expresión de género actual de los / as encuestados / as. Además no pudimos incorporar una variable sobre la clase social del / a encuestado / a debido a que en las ENFR no se consultó sobre las características de la ocupación, el cual es un indicador principal para construir esta variable desde diferentes marcos teóricos (Crompton, 1994). Tampoco pudimos incluir un indicador de pobreza (necesidades básicas insatisfechas) ya que este se encuentra disponible para las ediciones 2005 y 2009, pero no para las de 2013 y 2018. Por último, no incorporamos otras variables frecuentemente utilizadas en los estudios interseccionales, como la orientación sexual o la raza / etnia, debido a que no fueron relevadas en ninguna de las ediciones de la ENFR.

A continuación, para cada una de las cuatro ediciones de la ENFR, realizamos un modelo de regresión logística binaria en el que incorporamos las cinco variables independientes (Modelo 1 en la Tabla 2). Este modelo permite examinar el efecto neto de cada variable independiente sobre la dependiente, una vez controlado el efecto de las otras. A este tipo de modelo se lo denomina de efectos principales, y no calcula si las desigualdades generadas por cada variable independiente varían en las distintas categorías de las restantes variables; es decir, considera a las desigualdades únicamente de forma aditiva (Bauer, 2014; Bauer et al., 2014; Bowleg y Bauer, 2016; Jaccard, 2001). Las desventajas de ser mujer, de bajos ingresos y de bajo nivel educativo, las modela por separado una vez controlado el efecto neto de las otras. De esta forma, no permite analizar si existen efectos multiplicativos o entrelazados entre las variables. Por ejemplo, si las diferencias de género se mantienen constantes según el nivel educativo, el ingreso per cápita del hogar y el grupo etario, o por el contrario varían y se tornan más intensas para algunos grupos y más débiles (o inexistentes) para otros.

Debido a lo anterior, y en línea con la perspectiva teórica desarrollada sobre la interseccionalidad, para cada ENFR realizamos tres modelos (Modelos 2, 3 y 4) en los que además de las variables presentes en el Modelo 1 incorporamos interacciones entre el género y el ingreso por unidad consumidora del hogar (Modelo 2), entre el género y el nivel educativo (Modelo 3) y entre el género y el grupo etario (Modelo 4). Estos modelos permiten analizar si las desigualdades generadas por una variable se mantienen constantes (o no) a través de las categorías de otras variables (lo que en los modelos aditivos se da por supuesto) (Bauer et al., 2014; Jaccard, 2001). Es decir, permite analizar si existen efectos multiplicativos, además de los aditivos, entre las variables.

Al incorporar una interacción de dos variables categóricas en una regresión logística binaria se deben observar dos efectos. Por un lado, debemos atender a los términos de la interacción de las variables que nos indican si los efectos de una variable independiente sobre la dependiente se mantienen constantes, aumentan o disminuyen en las distintas categorías de la otra variable independiente (Ballesteros, 2018; Jaccard, 2001). Por ejemplo, en los Modelos 4 (Tablas 2 y 3 debajo de los efectos principales) los términos de la interacción nos muestran si las desigualdades de género en los distintos grupos etarios son mayores o menores que entre quienes tienen 65 años y más (categoría de referencia). Los términos de la interacción muestran una razón de una chance relativa (una ratio de un odds ratio), donde en el denominador se encuentran las chances relativas de tener una autopercepción de la salud excelente o muy buena según el género, pero solo para aquellos individuos que tienen 65 años y más, mientras que en el numerador se encuentran las chances relativas por género del resto de los grupos etarios. A continuación, presentamos la :

Donde

Si el resultado de la interacción es mayor a 1, y esta diferencia es estadísticamente significativa, implica que las desigualdades de género en la autopercepción de la salud de los jóvenes (18 a 24 años) son mayores que entre la población adulta mayor (65 años y más). Por el contrario, si el resultado es menor a 1, y estadísticamente significativo, implica que las desigualdades de género son menores entre los jóvenes que entre los adultos mayores.

Por otro lado, debemos observar lo que sucede con las dos variables que son parte de la interacción. A partir de la incorporación de la interacción de dos variables categóricas, el modelo muestra el efecto de cada una para la categoría de referencia de la otra variable (Ballesteros, 2018; Jaccard, 2001). Por ejemplo, en el Modelo 4, para sexo se muestra solamente el efecto de esta variable entre quienes tienen 65 años y más (categoría de referencia de la variable grupo etario), mientras que en el Modelo 1 que no tiene interacciones se muestra el efecto del género para todos los grupos etarios. A su vez, en el Modelo 4 en la variable grupo etario se ve su efecto solo para las mujeres (categoría de referencia en la variable sexo).

