Het ontrafelen van gezondheidsverschillen naar geslacht, etniciteit en chronische ziekten in drie Latijns-Amerikaanse landen

Waarom het dagelijks leven de lange termijngezondheid vormt

Waarom ontwikkelen sommige groepen mensen vaker chronische aandoeningen zoals diabetes of hartproblemen dan andere, zelfs wanneer ze in hetzelfde land wonen? Deze studie kijkt voorbij biologie en toont aan hoe werk, opleiding en basisvoorzieningen zoals schoon water en riool samen met geslacht en etniciteit de gezondheid beïnvloeden in Brazilië, Mexico en Ecuador. Met moderne data-instrumenten en miljoenen volwassenen laten de auteurs patronen zien die helpen verklaren wie ziek wordt, wie een diagnose krijgt en waar openbare beleidsmaatregelen het grootste verschil kunnen maken.

Drie landen naast elkaar bekeken

De onderzoekers bundelden nationale gezondheidsenquêtegegevens uit Brazilië, Mexico en Ecuador verzameld in 2018–2019, die bijna 97 miljoen volwassenen omvatten. Ze concentreerden zich op of mensen meldden ooit door een zorgprofessional te zijn verteld dat ze bepaalde chronische aandoeningen hadden, waaronder diabetes, cardiovasculaire ziekte, nierziekte, beroerte of obesitas. Naast deze diagnoses onderzocht het team een klein aantal concrete aspecten van het dagelijks leven: opleidingsniveau, type baan en of huishoudens leidingwater, veilig drinkwater, riolering, afvalinzameling hadden en of ze in een stedelijke of landelijke omgeving woonden. Ze groepeerden mensen naar sekse (gebruikt als aanduiding voor gender) en naar brede etnische categorieën: inheemsen, zwarte mensen, gemengde etniciteit en andere groepen zoals blank of mulat.

Machines gebruiken om verborgen patronen te zien

In plaats van traditionele statistische methoden die veronderstellen dat relaties eenvoudig en lineair zijn, gebruikten de auteurs een machine learning-benadering genaamd random forests. Deze methode kan complexe, verstrengelde verbanden tussen veel factoren tegelijk detecteren. Voor elk van de acht groepen gevormd door geslacht en etniciteit trainden ze een afzonderlijk model om te voorspellen wie een diagnose van een chronische ziekte had. Vervolgens vroegen ze effectief: “Wat gebeurt er met de nauwkeurigheid van het model als we één factor tegelijk wegnemen?” De daling in prestatie, gemeten als een verandering in de area under the curve (AUC), toonde aan hoe belangrijk elke sociale factor voor die specifieke groep was.

Wie het meest wordt getroffen en waarom

De modellen presteerden het beste voor inheemse mannen en vrouwen, gevolgd door mensen van gemengde etniciteit, en daarna zwarte en andere groepen. Dit betekent dat voor met name inheemse mensen het risico op chronische ziekten sterk samenhing met de sociale omstandigheden die de studie mat. Over het geheel genomen waren beroepsklasse en opleidingsniveau belangrijker dan de toegang tot basisvoorzieningen. Voor mannen over alle etniciteiten viel de beroepsstatus op als de belangrijkste factor, vooral voor zwarte mannen, wat suggereert dat het hebben van stabiel, formeel werk stress kan verminderen, voedselzekerheid kan verbeteren en de toegang tot gezondheidszorg kan vergemakkelijken. Voor vrouwen speelde opleiding consequent een grotere rol dan voor mannen, mogelijk omdat onderwijs vrouwen helpt symptomen te herkennen, het zorgsysteem te navigeren en preventieve gewoonten aan te nemen.

Ongelijke voorzieningen en een complex beeld voor inheemse groepen

De studie vond ook schrijnende verschillen in leefomstandigheden. Inheemse mensen, vooral mannen, hadden het vaakst geen leidingwater, riolering en afvalinzameling, terwijl mensen van gemengde etniciteit over het algemeen het best af waren. Verrassend genoeg gingen bij inheemse volwassenen en sommige “andere” groepen meer opleiding en betere voorzieningen niet altijd samen met een lagere kans op een diagnose van een chronische ziekte. De auteurs suggereren twee mogelijke verklaringen: beter bedeelde inheemse personen bezoeken mogelijk vaker klinieken en laten ziekten daarom vaker detecteren, of stijgend inkomen kan veranderingen in dieet en middelengebruik met zich meebrengen die het ziekterisico verhogen. De machine learning-modellen suggereren dat voor deze gemeenschappen de interactie van meerdere nadelen—etnische identiteit, genderrollen, werk, opleiding en infrastructuur—de gezondheidsverschillen aanstuurt, meer dan één enkele factor alleen.

Wat dit betekent voor beleid en mensen

Voor een niet-specialistische lezer is de conclusie zowel verontrustend als hoopvol. Chronische ziekten zijn niet alleen het gevolg van genen of persoonlijke keuzes; ze worden sterk gevormd door banen, scholen en basisvoorzieningen, en deze zijn op hun beurt ongelijk verdeeld over geslachts- en etnische lijnen. De auteurs stellen dat effectieve oplossingen net zo gelaagd moeten zijn als de problemen: betere onderwijsvoorzieningen voor vrouwen, het versterken van arbeidsomstandigheden voor mannen, het uitbreiden van schoon water en sanitaire voorzieningen, en speciale aandacht voor inheemse en zwarte gemeenschappen die met meerdere, overlappende barrières te maken hebben. Kortom, het verkleinen van gezondheidskloven in Latijns-Amerika vereist dat sociale omstandigheden als onderdeel van het gezondheidssysteem zelf worden behandeld, niet als een bijzaak.

Bronvermelding: 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

Trefwoorden: gezondheidsongelijkheid, sociale determinanten, chronische ziekte, Latijns-Amerika, geslacht en etniciteit