Skip to main content
NCBI home page
Colombia Médica : CM logoLink to Colombia Médica : CM
. 2021 Sep 30;52(3):e2044411. doi: 10.25100/cm.v52i3.4411
View full-text in Spanish

Multilevel analysis of birthplace effect on the proportion of C-Section in Colombia”

Análisis multinivel del efecto del lugar de nacimiento en la proporción de partos por cesárea en Colombia

Merida Rodriguez-Lopez 1,✉, Elsa Lorena Correa-Avendaño 1, Ana Maria Martinez-Avila 1, Juan Merlo 2,3
PMCID: PMC8973307  PMID: 35431362

Abstract

Objectives:

To determine the general contextual effect of the department in the variation of Cesarean section in Colombia in 2016, and their individual and contextual related factors.

Methods:

Cross-sectional study based on a birth cohort. We used the birth certificate database from January 1 to December 31, 2016. Three multilevel logistic models were constructed. Pregnant women were set at the first level and department at the second level. We fitted a null multilevel model followed by two multiple models, including individual and individual and department variables, respectively.

Results:

The overall prevalence of C-section was 45.5% (95% CI: 45.4-45.6), ranged from 5 to 76%. The variance partition coefficient was 15%. Individual factors did not explain the general contextual effect. However, the region to which these departments belong explained 71% of the variance. The Caribbean region was positively associated with C-section compared to the Andean region (OR:3.88, 95% CI: 2.65-5.67).

Conclusions:

Multilevel analysis of individual heterogeneity and discriminatory accuracy showed that the department plays an important role in the variation of C-sections in Colombia. Our results suggest that the proportional universalism approach should be applied to reduce the proportion of C-Section, focusing on departments with the highest risk and on the Caribbean and Insular region.

Keywords: caesarean section, risk factors, multilevel analysis, contextual effects of health disparities; healthcare disparities

Remark

1) Why was this study conducted?
The proportion of cesarean deliveries in Colombia is high. However, neither the overall contextual effect nor the effect of department-specific characteristics on the individual likelihood of cesarean section has yet been explored.
2) What were the most relevant results of the study?
A large department-contextual effect on the possibility of C-section was observed by using a multilevel analysis of individual heterogeneity. Differences in the individual characteristics of pregnant women between departments did not explain this effect. However, the region to which the department belonged explained most of the contextual effect. Thus, birthplace plays an important role in the individual likelihood of C-section.
3) What do these results contribute?
The large department-contextual effect indicates that to reduce C-section in Colombia, it would be efficient to target interventions in some departments, particularly those in the Caribbean region. The distribution of the residuals showed that in some departments the proportion of cesarean deliveries was much lower than expected, which also merits special attention. The multilevel analysis of individual heterogeneity can be used as a public health precision strategy in the prioritization of interventions with a proportional universalism approach.
Open in a new tab

Introduction

Cesarean section or C-section is recommended when vaginal delivery is not possible due to the mother’s or fetus’ conditions. It is intended to reduce maternal-perinatal complications 1 . However, this procedure is not risk-free. Newborns born by C-section have greater respiratory morbidity, sharp injuries to the skin, skull fractures, humerus, clavicle, femur, and brachial plexus injuries 2 . Likewise, mothers are at greater risk of uterine hemorrhage, wound infection, respiratory distress 3 , 4 , and inadequate implantation of the placenta in future pregnancies 2 . Therefore, C-section should be carried out when the benefits outweigh the risks. In spite of this, most of them have no specific medical indication 5 . Births by C-section have increased from 15% to 33% worldwide in the last 25 years 6 . Statistics vary between countries 7 . In Brazil and the Dominican Republic, the proportion of cesarean deliveries exceeds 50% 8 , while in Guatemala it is 18% 9 . In Colombia, it has increased from 24.9% in 1998 2 , to 37.2% in 2008 10 and 44.4% in 2018 11 . Faced with this situation, the World Health Organization (WHO) has identified cesarean delivery as a public health problem and has proposed, that in order to maintain the maternal perinatal benefit, its percentage should be between 10 and 15% 5 , 12 - 14 . In addition, it proposed Robson's classification (based on obstetric history and current pregnancy) as a guide for comparison between different places or institutions 5 . In Colombia, the proportion of Robson's groups differs between cities 13 , 15 , and the proportion of cesarean deliveries varies between departments 16 . In this regard, the influence of contextual factors on the mode of delivery have already been described, such as the public or private nature of the institution 17 , the limitation of specialized human resources, and contracting at differential rates 2 .

The influence of context on health outcomes is usually studied under the ecological model framework 18 and can be quantified using multilevel statistical models 19 , 20 . The advantages of using multilevel models in the assessment of contextual effects have been widely described 21 - 23 . By using these models, differences between departments for example, are not measured as the simple difference between proportions. Instead, they are measured as the percentage of the total variance in the individual risk of C-section attributed to the department level 20 . Determining the relevance of each level (individual, contextual or both) in the outcome, would allow identifying where to allocate interventions and resources to improve health care indicators.

Given that the proportion of cesarean deliveries in Colombia is high, the existence of a small department-contextual effect would indicate that the departments share similar behavior and therefore all of them should be intervened to reduce the proportion of cesarean deliveries. On the contrary, if the contextual effect is large, the department plays an important role in the individual risk, and therefore, specific departments could be selected for being intervened. Therefore, the objectives of this study were to determine (i) the overall contextual effect of the department on the likelihood or odds of C-section, and (ii) the effect of individual and context-specific characteristics on this risk. For this purpose, a multilevel analysis of individual heterogeneity and discriminative ability was used 19 , 24 . Their results provide guidance on the type of intervention (universal, selective, or proportional universalism) 25 , 26 that would be most efficient in reducing C-section in Colombia.

Materials and Methods

This is a Cross-sectional analytical study of a cohort of births in Colombia. The information from the life birth certificates was sourced from the National Administrative Department of Statistics (DANE) database. Births between January 1, 2016 and December 31, 2016 were included. The certificate was filled out immediately after the birth by the health professional (usually the doctor or nurse) in attendance. In areas of the country where deliveries are not attended by professionals, nursing assistants and health promoters are authorized fill out the certificate. This database can be accessed openly through the DANE web page. Before releasing the information, DANE carries out a review process, codification, quality control, and information processing 27 , as well as eliminating personal identification data, and converting quantitative variables to qualitative to protect anonymity.

The protocol for this study was approved by the ethics committee of the Pontificia Universidad Javeriana, Cali (Act 007: 2019, with approval date 28/09/2019).

Non-institutional deliveries were excluded, since they do not have the opportunity to undergo this surgical procedure; in fact, none of them were by cesarean section. Multiple pregnancies were also excluded due to their high indication for C-section and the impossibility of identifying paired records in the database. Hence, the number of live births corresponds to the number of pregnant women. Those births with missing values in the study variables were excluded from the analysis.

The outcome variable was mode of delivery, classified as cesarean or vaginal (including instrumental vaginal deliveries). The main contextual variable was the department. Regarding the political-administrative point of view, Colombia has 33 divisions: a capital district, Bogotá, and 32 departments, which are governed from their respective capital cities. At this level, three department-specific characteristics were evaluated: gross domestic product as an economic indicator 28 , the timeliness of obstetrician appointments as an indicator of the availability of specialists, and the region to which they belong. Gross domestic product was classified according to the growth rate for 2016 by DANE as decreasing (<0%), low (0%-1.9%), medium (2%-2. 9%) and high (≥3%) 29 ). The timeliness of obstetrician appointments was classified as very low (≥ 7 days), low (6-6.99 days), medium (5.1-5.99 days) and high (0-5 days) 30 . The departments are grouped into five geographic regions: Amazon, Andean, Orinoquia, Pacific, and Caribbean and Insular (Table S1, supplemental material). In addition to their geographic proximity, these regions share similar cultures. Due to the small number of cases in the Insular region and its proximity to the Caribbean, both were included in the same category. The Andean region was taken as a reference, since it has the largest population.

Individual covariates included maternal age, marital status, educational level (according to the last year of study completed by the mother), mother's usual area of residence, area of birth, gestational age at birth, parity, number of prenatal visits, ethnicity, sex of live birth, birth weight and length at birth. Newborn Apgar 31 was employed as a proxy for fetal status and was recoded as normal (≥7), low (4-6), and very low (≤3). The ethnicity of the newborn was determined considering those recognized in Colombia: indigenous, Afro-Colombian, Rom or Gypsy, Raizal and Palanquera. Those who reported as not belonging to any ethnicity usually represent the mestizo or mixed composition of the Colombian population.

The mother's affiliation to the General Health Social Security System was also included. Health Promoting Entity provide the services covered by the public health insurance directly or indirectly. Most Colombians are affiliated to the contributory and subsidized health regime and there are more than 40 entities in both insurance regimes. All salaried employees, pensioners, and self-employed workers with incomes equal to or higher than one minimum wage affiliate to the contributory regime. Any person that is unable to pay and not covered by the contributory regime affiliates to the subsidized regime. There is also a special or exempt regime for teachers, the Armed Forces, the National Police, and those who work in public universities, or in the national Colombian oil company. There is also a uninsured regime for the urban and rural population identified as poor by the Identification System of Potential Beneficiaries, and the special populations registered in the census lists that are not members of the Subsidized Regime 32 .

Statistical analyses were performed in Stata 15 (Stata Corp., College Station, TX, USA).

Study groups were described and compared using relative frequencies in tables with corresponding χ2 of Fisher´s exact test where appropriated. A single level multiple logistic regression was initially fitted to select individual-level variables using the backward strategy. Variables with p <0.05 were retained for multilevel analyses. (Table S2, supplemental material). Then, three consecutive logistic multilevel models were performed with two level of analyses: individual (level 1) nested within department (level 2). Although the region could be considered as a third level, it was included as a fixed effect. Different simulations have shown that when the number of groups in the level is small (i.e; 5 regions), the variance of that level is usually underestimated, as well as its standard errors. 33 , 34 .

The first multilevel logistic regression model included a random intercept of departments to capture the variation in the possibility of C-Section across department (Empty model/ Model1). The General Contextual Effect of the departments was calculated using the Variance Partition coefficient based on the latent response formulation of the model 35 . This Coefficient quantifies the proportion on the variation of having a C-Section that is explained by the differences across the departments and embraces the influence of this level on the patient outcome without identifying any specific departmental information. The larger this proportion, the more relevant the context is. Considering previous references 20 , the magnitude of the VPC was classified as absent if the Variance Partition Coefficient, in percentage, was between 0-1, small between 1-5, moderate between 5-10, large between 10-20 and very large >20. In addition, the median odds ratio was quantified. It is defined as the median value of the odds ratio between the department at highest risk and the department at lowest risk when randomly picking out two women from different departments. In general, it represents the increased risk that a woman (in median) would have if moving to another department with a higher risk. 35 .

To account for possible differences in individual composition within departments, a second model was fitted by including individual variables (Model 2). The Variance Partition Coefficient from this model was also obtained to determine the General Contextual Effect adjusted by individual-level characteristics. This model allows to identify the extent to which the differences in the individual variables between departments explained the general contextual effect of the department observed in model 1. The comparison of the general contextual effect between models was performed considering the Variance Partition Coefficient and not through the second level variance, since the re-scaling phenomenon when including individual variables (first level). The coefficients of the individual variables obtained from model 2 quantify the effect on the odds of C- sections, keeping constant the department and the other individual variables included in the model.

Finally, model 2 was extended by adding contextual information (Model 3) to determine the amount of the general contextual effect that is explained by specific characteristics of the departments. The coefficients of the contextual variables are interpreted in a similar way to the individual ones. However, contextual variables are constant by department, therefore, the interpretation of their coefficients can be problematic. 36 . Then, 80% Interval Odds Ratio was calculated 36 , 37 , to quantify the effect of the contextual variables with respect to the variance between departments. The 80% Interval Odds Ratio is defined as the range where 80% of the distribution of the Odds Ratios derived from the vis-a-vis random comparison between women from departments exposed and not exposed to the contextual variable. If the range does not contain the unit, the effect of the contextual variable is well defined, if it contains the unit, the unexplained variability is greater than the effect of the contextual variable and therefore there may be cases where the association could be in the opposite direction to that observed 19 . The Variance Partition Coefficient and the Median Odds Ratio were also determined for models 2 and 3. In addition, the Percentage of Change in Variance was determined in model 3, which quantifies the reduction in variance at the department level when moving from model 2 to 3, that is, the variation between departments that is attributed to the effect of the contextual variables. Bayesian information criterion was used to determine the model that best fit the data.

