Odkodowywanie różnic zdrowotnych według płci, etniczności i chorób przewlekłych w trzech krajach Ameryki Łacińskiej

Dlaczego codzienne życie definiuje zdrowie w długiej perspektywie

Dlaczego niektóre grupy ludzi częściej rozwijają choroby przewlekłe, takie jak cukrzyca czy problemy sercowo-naczyniowe, nawet gdy mieszkają w tym samym kraju? To badanie wykracza poza biologię i pokazuje, jak praca, edukacja i podstawowe usługi, takie jak czysta woda i kanalizacja, w połączeniu z płcią i etnicznością wpływają na zdrowie w Brazylii, Meksyku i Ekwadorze. Dzięki nowoczesnym narzędziom analizy danych na milionach dorosłych autorzy ujawniają wzorce, które pomagają wyjaśnić, kto choruje, kto otrzymuje diagnozę i gdzie polityka publiczna mogłaby przynieść największy efekt.

Porównanie trzech krajów

Naukowcy połączyli dane z krajowych badań zdrowotnych z Brazylii, Meksyku i Ekwadoru zebrane w latach 2018–2019, obejmujące prawie 97 milionów dorosłych. Skupili się na tym, czy osoby raportowały, że zostały kiedykolwiek poinformowane przez pracownika służby zdrowia o posiadaniu określonych chorób przewlekłych, w tym cukrzycy, chorób sercowo-naczyniowych, chorób nerek, udaru czy otyłości. Obok tych diagnoz zespół przeanalizował niewielki zestaw konkretnych aspektów życia codziennego: poziom wykształcenia, rodzaj pracy oraz czy gospodarstwa domowe miały wodę z sieci, bezpieczną wodę pitną, system kanalizacyjny, wywóz śmieci oraz czy mieszkały na obszarach miejskich czy wiejskich. Ludzi pogrupowano według płci (użytej jako przybliżenie tożsamości płciowej) oraz według szerokich kategorii etnicznych: rdzenni (indigenous), osoby czarnoskóre, mieszane oraz inne grupy, takie jak biali czy mulaci.

Wykorzystanie maszyn do wykrywania ukrytych wzorców

Zamiast tradycyjnych metod statystycznych zakładających proste, liniowe związki, autorzy zastosowali podejście uczenia maszynowego zwane random forests (las losowy). Metoda ta potrafi wykrywać złożone, splątane powiązania między wieloma czynnikami jednocześnie. Dla każdej z ośmiu grup utworzonych na podstawie płci i etniczności wytrenowano oddzielny model przewidujący, kto miał diagnozę choroby przewlekłej. Następnie zadano pytanie, w praktyce: „Co się dzieje z dokładnością modelu, jeśli usuniemy po kolei poszczególne czynniki?” Spadek wydajności, mierzony zmianą pola pod krzywą (AUC), pokazywał, jak ważny był dany czynnik społeczny dla tej konkretnej grupy.

Kogo dotyka najbardziej i dlaczego

Modele działały najlepiej dla rdzennych mężczyzn i kobiet, następnie dla osób o mieszanym pochodzeniu, a później dla osób czarnoskórych i innych grup. Oznacza to, że w przypadku osób rdzennych ryzyko chorób przewlekłych było szczególnie ściśle powiązane z mierzonymi warunkami społecznymi. Ogólnie rzecz biorąc, rodzaj pracy i poziom wykształcenia miały większe znaczenie niż dostęp do podstawowych usług. Dla mężczyzn w różnych grupach etnicznych wyróżniała się okupacja jako pojedynczy najważniejszy czynnik, szczególnie u mężczyzn czarnoskórych, co sugeruje, że posiadanie stabilnej, formalnej pracy może zmniejszać stres, poprawiać bezpieczeństwo żywieniowe i ułatwiać dostęp do opieki zdrowotnej. Dla kobiet edukacja konsekwentnie odgrywała większą rolę niż u mężczyzn — prawdopodobnie dlatego, że wykształcenie pomaga kobietom rozpoznawać objawy, poruszać się w systemie opieki zdrowotnej i przyjmować nawyki zapobiegawcze.

Nierówny dostęp do usług i złożony obraz w grupach rdzennych

Badanie wykazało również wyraźne różnice w warunkach życia. Osoby rdzenne, zwłaszcza mężczyźni, najczęściej nie miały wodociągu, kanalizacji ani wywozu śmieci, podczas gdy osoby o mieszanym pochodzeniu zazwyczaj radziły sobie najlepiej. Co zaskakujące, wśród dorosłych rdzennych i niektórych grup „innych” większy poziom wykształcenia i lepsze usługi nie zawsze przekładały się na niższe prawdopodobieństwo posiadania diagnozy choroby przewlekłej. Autorzy sugerują dwa możliwe wyjaśnienia: lepiej sytuowani przedstawiciele społeczności rdzennych mogą częściej trafiać do klinik i tym samym częściej mieć wykrywane choroby, albo wzrost dochodów może wiązać się ze zmianami w diecie i używkach zwiększającymi ryzyko chorób. Modele uczenia maszynowego sugerują, że w tych społecznościach to interakcja wielu nakładających się niekorzyści — tożsamość etniczna, role płciowe, praca, wykształcenie i infrastruktura — napędza różnice w zdrowiu, a nie pojedynczy czynnik.

Co to oznacza dla polityki i dla ludzi

Dla czytelnika niebędącego ekspertem wnioski są jednocześnie przygnębiające i dające nadzieję. Choroby przewlekłe to nie tylko efekt genów czy wyborów indywidualnych; w dużej mierze kształtują je praca, szkoły i podstawowe usługi, które z kolei są rozmieszczone nierówno wzdłuż linii płci i etniczności. Autorzy argumentują, że skuteczne rozwiązania muszą być tak samo wielowarstwowe jak same problemy: poprawa edukacji kobiet, wzmacnianie warunków zatrudnienia dla mężczyzn, rozbudowa czystej wody i kanalizacji oraz szczególne wsparcie dla społeczności rdzennych i czarnoskórych, które napotykają wiele nakładających się barier. Krótko mówiąc, zmniejszenie różnic zdrowotnych w Ameryce Łacińskiej będzie wymagać traktowania warunków społecznych jako części systemu zdrowia, a nie jako tła.

Cytowanie: 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

Słowa kluczowe: nierówności zdrowotne, determinanty społeczne, choroba przewlekła, Ameryka Łacińska, płeć i etniczność