Variaciones Interprovinciales en la Mortalidad por Cáncer: Análisis Factorial y de Clusters

VARIACIONES INTERPROVlNCIALES EN LA MORfALIDAD POR CÁNCER: ANÁLISIS FACTORIAL Y DE CLUSTERS Aurello Cayuela Domínguez1/Juan R. Lacalle Remigio 2/Mlguel GIIP 'Departamento de Medicina Preven ti va. Facultad de Medicina. Uni ve rsidad de A li cante 2 Departamenlo de Ci enc i as Socio - San i tar i as. Fac u ltad de Med ici na. Un ivers i dad de Sev i lla VARIATIONS AMQNG PROVINCES IN CANCER MORTALlTY: FACTORIAL ANO CWsrER ANAlYSES Resumen Summary Analizamos l as tasas de mortalidad por di ec i séis l ocal i zaciones tumora l es en hombres , en las cincuenta provinc i as españolas, me - diante dos técn i cas desc ri p ti vas multivaria n tes de reducción de datos : el an~lisis factorial y el análisis de clusters. Se ide nt ificaron cinco factores independ i en t es mediante el aná li sis fac to ri al. El análisis de clusters agregó l as prov i ncias en diferentes g ru pos usando las pu ntuac i ones fac t or i ales como criterio de ag ru pación. Dichos grupos mu estran un per1i l di stintivo de mortal i dad para las dife r en - tes local i zaciones tu mora l es analizadas . Ca n cer mortality ra t es among males, for si xteen sites in the fifty Spanish prov i nces were ana l yzed using two data red u ct i on lechn iques, factor and cluste r analysis . Fi ve i ndepende nt un derlying fac - tors were i denti fi ed by facto r analysis which appear lo ¡ nf lu ence can - cer marta lit y patterns . Cluste r ana l ysis aggregated pr ovinces into different gro u ps u Sing Ih ese factor scores as the cl uste ri ng criteria. Eac h of Ihe groups thus defi n ed a di stinctive profile of sHe - specific cancer mortality rates . Palabras clave : Morta l idad , cáncer. An álisis factor i al. Aná l isis de Key wo rd s: Mortal i ty canc e r. Facto ri al ana l ysis . C lu ster anal ysis . cl usters . Introducción El patrón de mo rt a li dad p or tu m ores mal ignos su ele se r com p le jo de ana li zar, sob re t odo cuan do se impl i can dife r ent es loca l iza - cio n es tu mo ral es y va ri as áreas geo - gr áficas. Debido a ello, se suele recu - r ri r ac tu a lm en te para su est u dio a técnicas de aná li sis mu l tivarian te ta l es como el an ál isis factoria l y el aná li sis de cluste rs1. El anál isis factoria l permit e t rata r si - mu lt ánea m en te un gra n nú m ero de vari ables (en n uestro caso las t asas de mort al idad p ara l as dif er e ntes loca li za - ci ones tu m orales) y re du ci rl as al análi - sis de unas p oc as var i ab l es hipotét i cas o factores, con una p érdida mín i ma de info r mación, conoc id a a t ravés del po rcentaje de va ri anza explica da. Es to pe rmi te la id ent ifi cació n de los pri n ci p ales patro n es de m orta li dad para l as dive rsas l ocalizaciones tu mor al es re p resen - ta d as en cada facto r. El an ális is de c lu ste rs, basa do en l as pu ntuac i ones factor i ales o bt enid as en el an te ri or análisi s, puede entonces delin e ar grupos de á re as con un perfi l de mortalidad , para el conj u nto de loca li zacio n es anal i za d as , si mi l ar. Una vez que estos gr u pos de áreas so n i dent ifi cados, l as dif er en ci as en tre e ll os da lu gar a nuevos punt os de vi sta qu e pued en ser be ne fi ci o sos para l os fu turos esfuerzos en la investigación, pr evención y co nt ro l de estas patol og ía s2 .3 . .. . Hemos a pl i ca do estas técnicas a los datos de mo rt alida d po r cá n cer m ás recie nt es en nu estro pa is5. No pr ete n demos medi r niveles de exposici ón f ren te a hip otéticos facto re s cau sales, si no que bu sca m os pa t rones geográficos qu e pued an sugerir hipó t esis e tio l óg i cas d el p orq ué de l as