Residuals by department of each model were plotted together with their confidence intervals (CI 95%). A residual with a value of zero represents the precision weighted average of C-sections between the departments (shrunken residuals). Residuals above and below zero reflect the differences between each department and the precision weighted mean across them, which are not explained by the variables contained in the models. Therefore, the residuals and the information on the general contextual effect, allow to identify those departments to which public health interventions should be oriented. In supplementary material, there is a table containing possible scenarios that can be derived from the multilevel analysis of individual heterogeneity, their interpretation and the public health strategy that would be recommended in order to achieve the goal of the WHO (Table S3, supplemental material)

Results

There were 647,521 life-births registered in 2016, among them 647,363 had information regarding the mode of delivery and 640,522 were born in healthcare institutions. Among those who met the eligibility criteria, 0.10% had missing data on some exposure variables (n= 658), therefore a complete-case analysis was performed. Figure 1 shows the flowchart of the study population. The proportion of women with singleton fetuses who were attended in health care institutions and had a C-section was 45.5% (95% CI: 45.4%-45.6%) from a total of 628,780 deliveries included in the present analysis. Figure 2 shows that the proportion of cesarean sections ranged from 5% in Vichada to 76% in San Andrés and Providencia. Table 1 shows the characteristics of the overall study population and according to mode of delivery. With the exception of parity, there were statistical significant differences between being birth by C-section and vaginal delivery in all study variables. Table 2 shows that according to model 1, 15% of the total individual variance of in the underlying propensity of C-section was at the department level. The model that best fit the data was model 2. the adjusted individual variance.

Figure 1. Flow diagram of the study population .

Figure 1

Open in a new tab

Figure 2. Distribution of the proportion of C-section by departments in 2016 among pregnant women with single fetuses, ordered from least to greatest, in Colombia.

Figure 2

Open in a new tab

Table 1. Characteristics of the study population according to mode of delivery (vaginal or C-section) of pregnancies with a single fetus in Colombia during 2016.

Characteristics Total N=628780 n (%) Mode of delivery
Vaginal N=342641 n(%) C-section N=286139 n (%) p-value
Individual-level characteristics
Maternal age (years)
<20 132.625 (21.09) 81.132 (23.68) 51.493 (18.00) <0.001
20-39 482.768 (76.78) 255.669 (74.62) 227.104 (79.37)
≥40 13.387 (2.13) 5.841 (1.70) 7.546 (2.64)
Marital status
Married, Common low 524.402 (83.40) 280.844 (81.96) 243.558 (85.12) <0.001
Single, Widowed, Divorced 89.982 (14.31) 55.097 (16.08) 34.885 (12.19)
No information 14.396 (2.29) 6.700 (1.96) 7.696 (2.69)
Educational level
University, Posgraduate 75.765 (12.52) 30.177 (9.11) 45.588 (16.63) <0.001
Technical, Technological 72.777 (12.02) 36.433 (11.00) 36.344 (13.26)
High, Bachelor, Normal 370.884 (61.27) 210.474 (63.56) 160.410 (58.51)
None, Elementary 85.901 (14.19) 54.076 (16.33) 31.825 (11.61)
Health Social Security Insurance affiliation
Contributory 274.836 (43.71) 140.723 (41.07) 134.113 (46.87) <0.001
Subsidized 323.384 (51.43) 185.600 (54.17) 137.784 (48.15)
Special or exception 16.357 (2.60) 7.406 (2.16) 8.951 (3.13)
Uninsure 14.203 (2.26) 8.912 (2.60) 5.291 (1.85)
Mother´s area of residence
Municipal seat 504.113 (80.17) 264.434 (77.18) 239.679 (83.76) <0.001
Small town 45.408 (7.22) 26.355 (7.69) 19.053 (6.66)
Rural 79.259 (12.61) 51.852 (15.13) 27.407 (9.58)
Area of birth
Municipal seat 626.556 (99.65) 340.579 (99.40) 285.984 (99.94) <0.001
Small town 1639(0.26) 1610(0.47) 29(0.01)
Rural 585(0.09) 452(0.13) 133(0.05)
Gestational age (weeks)
< 27 2.229 (0.35) 1.026(0.30) 1.203(0.42) <0.001
28 a 37 117.175 (18.64) 54.170(15.81) 63.005(22.02)
38 a 41 508.070 (80.80) 286.660(83.66) 221.410(77.38)
≥42 1.306 (0.21) 785(0.23) 521(0.18)
Parity
Primiparous 307580 (48.92) 167.882 (49.00) 139.698 (48.82) 0.167
Multiparous 321.200 (51.08) 174.759 (51.00) 146.441 (51.18)
Number of Prenatal Care visits
<5 116.535 (18.53) 72.567 (21.18) 43.968 (15.37) <0.001
5-9 459.718 (73.11) 243.837 (71.16) 215.881 (75.45)
>=10 52.527 (8.35) 26.237 (7.66) 26.290 (9.19)
Etnicity
None 585.186 (93.07) 313.845 (91.60) 271.341 (94.83) <0.001
Indigenous 13.535 (2.15) 10.778 (3.15) 2.757 (0.96)
ROM 43(0.01) 26(0.01) 17(0.01)
Afrocolombian/black /mulato Palenquera /Raizal 30.016(4.77) 17.992(5.25) 12.024(4.20)
Newborn gender
Male 323.608 (51.47) 174.706 (50.99) 148.902 (52.04) <0.001
Female 305.172 (48.53) 167.935 (49.01) 137.237 (47.96)
Birthweight (g)
Normal: 2,500-3,999 560.623(89.16) 313.592(91.52) 247.031(86.33) <0.001
Low: <2,500 g 50.577 (8.04) 21.957 (6.41) 28.620 (10.00)
Macrosomic: ≥4,000 17.580(2.80) 7.092(2.07) 10.488(3.67)
Birth lenght (cm)
≥50 378.203 (60.22) 211.024 (61.59) 167.636 (58.59) <0.001
<50 250.120 (39.78) 131.617 (38.41) 118.503 (41.41)
1 minute -Apgar
Normal ≥7 608.674(96.80) 331.406(96.72) 277.268(96.90) <0.001
Low 4-6 16.934(2.69) 9.523(2.78) 7.411(2.59)
Very low ≤3 3.172(0.50) 1.712(0.50) 1.460(0.51)
Contextual Characteristics
Region
Andina 330.935 (52.63) 202.530 (59.11) 128.405 (44.88) <0.001
Amazonas 13.223 (2.10) 8.400 (2.45) 4.823 (1.69)
Caribe e Insular 171.485 (27.27) 61.534 (17.96) 109.955 (38.43)
Orinoquia 25.556 (4.06) 17.207 (5.02) 8.348 (2.92)
Pacífica 87.581/13.93) 52.970 (15.46) 34.611 (12.10)
Gross Domestic Product Growth
Decreased 60.411 (9.61) 37.700(11.00) 22.711(7.94) <0.001
Low 139.102 (22.12) 65.505(19.12) 73.597(25.72)
Middle 207.374 (32.98) 129.064(37.67) 78.310(27.37)
High 221.893 (35.29) 110.064(32.21) 111.521(38.97)
Timeliness of obstetrician appointment
Very low 383.868 (61.05) 200.047(58.38) 183.821(64.24) <0.001
Low 147.069 (23.39) 91.029 (26.57) 56.040 (19.58)
Middle 61.295 (9.75) 32.245 (9.41) 29.050 (10.15)
High 36.548 (5.81) 19.320 (5.64) 17.228 (6.02)
Open in a new tab

Table 2. Random effects and goodness of fit of multilevel logistic regression models: empty model (Model 1), including individual-level variables (Model 2), and including individual and contextual-level variables (Model 3) modelling the odds of C-section of pregnancies nested within Colombian departments in 2016 .

Model 1 (CI 95%) Model 2 (CI 95%) Model 3 (CI 95%)
Variance 0.62(0.38-1.02) 0.57(0.35-0.94) 0.16(0.10-0.27)
VPC 15.86 14.84 7.12
PCV - - 71.15
MOR 2.12(1.80-2.61) 2.06(1.76-2.52) 1.47(1.35-1.6517)
BIC 819488 759980.2 760073.6
Open in a new tab

VPC: Variance Partition Coefficient, PCV: Proportional Change in Variance, MOR: Median Odds Ratio, BIC: Bayesian Information Criteria

Table 3 shows the measures of association of the individual and contextual variables derived from the multilevel regression models. Based on model 2, C-section was positively associated with older maternal age, higher number of prenatal visits, low birth weight, macrosomia, and short length at birth. A small increase in the odds of having a C-section was observed among those born between 28 and 37 weeks compared to those below 28 weeks, as well as the special regime compared to the contributory regime. On the contrary, being single, widowed or separated, lower educational background, subsidized or uninsured regime, residing or giving birth outside the municipal seat, gestational age at birth greater than 38 weeks, belong to any ethnic group, female sex of the newborn and low APGAR reduced the odds of cesarean section, compared to their reference categories. Regarding the contextual variables, the odds of C-section in the Caribbean and Insular region was almost four times the odds of the Andean region. No significant effects of the timeliness of obstetrician appointments or Gross Domestic Product Growth on the proportion of C-sections were observed.

Table 3. Measures of association from multilevel logistic regression modelling the odds of C-section including individual-level variables (Model 2) and including individual and contextual level variables (Model 3) of mother nested within departments of Colombia in 2016 .

Variables Model 2 OR (CI 95%) Model 3 OR (CI 95%)
Individual Variable
Maternal age (years)
<20
20-39 1.21(1.19 -1.23) 1.21(1.19-1.23)
≥40 1.91(1.84 -1.99) 1.91(1.84-1.99)
Marital status
Married, Common low
Single, Widowed, Divorced 0.95 (0.94 - 0.97) 0.95 (0.94 - 0.97)
No information 1.03 (0.96 - 1.10) 1.03 (0.96 - 1.09)
Educational level
University, Posgraduate
Technical, Technological 0.65 (0.64 - 0.67) 0.65 (0.64 - 0.67)
High, Bachelor, Normal 0.57 (0.56 - 0.59) 0.57 (0.56 - 0.59)
None, Elementary 0.48 (0.47 - 0.49) 0.48 ( 0.47 - 0.49)
Health Social Security Insurance affiliation
Contributory
Subsidized 0.79 (0.78 - 0.80) 0.79 (0.78 - 0.80)
Special or Exception 1.09 (1.06 - 1.14) 1.09 (1.06 - 1.14)
Uninsure 0.75 (0.72 - 0.78) 0.75 (0.72 - 078)
Mother´s area of residence
Municipal seat
Small town 0.81 (0.79 - 0.83) 0.81 (0.79 - 0.83)
Rural 0.85 (0.83 - 0.87) 0.85 (0.83 - 0.87)
Area of birth
Municipal seat
Small town 0.04 (0.03-0.06) 0.04 (0.03 - 0.06)
Rural 0.52 (0.42-0.64) 0.51 (0.42 - 0.64)
Gestational age, weeks
<28
28-37 1.11(1.01-1.22) 1.11(1.01-1.22)
38-41 0.83(0.76-0.91) 0.83(0.76-0.91)
≥42 0.84(0.72-0.98) 0.84(0.72-.098)
Parity
Primiparous
Multiparous 1.02 (1.00 - 1.03) 1.02 (1.00 - 1.03)
Number of Prenatal Care visits
<5
5-9 1.32 (1.30 - 1.34) 1.32 (1.30 - 1.34)
≥10 1.52 (1.49 - 1.56) 1.52 (1.49 - 1.56)
Ethnicity
None
Indigenous 0.33 (0.31 - 0.35) 0.33(0.31 - 0.35)
ROM 0.72 (0.37 - 1.40) 0.72 (0.37-1.40)
Afrocolombian/black /mulato Palenquera /Raizal 0.89 (0.87 - 0.92) 0.89(0.87 - 0.92)
Newborn gender
Male
Female 0.95(0.94 - 0.96) 0.95 (0.94-0.96)
Birthweight (g)
Normal 2,500-3,999
Low <2,500 1.49 (1.45 - 1.52) 1.49 (1.45 - 1.52)
Macrosomic ≥4,000 2.06 (1.99 - 2.13) 2.06 (1.99 - 2.13)
Birth lenght (cm)
≥50
<50 1.12 (1.11 - 1.14) 1.12(1.11 - 1.14)
1 minute -Apgar
Normal ≥7
Low 4-6 0.93 (0.90 - 0.96) 0.93 (0.90 - 0.96)
Very low ≤3 1.05 (0.97-1.14) 1.05 (0.97 - 1.14)
Specific Contextual Effect
Region
Andina Ref
Amazonía 1.39 (0.86-2.24)
Caribe e Insular 3.88 (2.65 -5.67)
Orinoquia 0.61 (0.34 -1.10)
Pacífico 1.36 (0.83-2.22)
Gross Domestic Product Growth
Decreased Ref
Low 0.97 (0.62 -1.53)
Middle 0.71 (0.43 - 1.18)
High 0.82 (0.48 - 1.41)
Timeliness of obstetrician appointment
Very low Ref
Low 0.83 (0.54-1.25)
Middle 1.06 (0.67-1.68)
High 0.65 (0.39-1.09)
Open in a new tab

Individual-level variables did not substantially modify the Variance Partition Coefficient. However, contextual variables were able to explain up to 71% of the variance. If a pregnant woman moves from a department with low risk to one with high risk od C section, the increase in the odds of C-section was 2.06, and 1.47 when this movement occurs between departments of the same region, with the same Gross Domestic Product Growth and the same timelines opportunity for obstetric appointments. The 80% Interval Odds Ratio for specific contextual variable contained the unit (not shown in these results), except for the Caribbean and Insular region, which ranged between 1.87-8.26. Figure 3 shows a greater flattening of the residuals after adjustment for contextual variables (Model 3). Table 4 shows that, after covariates adjustment, the departments with the lowest proportion of C-sections were Vichada, Risaralda and Quindío, and those with the highest proportion were Córdoba, San Andrés, Providencia and Santa Catalina, and Sucre.