Para finalizar la sección, destacamos que al analizar las cuatro ediciones de la ENFR (2005, 2009, 2013 y 2018), no nos proponemos mostrar la evolución de las desigualdades en el tiempo —un análisis de corte longitudinal—, sino observar si el patrón de la interseccionalidad en las desigualdades en la salud autopercibida existe y se mantiene a través de ellas. Por el modelo de análisis utilizado, no se deberían comparar los valores de las chances relativas de las regresiones logísticas binarias de los distintos años (Mood, 2010).

Resultados

En la Tabla 1 se observa que en todas las ENFR existen diferencias en la autopercepción del estado de salud según quintiles de ingreso por unidad consumidora del hogar, nivel educativo, región de residencia, género y grupo etario. En todas las encuestas es mayor el porcentaje de personas que tienen una autopercepción de su salud muy buena o excelente entre quienes tienen estudios superiores, pertenecen a hogares de mayores ingresos, residen en la Ciudad Autónoma de Buenos Aires (CABA), pertenecen a los grupos etarios más jóvenes (18 a 24 años y 25 a 34 años) y son hombres. En cambio, entre quienes residen en los hogares de menores ingresos, tienen menores niveles educativos, quienes residen en el conurbano bonaerense, el Noreste y el Noroeste, las mujeres y los adultos mayores (65 años y más) se observan menores niveles de población con una autopercepción muy buena o excelente.

Tabla 1. Autopercepción de la salud excelente o muy buena según características socioeconómicas, demográficas y geográficas: población residente en zonas urbanas de 5.000 habitantes y más de Argentina en los años 2005, 2009, 2013 y 2018 (datos en porcentajes)

En las Tablas 2 y 3 se puede observar que para cada ENFR realizamos cuatro modelos de regresión, como detallamos previamente en la sección sobre Metodología. En el Modelo 1 de las dos Tablas se observa el efecto neto de cada variable. Estos datos coinciden con los resultados del análisis bivariado (Tabla 1) y, además, nos permiten confirmar que cada una de las variables independientes continúa teniendo un efecto sobre el estado de salud autopercibido una vez controlado el efecto del resto de las variables. Por ejemplo, que la mejor autopercepción de quienes tienen mayores niveles educativos no se debe solamente a que también son quienes tienen mayores ingresos. Para todas las encuestas, quienes pertenecen a hogares del 5to quintil tienen una mejor autopercepción que quienes residen en hogares del resto de los quintiles. Quienes tienen un nivel educativo superior completo también tienen mayores chances de tener una autopercepción muy buena o excelente en comparación con quienes tienen menores niveles educativos. Por su parte, en todos los años quienes residen en CABA tienen mayores posibilidades de tener dicha autopercepción de su salud que quienes residen en el conurbano bonaerense, en el Noreste y en el Noroeste. Además, en algunos años también hay diferencias significativas con quienes residen en Cuyo (2018 y 2005), en la región Patagónica (2018, 2013 y 2005). En cambio, con la región Pampeana la única diferencia significativa se da en 2009 cuando quienes residían en esta tenían mayores chances de tener una autopercepción muy buena o excelente que quienes vivían en CABA. Por último, para todos los años los adultos mayores (65 años y más) tienen menores chanches de tener una autopercepción positiva que el resto de los grupos etarios, mientras que las mujeres tienen menores chances que los hombres.

Tabla 2. Regresión logística: razones de probabilidad de factores que inciden en tener una autopercepción de la salud excelente o muy buena, población residente en zonas urbanas de 5.000 habitantes y más de Argentina en los años 2005 y 2009

Tabla 3. Regresión logística: razones de probabilidad de factores que inciden en tener una autopercepción de la salud excelente o muy buena, población residente en zonas urbanas de 5.000 habitantes y más de Argentina en los años 2013 y 2018

Ahora bien, en los Modelos 2, 3 y 4 de cada ENFR incorporamos interacciones al interior de las regresiones logísticas binarias permitiendo analizar si el género, además de tener un efecto neto sobre el estado autopercibido de salud, se encuentra entrelazado con otros procesos causales y varía según el ingreso per cápita por unidad consumidora (Modelo 2), el nivel educativo (Modelo 3) y el grupo etario (Modelo 4). Comenzando con los términos de la interacción del Modelo 2, observamos que para todos los años hay mayores desigualdades de género en la autopercepción de salud entre quienes residen en hogares del primer quintil que quienes residen en hogares del 5to quintil de ingresos. Centrándonos en la variable sexo —que al incorporar la interacción está mostrando las desigualdades de género solamente en la categoría de referencia de la otra variable que es parte de la interacción (en este caso, el 5to quintil de ingresos)—, observamos que en todos los años las diferencias de género se reducen a mayores ingresos (Modelo 2) en comparación con toda la población (Modelo 1). Además, en los años 2005 (Tabla 2) y 2018 (Tabla 3) no hay diferencias de género estadísticamente significativas en los hogares del 5to quintil.