di f ere nc ia s observadas e nt re las d if erentes á reas geográficas . E stas hi p ótes is re q ueri r án una veri fi ca - ci ón p osterior a tra vés de es tu di os an ali ti co s, los cua l es, en último t érm in o, ace p ta rán o r echazará n l as hi pót e sis. Material y método He mo s utili za do l as · tasas de morta - li da d estandar i za d as para ca da una de l as loca li zac ion es tu m ora l es, en hom - Correspondencia : Aure l io Cayuela Dominguez . Medicina Preventiva. Facu l tad de Med i cina. Campus Un i vers i tario . Ca r retera Nac i onal 332 , km 87. 03550 SA N JUAN ( Alican t e). E ste artícul o f ue recibido el 23 de noviembr e de 1989 y fue aceptado , tras rev i sión , el 26 de · ulio de 1990 . GACETA SANITARIA/ N oV IEM BRE_ DI CIEMBRE, 1 990, N. 21, VOl. 4 227 • bres, incluidas en el At/as de mortalidad por cáncer, España 1980-1984 5. Las rúbr i cas utilizadas (CIE, novena revisión) se muestran en la tabla 1. Con la fi nalidad de reducir el conjun- to de tasas de mortalidad para las di fe - rentes localizacio n es tumorales en las cincuenta prov i ncias, y poder así des - crib ir e interpretar un número más mane j able de « variables estructurales» que por su mayor relevancia conceptual nos permitan explicar la variabilidad de di - chas tasas , entre las provincias, ap l ica - mos una técnica de reducción de varia - bles: el análisis factorial. No recurrimos a otras técnicas multivariantes , como la de regresión múltiple, que buscan relaciones explicativas entre las var i ables , porque lo que nos in teresa es construir una imagen simplif i cada de la realidad pluriforme de la mortal i dad por tumores malignos en las diferen t es provincias 6 .7. Este amilisis simplifica la estmctura de los datos , sin obedecer a un modelo fijado a priori, para poder ex - plicar con pocos factores la mayo r parte de la información que contienen las va - riables. Dichos factores podrán ser utilizados poste r iormente en otro tipo de aná l isis complementario B.9 ,1o. Esta técnica está orientada a explicar, en el sen - tido de la regresión lineal, la mayor proporción de varianza de las variables originales mediante el menor número posible de factores. Como método de extracción hemos utilizado el de componentes principales, donde éstos se extraen de forma que la primera componente princ i pa l, denotada po r Y1, tenga en cuenta el mayor porcentaje de var i anza de l os datos. La segunda componente principal, Y2, es aquella combinación lineal de las varia - bles observadas que no está correlac i onada con la primera combinación lineal y que ti ene en cuenta la máxima cantidad de la variación total restante no cons i derada en Yl En general , la nésima componente principal es la combinac i ón lineal ponderada de las varia - bles Que tiene la varianza más grande de todas l as combinaciones linea l es que no están correlac i onadas con todas las componentes previamente extrafdas. Será. el criterio de l investigador el que se i mponga a la hora de decidir cuán - tas variables deben ser retenidas; sin embargo, esta decisión debe estar pr esidida por la búsqueda de un equilibrio entre dos criter i os , en muchos casos, contrapuestos: la variabilidad explicada y la interpretabilidad de los resultados. El criterio el egido para la retención de componentes principales, en nuestro caso, ha sido el de «raíz mayor que 1 .. (se retienen aquellas componentes con autovalores mayores que 1)8. Posteriormente se procede a la trans - formación de la matriz o ri gi nal mediante rotac i ón de los ejes factoriales. Entre los diferentes al go ri tmos de rotación hemos utilizado el varimax de Kaiser, que consiste en rotar los ejes factoriales extraídos de tal forma que los factores ob- Tabla 1. Clasificación Internacional de Enfermedades (9~ revisión): rúbrlus seleccionadas lista abreviada (B) 19 Tumor maligno del lab io, de la cavidad buca l y de la laringe . 