Figure 3. Rank of the C-section obtained from the multilevel models ordered by departments from lowest to highest. Empty Model (Model 1), Model with individual-level variables (Model 2), Full Model with contextual and individual variables (Model 3). The values correspond to the shrunken residuals with their 95% confidence intervals .

Figure 3

Open in a new tab

Table 4. Departments of Colombia ordered from lowest to highest according to the value of the residuals obtained from multilevel logistic regression models: Empty model (Model 1), with individual variables (Model 2), and with individual and contextual variables (Model 3).

Orden Model 1 Model 2 Model 3
1 Vichada Vichada Vichada
2 Vaupés Risaralda Risaralda
3 Amazonas Quindío Putumayo
4 Choco Caldas Caldas
5 Caldas Antioquia Choco
6 Risaralda Meta Bolívar
7 Quindío Cundinamarca Quindío
8 Meta Boyacá Guaviare
9 Cundinamarca Choco Magdalena
10 Antioquia Tolima Valle del Cauca
11 Guaviare Valle del Cauca Atlántico
12 Putumayo Vaupés Vaupés
13 Boyacá Bogotá Amazonas
14 Guainía Putumayo Huila
15 Tolima Amazonas Cundinamarca
16 Cauca Huila Cesar
17 Arauca Guaviare La Guajira
18 Valle del Cauca Casanare Bogotá
19 Huila Cauca Caquetá
20 Casanare Arauca Antioquia
21 Caquetá Caquetá Meta
22 Bogotá Santander Boyacá
23 La Guajira Norte de Santander Córdoba
24 Nariño Nariño Cauca
25 Norte de Santander Bolívar Tolima
26 Santander Cesar Nariño
27 Cesar Guainía San Andrés, Providencia y Santa Catalina
28 Bolívar Atlántico Sucre
29 Magdalena Magdalena Santander
30 Córdoba La Guajira Casanare
31 Atlántico Córdoba Arauca
32 Sucre San Andrés, Providencia y Santa Catalina Norte de Santander
33 San Andrés, Providencia y Santa Catalina Sucre Guainía
Open in a new tab

Discussion

The overall C-section proportion was 45%, a value higher than the target suggested by the WHO 5 . Using a multilevel analysis of individual heterogeneity, a large department -general contextual effect was found, since 15% of the variation in the proportion of cesarean sections was found at this level. The difference in patient-mix across departments did not explain the overall contextual effect. In contrast, the region to which the department belongs explained most of this effect. In particular, the odds of C-section in Caribbean and Insular region was 4 times higher than the Andean region, with 80% interval odds ratio higher than 1. This contextual-specific effect was superior to most of the effects of the individual variables, despite occurring in a context of a high Variance Partition Coefficient. This suggests that the department and the region where delivery is attended in Colombia play an important role in the possibility of C-section.

By including the region as a second level fixed effect, the Variance Partition Coefficient was substantially reduced. Regions in Colombia have marked cultural differences, which together with differences in obstetric practices 4 , 12 and delivery room conditions, could explain this birthplace effect. For example, it has been shown that having full-time obstetricians and nurses reduces the risk of C-section 38 , since this allows sharing decisions with colleagues, participating in medical boards, and the development of institutional strategies and protocols for medical management. Practices such as the preference for C-section when delivery occurs at night 39 , or C-section without medical indication, can be more easily shared among professionals in the same region or department. In fact, the same professional may move to different municipalities within the department and region along with his or her practices. For instance, this may occur between the capital cities of Bolivar (Cartagena), Atlántico (Barranquilla) and Magdalena (Santa Marta).

The Caribbean departments showed the highest risk of C-section. However, after adjusting for individual and contextual variables, some departments also showed a higher proportion of C-section compared to other departments from the same region, e.g., Guainía, Arauca and Santander. This heterogeneity is observed within the Amazon region, where residuals from Putumayo and Guainía were similar in the crude analysis, but different after covariate adjustment. The influence of ethnic proportion at the department-level was not evaluated in this study, however, there are more ethnic communities in Guainía than in Putumayo 40 . At the individual-level, belonging to an ethnic group reduces the possibility of C-sections. Therefore, it is possible that Guainía shows a higher risk than expected after adjusting for this individual-level variable. Ethnic communities have confidence in their ancestral knowledge, including the skills of traditional birth attendants 41 , 42 . It is also possible that indigenous or Afro-Colombian pregnant women who attend or are referred to health care institutions prefer vaginal than cesarean delivery.

This birthplace effect was found at country-level among those from sub-Saharan Africa 43 . It was also observed at hospital-level (Variance Partition Coefficient of 20%) in Colombia in 2007. Similar to our results, the region explained one third of the variation among hospitals in the latter study 12 although it only included institutions belonging to one contributory regime health insurer. Individual-level variables were modestly associated with the odds of C-section (OR <2). Our results coincide with previous reports showing that women living in families with high socioeconomic status, male fetuses 43 - 45 , fetal macrosomia 45 , 46 , or those from urban areas and higher educational level, 8 , 47 have a higher chance of having a C-section. Likewise, the greater number of prenatal visits was associated with a greater possibility of C-section, which could be explained by a more frequent followed-up of high-risk women 48 , 49 .

To our knowledge, this is the first study that demonstrates a general (department) and specific (region) contextual effect on the possibility of C-sections in Colombia. Level 2 variance in multilevel analysis is usually used to account for correlations of the outcomes of individuals in the same level. However, in our study this variance is itself a result of interest, as a measure of the general contextual effect. A large general contextual effect, such as that observed in this study, may lead to an imprecise estimation of the specific contextual effects. That is to say, that there is no specific effect of the contextual variable when there in fact is 50 . On the other hand, there were only five regions which limited this variable to be considered as a level of analysis. This implies that the estimates of uncertainty about this variable could actually be less precise than those obtained. This could be as a result of the oversizing of the sample size if correlation between individuals in the same region are not considered. In spite of this, the Caribbean region was positively associated with the possibility of cesarean sections in Colombia. Future studies are required to understand this behavior.

One of the main limitations of the study was the impossibility of assessing other individual-level risk factors. For example, access to services, or the presence of hypertensive disorders, diabetes, or previous C- section. Regarding previous C-Section, when restricting the analyses to primiparous women, the Variance Partition Coefficient of the null model was equally high: 14.14 (9.07-21.38). In addition, the existence of residual confounding could not be ruled out given the qualitative nature of the variables and the categories predefined by DANE. It was also not possible to identify whether the C-section was a planned (elective) or an emergency procedure, or whether it was performed without medical indication. In addition, a greater presence of risk factors was observed among those observations with missing data, which may have underestimated the effect of some individual-level variables. Missingness was not associated with the outcome variable, which together with the small amount of missing data, reduce the potential for bias to negligible levels. Indeed, including missing data did not impact the Variance Partition Coefficient of the empty model.

Likewise, the use of logistic regression when the prevalence of the outcome is high could be questioned. As an alternative, other models such as modified Poisson regression, binomial regression or complementary Log-Log regression have been proposed. When analyzing this data using modified Poisson regression, the coefficients were very similar in terms of magnitude and statistical significance. As expected, there was a discrete greater magnitude of the coefficients obtained from the logistic than from Poisson regression (Table S2, supplementary material). Given that the main objective of this research was the estimation of the contextual effect, we prefer to use logistic regression for the sake of interpretability, greater development within the context of multilevel analysis, and better convergence of the models.

Conclusion

Department and region have an effect on the likelihood of cesarean delivery in Colombia, independently of individual characteristics. Our results suggest that interventions guided by a "proportional universalism" approach 25 , 26 are required to reach the goal proposed by the WHO; that is, actions in all departments, with an intensity and orientation proportional to the disadvantage 51 . For example, targeted interventions in the Caribbean region could be more effective in reducing the proportion of cesarean deliveries in Colombia. Given that the high proportion of C-section has been maintained over the years 2 , 10 , institutional policies for its adequate indication and studies to determine the impact of this procedure on maternal and perinatal outcomes are also required. Finally, multilevel analysis of individual heterogeneity is an analysis strategy for precision public health 52 that can be applied to other outcomes of interest to tailor interventions to the needs of each department

Acknowledgment:

George Leckie, for his valuable feedback about Poisson regression

Supplementary material.

Table S1. Departments and Regions in Colombia.

Region Departments
Amazonía Amazonas, Caquetá, Guainía, Guaviare Putumayo y Vaupés
Andina Antioquia, Boyacá, Caldas, Cundinamarca (incluye a Bogotá), Huila, Norte de Santander, Quindío, Risaralda, Santander y Tolima
Caribe e Insular Atlántico, Bolívar, Cesar, Córdoba, Guajira, Magdalena, San Andrés, Providencia y Sucre
Orinoquia Arauca, Casanare, Meta y Vichada.
Pacífica Chocó, Valle del Cauca, Cauca y Nariño.
Open in a new tab

Table S2. Measures of association from single level logistic and Poisson regressions of pregnancies nested within Colombian departments in 2016, modelling the odds of C-section and including individual-level variables.

Variables Logistic OR (IC 95%) Poisson IRR (IC 95%)
Maternal age (years)
<20
20-39 1.16 (1.15-1.18) 1.09 (1.08-1.10)
≥40 1.73 (1.67-1.79) 1.30 (1.29-1.33)
Marital status
Married, Common low
Single, Widowed, Divorced 0.78 (0.77-0.79) 0.87(0.86-0.88)
No information 1.13 (1.06-1.20) 1.07(1.03-1.10)
Educational level
University, Posgraduate
Technical, Technological 0.67 (0.65-0.69) 0.84 (0.83-0.85)
High, Bachelor, Normal 0.56 (0.56-0.57) 0.77 (0.76-0.77)
None, Elementary 0.48 (0.47-0.49) 0.70 (0.69-0.71)
Health Social Security Insurance affiliation
Contributory
Subsidized 1.08 (1.06-1.09) 1.04 (1.04-1.05)
Special or Exception 1.18 (1.15-1.23) 1.08 (1.07-1.10)
Uninsure 0.86 (0.83-0.90) 0.92 (0.90-0.94)
Mother´s area of residence
Municipal seat
Small town 0.97 (0.95-0.99) 0.99 (0.97-0.99)
Rural 0.72 (0.71-0.74) 0.83 (0.82-0.84)
Area of Birth
Municipal seat
Small town 0.04 (0.03-0.06) 0.06 (0.04-0.09)
Rural 0.56 (0.46-0.69) 0.68 (0.59-0.78)
Gestational age (weeks)
<28
28-37 1.00 (0.91-1.10) 0.98 (0.95-1.02)
38-41 0.71 (0.65-0.78) 0.83 (0.79-0.86)
≥42 0.73 (0.63-0.85) 0.84 (0.78-0.91)
Parity
Primoparous
Multiparous 1.02 (1.01-1.03) 1.01 (1.00-1.02)
Number of Prenatal Care visits
<5
5-9 1.30 (1.28-1.32) 1.16 (1.15-1.17)
≥10 1.30 (1.27-1.32) 1.16 (1.14-1.17)
Ethinicity
None Ref.
Indigenous 0.44 (0.42-0.47) 0.57 (0.55-0.59)
ROM 0.76 (0.40-1.43) 0.85 (0.58-1.26)
Afrocolombian/black /mulato Palenquera /Raizal 0.85 (0.82-0.87) 0.91 (0.90-0.92)
Newborn gender
Male
Female 0.96 (0.95-0.97) 0.98 (0.97-0.98)
Birthweight (g)
Normal 2,500-3999
Low <2,500 1.39 (1.36-1.42) 1.17 (1.15-1.18)
Macrosomic ≥4,000 1.98 (1.92-2.05) 1.38 (1.36-1.40)
Birth lenght (cm)
≥50
<50 1.06 (1.05-1.07) 1.03 (1.03-1.03)
1 minute -Apgar
Normal ≥7
Low 4-6 0.88 (0.85-0.91) 0.93 (0.92-0.95)
Very low ≤3 0.91 (0.85-0.98) 0.96 (0.92-0.99)
Open in a new tab

IRR: Incidence Rate Ratio, OR: Odds Ratio

Table S3. Possible scenarios determining the type of intervention that would be required to achieved the WHO recommendation on C-section proportion in Colombia, according to the magnitude of the General Contextual Effect obtained from multilevel analysis of individual heterogeneity and discriminatory accuracy.

