Decodificare le disuguaglianze di salute per genere, etnia e malattie croniche in tre paesi dell’America Latina

Perché la vita quotidiana influenza la salute a lungo termine

Perché alcuni gruppi di persone sviluppano più spesso malattie croniche come il diabete o problemi cardiaci rispetto ad altri, anche vivendo nello stesso paese? Questo studio va oltre la biologia per mostrare come lavoro, istruzione e servizi di base come acqua potabile e fognature si combinino con genere ed etnia per influenzare la salute in Brasile, Messico ed Ecuador. Utilizzando strumenti moderni sui dati di milioni di adulti, gli autori rivelano schemi che aiutano a capire chi si ammala, chi riceve una diagnosi e dove le politiche pubbliche potrebbero fare la differenza più grande.

Confrontare tre paesi fianco a fianco

I ricercatori hanno aggregato dati delle indagini sanitarie nazionali di Brasile, Messico ed Ecuador raccolti nel 2018–2019, coprendo quasi 97 milioni di adulti. Si sono concentrati sul fatto che le persone riferissero di essere state informate in passato da un professionista sanitario di avere determinate condizioni croniche, tra cui diabete, malattie cardiovascolari, malattia renale, ictus o obesità. Accanto a queste diagnosi, il team ha esaminato un piccolo insieme di aspetti concreti della vita quotidiana: livello di istruzione, tipo di lavoro e se le famiglie avevano acquedotto, acqua potabile sicura, fognature, raccolta dei rifiuti e se vivevano in aree urbane o rurali. Hanno raggruppato le persone per sesso (usato come proxy del genere) e per ampie categorie etniche: indigeni, neri, meticci e altri gruppi come bianchi o mulatti.

Usare le macchine per individuare schemi nascosti

Invece dei metodi statistici tradizionali che presuppongono relazioni semplici e lineari, gli autori hanno usato un approccio di machine learning chiamato random forests. Questo metodo può rilevare legami complessi e intrecciati tra molti fattori contemporaneamente. Per ciascuno degli otto gruppi formati da genere ed etnia, hanno addestrato un modello separato per prevedere chi aveva una diagnosi di malattia cronica. Hanno poi chiesto, in pratica, “Che cosa succede all’accuratezza del modello se rimuoviamo un fattore alla volta?” Il calo di prestazione, misurato come variazione dell’area sotto la curva (AUC), ha mostrato quanto fosse importante ciascun fattore sociale per quel gruppo specifico.

Chi è più colpito e perché

I modelli hanno funzionato meglio per uomini e donne indigeni, seguiti dalle persone di etnia mista, e poi dai neri e dagli altri gruppi. Ciò significa che, in particolare per gli indigeni, il rischio di malattia cronica era strettamente correlato alle condizioni sociali misurate nello studio. Nel complesso, il tipo di lavoro e il livello di istruzione hanno avuto più peso rispetto all’accesso ai servizi di base. Per gli uomini, indipendentemente dall’etnia, l’occupazione è risultata il fattore più importante, in particolare per gli uomini neri, suggerendo che avere un lavoro stabile e formale può ridurre lo stress, migliorare la sicurezza alimentare e facilitare l’accesso alle cure. Per le donne, l’istruzione ha avuto costantemente un ruolo maggiore rispetto agli uomini, forse perché l’educazione aiuta le donne a riconoscere i sintomi, orientarsi nei sistemi sanitari e adottare comportamenti preventivi.

Servizi diseguali e un quadro complesso per i gruppi indigeni

Lo studio ha anche rilevato differenze nette nelle condizioni di vita. Gli indigeni, in particolare gli uomini, erano i più propensi a non avere acquedotto, fognature e raccolta dei rifiuti, mentre le persone di etnia mista generalmente se la cavavano meglio. Sorprendentemente, tra gli adulti indigeni e alcuni gruppi “altri”, un maggiore livello di istruzione e servizi migliori non sempre coinciseva con una minore probabilità di avere una diagnosi di malattia cronica. Gli autori propongono due possibili spiegazioni: gli indigeni più benestanti potrebbero frequentare le cliniche più spesso e quindi avere le malattie rilevate con maggiore frequenza, oppure l’aumento del reddito potrebbe portare a cambiamenti nella dieta e nell’uso di sostanze che aumentano il rischio di malattia. I modelli di machine learning suggeriscono che, per queste comunità, è l’interazione di svantaggi multipli—identità etnica, ruoli di genere, lavoro, istruzione e infrastrutture—a guidare i divari di salute, più che un singolo fattore isolato.

Cosa significa per le politiche e per le persone

Per un lettore non specialista, la conclusione è insieme critica e incoraggiante. Le malattie croniche non sono solo il risultato di geni o scelte personali; sono fortemente modellate da lavoro, scuole e servizi di base, e questi a loro volta sono distribuiti in modo diseguale lungo linee di genere ed etnia. Gli autori sostengono che le soluzioni efficaci devono essere altrettanto stratificate: migliorare l’istruzione per le donne, rafforzare le condizioni occupazionali per gli uomini, espandere acqua pulita e servizi igienico-sanitari e dedicare attenzione speciale alle comunità indigene e nere che affrontano barriere multiple e sovrapposte. In sintesi, ridurre i divari di salute in America Latina richiederà di considerare le condizioni sociali come parte integrante del sistema sanitario, non come un dettaglio di sfondo.

Citazione: Chivardi, C., Zamudio Sosa, A., Cavalcanti, D.M. et al. Decoding health disparities by gender, ethnicity and chronic diseases across three Latin American countries. Nat Commun 17, 3854 (2026). https://doi.org/10.1038/s41467-025-67564-0

Parole chiave: disuguaglianze di salute, determinanti sociali, malattia cronica, America Latina, genere ed etnia