20 Tumor mal i gno del esófago. 21 Tumor mal i gno del estómago . . ... 23 Tu mor mal i gno del col on. 24 Tu mor mal igno del recto , de la porción r ectosigmoide y del ano . 25 Tu mor mal i gno de l hlgado (espec ifi cado como p ri ma ri o) . 26 Tu mor mal igno de l p~ncreas . .... . .. . •• ...... .. ....... 27 Tu mor maligno de la tráquea. de los bronqu i os y del p ulmón . . . 28 Tu mor mal i gno de los huesos y de l os cartílagos articu l ar es . 30 Otro t umor maligno de la pi el . . . •. . . .... .. ..• .. 35 Tu mor maligno de la próstata . 37 Tu mor mal i gno de la ve j ig a. 38 Tu mo r maligno de l encélalo . 39 Tumo r maligno de l ocalización no espec i ficada . 41 Leucemia ....... . . 42 T odos l os demás t umores malignos ... , . , .. , , ..... , . . . . , , __ . , ORIGINALES 228 lista d etallada 140·149 150 151 153 15' 155 157 162 170 173 185 188 191 199 204·208 rest o tengan al tas saturaciones en pocas variables, siendo menores las saturaciones del resto de variables orig i nales en los nuevos ejes ortogonales1.8. La aplicación de este modelo de aná - lisis mult i variante nos va a perm i tir reducir la dimensión de la matriz de datos y facilitar un posterior análisis mediante técnicas de fo r mación de grupos de observaciones (provincias en nuestro caso) para conseguir, en última instancia, una imagen más sintética de dicha mortalidad . El análisis de clusters es una técnica estad í stica que tiene por objeto establecer grupos homogéneos de sujetos a fin de facilitar la clas i ficación de un conjun- to aparentemente heterogéneo . Se dis - tingue de otras técnicas en que los grupos no están definidos a priori a partir de una determinada variable, lo que quiere dec ir que el investigador no tie ne co - nocimiento de su existencia y, en caso de sospechar de ella, desconoce cuán - tos grupos pOdrán distinguirse y las caracterfsticas asociadas a dichos grupos. Hay varios criterios para decidir qué casos o clusters van a ser combinados en cada paso. Todos esos criterios se basan en una matriz de distancias o similitudes entre parejas de casos. Noso - tros hemos utilizado el método de media entre grupas, donde se define la distanc ia entre dos clusters como la media de l as distanc i as entre todas las posibles parejas de casos entre los clusters1.11. Dentro de las posibles formas de re· presentación gráfica del procedimiento hemos optado por el dendrograma , que muestra la formación de los clusters a cada paso y es fácilmente interpretable. El análisis factorial y el análisis de clusters han sido realizados mediante el paquete informático Stat i stical Analysis System (SAS) "- Resultados En la tabla 2 se exponen los resultados del análisis factorial. Este redujo la matriz de dieciséis (l ocal i zaciones tumora l es) por ci ncuenta (prov i ncias) en ci nco factores con autovalores mayores que 1. Estos cinco factores explican el 72,2 % de la variación global entre • Tabla 2. Mortandad por 16 loca lizaciones lumorales . Re su Hado s del anills l. laclor l al V ariab le Com u nalidad Factor Autova/or % Va, % Acumulado Orolamoe ( A) 0, 82165 , "'''''' (') 0, 81437 2 Estómago (e) 0, 56764 3 Oo., (O) 0, 63407 • Recto (~ 0. 