En el Modelo 3 de las distintas regresiones se analiza la interacción del sexo con el nivel educativo. Vemos en todos los años que las desigualdades de género son significativamente más importantes entre quienes tienen hasta nivel primario incompleto y entre quienes tienen primario completo o secundario incompleto que entre quienes tienen estudios superiores completos. En 2009 (Tabla 2) se registran mayores diferencias de género entre quienes tienen secundario completo o superior incompleto en comparación con quienes tienen superior completo, mientras que para el resto de los años (Tablas 2 y 3) estas diferencias no son estadísticamente significativas. Además, para todos los años las diferencias de género entre quienes tienen estudios superiores completos no son estadísticamente significativas.

También se observa en los términos de la interacción del Modelo 4 que en todos los años hay mayores desigualdades de género en la autopercepción de la salud del grupo de población más joven (18 a 24 años) en contraste con el grupo de mayor edad (65 años y más). Las diferencias de género tomando como referencia a este último grupo también son mayores entre quienes tienen entre 25 y 34 años en dos de las encuestas (2009 y 2013, Tablas 2 y 3). Por su parte, las desigualdades de género en la autopercepción del estado de salud dejan de ser estadísticamente significativas en la población de 65 años y más en los cuatro años que se realizó la ENFR.

Por último, destacamos que en los Modelos 2, 3 y 4 de todas las ENFR, la incorporación de los términos de interacción aporta poco a la bondad de ajuste del modelo. Ello puede observarse si se comparan los valores del Pseudo R cuadrado de estos modelos con los valores del Modelo 1 en todos los años. Es decir, la incorporación de las interacciones permite precisar las formas en que se intersectan las variables para generar desigualdades y describir más detalladamente la complejidad de las inequidades en el estado de salud autopercibido de la población, pero esto no aumenta la capacidad del modelo para dar cuenta de la variación en la autopercepción del estado de salud.

Discusión

Existe una gran cantidad de antecedentes que analizaron la autopercepción del estado de salud en Argentina según distintas variables independientes, utilizando diferentes modelos estadísticos que en su gran mayoría, siguiendo a Bauer et al. (2014), modelan a la desigualdad social de forma aditiva. Estos incluyen la utilización de análisis descriptivos bivariados y trivariados (Acosta et al., 2015; Adaszko, 2011; Ministerio de Salud de la Nación, 2006, 2011, 2015; Ministerio de Salud y Desarrollo Social de la Nación, 2019; Observatorio de la Deuda Social Argentina, 2015; Rodríguez Espínola y Filgueira, 2018), regresiones logísticas binarias (Ballesteros, 2014; De Maio, 2007; Jorrat, Fernández y Marconi, 2008; Ministerio de Salud de la Nación, 2012; Sarti y Rodríguez Espínola, 2018) y la técnica de árbol de decisiones (Pelaez, Débora Acosta y Delia Carrizo, 2015). Algunos trabajos también han analizado la autopercepción de salud a partir de estudios ecológicos (De Maio, 2007, 2010; De Maio et al., 2012) y combinando variables a nivel individual y colectivo en regresiones multinivel (Alazraqui et al. 2009). Unos pocos estudios recurrieron a modelos multiplicativos (Bauer et al., 2014), considerando al género como una variable central del análisis. Estos han utilizado cuadros descriptivos trivariados donde el género es la variable de control (López, Findling y Abramzón, 2006), regresiones logísticas diferenciales para hombres y mujeres (Krause y Ballesteros, 2018) y la inclusión de términos de interacción entre variables al interior de las regresiones logísticas binarias (Ballesteros y Krause, 2020). Nuestro estudio es un aporte en esta línea de trabajo poco explorada, donde avanzamos en analizar si existe un efecto diferencial en la combinatoria de las distintas posiciones de los sujetos.

Comenzamos analizando los datos con modelos aditivos de forma bivariada (Tabla 1) y multivariada (Modelo 1 de las Tablas 2 y 3). Estos resultados coinciden con los antecedentes de Argentina en tanto que las mujeres, la población adulta mayor y quienes se encuentran en las peores posiciones de la estructura social (ya sea por su clase social, nivel educativo o de ingresos) tienen una peor autopercepción del estado de salud. Sin embargo, dichos modelos de análisis no permiten estimar los posibles efectos diferenciales de una variable independiente según distintas categorías de otras variables independientes, es decir cómo interactúan dichas variables por ejemplo en los estados de salud autopercibidos de las mujeres adultas mayores. Debido a lo anterior, y en línea con la perspectiva teórica desarrollada sobre la interseccionalidad, para cada ENFR realizamos tres modelos (Modelos 2, 3 y 4) en los que además de las variables presentes en el Modelo 1 incorporamos interacciones entre el género y el ingreso por unidad consumidora del hogar (Modelo 2), entre el género y el nivel educativo (Modelo 3) y entre el género y el grupo etario (Modelo 4). Estos modelos permiten analizar si las desigualdades generadas por una variable se mantienen constantes (o no) a través de las categorías de otras variables (lo que en los modelos aditivos se da por supuesto) (Bauer et al., 2014; Jaccard, 2001). Es decir, permite analizar si existen efectos multiplicativos, además de los aditivos, entre las variables.