General Contextual Effect (VPC) Proportion of C-section in Colombia compared to the WHO recommendations
Above the expected Purpose: to reduce the proportion Equal to the expected Purpose: to keep the proportion Below the expected Purpose: to reach the proportion
Middle/low The country has a higher proportion of C-section than expected, and there are no differences between the departments. Intervention: universal. The country has the expected proportion of C-section and there are no differences between the departments. Intervention: universal. The country has a lower proportion of C-section than expected, and there are no differences between the departments. Intervention: universal. To investigate whether would be necessary to increase the proportion in the country to maintain the benefits of C-section for the mother-child binomial
High The country has a higher proportion of C-section than expected, and there are differences between the departments. Some of them may even be far below expectations. Intervention: proportional universalism. Intervene all the departments with greater emphasis on those with very high residuals. To investigate whether would be necessary to keep or increase the proportion in those departments with very low residuals to maintain the benefits of C-section for the mother-child binomial The country has the expected proportion of C-section, and there are differences between the departments. There are some departments below and others are above the expected. Intervention: selective. Oriented to reduce the proportion in those departments with very high residuals, and if necessary, increase the proportion in those departments with very low residuals to maintain the benefits of C-section for the mother-child binomial The country has proportion of C-section below the expected, and there are differences between the departments. Some of them may even be far above expectations. Intervention: proportional universalism. To investigate whether would be necessary to increase the proportion of C-Section in the country to maintain the benefits of C-section for the mother-child binomial, in particular in those departments with very low residuals In addition, reduce the proportion in those departments with very high residuals
Open in a new tab

References

  • 1.Jones RE, Lopez KH. Human Reproductive Biology . Human Reproductive Biology. 4 Edición. Colorado, USA: Academic Press, Elsevier; 2014. Chapter 11 Labor and Birth; pp. 205–225. [Google Scholar]
  • 2.Rubio J, Fonseca J, Buitrago M, Zuleta J, Muller E, Mendoza M, Gomez D SA. Racionalización del uso de la cesárea en Colombia Consenso de la Federación Colombiana de Obstetricia y Ginecología ( Fecolsog ) y la Federación Colombiana de Perinatología (Fecopen) Rev Colomb Obstet Ginecol. 2014;65(2):139–151. doi: 10.18597/rcog.62. [DOI] [Google Scholar]
  • 3.Tita ATN, Landon MB, Spong CY, Lai Y, Leveno KJ, Varner M. Timing of elective repeat cesarean delivery at term and neonatal outcomes. N Engl J Med. 2009;360(2):111–120. doi: 10.1056/NEJMoa0803267. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 4.MacDorman MF, Declercq E, Menacker F, Malloy MH. Infant and neonatal mortality for primary cesarean and vaginal births to women with "no indicated risk" United States, 1998-2001 birth cohorts. Birth. 2006;33(3):175–182. doi: 10.1111/j.1523-536X.2006.00102.x. [DOI] [PubMed] [Google Scholar]
  • 5.Organización Mundial de la Salud . Declaración de la OMS sobre tasa de cesárea. Organización Mundial de la Salud; 2015. https://www.who.int/es/publications/i/item/WHO-RHR-15.02#:~:text=Desde%201985%2C%20los%20profesionales%20de,como%20en%20pa%C3%ADses%20en%20desarrollo [Google Scholar]
  • 6.Manrique-Abril F, Amaya GMH, Matilde B, Gomez B, Cuevas OM, Arismendy VM. Cesárea hoy, riesgo vs protección maternal fetal. Rev Salud Hist Sanid. 2017;12(3):15–28. doi: 10.5281/zenodo.4679534. [DOI] [Google Scholar]
  • 7.Boyle A, Reddy UM. Epidemiology of cesarean delivery the scope of the problem. Semin Perinatol. 2012;36(5):308–314. doi: 10.1053/j.semperi.2012.04.012. [DOI] [PubMed] [Google Scholar]
  • 8.Boerma T, Ronsmans C, Melesse DY, Barros AJD, Barros FC, Juan L. Global epidemiology of use of and disparities in caesarean sections. Lancet. 2018;392(10155):1341–1348. doi: 10.1016/S0140-6736(18)31928-7. [DOI] [PubMed] [Google Scholar]
  • 9.Derman RJ, Althabe F, Liechty EA, Saleem S, Minckas N, Goldenberg RL. An approach to identify a minimum and rational proportion of caesarean sections in resource-poor settings a global network study. Lancet Glob Heal. 2018;6(8):e894–e901. doi: 10.1016/S2214-109X(18)30241-9. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 10.Departamento Administrativo Nacional de Estadísticas . Estadísticas Vitales - Eevv: Cifras Definitivas Año 2017. Vol. 2017. DANE, Dirección de Censos y Demografía; 2018. pp. 1–47. [Google Scholar]
  • 11.DANE . Estadísticas Vitales - Eevv: Cifras Definitivas Año 2018. Vol 2018. DANE, Dirección de censos y demografía; 2019. [Google Scholar]
  • 12.Vecino-Ortiz AI, Bardey D, Castano-Yepes R. Hospital variation in cesarean delivery A multilevel analysis. Value Heal Reg Issues. 2015;(8c):116–121. doi: 10.1016/j.vhri.2015.07.003. [DOI] [PubMed] [Google Scholar]
  • 13.Lopez M, Mora S, Villegas A. Clasificación de las cesáreas en los grupos de robson e identificación de sus principales indicaciones, en una clínica de alta complejidad en Bogotá Colombia, 2018. Universidad Nacional de Colombia. Facultad de Medicina, Departamento de Obstetricia y Ginecología; 2018. https://repositorio.unal.edu.co/bitstream/handle/unal/69278/1020775357.2019.pdf?sequence=1&isAllowed=y [Google Scholar]
  • 14.Nápoles D. Piloto M Consideraciones actuales sobre la operación cesárea. Medisan. 2012;16(10):1579–1579. [Google Scholar]
  • 15.Zuleta-Tobón JJ, Quintero-Rincón F, Quiceno-Ceballos AM. Aplicación del modelo de Robson para caracterizar la realización de cesáreas en una institución de tercer nivel de atención en Medellín, Colombia Estudio de corte transversa. Rev Colomb Obstet Ginecol. 2013;64(2):90–99. doi: 10.18597/rcog.115. [DOI] [Google Scholar]
  • 16.Ministerio de Salud y Protección Social . Atlas de variaciones geográficas en salud de Colombia 2015- Resultados de partos por cesareas. Ministerio de Salud y Protección Social; 2015. https://www.minsalud.gov.co/sites/rid/Lists/BibliotecaDigital/RIDE/DE/PES/Resultados-generales-atlas-salud-cesareas-2015.pdf [Google Scholar]
  • 17.Hernández-Martínez A, Martínez-Galiano J, Rodríguez-Almagro J, Delgado-Rodríguez M, Gómez-Salgado J. Evidence-based Birth Attendance in Spain Private versus Public Centers. Int J Environ Res Public Health. 2019;16(5):894–894. doi: 10.3390/ijerph16050894. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 18.McLeroy K, Bibeau D, Steckler KGA. An ecological perspective on health promotion programs. Health Educ Q. 1988;15(4):351–377. doi: 10.1177/109019818801500401. [DOI] [PubMed] [Google Scholar]
  • 19.Merlo J, Wagner P, Ghith N, Leckie G. An original stepwise multilevel logistic regression analysis of discriminatory accuracy the case of neighbourhoods and health. PLoS One. 2016;11(4):e0153778. doi: 10.1371/journal.pone.0153778. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 20.Merlo J, Wagner P, Leckie G. A simple multilevel approach for analysing geographical inequalities in public health reports The case of municipality differences in obesity. Health Place. 2019;58:102145–102145. doi: 10.1016/j.healthplace.2019.102145. [DOI] [PubMed] [Google Scholar]
  • 21.Caughey AB, Cahill AG, Guise JM, Rouse DJ. Safe prevention of the primary cesarean delivery This document was developed jointly by the with the assistance of. Am J Obstet Gynecol. 2014;210(3):179–193. doi: 10.1016/j.ajog.2014.01.026. [DOI] [PubMed] [Google Scholar]
  • 22.Merlo J. Multilevel analytical approaches in social epidemiology Measures of health variation compared with traditional measures of association. J Epidemiol Community Health. 2003;57(8):550–552. doi: 10.1136/jech.57.8.550. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 23.Merlo J, Wagner P, Austin PC, Subramanian SV, Leckie G. General and specific contextual effects in multilevel regression analyses and their paradoxical relationship A conceptual tutorial. SSM Popul Heal. 2018;5:33–37. doi: 10.1016/j.ssmph.2018.05.006. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 24.Mulinari S, Juárez SP, Wagner P, Merlo J. Does maternal country of birth matter for understanding offspring's birthweight? A multilevel analysis of individual heterogeneity in Sweden. PLoS One. 2015;10(5):1–19. doi: 10.1371/journal.pone.0129362. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 25.Marmot M. Strategic review of health inequalities in England post 2010. 126th. Fair Society, Healthy Lives; 2010. pp. 1–242. [Google Scholar]
  • 26.Macdonald W, Beeston CMS. Proportionate universalism and health inequalities. NHS Health Scotland; 2014. http://www.healthscotland.com/uploads/documents/24296-ProportionateUniversalismBriefing.pdf [Google Scholar]
  • 27.Departamento Administrativo Nacional de Estadísticas (DANE) Archivo Nacional de Datos Colombia - Estadísticas Vitales - EEVV 2016. DANE. 2016. http://microdatos.dane.gov.co/index.php/catalog/519/related_materials
  • 28.Departamento Administrativo Nacional de Estadísticas (DANE) Boletín departamental Producto Interno Bruto - Colombia 2016. DANE; 2017. [2019 Jun 13]. Available from: https://www.dane.gov.co/files/investigaciones/pib/departamentales/B_2005/Bol_dptal_2016preliminar.pdf . [Google Scholar]
  • 29.Departamento Administrativo Nacional de Estadística -DANE . Producto Interno Bruto (PIB) Departamental 2017. DANE; 2017. pp. 1–13. [Google Scholar]
  • 30.Ministerio de Salud y la Protección Social . Informe Nacional de calidad de la atención en salud 2015. Ministerio de Salud y la Protección Social; 2015. https://www.minsalud.gov.co/sites/rid/Lists/BibliotecaDigital/RIDE/DE/DIJ/informe-nal-calidad-atencion-salud-2015.pdf [Google Scholar]
  • 31.Committee on Fetus and Newborn, American Academy Pediatrics Puntuación Apgar. Pediatrics. 2006;61(4):270–272. [Google Scholar]
  • 32.Ministerio de Salud y Protección Social . Decreto 780 Por medio del cual se expide el Decreto Único Reglamentario del Sector Salud y Protección Social. Ministerio de Salud y Protección Social; 2016. https://www.minsalud.gov.co/Normatividad_Nuevo/Decreto%200780%20de%202016.pdf [Google Scholar]
  • 33.Maas CJM, Hox JJ. Sufficient sample sizes for multilevel modeling. Methodology. 2005;1(3):85–91. doi: 10.1027/1614-2241.1.3.86. [DOI] [Google Scholar]
  • 34.Austin PC, Leckie G. The effect of number of clusters and cluster size on statistical power and Type I error rates when testing random effects variance components in multilevel linear and logistic regression models. J Stat Comput Simul. 2018;88(16):3151–3163. doi: 10.1080/00949655.2018.1504945. [DOI] [Google Scholar]
  • 35.Merlo J, Chaix B, Ohlsson H, Beckman A, Johnell K, Hjerpe P. A brief conceptual tutorial of multilevel analysis in social epidemiology using measures of clustering in multilevel logistic regression to investigate contextual phenomena. Epidemiol Community Heal. 2006;60:290–297. doi: 10.1136/jech.2004.023473. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 36.Larsen K, Merlo J. Appropriate assessment of neighborhood effects on individual health Integrating random and fixed effects in multilevel logistic regression. Am J Epidemiol. 2005;161(1):81–88. doi: 10.1093/aje/kwi252. [DOI] [PubMed] [Google Scholar]
  • 37.Larsen K, Petersen JH, Budtz-Jørgensen E, Endahl E. Interpreting parameters in the logistic regression model with random effects. Biometrics. 2000;56(3):909–914. doi: 10.1111/j.0006-341x.2000.00909.x. [DOI] [PubMed] [Google Scholar]
  • 38.Zbiri S, Rozenberg P, Goffinet F, Milcent C. Cesarean delivery rate and staffing levels of the maternity unit. PLoS One. 2018;13(11):1–14. doi: 10.1371/journal.pone.0207379. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 39.Campillo-Artero C, Serra-Burriel M. Predictive modeling of emergency cesarean delivery. PLoS One. 2018;13(1):1–14. doi: 10.1371/journal.pone.0191248. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 40.DANE . Población indígena de Colombia. Resultados del censo nacional de población y vivienda 2018. DANE; 2018. https://www.dane.gov.co/files/investigaciones/boletines/grupos-etnicos/presentacion-grupos-etnicos-2019.pdf [Google Scholar]
  • 41.Aguirre DS. Partería y cuidado gestacional en las mujeres negras de Buenaventura como mecanismo de transmisión de saberes populares. Universidade Federal da Integração Latino-Americana; 2019. https://dspace.unila.edu.br/handle/123456789/5416;jsessionid=69253487FAA34079EC699CCA31166333 [Google Scholar]
  • 42.Castillo-Santana PT, Vallejo-Rodriguez ED, Cotes-Cantillo KP, Castañeda Orjuela CA. Salud materna indígena en mujeres Nasa y Misak del Cauca tensiones, subordinación y diálogo intercultural entre dos sistemas médicos. Saúde Soc. 2017;26(1):61–74. doi: 10.1590/S0104-12902017168743. [DOI] [Google Scholar]
  • 43.Yaya S, Uthman OA, Amouzou A, Bishwajit G. Disparities in caesarean section prevalence and determinants across sub-Saharan Africa countries. Glob Heal Res Policy. 2018;3:1–9. doi: 10.1186/s41256-018-0074-y. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 44.Shen M. Li L Differences in cesarean section rates by fetal sex among Chinese women in the United States: Does Chinese culture play a role? Econ Hum Biol. 2020;36(100824):1–9. doi: 10.1016/j.ehb.2019.100824. [DOI] [PubMed] [Google Scholar]
  • 45.Alves da Cunha A, Sobrino TM, Gutierrez C, Alarcón VJ. Prevalencia y factores asociados a macrosomia en Perú 2013. Rev Peru Med Exp Salud Publica. 2017;34(1):36–42. doi: 10.17843/rpmesp.2017.341.2765. [DOI] [PubMed] [Google Scholar]
  • 46.Araujo E, Borges A, Perez AC, Elito J, Tonni G. Macrosomia. Best Pract Res Clin Obstet Gynaecol. 2017;38:83–96. doi: 10.1016/j.bpobgyn.2016.08.003. [DOI] [PubMed] [Google Scholar]
  • 47.Khan MN, Islam MM, Shariff AA, Alam MM, Rahman MM. Socio-demographic predictors and average annual rates of caesarean section in Bangladesh between 2004 and 2014. PLoS One. 2017;12(5):1–15. doi: 10.1371/journal.pone.0177579. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 48.Alvis ZN, Alvis GN, Alvis-Zakzuk N, Edna EF, Martinez ZJ, Monterrosa CA. Frecuencia de partos por cesáreas en Cartagena, Colombia, 2006 - 2015. Value Heal. 2017;20(9):A922–A923. doi: 10.1016/j.jval.2017.08.3110. [DOI] [Google Scholar]
  • 49.Muños J. Freyermuth M Ochoa M. Factores asociados al incremento de cesáreas en México , 2011-2014. Población Salud Mesoamerica. 2020;17(2):1–32. doi: 10.15517/psm.v17i2.40047. [DOI] [Google Scholar]
  • 50.Merlo J, Wagner P, Austin PC, Subramanian SV, Leckie G. General and specific contextual effects in multilevel regression analyses and their paradoxical relationship: A conceptual tutorial. SSM Popul Health. 2018;5:33–37. doi: 10.1016/j.ssmph.2018.05.006. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 51.Egan M, Kearns A, Katikireddi SV, Curl A, Lawson K, Tannahill C. Proportionate universalism in practice A quasi-experimental study (GoWell) of a UK neighbourhood renewal programme's impact on health inequalities. Soc Sci Med J. 2016;152:41–49. doi: 10.1016/j.socscimed.2016.01.026. [DOI] [PubMed] [Google Scholar]
  • 52.Merlo J. Multilevel analysis of individual heterogeneity and discriminatory accuracy (MAIHDA) within an intersectional framework. Soc Sci Med. 2018;203:74–80. doi: 10.1016/j.socscimed.2017.12.026. [DOI] [PubMed] [Google Scholar]
Colomb Med (Cali). 2021 Sep 30;52(3):e2044411. [Article in Spanish]