53900 5 Higado (~ 0, 76550 Páncreas (6) 0,64835 Pulmón (H) 0 ,8 7303 Hueso (1) 0, 57198 Piel (J) 0,60854 Próstata (K) 0,81532 Vejiga (L) 0,77540 Encéfalo (M) 0.75054 ¡nespeclfico (N) 0, 75015 Leucemia (O) 0, 73553 Resto (~ 0,88366 las dife ren tes l ocalizaciones tumorales ; sólo el pri m er componente explica el 36 ,7% de dicha v ariación , Uno de l os mejores estimadores de la im portancia global de cualquier variable , en el a nálisis factorial, es el val or de su comunalidad (coeficiente de correla c ión múltiple de una variable respecto de las restantes), La rUbrica _ resto de tumores mal i gnos .. generó una co - munalidad de 0,88, segui da de - tumo - res malignos de la tráquea, br onquios y pulmón", con 0,87 , lo s valores más bajos fueron generados por «t umores malignos del recto . (0 , 53) y «tumores malignos del estómago . (0.56); estos valores bajos ind ic an una débil asociaci ón de esta s localizaciones con las res - tantes . En el primer componente , la s saturaciones más alta s se observan en: - tumore s malignos del higado - (0,86) , - tu mores malignos de la tráquea , bronqu i os y pulmón . ( 0,76) , .t umores m a- )i gnos de )a vejiga. (0 , 74). -resto de tumore s- ( 0,74) , «tu mores ma l ignos de la orofaringe- (0,70), - tumores mal ignos del esófago" (0 , 62) y « tumores malignos de los huesos y de los cartflagos articulares. (0,61). Las provincias que presentan la s mayores puntua ciones factoriales en este componente son Cádiz (3,31) y Hue)va (2,00) (tab)a 3). En el segundo componente , las saturaciones más a lta s se observan en: , 5,87 36 .7 36 .7 0, 70 2,11 13,2 49 ,9 ' .62 '.38 '.7 58 .6 -O ,t4 1,17 7.3 65 .9 0 ,18 1. 00 6.3 72 ,2 -0 .03 0, 86 0, 21 0, 76 0, 61 0 .06 0 ,4 3 0, 74 0 ,14 -0 ,05 0 ,16 0,74 _ tumore s ma li gnos de localización no espeefficada . ( 0,83) y - tumores d~ páncreas» (0 , 67) . Las provinc ias que p resentan las m ayores puntuac io n es fa ct oriales para este componente son Vizcaya (2.72) y Guipúzcoa (2 , 26) . En el tercer componente las sa tu ra - ciones más altas se observan en : _ tumo res malignos del colon" (0,58), «t umores ma l ignos de la próstata" (0,50) y -I eucemias . (0,82) . Las provincias que presentan las mayores puntuaciones fac · toriales para este componente son Ta - [11Igona (1.79). Bar ee ) ona (1.55) y Na· varra (1 .37). En el cuarto componente l as sa tu ra - ciones más altas se observan en : «tu· mores malignos de la piel (excepto melanoma ). (-0,76) , - tumores m alignos del estómago» (0,48) , - tumores malig - nos del recto. (0,49) . Las prcwincias que presentan las mayores pu ntuaciones fac tor iales para este componente son Pa le n cia (2 ,2 1) y Huesca (1.42). En el quinto componente las satura - ciones más altas se observan en: - tumores malignos de la próstata - (0,50) y 4 umore s malignos del encéfalo . (0 , 82). Las provincias que presentan las mayores puntuaciones factor i ales para este componente son Navarra (3,47) y Guadalaja11l (2,12) . En la tabla 4 podemos ver el dendro - grama obten i do en el análisis de clusterso Matriz de factores r olados 2 3 • 5 O . ... 0. 33 -0 . 02 -0 .00 ( A) '.58 0, 01 0, 12 0,26 (' ) '.'" -0,47 O . ... 0, 19 (C) 0,42 0.58 0. 20 0,1a (O ) D.'" 0, 22 0, 49 0.« (~ -0,14 0,03 - 0,02 0,02 (~ 0, 67 0,18 0. 29 0,17 (6 ) 0,16 0, 44 -0,23 0,08 (H) -0,08 - 0 ,1 6 0, 37 -0,14 (1) 0.09 -0.09 -0,76 -0,02 (J) 0, 28 0,50 0, 18 -0,50 (KI 0,18 0.34 -0,24 0,09 (L) 0,14 0,10 0,10 0,82 (M) 0,83 0, 02 -0,22 0,00 (N) 0.04 0 ,82 0,07 0, 13 (O ) 0.33 0,45 -0,11 0 ,05 (P) Discusión He mo s ob te n id o cinco factores que resumen l as mortalidad por l as dieciséis l ocalizaciones tumorales , en hombres , estu d iadas 8f1 el Alfas de mortalidad por cáncer, España 1980-1984 5. El primer factor está fuertemente co - rre lacionado con la mortalidad por tumores malignos asociados al consumo de tabaco (pulmón, vejiga) y/o alcoho l (orofaringe y esó fago)1 2,13. 