Por su parte, al utilizar modelos que incorporan efectos multiplicativos y avanzar en el análisis sobre el efecto diferencial en la combinatoria de las distintas posiciones de los sujetos, los resultados muestran que en todos los años que se hizo la ENFR se repite el patrón de que las desigualdades en la autopercepción de la salud son interseccionales. Lo anterior se observa en los Modelos 2, 3 y 4 de las regresiones logísticas binarias que incorporan interacciones. En todas las ENFR es significativa la interacción del género con el ingreso por unidad consumidora del hogar, así como con el nivel educativo y el grupo etario del / a encuestado / a. Las desigualdades de género son significativamente más importantes entre quienes residen en hogares con menores recursos económicos, entre las personas con menores niveles educativos y más jóvenes, en comparación con quienes residen en los hogares con mayores recursos, las personas de mayores niveles educativos y adultos mayores. Además, en todas las ENFR las diferencias de género dejan de ser significativas entre quienes tienen estudios superiores completos y pertenecen al grupo etario de 65 años y más.

Con relación a la población adulta mayor se destaca que si bien es más frecuente que las mujeres padezcan una mayor carga de morbilidad y vivan más años con condiciones incapacitantes y enfermedades crónicas, es más frecuente que los hombres padezcan problemas de salud que implican un mayor riesgo vital (Moreno, Huerta y Albala, 2014). Es por ello que hombres y mujeres adultos mayores podrían estar reportando similares estados de salud autopercibidos, aunque por diferentes factores. Por su parte, las diferencias de género al interior del quintil de mayores ingresos también dejan de ser significativas en las ENFR de 2018 y 2005, mientras que en las ENFR de 2013 y 2009 disminuyen en comparación con la población total, pero continúan siendo significativas. Ello podría deberse al mayor empoderamiento y autonomía —especialmente económica y financiera— alcanzados por las mujeres del 5to quintil, que les permitirían contrarrestar los efectos negativos de ser mujeres en una sociedad patriarcal que les otorga un lugar subordinado tanto en términos de estatus y relaciones de poder como en el mercado laboral, retribuciones y condiciones de vida en general.

Estos resultados respaldan la importancia de trabajar con la perspectiva teórica de la interseccionalidad y consecuentemente de utilizar modelos estadísticos que analicen los efectos multiplicativos de las variables. Destacamos que las mayores desigualdades de género en la población de menores recursos (no solo económicos) coinciden con los resultados de un estudio previo en el que utilizamos otra fuente de datos y un modelo estadístico diferente (regresiones logísticas diferenciales para hombres y mujeres) (Krause y Ballesteros, 2018).

Resulta interesante recordar que la teoría de la interseccionalidad fue conocida inicialmente por la expresión de “doble o triple vulnerabilidad”, visibilizando la acumulación de desventajas que recae sobre algunas posiciones sociales. Pero, superando dicha visión aditiva y condenatoria, la interseccionalidad habilita a pensar cómo múltiples ejes de desigualdad conforman también posiciones contradictorias; cómo exacerban —más que acumulan— y cómo también mitigan sus efectos entre sí. Así, posiciones de opresión en un sistema pueden compensarse con posiciones de privilegio sobre otro, ya que no son procesos independientes. Inferimos que por esta razón las diferencias de género tienden a desaparecer entre quienes tienen mayores niveles educativos y residen en hogares con más altos ingresos. Ello no necesariamente quiere decir que no existan las desigualdades de género en esos hogares, sino que las mujeres podrían contrarrestar las desventajas de género con los recursos propios y económicos del hogar que resultaran valiosos para su salud.