Análisis multinivel del efecto del lugar de nacimiento en la proporción de partos por cesárea en Colombia

Contribución del estudio

1) ¿Por qué se realizó este estudio?
La proporción de partos por cesárea en Colombia es alta. Sin embargo, no se conoce el efecto contextual general ni de características específicas del departamento en la posibilidad individual de cesáreas en Colombia en el año 2016.
2) ¿Cuáles fueron los resultados más relevantes del estudio?
Mediante el análisis multinivel de la heterogeneidad individual, se determinó un efecto contextual del departamento grande. Las diferencias en las características individuales de las gestantes entre los departamentos no explicaron este efecto. Sin embargo, la región a la que pertenecen explicó la mayor parte del efecto contextual. Por lo que el lugar donde se produce el parto juega un rol importante en la posibilidad individual de que éste ocurra por cesárea.
3¿Qué aportan estos resultados?
El efecto grande del departamento, indica que para reducir esta proporción sería eficiente focalizar las intervenciones en algunos departamentos, en particular a aquellos de la región Caribe. La distribución de los residuales mostró que en algunos departamentos la proporción de partos por cesárea estuvo muy por debajo de lo esperado, lo que también amerita especial atención. El análisis multinivel de la heterogeneidad individual puede ser utilizada como una estrategia para la salud pública de precisión en la priorización de intervenciones con enfoque de universalismo proporcional.
Open in a new tab

Introducción

La cesárea está indicada cuando el parto vaginal no es posible por condiciones de la madre, del feto o de la relación entre ambos, y tiene el objetivo de reducir las complicaciones materno-perinatales 1. Sin embargo, este procedimiento no está libre de riesgos. Los recién nacidos por cesárea tienen mayor morbilidad respiratoria, lesiones cortantes sobre la piel, fracturas en cráneo, húmero, clavícula, fémur y lesiones del plexo braquial 2. De igual forma, las madres tienen mayor riesgo de hemorragia uterina, infección de la herida, dificultad respiratoria 3,4, y una inadecuada implantación de la placenta en futuros embarazos 2. Por lo anterior, la cesárea debe indicarse cuando los beneficios superan los riesgos; a pesar ello, la mayoría de las cesáreas no tienen indicación médica específica 5.

Los nacimientos por cesárea en el mundo se han incrementado, pasando de 15% a 33% en los últimos 25 años 6. Su comportamiento varía entre países 7, en Brasil y República Dominicana la proporción de partos por cesárea supera el 50% 8, mientras que en Guatemala es de 18% 9. En Colombia, se ha incrementado desde 24.9% en 1998 2, a 37.2% en 2008 10 y a 44.4% en el 2018 11. Frente a este panorama, la Organización Mundial de la Salud (OMS) ha identificado el parto por cesárea como un problema de salud pública; y ha propuesto que, para mantener el beneficio materno perinatal su proporción debe estar entre 10 y 15% 5,12-14. A su vez, propuso la clasificación de Robson basada en los antecedentes obstétricos y del embarazo actual, como guía para la comparación entre diferentes lugares o instituciones 5. En Colombia, la proporción de los grupos de Robson difieren entre ciudades 13,15, y la proporción de partos por cesárea varía entre los departamentos 16. En este sentido, se ha descrito la influencia de factores contextuales en la vía del parto, como la naturaleza pública o privada de la institución 17, la limitación del recurso humano especializado y la contratación con tarifas diferenciales 2.

La influencia del contexto en los desenlaces en salud es usualmente estudiada desde el modelo ecológico 18, y puede ser cuantificada mediante modelos estadísticos multinivel 19,20. Las ventajas del uso de modelos multinivel en la evaluación de los efectos contextuales han sido ampliamente descritas 21-23. Al utilizar estos modelos, las diferencias, por ejemplo entre departamentos, no son medidas como la simple diferencia entre proporciones, sino como el porcentaje de la varianza total en el riesgo individual de cesárea que se atribuye al nivel del departamento 20, y así determinar el efecto contextual de este nivel. Determinar la relevancia de cada nivel (individual, contextual o ambos) en el desenlace, permitiría identificar aquel donde deberían orientarse las intervenciones para mejorar los indicadores en salud.

Dado que la proporción de partos por cesárea en Colombia es alta, la existencia de un efecto contextual departamental pequeño indicaría que, los departamentos tienen un similar comportamiento y por ende habría que intervenirlos a todos para reducir la proporción de cesáreas. Por el contrario, si el efecto contextual es grande, el departamento juega un papel importante en el riesgo individual y por ello se podrían seleccionar aquellos a priorizar en las intervenciones. Por lo que, este trabajo tuvo como objetivos determinar (i) el efecto contextual general del departamento en la posibilidad u odds de cesáreas, y (ii) el efecto de las características individuales y contexto-específicas en este riesgo. Para ello se utilizó el análisis multinivel de la heterogeneidad individual y capacidad discriminativa 19,24. Sus resultados orientan sobre el tipo de intervención (universal, focalizada o universalismo proporcional) 25,26 que sería más eficiente, para reducir los partos por cesárea en el país.

Materiales y Métodos

Estudio transversal analítico de una cohorte de nacimientos de Colombia. Se utilizó como fuente de información los certificados de nacimientos consolidados en la base de datos del Departamento Administrativo Nacional de Estadística (DANE), entre 1 enero de 2016 hasta el 31 de diciembre de 2016. El certificado fue diligenciado por el profesional de la salud que atiende el parto e inmediatamente después del mismo, usualmente es el médico o la enfermera. En las áreas del país donde no se dispone de este recurso humano, las auxiliares de enfermería y las promotoras de salud están autorizadas para hacerlo. A esta base de datos se puede acceder de manera abierta mediante la página web del DANE. Antes de liberar la información, el DANE, realiza procesos de crítica, codificación, control de calidad y procesamiento de la información 27, además se eliminan los datos de identificación personal y las variables cuantitativas son convertidas a cualitativas para proteger la anonimidad.

El protocolo para este estudio fue aprobado por el comité de ética de la Pontificia Universidad Javeriana sede Cali (Acta 007 de 2019, con fecha de aprobación 28/09/2019).

Se excluyeron los partos no institucionales, dado que no tienen la oportunidad de practicárseles este procedimiento, de hecho, ninguno fue por cesárea, así como los embarazos múltiples por la alta indicación de cesárea en ellos y por la imposibilidad de identificar registros pareados en la base de datos, con lo que el número de nacidos vivos corresponde al número de gestantes. Se excluyeron del análisis aquellos nacimientos con valores perdidos en las variables del estudio.

La variable de resultado fue el tipo de parto, clasificado como cesárea o vaginal (incluye el instrumentado). La variable contextual principal fue el departamento. Desde el punto de vista político administrativo Colombia tiene en 33 divisiones: un distrito capital, Bogotá, y 32 departamentos, los cuales son gobernados desde sus respectivas ciudades capitales. A este nivel se evaluaron características departamento-específicas: se incluyó el producto interno bruto 28 como indicador económico y clasificado según la tasa de crecimiento para 2016 del DANE como decrecimiento (<0%), bajo (0% -1.9%), medio (2% -2.9%) y alto (≥3%) 29, la oportunidad de citas con obstetra, como un indicador de la disponibilidad de especialistas, que fue clasificada como muy baja ( ≥7 días), baja (6-6.99 días), media (5.1-5.99 días) y alta (0-5 días) 30 y la región a la que pertenecen. Los departamentos están agrupados en cinco regiones geográficas: Amazónica, Andina, Orinoquia, Pacífica y Caribe e Insular (Tabla S1, material complementario). Además de la cercanía geográfica, estas regiones comparten culturas similares. Por el poco número de casos en la región Insular y dada su cercanía a la Caribe, se incluyeron ambas en una misma categoría. Se tomó como referencia la región Andina, ya que era la de mayor población.

Como covariables individuales se incluyeron la edad materna, estado civil, nivel educativo según el último año de estudio que aprobó la madre, área de residencia habitual de la madre, área del nacimiento, edad gestacional al nacer, paridad, número de consultas prenatales, etnia, sexo del nacido vivo, peso y talla al nacer. El Apgar del recién nacido 31, fue empleado como un proxi del estado fetal y fue recodificada como normal (≥7), bajo (4-6), y muy bajo (≤3). La etnia del recién nacido se determinó teniendo en cuenta aquellas reconocidas en Colombia: indígena, la afrocolombiana, la Rom o gitano, la raizal y la palanquera; aquellos que refirieron no pertenecer a ninguna etnia usualmente representan la composición mestiza o mixta de la población colombiana.