1 4,l5,16, 1 7, y dos loca lizacione s tumorales en las que un a lto porcentaje de casos son metástasis de localizaciones primarias desconoc i das (tumores malignos de los huesos y cart í la gos articu la res y tumore s ma lig n os del hi gado). Boyd et al, en una i nvestigación sobre los certificados de defu nción por tumores ma ligno s de l os hu es o s, llega n a la conclusión de que a edades super io re s a los 65 años la ma yoría de lo s tu mo re s llamados -óseos. son de hec ho mal di agnosticados, ya q ue se trata de l ocalizaciones secundarias de un tumor maligno primario de otra localización, yeso mismo puede estar ocurriendo con los tumores maligno s del higado, a causa de que ambas localizaciones no son localizaci ones donde comúnmente se originen tu mores malignos, sino que junto con el ce rebro y el pulmón son las zonas a las que a menudo llega la exten - GA CETA SANITARIA/ NoVlEMBR E.DICIEMBRE, 1990, N. 21, V OL 4 229 • Tabla 3. D Is tribucl6n p rovincial de las puntuaclon!S lactor lal!s Provincia (1) (2) (3) (4) (5) A1ava -0,39 1,25 0, 29 0,22 0,23 Albacete -0,48 - 1,10 0, 12 0,03 - 1, 85 Alicante 0,1 1 - 0, 36 0,54 -0,22 -1,09 Almerla 0, 90 -1,09 -0 , 19 - 1,34 -0,42 Astu ri as 0, 22 0 ,7 5 0,71 0, 34 1, 00 A vil a - 1, 40 -0 , 01 - 1, 19 -0, 43 -0 , 66 8a<Iajoz 0, 78 - 0 ,7 4 0, 90 0. 16 -1 , 17 Ba l eares -0 , 53 - 0, 53 1, 32 -0 , 55 0, 52 Barce l ona 0, 13 0, 01 1, 55 0, 59 0, 43 B urgo s -0 , 95 1,13 -2 , 11 0, 65 0, 47 CAcere s 0, 88 - 0, 53 -1,18 - 1, 15 1, 23 Cádlz 3,31 0,05 -0 , 19 -0,21 0,81 CastellOn -0,63 - 0,48 1,26 0,67 -1, 60 Ciudad Real -0,16 - 0,68 -0,35 - 0,27 -0 , 43 Córdoba 0,18 -1,02 0,94 - 0, 43 0,47 Coru~a, la 0,64 - 0, 37 -0 ,19 0, 85 0,38 Cuenca -1,10 -0 , 21 -2, 12 -0, 32 -0 , 65 Ge ro na -O ," 0, 90 1, 17 0, 25 -0 , 66 Gu ip lizcoa 0,27 2, 26 - 0, 16 -0 , 13 1, 01 Gra na da 0, 28 -0 , 71 -0 , 00 - 1 , SO 0, 23 G ua dala i ara - 2,01 - 0 ,7 1 -0 ,16 - 1, 42 2, 12 H u!lva 2,00 -0 , 13 -0 , 37 -0,41 -0 , 57 Huesca -0 , 06 - 1.05 - 1 ,27 1,42 0, 02 Jaén -0,07 - 1,76 - 0,45 -0,50 -0 , 23 leÓn -0,33 0, 50 0,22 1 ,28 0,09 lérlda -0,42 - 0 ,38 -0,57 0,46 -0,98 logroño 0,67 0 ,2 4 0,06 0,71 -0 , 58 lugo -0,95 -0 , 38 - 0,01 1,18 1,15 Madrid -1 , 48 1," -0 , 55 -3, 64 0, 17 Ma l aga 1, 48 -0 , 50 0,31 - 1, 17 -0,84 Mu r cia O," -0,74 0, 73 -0 , 54 -0 . 11 Navalfa -0 , 32 -0, 26 1, 37 0, 84 3, 47 "'"". -0 , 00 -0 ,71 -0 , 94 0, 83 - 1. 16 Pal en ci a 0,20 1. 32 - 0. 28 2, 21 0, 48 P almas . las 0,55 2, 09 0,10 -0 , 79 -2 , 07 Pontevedra 1 ,70 0, 28 - 1.26 1,15 0,20 Salamanca - 1, 51 -0.48 0,64 0,59 -0,02 Santander 0, 13 1,86 0.75 -0,69 0,39 Sego v ia -1,18 1,32 0,03 1 ,27 -0,72 Se v illa 1,50 -0,63 1,28 0,07 0,55 Sona -0,41 -0,3 2 - 1,45 0, 24 -1,4 9 Tarrallona - 0, 74 -0, 60 1,79 0, 35 -0,98 Tene ri le 0, 06 0,7 4 0, 66 - 1, 39 -0,43 Te ru el 1, 04 - 1 ,07 - 2, 74 0, 73 0. 19 Tol edo -0,41 -0 , 42 -0 , 97 - 1, 29 -0 , 08 Vale nc ia 0, 07 -0 , 51 1, 03 -0 , 02 0, 16 Vallad ol id -0,17 0, 28 0,8 1 0, 13 -0 , 59 VIZcaya 1 ,27 2, 72 -0 , 37 0, 32 -0 , 20 Z amora - 1,12 -0 , 00 -0 , 22 1, 35 -0,60 Zaragoza -0,23 -0 ,72 0, 71 0,0 1 1,36 sión O diseminación de tu mores mal ig· do a que en ella se e ng lo ba a lo s tunos de otras localiza cio nes 18 , Pe se a mo re s malignos de la larin ge , también e llo , hemos de te n er en cuenta , ade· relacionados co n el consu mo de t aba · m ás , qu e el alcohol y el tabaco pu ede n ca y/o a lc oh ol, y que ha sta 1979 ocuestar ac tuando como factor de riesgo paban el qu in to luga r en la mortalidad en los tumores mal ig n os del hldeb ida al cancer en l os hom b res . Eso gado 19 , 20,2t22, nos hace supone r, teniendo en cuenta l a rúbrica -resto de tumore s_ t am· la tendencia ob se lVada hasta ese mo - bién está. fuertemente c orrela ci onada mento, que en dicha rúbri ca estos tu · con este factor, lo c ua l p uede ser debimores si ue n 9 re re sentan do un a lto p ORIGI NAlES 230 porcentaje . Al go qu e no ll eg amos a compre nder es que , ten i end o en cu en - ta la im p orta n cia de la mortal i dad por cáncer de laringe, el INE haya dejado de public ar los datos co rre spondientes a esta rúbrica d es de el año 1980. En conjun to , este pri mer factor identifica a un grupo de lo cal i za ciones tu mo ra l es sugestivas de una exposic ión eti oló g i· ca co mún (tabaco y/o alco hol ), de ac uerdo a los conocimientos sob re su epidemiologla 12 . 