En relación con los efectos interseccionales del género y la edad sobre el estado de salud autopercibido podría estar ocurriendo un fenómeno similar. Mientras que el género masculino constituye una posición de privilegio en edad económicamente activa —porque, en comparación con las mujeres, implica mejores condiciones ocupacionales y remuneraciones, menor carga doméstica y de cuidado, mayores posibilidades de realizar actividad física, etc.— en edad jubilatoria el género masculino deja de tener tal efecto mitigante frente a los problemas de salud. En esta línea, hay antecedentes que muestran que las desigualdades de género en la práctica de actividad física recreativa o para cuidar la salud aumentan entre la población joven y desaparecen entre la población de adultos mayores (Ballesteros y Krause, 2020). Simultáneamente, mientras que la mayoría de las mujeres en edad reproductiva carga con una doble o triple jornada laboral (ocupacional, de cuidados y doméstica) en detrimento de su salud, a edad más avanzada la ausencia o reducción de personas a cargo reduce el tiempo promedio dedicado al cuidado y al trabajo doméstico familiar (Batthyány, 2010), lo que podría mitigar los efectos negativos del género sobre su salud.

Conclusiones

La incorporación de la interseccionalidad a la investigación cuantitativa en salud plantea numerosos desafíos. Según Agénor (2020), su completa implementación resulta muchas veces imposible, por diversas cuestiones: presupuestarias, de tiempo, de datos, de experiencia y destrezas técnicas, etc. En esos casos, plantea la autora, los / as investigadores / as deberían ser honestos / as acerca de lo que sí o no lograron, promoviendo la reflexividad y la transparencia en el campo de los estudios interseccionales cuantitativos en salud. Siguiendo dicha recomendación, en nuestro caso nos gustaría explicitar algunos logros y también limitaciones.

En primer lugar, se trata de un estudio cuantitativo basado en el análisis de datos secundarios que no fueron diseñados desde una perspectiva interseccional. Tal es así, que no contamos con una variable tan compleja y fundamental para los estudios de desigualdad social como es la posición de clase social. En cambio, utilizamos como proxies las variables disponibles de nivel de ingresos por unidad consumidora y nivel educativo del / a encuestado / a, cuyo poder explicativo a nivel teórico sobre los resultados es más endeble desde nuestra perspectiva teórica. Además, los / as encuestadores / as clasificaron el sexo de los / as encuestados / as de forma dicotómica y no se preguntó por la identidad de género de las personas, por lo que analizamos los datos asumiendo un sistema de sexo / género, aun sabiendo los problemas teórico-metodológicos que esto puede acarrear en términos de colapsar dos conceptos diferenciados y confiar en la clasificación del sexo como algo obvio para los / as encuestadores / as, entre otros (Westbrook y Saperstein, 2015). Es decir, aunque las encuestas analizadas relevaron el sexo de los / as entrevistados / as, utilizamos el concepto de desigualdades de género porque interpretamos que estas no se explican por características biológicamente determinadas, sino que son el resultado de procesos sociales y culturales que varían en el tiempo y el espacio (Abad et al., 2019).

En este sentido, destacamos que si las grandes encuestas continúan indagando únicamente por el sexo de forma esencializada y dicotomizada, e ignorando las diversidades de sexo y género, así como la importancia de relevar correctamente diferentes conceptos, los resultados de las mismas persistirán desconectados de los desarrollos actuales de la teoría social, pero más importante aún, de los sentimientos de las personas y de la realidad social (Westbrook y Saperstein, 2015). Además, tampoco pudimos incorporar al análisis otras variables frecuentemente utilizadas en los estudios interseccionales, como la orientación sexual o la raza / etnia, debido a su inexistencia en las fuentes secundarias utilizadas.

En segundo lugar, en el artículo describimos las desigualdades en el estado de salud autopercibido por la población argentina a lo largo de trece años y a través de múltiples categorías que representan posiciones sociales. Abordamos su interrelación mediante la incorporación de términos de interacción entre variables al interior de los modelos de regresión logística binaria. Estos resultados mostraron desigualdades persistentes en el tiempo y consistentes con una interacción entre las categorías sociales de género y nivel de ingresos, género y nivel educativo y género y grupo etario, los cuales afectan el estado de salud autopercibido de la población argentina —y probablemente su salud—. Al igual que los resultados presentados por Veenstra (2011) para la población canadiense, nuestro análisis muestra al menos un efecto interseccional estadísticamente significativo para cada eje de desigualdad aquí analizado, aunque la incorporación de los términos de interacción en las regresiones no aporte demasiado en términos de la variabilidad en el estado de salud autopercibido de la que dan cuenta estos modelos.

En tercer lugar, la interpretación de los datos se basó en antecedentes que nos permiten enmarcar las categorías analizadas en relaciones estructurales de explotación y dominación, así como en las posibles experiencias vividas en cada una de las posiciones sociales. Evitamos así una descripción ateórica de los datos y buscamos llevar adelante un estudio interseccional descriptivo (Bauer y Scheim, 2019), considerando el contexto y procesos sociales más allá de las categorías efectivamente incluidas en los modelos de regresiones: las ventajas o desventajas que esas posiciones confieren, las identidades sociales asociadas, las condiciones familiares, laborales, económicas a las que exponen y sus consecuencias a corto, mediano y largo plazo sobre la salud (Evans, 2019b).