También se incluyó la afiliación de la madre al sistema de seguridad social en salud en Colombia, que está a cargo de las Entidades Promotoras de Salud quienes deben organizar directa o indirectamente la prestación de los servicios. La mayor parte de la población colombiana está afiliada a las Entidades Promotoras de Salud del régimen contributivo y subsidiado, existiendo más de 40 entidades de ambos regímenes de aseguramiento. Al régimen contributivo pertenecen todos los asalariados, pensionados y trabajadores independientes con ingresos iguales o superiores a un salario mínimo; al subsidiado pertenecen todas las personas sin capacidad de pago y no cubiertas por el régimen contributivo. También existe el régimen al especial o de excepción al cual pertenecen el Magisterio, las Fuerzas Militares, la Policía Nacional y quienes laboran en las universidades públicas o en la Empresa Colombiana de Petróleos; y el régimen vinculado o no asegurado al cual pertenece aquella población urbana y rural identificada como pobre por el Sistema de Identificación de Potenciales Beneficiarios, y las poblaciones especiales registradas en los listados censales que no se encuentran afiliadas al Régimen Subsidiado 32.

Los análisis estadísticos fueron realizados en Stata 15 (Stata Corp., College Station, TX, USA). Se determinaron las diferencias en las proporciones de las variables según el tipo de parto, y su significancia estadística se determinó mediante prueba de Ji 2 o test exacto de Fisher. Para seleccionar las variables a incluir en el modelo múltiple, se realizó una regresión logística de un solo nivel y se utilizó la estrategia backward para la construcción del modelo más parsimonioso. Se mantuvieron aquellas variables que se relacionaron de manera significativa (p <0.05) con la cesárea (Tabla S2, material complementario). Posteriormente, se realizaron tres modelos de regresión logística multinivel, con dos niveles jerárquicos, el nivel 1: individuo y el nivel 2: departamento. Si bien la región podría considerarse como un tercer nivel, ésta fue incluida como un efecto fijo. Lo anterior porque diferentes simulaciones han demostrado que cuando el número de grupos en el nivel es pequeño, la varianza de ese nivel es usualmente subestimada, así como sus errores estándares 33,34.

Se elaboró un modelo multinivel nulo (Modelo 1) incluyendo solo el intercepto aleatorio del departamento. Este modelo permitió determinar la máxima contribución del nivel departamental en relación con las diferencias individuales en la posibilidad/odds de cesárea. Este efecto contextual general fue cuantificado mediante el Coeficiente de Partición de Varianza, estimado por el método de la variable latente 35. El Coeficiente de Partición de Varianza, expresa el porcentaje en la variación en el odds individual de tener una cesárea que es explicado por las diferencias entre los departamentos. A mayor valor, mayor la influencia del departamento en el odds de parto por cesárea. Tomando en consideración referencias previas 20, se clasificó el efecto contextual general como ausente si los valores porcentuales del Coeficiente de Partición de Varianza estaban entre 0-1, pequeño de 1-5, mediano de 5-10, grande de10-20 y muy grande si era >20. Adicionalmente se cuantificó la mediana de la oportunidad relativa. La mediana de la oportunidad relativa es la mediana de la razón de posibilidades u odds, entre el departamento de mayor riesgo y el de menor riesgo cuando se seleccionan aleatoriamente dos individuos de departamentos diferentes, y cuantifica el riesgo de cesárea que tendría una mujer si se mudara de un departamento de menor a uno con mayor riesgo 35.

Dado que el modelo nulo puede sufrir de efecto de confusión composicional, es decir, las diferencias entre los departamentos podrían deberse a una composición diferente de sus individuos y no a efectos contextuales, se elaboró un modelo incluyendo las variables individuales (Modelo 2). Se calculó el Coeficiente de Partición de Varianza del modelo 2, para determinar el efecto contextual general del departamento ajustado por las variables individuales. Este modelo permitió identificar hasta qué punto las diferencias en las variables individuales entre departamentos explicaban el efecto contextual general del departamento observado en el modelo 1. La comparación del efecto contextual general entre modelos se hizo mediante el Coeficiente de Partición de Varianza y no mediante la varianza de segundo nivel, ya que puede existir un fenómeno de re-escalación al incluir variables individuales (de primer nivel). Los coeficientes de las variables individuales obtenidos del modelo 2, cuantifican el efecto de una variable en el odds de cesáreas, manteniendo constantes el departamento y las otras variables individuales del modelo.

Posteriormente se incorporaron las variables contextuales (Modelo 3) para evaluar si el efecto contextual se explicaba por características específicas del departamento. Los coeficientes de las variables contextuales se interpretan de manera similar a las individuales. Sin embargo, dado que las variables contextuales son constantes por departamento, la interpretación de sus coeficientes puede ser problemática 36. Por ello se calculó el intervalo del 80% de la oportunidad relativa 36,37, que cuantifica el efecto de la variable contextual con respecto a la varianza entre departamentos. El intervalo del 80% de la oportunidad relativa se define como el rango donde está el 80% de la distribución de los OR derivados de la comparación vis a vis aleatoria entre departamentos expuestos y no expuestos a la variable contextual. Si el intervalo del 80% de la oportunidad relativa no contiene la unidad, el efecto de la variable contextual está bien definido, si contiene la unidad la variabilidad no explicada es mayor que el efecto de la variable de contexto y por tanto puede que existan casos donde la asociación tiene dirección opuesta a la observada 19. Para los modelos 2 y 3 también se determinó el Coeficiente de Partición de Varianza y la mediana de la oportunidad relativa. Para el modelo 3 se determinó además el porcentaje de cambio en la varianza, que cuantifica la reducción en la varianza a nivel de departamento cuando se mueve del modelo 2 al 3, y es interpretada como la variación entre departamentos que es atribuida el efecto de las variables contextuales. Para determinar el modelo que más se ajustó a los datos se utilizó el criterio de información bayesiana.

Los residuales por departamento de cada modelo fueron graficados junto a sus intervalos de confianza (IC95%). Un residual de valor cero representa el promedio de cesáreas entre los departamentos, los residuales por encima y por debajo de cero recogen la diferencia entre cada departamento y el promedio de estos, que no es explicada por las variables contenidas en los modelos. Por tanto, los residuales junto con la información sobre el efecto contextual general, permiten identificar aquellos departamentos a los cuales se deben orientar las intervenciones en salud pública en el caso que este efecto sea grande. En el material suplementario, se muestra una tabla con los posibles escenarios que pueden derivarse del análisis multinivel de la heterogeneidad individual, su interpretación y si las intervenciones para lograr las recomendaciones de la OMS a nivel de país deberían dirigirse a todos los departamentos o a algunos en particular (Tabla S3, material complementario).

Resultados

Durante 2016 se registraron 647,521 nacimientos de los cuales 647,363 tenían información respecto al tipo de parto, 640,522 de los cuales fueron realizados en instituciones de salud. Entre los que cumplieron los criterios de elegibilidad, el 0.10% tenían datos perdidos en las variables de exposición (n= 658), por lo que se realizó un análisis de datos completos. La Figura 1 muestra el flujograma de la población estudiada. La proporción de mujeres con fetos únicos que fueron atendidas en instituciones de salud y tuvieron parto por cesárea en el 2016 fue de 45.5% (IC 95%: 45.4%-45.6%) de un total de 628,780 partos incluidos en el presente análisis. La Figura 2 muestra que la proporción de cesáreas osciló entre un 5% en Vichada hasta 76% en San Andrés y Providencia. La Tabla 1 muestra las características de toda la población y según el tipo de parto. Con excepción de la paridad, se observaron diferencias estadísticamente significativas entre la cesárea y el parto vaginal en todas las variables de estudio. La Tabla 2 muestra que según el modelo 1, el 15% de la varianza total de los partos por cesáreas se atribuye al departamento y que el modelo que mejor se ajustó a los datos fue el 2.

Figura 1. Flujograma de la población de estudio, correspondiente a los certificados de nacimientos ocurridos en Colombia durante el año 2016 con información sobre el tipo de parto.

Figura 1

Open in a new tab

Figura 2. Distribución de la proporción de partos por cesáreas entre los partos institucionales de embarazadas con fetos únicos, ordenadas de menor a mayor según los departamentos de Colombia en el año 2016.

Figura 2

Open in a new tab

Tabla 1. Características de la población de estudio y según el tipo de parto (vaginal o cesárea) de embarazos con feto único ocurridos en instituciones de Colombia durante el año 2016.

Características Total N= 628,780 Tipo de parto
Vaginal N= 342,641 Cesárea N= 286,139 Valor p
n (%) n (%) n (%)
Características individuales
Edad materna (años)
<20 132.625 (21.09) 81.132 (23.68) 51.493 (18.00) <0.001
20-39 482.768 (76.78) 255.669 (74.62) 227.104 (79.37)
≥40 13.387 (2.13) 5.841 (1.70) 7.546 (2.64)
Estado Civil
Casada, unión libre 524.402 (83.40) 280.844 (81.96) 243.558 (85.12) <0.001
Soltera, viuda, separada 89.982 (14.31) 55.097 (16.08) 34.885 (12.19)
Sin información 14.396 (2.29) 6.700 (1.96) 7.696 (2.69)
Nivel educativo
Universitario, Posgrado 75.765 (12.52) 30.177 (9.11) 45.588 (16.63) <0.001
Técnica, Tecnológica 72.777 (12.02) 36.433 (11.00) 36.344 (13.26)
Secundaria, Media, Normalista 370.884 (61.27) 210.474 (63.56) 160.410 (58.51)
Ninguno, Primaria 85.901 (14.19) 54.076 (16.33) 31.825 (11.61)
Régimen de seguridad social en salud
Contributivo 274.836 (43.71) 140.723 (41.07) 134.113 (46.87) <0.001
Subsidiado 323.384 (51.43) 185.600 (54.17) 137.784 (48.15)
Excepción o Especial 16.357 (2.60) 7.406 (2.16) 8.951 (3.13)
No asegurado 14.203 (2.26) 8.912 (2.60) 5.291 (1.85)
Área de residencia habitual de la madre
Cabecera Municipal 504.113 (80.17) 264.434 (77.18) 239.679 (83.76) <0.001
Centro poblado 45.408 (7.22) 26.355 (7.69) 19.053 (6.66)
Rural disperso 79.259 (12.61) 51.852 (15.13) 27.407 (9.58)
Área de nacimiento
Cabecera Municipal 626.556 (99.65) 340.579 (99.40) 285.984 (99.94) <0.001
Centro poblado 1639(0.26) 1610(0.47) 29(0.01)
Rural disperso 585(0.09) 452(0.13) 133(0.05)
Tiempo de gestación del nacido vivo (semanas)
< 27 2.229 (0.35) 1.026(0.30) 1.203(0.42) <0.001
28-37 117.175 (18.64) 54.170(15.81) 63.005(22.02)
38-41 508.070 (80.80) 286.660(83.66) 221.410(77.38)
≥42 1.306 (0.21) 785(0.23) 521(0.18)
Paridad
Primípara 307580 (48.92) 167.882 (49.00) 139.698 (48.82) 0.167
Multípara 321.200 (51.08) 174.759 (51.00) 146.441 (51.18)
Numero de consulta prenatales
<5 116.535 (18.53) 72.567 (21.18) 43.968 (15.37) <0.001
5-9 459.718 (73.11) 243.837 (71.16) 215.881 (75.45)
≥10 52.527 (8.35) 26.237 (7.66) 26.290 (9.19)
Etnia del recién nacido
Ninguna 585.186 (93.07) 313.845 (91.60) 271.341 (94.83) <0.001
Indígena 13.535 (2.15) 10.778 (3.15) 2.757 (0.96)
ROM 43(0.01) 26(0.01) 17(0.01)
Afrocolombiano/negro /mulato Palenquera /Raizal 30.016(4.77) 17.992(5.25) 12.024(4.20)
Sexo del recién nacido
Masculino 323.608 (51.47) 174.706 (50.99) 148.902 (52.04) <0.001
Femenino 305.172 (48.53) 167.935 (49.01) 137.237 (47.96)
Peso del recién nacido (g)
Normal 2500-3999 560.623(89.16) 313.592(91.52) 247.031(86.33) <0.001
Bajo peso <2500 g 50.577 (8.04) 21.957 (6.41) 28.620 (10.00)
Macrosómico ≥4000 g 17.580(2.80) 7.092(2.07) 10.488(3.67)
Talla del recién nacido (cm)
≥50 378.203 (60.22) 211.024 (61.59) 167.636 (58.59) <0.001
<50 250.120 (39.78) 131.617 (38.41) 118.503 (41.41)
Apgar al minuto
Normal ≥7 608.674(96.80) 331.406(96.72) 277.268(96.90) <0.001
Bajo 4-6 16.934(2.69) 9.523(2.78) 7.411(2.59)
Muy bajo ≤3 3.172(0.50) 1.712(0.50) 1.460(0.51)
Características contextuales
Región
Andina 330.935 (52.63) 202.530 (59.11) 128.405 (44.88) <0.001
Amazonas 13.223 (2.10) 8.400 (2.45) 4.823 (1.69)
Caribe e Insular 171.485 (27.27) 61.534 (17.96) 109.955 (38.43)
Orinoquia 25.556 (4.06) 17.207 (5.02) 8.348 (2.92)
Pacífica 87.581/13.93) 52.970 (15.46) 34.611 (12.10)
Crecimiento del Producto Interno Bruto
Decrecimiento 60.411 (9.61) 37.700(11.00) 22.711(7.94) <0.001
Bajo 139.102 (22.12) 65.505(19.12) 73.597(25.72)
Medio 207.374 (32.98) 129.064(37.67) 78.310(27.37)
Alto 221.893 (35.29) 110.064(32.21) 111.521(38.97)
Oportunidad de cita obstétrica
Muy bajo 383.868 (61.05) 200.047(58.38) 183.821(64.24) <0.001
Bajo 147.069 (23.39) 91.029 (26.57) 56.040 (19.58)
Medio 61.295 (9.75) 32.245 (9.41) 29.050 (10.15)
Alto 36.548 (5.81) 19.320 (5.64) 17.228 (6.02)
Open in a new tab

Tabla 2. Efectos aleatorios y bondad del ajuste de los modelos logísticos multinivel nulo (Modelo 1), con variables individuales (Modelo 2) y con variables individuales y contextuales (Modelo 3) en el odds de cesárea en los partos institucionales de embarazos con feto único ocurridos en Colombia durante el año 2016.