22 , El se gundo factor está fuertemente correlacionado con la mortal i dad por t u· mor es de localización no especificada y tumor es del pá.ncreas. las provin c ia s con altas puntua ciones para este fac- to r presentan , por un lado, un exceso de mortal id ad en una rúb rica que hab i· tua lme nte constituye un cajón de sas - tre donde se eng l oban t odos aquellos tum o re s en los que no se es pe ci fica la l ocalización primaria y, por otro, tumo - re s qu e presentan c iertos problema s a la h ora del diagnóstico (tumores del pá.ncrea s)23,24, El te rc er fa ctor es tá. fuertemente ca · rre la cion ado con localizaciones asociada s a n ive l socioec on ómico al to y elevada in ges ta de grasas (colon y prostata)25.26. 27. 28.29 y le ucem ias (a lg uno s est udio s la asocian a nive l socioe· cómico a lto 30 , pero c om o ya coment amos en esta rubri ca se engloban diverso s proce s os co n et i ologías, p os i· blemente, dife r entes 31 , 32 . El c uart o factor está correlacionado neg ativ am en te c on la rúbrica a otro s tu - mo re s ma lignos de la piel (excepto me - lano ma )- y p ositiva m ente co n l os t um o· res malignos de l estómago y del recto . Es curioso reseñar Que dos de es ta s l oca li zac i ones (p i el y estómago) pre se n· ta n un gradiente in verso Norte-Sur; en el caso del cancer de estómago, lo s ma· yores ex ce sos de mortalidad se observan en el no rte penins u lar y van d ecre· ci en do a me dida que desce n demo s ha ci a el Sur , mi en tra s que en el c aso de los tumore s malig n os de la pi el sucede lo co nt rari o, lo s mayore s excesos se o bs erva n en las provi nci as costeras de l su r5 (eilo ha b larla en favor de la re · laci ón existente entre estos tumores malignos y la latitud) 33 . 34. El quinto factor está cor r elacionad o con los tu mo res malignos de la pro s· • ta1a y los del encéfalo (el estudio de esta localización tumoral resulta bastante complejo ya que en ella se incluyen diferentes tipos celulares y, probablemente, diferentes etiologlas. Aclemás, se sue len incluir metástasis de tumores cuya localización primaria se descono - ce). Si lo tenemos en cuenta , podemos pensar que esta asociacióo puede estar motivada por el hecho de qu e el encéfalo es un lug ar donde suelen dar metástasis lo s tumores malignos de la próstata , lo cual produce un trasvase de defunciones de una rúbrica a la otra . Pese a todo, no hemos de olvidar tam - poco los problemas relacionados con la certificación en ambas localizaciones debido a la edad avanzada en que se producen . B asá ndonos en lo que estos factores parecen representar, podemos pensar que la reducción del consumo de tabaco ylo alcohol unido a modificaciones en la dieta podrlan eventualmente contribuir a una drástica reducción en la s tasas globales de mortalidad por cáncer. Esta linea de pensam ien to se ve apoyada por las estimaciones de 0011 y Peto , en las que se aprecia Que estos factores podrian estar contribuyendo en la etiologla de más del 60% de todos los cánceres 35 . Como resultado del análisis de clusters vemos como la provinCia de Madrid permanece como un cluster independiente a lo largo de casi todo el proceso, lo que nos i nd ica que ésta pre - senta un patrón de mortalidad por cáncer muy disímil del resto de provinc i as . Algo