Nuestro análisis, además, podría tener implicancias en términos de justicia social a través de políticas públicas pensadas desde la interseccionalidad y a quiénes afectarían según sus efectos interseccionales sobre múltiples locaciones sociales y experiencias vividas. Por ejemplo, si interpretamos la interacción entre el sexo y la edad como resultado de la interseccionalidad e inseparabilidad entre el ciclo de vida familiar y las condiciones de inserción en el mercado laboral —y sus consecuencias sobre el estado de salud autopercibido—, las políticas públicas para minimizar los efectos de la doble o triple jornada laboral sobre la salud de las mujeres no solo deberían pensarse en el trabajo —como mayores licencias, regímenes de jornadas parciales o flexibles, etc.— sino, y sobre todo, políticas que afecten específicamente a las mujeres que, según estos datos, se ven mayormente perjudicadas: las de menores recursos económicos y educativos, quienes podemos inferir que trabajan en mayor proporción de manera informal y precaria y no se verían beneficiadas por los mismos derechos que las trabajadoras registradas y estables. Un sistema público de cuidados de niños / as y adultos / as mayores, un mayor acceso a la educación inicial pública o un aumento de la oferta de jornadas completas en instituciones educativas, por ejemplo, serían medidas que podríamos pensar como beneficiosas para las mujeres con mayor carga laboral (ocupacional, doméstica y de cuidados) y peores estados de salud.

Por último, nuestro estudio se limita a analizar la interacción del sexo con otras variables —ingresos del hogar, nivel educativo y grupo etario— y no exploramos otras interacciones teóricamente pertinentes como pueden ser entre el grupo etario y el nivel educativo o el grupo etario y el nivel de ingresos del hogar. Tampoco examinamos las posibles triples interacciones entre variables, como por ejemplo entre género, grupo etario y nivel educativo o de ingresos. Entendemos que el trabajo realizado aquí es un primer paso para continuar avanzando en el análisis interseccional sobre la autopercepción del estado de salud en futuros trabajos. El estudio de las interacciones no abordadas aquí podría ser un camino para ello.