Modelo 1 Modelo 2 Modelo 3
(IC 95%) (IC 95%) (IC 95%)
Varianza 0.62(0.38-1.02) 0.57(0.35-0.94) 0.16(0.10-0.27)
CPV 15.86 14.84 7.12
PCV - - 71.15
MOR 2.12(1.80-2.61) 2.06(1.76-2.52) 1.47(1.35-1.6517)
BIC 819488 759980.2 760073.6
Open in a new tab

CPV (Coeficiente de partición de varianza), PCV (Proporción de cambio de varianza), MOR (Mediana de Oportunidades Relativas) y BIC (Criterio de información bayesiano)

La Tabla 3 muestra las medidas de asociación de las variables individuales y contextuales derivadas de los modelos múltiples. Con base en el modelo 2, la cesárea se asoció de manera positiva con la mayor edad materna, mayor número de consultas prenatales, el bajo peso, la macrosomía y la baja talla al nacer y un incremento pequeño se observó entre la semana 28 y 37 comparado con las menores de 28 semanas, así como del régimen de excepción comparado con el contributivo. Por el contrario, ser soltera viuda o separada, menor nivel educativo, pertenecer al régimen subsidiado o no asegurado, residir o tener el parto fuera de la cabecera municipal, tiempo de gestación mayor a 38 semanas, pertenecer a alguna etnia, con hijos del sexo femenino y el APGAR bajo redujeron el odds de cesáreas, respecto a sus categorías de referencia. Respecto a las variables de contexto, el odds de cesárea en la región Caribe e Insular fue casi cuatro veces el odds de la región Andina. No se observaron efectos significativos de la oportunidad de citas ni del PIB en la proporción de cesáreas.

Tabla 3. Medidas de asociación obtenidas de los modelos logísticos multinivel con variables individuales (Modelo 2) y variables individuales y contextuales (Modelo 3) de la posibilidad de cesáreas en los partos institucionales de embarazos con feto único ocurridos en Colombia durante el año 2016.

Variables Modelo 2 Modelo 3
OR (IC 95%) OR (IC 95%)
Efectos de las variables individuales
Edad materna (años)
<20
20-39 1.21(1.19 -1.23) 1.21(1.19-1.23)
≥40 1.91(1.84 -1.99) 1.91(1.84-1.99)
Estado civil
Casada, unión libre
Soltera, viuda, separada 0.95 (0.94 - 0.97) 0.95 (0.94 - 0.97)
Sin información 1.03 (0.96 - 1.10) 1.03 (0.96 - 1.09)
Educación
Universitaria/posgrado
Técnica/ tecnológica 0.65 (0.64 - 0.67) 0.65 (0.64 - 0.67)
Secundaria/media 0.57 (0.56 - 0.59) 0.57 (0.56 - 0.59)
Ninguno o primaria 0.48 (0.47 - 0.49) 0.48 ( 0.47 - 0.49)
Régimen Seguridad Social en salud de la madre
Contributivo
Subsidiado 0.79 (0.78 - 0.80) 0.79 (0.78 - 0.80)
Excepción o Especial 1.09 (1.06 - 1.14) 1.09 (1.06 - 1.14)
No asegurado 0.75 (0.72 - 0.78) 0.75 (0.72 - 078)
Área de residencia habitual de la madre
Cabecera Municipal
Centro poblado 0.81 (0.79 - 0.83) 0.81 (0.79 - 0.83)
Rural disperso 0.85 (0.83 - 0.87) 0.85 (0.83 - 0.87)
Área del Nacimiento
Cabecera Municipal
Centro poblado 0.04 (0.03-0.06) 0.04 (0.03 - 0.06)
Rural disperso 0.52 (0.42-0.64) 0.51 (0.42 - 0.64)
Tiempo de gestación del nacido vivo, semanas
<28
28-37 1.11(1.01-1.22) 1.11(1.01-1.22)
38-41 0.83(0.76-0.91) 0.83(0.76-0.91)
≥42 0.84(0.72-0.98) 0.84(0.72-.098)
Paridad
Primípara
Multípara 1.02 (1.00 - 1.03) 1.02 (1.00 - 1.03)
Número de consultas prenatales
<5
5 A 9 1.32 (1.30 - 1.34) 1.32 (1.30 - 1.34)
>=10 1.52 (1.49 - 1.56) 1.52 (1.49 - 1.56)
Etnia del recién nacido
Ninguna
Indígena 0.33 (0.31 - 0.35) 0.33(0.31 - 0.35)
Rom 0.72 (0.37 - 1.40) 0.72 (0.37-1.40)
Afrocolombiano/Negro /Mulato/Raizal/Palenquera 0.89 (0.87 - 0.92) 0.89(0.87 - 0.92)
Sexo del recién nacido
Masculino
Femenino 0.95(0.94 - 0.96) 0.95 (0.94-0.96)
Peso del recién nacido
Normal
Bajo 1.49 (1.45 - 1.52) 1.49 (1.45 - 1.52)
Macrosómico 2.06 (1.99 - 2.13) 2.06 (1.99 - 2.13)
Talla del recién nacido (cm)
≥50
<50 1.12 (1.11 - 1.14) 1.12(1.11 - 1.14)
Apgar del recién nacido
Normal
Bajo 0.93 (0.90 - 0.96) 0.93 (0.90 - 0.96)
Muy Bajo 1.05 (0.97-1.14) 1.05 (0.97 - 1.14)
Efectos específicos del contexto
Región
Andina Ref
Amazonía 1.39 (0.86-2.24)
Caribe e Insular 3.88 (2.65 -5.67)
Orinoquia 0.61 (0.34 -1.10)
Pacífico 1.36 (0.83-2.22)
Crecimiento del Producto interno bruto
Decrecimiento Ref
Bajo 0.97 (0.62 -1.53)
Medio 0.71 (0.43 - 1.18)
Alto 0.82 (0.48 - 1.41)
Oportunidad de citas con ginecobstetricia
Muy bajo Ref
Bajo 0.83 (0.54-1.25)
Medio 1.06 (0.67-1.68)
Alta 0.65 (0.39-1.09)
Open in a new tab

Las variables individuales no modificaron sustancialmente el Coeficiente de Partición de Varianza. Por su parte, las variables contextuales lograron explicar hasta un 71% de la varianza. Si una gestante se mueve de un departamento con bajo a uno de alto riesgo el incremento en la posibilidad de cesárea fue de 2.06, y de 1.47 cuando además este movimiento ocurre entre departamentos de la misma región, con igual PIB y oportunidad de citas de obstetricia. El intervalo del 80% de la oportunidad relativa de las variables contextuales contuvieron la unidad (no se presenta en estos resultados), excepto el de la región Caribe e Insular que osciló entre 1.87-8.26. La Figura 3 muestra un mayor aplanamiento de los residuales después del ajuste contextual en el modelo 3. La Tabla 4. muestra que, después de ajustar por covariables, los departamentos con menor proporción de cesáreas fueron Vichada, Risaralda y Quindío, y los de mayor fueron San Andrés, Providencia y Santa Catalina, Sucre y Córdoba.

Figura 3. Distribución de los residuales y sus intervalos de confianza (IC 95%) de los modelos multinivel ordenados de menor a mayor por departamentos. Modelo Nulo (Modelo 1), Modelo con variables individuales (Modelo 2), Modelo completo con variables contextuales e individuales (Modelo 3).

Figura 3

Open in a new tab

Tabla 4. Departamentos de Colombia ordenados de menor a mayor según el valor de los residuales de los de los modelos multinivel: Nulo (Modelo 1), con variables individuales (Modelo 2), y con variables contextuales e individuales (Modelo 3).

Orden Modelo 1 Modelo 2 Modelo 3
1 Vichada Vichada Vichada
2 Vaupés Risaralda Risaralda
3 Amazonas Quindío Putumayo
4 Choco Caldas Caldas
5 Caldas Antioquia Choco
6 Risaralda Meta Bolívar
7 Quindío Cundinamarca Quindío
8 Meta Boyacá Guaviare
9 Cundinamarca Choco Magdalena
10 Antioquia Tolima Valle del Cauca
11 Guaviare Valle del Cauca Atlántico
12 Putumayo Vaupés Vaupés
13 Boyacá Bogotá Amazonas
14 Guainía Putumayo Huila
15 Tolima Amazonas Cundinamarca
16 Cauca Huila Cesar
17 Arauca Guaviare La Guajira
18 Valle del Cauca Casanare Bogotá
19 Huila Cauca Caquetá
20 Casanare Arauca Antioquia
21 Caquetá Caquetá Meta
22 Bogotá Santander Boyacá
23 La Guajira Norte de Santander Córdoba
24 Nariño Nariño Cauca
25 Norte de Santander Bolívar Tolima
26 Santander Cesar Nariño
27 Cesar Guainía San Andrés, Providencia y Santa Catalina
28 Bolívar Atlántico Sucre
29 Magdalena Magdalena Santander
30 Córdoba La Guajira Casanare
31 Atlántico Córdoba Arauca
32 Sucre San Andrés, Providencia y Santa Catalina Norte de Santander
33 San Andrés, Providencia y Santa Catalina Sucre Guainía
Open in a new tab

Discusión

La proporción de cesáreas encontrada fue del 45%, valor superior a las metas sugeridas por la OMS 5. Utilizando el análisis multinivel de la heterogeneidad individual, se encontró un efecto contextual general del departamento grande, ya que 15% de la variación en la proporción de cesáreas se encontró este nivel. La diferencia en la composición de los individuos entre los departamentos no explicó el efecto contextual general observado, que sí fue explicado por la región a la que pertenece el departamento. En particular, la región Caribe e Insular mostró un odds casi 4 veces superior a la región Andina y un el intervalo del 80% de la oportunidad relativa superior a la unidad. Este efecto contexto-específico fue superior a la mayoría de los efectos de las variables individuales, a pesar de darse en un contexto de un Coeficiente de Partición de Varianza alto; y sugiere, que el departamento y la región donde se atiende el parto en Colombia, juegan un papel importante en la posibilidad que este se realice por cesárea.

Al incluir la región como efecto fijo de segundo nivel, el Coeficiente de Partición de Varianza se redujo sustancialmente. Las regiones en Colombia tienen marcadas diferencias culturales, lo que unido a las diferencias en las prácticas obstétricas 4,12 y las condiciones de las salas de parto podrían explicar esta influencia del lugar. Se ha demostrado, por ejemplo, que tener obstetras y enfermeras de tiempo completo reduce el riesgo de cesárea 38, dado que esto permite compartir las decisiones con otros colegas, participar en juntas médicas y el desarrollo de estrategias y protocolos institucionales para la gestión médica. Prácticas como la preferencia de la cesárea cuando el parto ocurre en la noche 39, o la práctica por complacencia pueden ser compartidas más fácilmente entre los profesionales de una misma región o departamento. De hecho, un mismo profesional puede desplazarse a municipios de diferentes departamentos de la misma región y con él sus prácticas, por ejemplo, entre las ciudades capitales de Bolívar (Cartagena), Atlántico Barranquilla) y Magdalena (Santa Marta).