similar ocurre con las prov incias de Navarra y Cádiz , ya que sólo se agrupan con el resto de provincias cuando la distanc ia entre la .. media entre grupos,. es grande. Esto indica la presen - cia en estas provincias de un patrón de mortalidad por cáncer diferente al conjunto de provincias restante. El análisis de los perfiles de mortalidad por tumores maligno s en las agrupa cio ne s provinciales obtenidas con el análisis de clusters (sobre todo en las agrupaciones uniprovinciales: Madrid, Cádiz, Navarra) puede ser de gran ayuda para los futuros esfuerzos en la investigación, prevención y control de estas patologías. En esta Hnea de trabajo se situarla TIbia 4. Dendrograma Distancia entre grupos O 5 10 15 20 25 I I I I I I Córdoba - Murc ia - Valencia - Ba l ea re s Zaragoza f-_ Barcelona - Sevil la A lic ante .J Badaioz - Gerona Valladolid .J f-- Castellón ..J Tarragona Hue l va ----.J Málaga - C iudad Raa ly Jaé n A1meria y Granada 1-- To ledo - H""", Te ruel la Co ruña .J -Q-f---- logroño Pontevedra Pa lenc ia león 1 Zamora Segov ia -----' f- L ugo Salaman ca 1-- Ada .J Cuenca - lérida ~ . Orense A1bacete Burgos Álava .J f- Ovie<lo Santande r ----.J Guipuzcoa T enerife Las Palmas V""" Gaceres Sorla Guadalajar a Cádiz Navarra Madrid una publicación recienteJ6 en la Que se gran beneficio al conocimiento de lo s muestra como las defunciones eng l opatrones de distribución geográfica de badas en la rúb rica .. t umo r maligno de las diversas localizacio n es tumorales ya loca lizac ión no es pecifi cad a ,. serian las que a medida que se vaya mejorando responsables de ese patrón de mortalila calidad de éstas (buscando soluc iodad por cáncer ta n dislmll en la provinnes a l os prob lemas relacionados con cia de Madrid, en relac ió n con el resto la calidad de 105 dalaS, sobre lodo en de provincias españolas . el caso de determinadas rúbricas: hl - Es de suponer Que el control de las gado , encéfalo y l ocalización no espe · estadísticas de mortalidad en las comucificada) podremos abordar su estudio nidades autónomas p odrá a ortar un p de una forma más efectiva. GACETA SANITARlA / NOVIEMBRE. DICJEMBRE. 1990. N. 21 , VOL. 4 231 • Blbllollrafla 1. Groves FD, !abaja DE, Correa P. Variation in international caneer mortality: factor and cluster analysis. 1m J Epidemio/19B?; 16: S01.·8 . 2. Yanai H, Inaba Y. Takagi H, Yamamoto S. Mul· tivariate analysis 01 cancer mortality lor sefected sltes in 24 countries , Environ Healfh F'elspect t 979; 32: 83--lOt 3. Ha.vell MA. Factor analysis 01 international mor - tality data and per capita food consumption. Br J Caneer 1974; 29: 328-36. 4. Correa P, Zava[¡¡ D, Graves F. Rearranging Sa!IÍ's cancer mortalfty statistics by lactor and cluster analysis. Gann Monograph on Caneer Researeh 1987 ; 33: 205-12. 5. Cayue la A. Atlas de mortalidad por cáncer. España 1980-1984. Sevilla: Universidad de Sevilla, 1 989. Tesis doctoral. 6. Tabachnick BG, Fidell LS. Using muftivariate sta· tisties. New York: Harper and Row, Publishers, 1983: 82 - 98. 7. Cuadras C. Métodos de análisis multivariame . Publicaciones del laboratorio de dlculo de la Universidad de Barcelona. n" 23. Barcelona: EUNIBAR SA., 1981: 83--102. 8. Kleinbaum DG, Kupper Ll, Muller KE. Applied regression analysls and o/her multivariable methods. 2 ed Boston: PWS Kent Publishing Company, 1988: 595-641. 9. Mulaik SA , The foundations of factor ana/ysls. New York: McGraw-HiII Brok Compafly', 1972 : 20-77 . 10. Oillon WR, Goldstein M. Multivariate ana/ysis. Methods and applieations . New Yolt: J. Wi ley and Sons, 1984: 53-98 ; 208. 11, Statistiea/ Anafysis System, User's Guide: Statistics. Cary, North Carolina, 1985: 255-315; 335-75. 