Referencias bibliográficas

  1. Importancia del sexo/género y su distinción en la investigación biomédica Abad F., Ramírez R., Fernandes S., Ramirez R.. 2019;24(2):11-13. CrossRef
  2. Condiciones de vida, estado nutricional y estado de salud en adultos mayores, Córdoba, Argentina Acosta L. D., Carrizo E. D., Peláez E., Torres V. E. R.. 2015;18(1):107-118. CrossRef
  3. Estado de Situación del Desarrollo Humano y Social: Barreras estructurales y dualidades de la sociedad argentina en primer año del Bicentenario Adaszko D., Salvia A.. Buenos Aires: Educa; 2011.
  4. Future directions for incorporating intersectionality into quantitative population health research Agénor M.. 2020;110(6):803-806. CrossRef
  5. At the intersection of sexual orientation, race/ethnicity, and cervical cancer screening: assessing Pap test use disparities by sex of sexual partners among black, Latina, and white US women Agénor M., Krieger N., Austin S. B., Haneuse S., Gottlieb B. R.. 2014;116:110-118. CrossRef
  6. Salud auto-referida y desigualdades sociales, Ciudad de Buenos Aires, Argentina, 2005 Alazraqui M., Diez Roux A. V., Fleischer N., Spinelli H.. 2009;25(9). CrossRef
  7. Thinking through the lens of translocational positionality: an intersectionality frame for understanding identity and belonging Anthias F.. 2008;4(1):5-20.
  8. Hierarchies of social location, class and intersectionality: Towards a translocational frame Anthias F.. 2013;28(1):121-138. CrossRef
  9. Taller Latinoamericano sobre Determinantes Sociales de la Salud Asociación Latinoamericana de Medicina Social. Ciudad de México: Universidad Autónoma Metropolitana; 2008.
  10. Un análisis sobre las desigualdades en el acceso a los servicios de salud en Argentina a partir de datos secundarios Ballesteros M. S.. Buenos Aires: IIGG, FSOC, UBA; 2014.
  11. Promedio de los efectos marginales e interacciones en las regresiones logísticas binarias Ballesteros M. S.. International Network of Comparative Analysis of Social Inequalities; 2018.
  12. Interseccionalidad en las desigualdades sociales para la realización de actividad física en Argentina Ballesteros M. S., Freidin B., Wilner A., Fernández Réndina L.. 2020;18(1). CrossRef
  13. Intersectionality: Concepts, Perspectives and Challenge Ballesteros M. S., Krause M., Muller T.. Nueva York: Nova Publishers; 2020.
  14. El cuidado infantil en Uruguay y sus implicancias de género. Análisis a partir del uso del tiempo Batthyány K.. 2010;23(27):20-32.
  15. Harnessing the Power of Intersectionality: Guidelines for Quantitative Intersectionality Health Inequities Research Bauer G., Bowleg L., Rouhani S., Scheim A., Blot S.. 2014. CrossRef
  16. Incorporating intersectionality theory into population health research methodology: challenges and the potential to advance health equity. Bauer G. R.. 2014;110:10-17. CrossRef
  17. Methods for analytic intercategorical intersectionality in quantitative research: Discrimination as a mediator of health inequalities Bauer G. R., Scheim A. I.. 2019;226:236-245. CrossRef
  18. When Black + lesbian + woman ≠ Black lesbian woman: The methodological challenges of qualitative and quantitative intersectionality research Bowleg L.. 2008;59(5-6):312-325. CrossRef
  19. The problem with the phrase women and minorities: intersectionality—an important theoretical framework for public health Bowleg L.. 2012;102(7):1267-1273. CrossRef
  20. Invited reflection: Quantifying intersectionality Bowleg L., Bauer G.. 2016;40(3):337-341. CrossRef
  21. The intersectional turn in feminist theory: A dream of a common language? Carbin M., Edenheim S.. 2013;20(3):233-248. CrossRef
  22. La perspectiva feminista de la interseccionalidad en el campo de la salud pública: revisión narrativa de las producciones teórico-metodológicas Couto M. T., Oliveira E. D., Separavich M. A. A., Luiz O. D. C.. 2019;15. CrossRef
  23. Clase y estratificación. Una introducción a los debates actuales Crompton R.. Madrid: Tecnos; 1994.
  24. La Argentina en el siglo XXI: cómo somos, vivimos y convivimos en una sociedad desigual. Encuesta Nacional sobre Estestructura Social Dalle P., Jorrat J. R., Riveiro M., Piovani J. I., Salvia A.. Buenos Aires: Siglo XXI; 2018.
  25. A sociology of science perspective on what makes a feminist theory successful Davis K.. 2008;9(1):67-85. CrossRef
  26. Health inequalities in Argentina: patterns, contradictions and implications De Maio F. G.. 2007;16(3-4):279-291. CrossRef
  27. Desigualdad en el ingreso como determinante social de la salud De Maio F. G.. 2010;6(2):195-209. CrossRef
  28. Extending the income inequality hypothesis: ecological results from the 2005 and 2009 Argentine National Risk Factor Surveys De Maio F. G., Linetzky B., Ferrante D., Fleischer N. L.. 2012;7(6):635-647. CrossRef
  29. Intersectionality in Quantitative Psychological Research: I. Theoretical and Epistemological Issues Else-Quest N. M., Hyde J. S.. 2016;40(2):155-170.
  30. Adding interactions to models of intersectional health inequalities: Comparing multilevel and conventional methods Evans C. R.. 2019;221:95-105. CrossRef
  31. Modeling the intersectionality of processes in the social production of health inequalities Evans C. R.. 2019;226:249-253.
  32. Autopercepción de salud y envejecimiento Garc F.. 2013;1(1):69-77.
  33. Equity of access to health care services: Theory and evidence from the UK Goddard M., Smith P.. 2001;53(9):1149-1162. CrossRef
  34. Intersectionality and the determinants of health: a Canadian perspective Hankivsky O., Christoffersen A.. 2008;18(3):271-283. CrossRef