Si bien los departamentos del Caribe mostraron el mayor riesgo de cesáreas, después de ajustar por las variables individuales y contextuales, departamentos de otras regiones como Guainía, Arauca y los Santanderes, mostraron una proporción de partos por cesárea superior al resto de los departamentos de su misma región. Esta heterogeneidad se observa al interior de la Amazonía, donde los departamentos Putumayo y Guainía tuvieron comportamientos similares en el análisis crudo pero diferentes en los análisis ajustados. Aunque este estudio no evaluó la proporción étnica a nivel departamental, en Guanía hay más comunidades étnicas que en Putumayo 40 y a nivel individual, pertenecer a alguna etnia reduce la posibilidad de cesáreas, por lo que es posible que después de ajustar por esta variable individual, Guainía muestre un mayor riesgo respecto a lo esperado según la distribución de esta variable en el departamento. Las comunidades étnicas tienen confianza en sus saberes ancestrales incluyendo la partería 41,42, y es posible que incluso aquellas gestantes que asistan o sean derivadas a las instituciones de salud, prefieran la modalidad de parto vaginal.

Este efecto de lugar fue encontrado a nivel de país entre aquellos del África subsahariana 43, y a nivel de hospital (Coeficiente de Partición de Varianza del 20%) en Colombia en 2007, este último incluyó solamente instituciones del régimen contributivo de una sola Entidades Promotoras de Salud, y sus resultados también mostraron que la región explicaba un tercio de la variación entre hospitales 12. Por su parte las variables individuales se asociaron de manera modesta con el odds de cesáreas (OR <2). Nuestros resultados coinciden con reportes previos los cuales mostraron que las mujeres que viven en familias con alto nivel socioeconómico, o aquellas con fetos masculinos 43-45, macrosómicos 45,46, aquellas de zonas urbanas y alto nivel educativo 8,47 tienen mayor oportunidad de tener una cesárea. Así mismo, el mayor número de consultas prenatales se asoció a mayor posibilidad de cesárea, lo cual podría explicarse porque aquellas con mayores factores de riesgo son seguidas con mayor frecuencia (48,49.

En nuestro conocimiento, este es el primer estudio en determinar el efecto contextual general (del departamento) y específico (la región a que pertenecen) en la posibilidad de cesáreas en Colombia. Si bien la varianza de nivel 2 en el análisis multinivel suele utilizarse solo para controlar correlaciones entre individuos de un mismo nivel, en nuestro estudio esta varianza es en sí, un resultado de interés, como medida del efecto contextual general. En cuanto al efecto contextual específico, un efecto contextual grande, como el observado en este estudio, podría condicionar una mayor probabilidad de error tipo 2, decir que no hay efecto específico de la variable contextual cuando realmente lo hay 50. Por otra parte, el hecho que fueran solo cinco regiones limitó que esta variable fuera considerada como un nivel de análisis. Al no considerarla como un nivel, las estimaciones de la incertidumbre de esta variable podrían ser en realidad menos precisas que las obtenidas, dado al sobredimensionamiento del tamaño muestral que se hace al desconocer la correlación existente entre individuos de una misma región. A pesar de ello, la región Caribe se asoció de manera positiva con la posibilidad de cesáreas en Colombia, lo que amerita especial atención y nuevos estudios para comprender este comportamiento.

Una de las principales limitaciones del estudio fue la imposibilidad de evaluar otros factores de riesgo de nivel individual. Por ejemplo, el acceso a los servicios, los trastornos hipertensivos, diabetes o la cesárea previa, que constituyen indicaciones clínicas de cesárea. Respecto a este último factor, al restringir los análisis a las primíparas, el Coeficiente de Partición de Varianza del modelo nulo fue igualmente alto: 14.14 (9.07-21.38). La existencia de una confusión residual no podría descartarse dado el carácter cualitativo de las variables y las categorías predefinidas por el DANE. Tampoco se pudo identificar si la cesárea fue electiva, de urgencia, indicada durante el parto o por complacencia. Adicionalmente, se observó una mayor presencia de los factores de riesgo entre aquellas con datos perdidos, lo cual pudo subestimar la medida del efecto de estas variables; no obstante, su impacto debe ser pequeño dada la poca cantidad de datos sin información, y que los mismos no estuvieron asociados a la variable desenlace. De hecho, incluirlos no impactó el Coeficiente de Partición de Varianza del modelo vacío.

De otra parte, se podría cuestionar el uso de la regresión logística en la estimación de los coeficientes de las variables individuales para un resultado con alta prevalencia. Como alternativa, se han plateado otros modelos como la regresión de Poisson modificada, la regresión binomial o la Log-Log complementaria. Al analizar los datos con la regresión de Poisson modificada, los coeficientes fueron muy similares en términos de magnitud y significancia estadística; aunque y como era de esperarse, una discreta mayor magnitud de los mismos en la logística (Tabla S2, material complementario). Dado que el objetivo principal de esta investigación fue la estimación del efecto contextual, se optó por la logística dada la facilidad en su interpretación, su mayor desarrollo en el análisis multinivel y mejor convergencia de los modelos.

Conclusión

El departamento y la región tienen un efecto en la posibilidad de partos por cesárea en Colombia, independientemente de los factores individuales. Nuestros resultados sugieren que se requieren intervenciones para reducir la proporción de cesáreas orientadas con el enfoque de “universalismo proporcional” 25,26, con acciones en todos los departamentos, pero con una intensidad y orientación proporcional a la desventaja 51, por ejemplo, intervenciones focalizadas en la región Caribe podrían ser más efectivas para reducir la proporción de partos por cesárea en el país. Dado que la alta proporción de cesárea se ha mantenido a lo largo de los años 2,10, se requieren políticas institucionales para su adecuada indicación y estudios que determinen el impacto de este procedimiento sobre los desenlaces materno-perinatales en el país. Finalmente, nuestros resultados sugieren el uso del análisis multinivel de la heterogeneidad individual, como estrategia de análisis que puede ser aplicada a otros resultados de interés para orientar la salud pública de precisión 52.

Agradecimiento:

A George Leckie, por su retroalimentación sobre el uso de la regresión logística multinivel en comparación con la Poisson.

Material complementario.

Tabla S1. Departamentos agrupados según las regiones de Colombia.

Región Departamentos
Amazonía Amazonas, Caquetá, Guainía, Guaviare Putumayo y Vaupés
Andina Antioquia, Boyacá, Caldas, Cundinamarca (incluye a Bogotá), Huila, Norte de Santander, Quindío, Risaralda, Santander y Tolima
Caribe e Insular Atlántico, Bolívar, Cesar, Córdoba, Guajira, Magdalena, San Andrés, Providencia y Sucre
Orinoquia Arauca, Casanare, Meta y Vichada.
Pacífica Chocó, Valle del Cauca, Cauca y Nariño.
Open in a new tab

Tabla S2. Medidas de asociación obtenidas del modelo logístico múltiple y de la regresión de Poisson modificada de un solo nivel, del parto institucionales por cesáreas en embarazos con feto único ocurridos en Colombia durante el año 2016.

Variables Modelo un solo nivel OR(IC 95%) Modelo un solo nivel IRR(IC 95%)
Edad materna (años)
<20
20-39 1.16 (1.15-1.18) 1.09 (1.08-1.10)
≥40 1.73 (1.67-1.79) 1.30 (1.29-1.33)
Estado civil
Casada, unión libre
Soltera, viuda, separada 0.78 (0.77 - 0.79) 0.87(0.86-0.88)
Sin información 1.13 (1.06 - 1.20) 1.07(1.03-1.10)
Educación
Universitaria/posgrado
Técnica/ tecnológica 0.67 (0.65 - 0.69) 0.84 (0.83 - 0.85)
Secundaria/media 0.56 (0.56 - 0.57) 0.77 (0.76 - 0.77)
Ninguno o primaria 0.48 ( 0.47 - 0.49) 0.70 (0.69 - 0.71)
Régimen Seguridad Social en salud de la madre
Contributivo
Subsidiado 1.08 (1.06 - 1.09) 1.04 (1.04-1.05)
Excepción o Especial 1.18 (1.15 - 1.23) 1.08 (1.07-1.10)
No asegurado 0.86 (0.83 - 0.90) 0.92 (0.90-0.94)
Área de Residencia habitual de la madre
Cabecera Municipal
Centro poblado 0.97 (0.95 - 0.99) 0.99 (0.97 - 0.99)
Rural disperso 0.72 (0.71 - 0.74) 0.83 (0.82 - 0.84)
Área de Nacimiento
Cabecera Municipal
Centro poblado 0.04 (0.03-0.06) 0.06 (0.04-0.09)
Rural disperso 0.56 (0.46-0.69) 0.68 (0.59-0.78)
Tiempo de gestación del nacido vivo (semanas)
<28
28-37 1.00 (0.91-1.10) 0.98 (0.95-1.02)
38-41 0.71 (0.65-0.78) 0.83 (0.79-0.86)
≥42 0.73 (0.63-0.85) 0.84 (0.78-0.91)
Paridad
Primípara
Multípara 1.02 (1.01 - 1.03) 1.01 (1.00-1.02)
Número de consultas prenatales
<5
5 A 9 1.30 (1.28 - 1.32) 1.16 (1.15-1.17)
>=10 1.30 (1.27 - 1.32) 1.16 (1.14-1.17)
Etnia del recién nacido
Ninguna Ref.
Indígena 0.44 (0.42 - 0.47) 0.57 (0.55-0.59)
Rom 0.76 (0.40 - 1.43) 0.85 (0.58-1.26)
Afrocolombiano/Negro /Mulato/Raizal/Palenquera 0.85 (0.82 - 0.87) 0.91 (0.90-0.92)
Sexo del recién nacido
Masculino
Femenino 0.96 (0.95-0.97) 0.98 (0.97-0.98)
Peso del recién nacido
Normal
Bajo 1.39 (1.36-1.42) 1.17 (1.15-1.18)
Macrosómico 1.98 (1.92.-2.05) 1.38 (1.36-1.40)
Talla del recién nacido (cm)
≥50
<50 1.06 (1.05 - 1.07) 1.03 (1.03-1.03)
Apgar del recién nacido
Normal
Bajo 0.88 (0.85 - 0.91) 0.93 (0.92-0.95)
Muy Bajo 0.91 (0.85 - 0.98) 0.96 (0.92-0.99)
Open in a new tab

IRR: Incidence Rate Ratio, OR: Odds Ratio

Tabla S3. Escenarios de los posibles resultados del análisis multinivel de la heterogeneidad individual y discriminación diagnóstica, para determinar el efecto contextual general del departamento en la posibilidad individual de parto por cesárea, su interpretación y tipo de intervención que podría requerirse en el país para lograr proporciones adecuadas de este procedimiento quirúrgico.

Efecto contextual (VPC) Proporción de cesáreas en Colombia en comparación con lo sugerido por la OMS
Superior a lo sugerido Propósito: reducir la proporción Igual a lo sugerido Propósito: mantener la proporción Inferior a lo sugerido Propósito: alcanzar la proporción
Medio/Bajo El país tiene mayor proporción de cesáreas que lo esperado, y no hay diferencias entre los departamentos. Intervención: universal. El país tiene la proporción de cesáreas esperadas, y no hay diferencias entre los departamentos. Intervención: universal. El país tiene menor proporción de cesáreas que lo esperado, y no hay diferencias entre los departamentos. Intervención: universal, pero sería necesario revisar la necesidad de incrementar la proporción en el país para mantener los beneficios para del binomio madre-hijo.
Alto El país tiene mayor proporción de cesáreas que lo esperado, pero hay diferencias entre los departamentos. Algunos incluso pueden estar muy por debajo de lo esperado. Intervención: universalismo proporcional. Intervenir todos para reducir la proporción, con mayor énfasis en aquellos departamentos con residuales muy altos, y revisar si es necesario mantenerla o incrementarla en aquellos departamentos con residuales muy bajos para mantener los beneficios para del binomio madre-hijo El país tiene la proporción esperada de cesáreas, pero hay diferencias entre los departamentos. Algunos están por encima y otros por debajo de lo esperado. Intervención: focalizada para reducir la proporción en aquellos departamentos con residuales muy altos, y de ser necesario incrementarla en aquellos con residuales muy bajos para mantener los beneficios para del binomio madre-hijo El país tiene menor proporción de cesáreas que lo esperado, pero hay diferencias entre los departamentos. Algunos incluso pueden estar muy por encima de lo esperado. Intervención: universalismo proporcional. Revisar si es necesario incrementar la proporción en el país, en particular en aquellos departamentos con residuales muy bajos para mantener los beneficios para del binomio madre-hijo, y reducirla en aquellos con residuales muy altos que puedan estar por encima de lo esperado
Open in a new tab

Articles from Colombia Médica : CM are provided here courtesy of Universidad del Valle

RESOURCES