12. Rothman K, Keller A. The effect of jo int exposure to alcohol and tobacco on risk 01 cancer 01 the mouth and pharynx. J Chron Oís 1972; 25: 711-6. 13. OIsen J, Sabroe S, I psen J. Effect 01 comb ine<! alcohol ami tobacto exposure on risk of cancer 01 the hipopharynx. J Epidemio/ Commun Health 1965; 39: 304-7 . 14, Smilh EM. Epidemiology 01 cancer 01 !he oral cavity and pharynx. En: Correa & Ha enszel (dirs). Epldemi%gy of eaneer 0' the dlgestive tract o The Hague : Martinus Nijhofl, 1982: 1-19. 15. Oay NE, Mui'ioz N, Ghadirian P. Epidemiology 01 esophageal cancer: a review. En: Co· rrea & Haenszel (dirs). Epidemiology of caneer of fhe digesfÍ'.'e trae/. The Hague : Martinus Nijhoff, 1982: 21-57. 16 . 0011 R, Peto R. Mortality in relation to smo - king: 2.0 years of observations on male british doctors o Br Med J 1976; 2: 1525-36. 17. Morrison fJ.S, Go le p, Urinary trae!. En: Schottenleld & Fraumeni (dirs). Caneer epidemiololJY and prevention. Philadelphia: WB Saunders, 1982: 925-37. 18. Boyd JT, 0011 R, Hi ll GB el al. Mortality from primary tumours 01 bone in England and Wales , 1961-63. Br J Prev Scc Med 1969; 23: 1 2-22. 19. Trichopoulos O, MacMahon B, Sparros L, Me· rikas G. Smoking and hepatitis B-negative pr i mary hepatoeel l ular carcinoma , J Naif Caneer /nst 1980; 65: 111-4. 20. Lam KC, Yu MC, leung JWC, Henderson BE. Hepatitis B virus and eigarretle smoking: risk lactors for hepa toce llular carcinoma in Hong-Kong. Cancer Res 1982; 42: 5.246-8. 21. Yu MC . Mack r, Hanish R, Peters RL, Henderson BE, Pike Me . Hepatitis. alcohol consumption, eigarrette smoking, and hepatocellular carcinoma in los Angeles. Cancer Res 1983; 43: 6.077-9 . 22. Ohniski K, lida S, Awama S et al . TIla eflect of chronic habitual alcohol intalre on the development 01 ¡¡ver cirrhosis and hepatocellular carcinoma: relalion ro hepatitis B sur1ace anllgen carriace . Caneer 1982; 49: ffT2-7. 23. Levin Dl, Connelley RR, Oevesa SS. Demographic characteristics 01 cancer 01 Ihe pancreas. ORIGINALES 232 Mortality, incidenee am;! survival. caneer 1981; 47 : 1.956-68. 24. Czernichow P, lerebours P, HecketS'l'll!iler P el al. Epidemlologie temporo·spatiale du cancer du pancreas. Gas/roen/erol C/in Blo/ 1985; 9: 767-75, 25. INynder El, Reddy as. Oietary lat and colon cancer. J Natl caneer Inst. 1!J75 ; 54: 7-10 . 26. Wallrer ARP . Colon cancer and die!. with special reference 10 intake 01 fat and liller. Am J Clin Nutr 1976; 29: 1.417-26. 27. Jain M, Cook GM, Davis FG, el al . A casecontro l study 01 diet and ClJlo-rectal caneer. Int J Cancer 1980 ; 26: 757-68. 28.. Correa P. Epldemiological correlations between diets and cancer frequency. Caneer Res 1981; 4 1: 3.685-90. 29, Kolone llN, Handín JH, lee J, et al. Nutríent intakes in relation to cancer incidence in Hawa iL Br J Cancer 1981 ; 44: 322-39. 30. Healh C:W. The leukemlas. En: Schottenleld & Fraumeni (dirs) , Caneer epidemiology and prevention. Philadelphia: WB Saunders, 1982: 728-38 . 31. loza J, Viñas JJ, Gi ralt M. Introducción al estudio de la epidemiologla de l as leucemias agudas en España. Análisis de los dalos existentes y estudio nacional de morbilidad y mortalidad. Sangre 1981; 26: 670-99. 32. A1derson M. The epidemiology 01 leukaemia. Advanees in caneer Res 1980; 31: 1-76 , 33. Scotto J, Fraumeni JF. Sk in (other !han melanoma) . En: Schottenfeld & Fraumeni (dirs) , Cancer epidemi%gy and preven/ion. Philadelphia: WB Saunders, 1982: 996-1.011. 34. Coggon O, Acheson EO. The goography 01 caneer 01 the stomach. Br Med 8uI/1984; 40: 335-41. 35, DoII R. Peto R. The causes of cancer , Ouantitative estimales of avoidable risks 01 cancer in the united States today. J Natl Cancer Inst 1981; 66: 1.1!J7-309. 36, Cayuela A. Mortalidad por cáncer en Madrid , 1980 - 1984. Gae Sanit 1989; 2 (13) : 467-71. •