  35. Self-rated health and mortality: a review of twenty-seven community studies Idler E. L., Benyamini Y.. 1997;38(1):21-37. CrossRef
  36. Bases de datos Instituto Nacional de Estadística y Censos. 2021.
  37. Interaction effects in logistic regression Jaccard J.. Thousand Oaks: Sage Publications; 2001. CrossRef
  38. Utilización y gasto en servicios de salud de los individuos en Argentina en 2005. Comparaciones internacionales de diferenciales socioeconómicos en salud Jorrat R. F., Fernández M. M., Marconi E. H.. 2008;4(1):57-96. CrossRef
  39. Interseccionalidad en desigualdades en salud en Argentina: discusiones teórico-metodológicas a partir de una encuesta poblacional Krause M., Ballesteros M. S.. 2018;23(2):13-33. CrossRef
  40. Handbook of Medical Sociology Link B. G., Phelan J. C., Bird C., Conrad P., Fremont A.. Upper Saddle River: Prentice Hall; 2000.
  41. Desigualdades en Salud: ¿Es Diferente la Percepción de Morbilidad de Varones y Mujeres? López E., Findling L., Abramzón M.. 2006;2(1):61-67. CrossRef
  42. Investigación e intervención en salud Luxardo N., Passerino L. M., Sasseti F., Heredia C., Palermo C., Billordo J., Brage E., Alva L., López F., Calzia T., Sustas S. E., Tapia S. A., Venturiello M. P.. Buenos Aires: Teseo; 2020.
  43. Invited reflection: Intersectionality theory and feminist psychology Marecek J.. 2016;40(2):177-181. CrossRef
  44. The complexity of intersectionality McCall L.. 2005;30(3):1771-1800. CrossRef
  45. Applying intersectionality & complexity theory to address the social determinants of women’s health McGibbon E., McPherson C.. 2011;10(1):59-86.
  46. Predictors of elderly mortality: health status, socioeconomic characteristics and social determinants of health Mete C.. 2005;14(2):135-148. CrossRef
  47. Encuesta Nacional de Factores de Riesgo 2005. Versión Completa: Informe de resultados Ministerio Salud de la Nación. Buenos Aires: Ministerio Salud de la Nación; 2006.
  48. Segunda encuesta nacional de factores de riesgo para enfermedades no transmisibles: Informe final Ministerio Salud de la Nación. Buenos Aires: Ministerio Salud de la Nación; 2011.
  49. Encuesta de utilización y gasto en servicios de salud Argentina- Año 2010 : Primeros resultados Ministerio Salud de la Nación. Buenos Aires: Ministerio de Salud de la Nación; 2012.
  50. Tercera Encuesta Nacional de Factores de Riesgo para enfermedades no transmisibles Ministerio Salud de la Nación. Buenos Aires: Ministerio de Salud de la Nación; 2015.
  51. 4o Encuesta Nacional de Factores de Riesgo: Resultados definitivos Ministerio Salud y Desarrollo Social de la Nación. Ministerio de Salud y Desarrollo Social de la Nación: Buenos Aires; 2019.
  52. Logistic regression: Why we cannot do what we think we can do, and what we can do about it Mood C.. 2010;26(1):67-82. CrossRef
  53. Autopercepción de salud general y mortalidad en adultos mayores Moreno X., Huerta M., Albala C.. 2014;28(3):246-252. CrossRef
  54. Salud percibida: cobertura, utilización y acceso al sistema de atención de la salud en el área metropolitana de Buenos Aires Observatorio de la Deuda Social Argentina. Buenos Aires: Educa; 2015.
  55. Self-rated health: Importance of use in elderly adults Ocampo J. M.. 2010;41(3):275-289.
  56. Factores asociados a la autopercepción de salud en adultos mayores Peláez E., Débora Acosta L., Delia Carrizo E.. 2015;41(4).
  57. Social conditions as fundamental causes of health inequalities: theory, evidence, and policy implications Phelan J. C., Link B. G., Tehranifar P.. 2010;51. CrossRef
  58. Quantifying intersectionality: An important advancement for health inequality research Richman L. S., Zucker A.. 2019;226:246-248. CrossRef
  59. Apuntes críticos sobre las relaciones de género en los estudios de movilidad social intergeneracional Riveiro M.. 2016;(27):113-129.
  60. La salud de las mujeres urbanas en edad fértiles Rodríguez Espínola S., Filgueira P.. Buenos Aires: Educa; 2018.
  61. Entangled Inequalities as Intersectionalities: Towards an Epistemic Sensibilization Roth J.. 2013;(43).
  62. The choice of self-rated health measures matter when predicting mortality: evidence from 10 years follow-up of the Australian longitudinal study of ageing Sargent-Cox K. A., Anstey K. J., Luszcz M. A.. 2010;10(18):1-12. CrossRef
  63. Health inequalities in Argentina and Italy: A comparative analysis of the relation between socio-economic and perceived health conditions Sarti S., Rodríguez Espinola S.. 2018;55:89-98.
  64. The Intersectional Discrimination Index: Development and validation of measures of self-reported enacted and anticipated discrimination for intercategorical analysis Scheim A. I., Bauer G. R.. 2019;226:225-235. CrossRef
  65. Marginalized identities, discrimination burden, and mental health: Empirical exploration of an interpersonal-level approach to modeling intersectionality Seng J. S., Lopez W. D., Sperlich M., Hamama L., Meldrum C. D. R.. 2012;75(12):2437-2445. CrossRef
  66. Race, gender, class, and sexual orientation: intersecting axes of inequality and self-rated health in Canada Veenstra G.. 2011;10(3). CrossRef
  67. Invited reflection: Intersectionality as an epistemological challenge to psychology Warner L. R., Settles I. H., Shields S. A.. 2016;40(2):171-176. CrossRef
  68. New categories are not enough: Rethinking the measurement of sex and gender in social surveys Westbrook L., Saperstein A.. 2015;29(4):534-560. CrossRef