Análisis espacial de la planificación familiar en 
Costa Rica 1993
Luis Rosero-Bixby
Resumen Introducción
Este documento ilustra el uso de sistemas Este documento utiliza datos costarricenses 
de información geográfica para evaluar el entor­ para ilustrar la importancia de geocodificar una 
no de la oferta de servicios de planificación fami­ encuesta demográfica y llevar a cabo análisis es­
liar y el comportamiento anticonceptivo. Tres paciales para entender la oferta de servicios y el 
conjuntos de datos de Costa Rica son geocodifica- comportamiento anticonceptivo. Primero delinea 
dos y combinados en un Sistema de Información procedimientos alternativos para geocodificar una 
Geográfica (GIS): una encuesta demográfica, un encuesta y luego ilustra cinco usos de esta infor­
inventario de establecimientos de planificación mación, en particular: (1) presentación visual de 
familiar, y un censo. La presentación de los resul­ relaciones espaciales; (2) identificación de tenden­
tados de la encuesta en mapas facilita la com­ cias espaciales y estimación para áreas pequeñas; 
prensión de la congraficación espacial de servi­ (3) medición de la oferta de servicios de planifica­
cios de planificación familiar y el comportamien­ ción familiar; (4) estudio de los efectos contextúa­
to de sus usuarios. Análisis de tendencia-superfi- les y de vecindario; y (5) análisis de la utilización 
cie mejoran las estimaciones de la encuesta para de los servicios.
áreas pequeñas y ponen en evidencia diferencias En las últimas dos décadas se ha visto un 
espaciales. Medidas de accesibilidad y de carac­ aumento considerable en los datos disponibles so­
terísticas contextúales basadas en la cartografía bre población y planificación familiar en países en 
tienen ventaja en cuanto a objetividad, compara- desarrollo. Los proyectos masivos de la Encuesta 
bilidad y  flexibilidad. Modelos de multinivel para Mundial de Fecundidad (WFS) y las Encuestas de 
explicar el uso de anticonceptivos y la selección Demografía y Salud (DHS) son ejemplos de esta 
de método sugieren efectos disímiles de la densi­ explosión de datos. Los conjuntos de datos, sin 
dad de servicios y  de difusión por interacción con embargo, se usan generalmente de manera aislada 
los vecinos. Un modelo para explicar la elección uno del otro, subutilizando su potencial. Este do­
de un centro de planificación familiar resultó en cumento aborda el tema de interrelacionar conjun­
la formulación clásica de gravedad en la cual las tos de datos referentes a: (1) la demanda de plani­
clínicas más grandes o más cercanas tienen más ficación familiar usualmente de encuestas del tipo 
alta probabilidad de ser elegidas. Las encuestas DHS; (2) la oferta de servicios, incluyendo inven­
demográficas deberían considerar la geocodifica- tarios de establecimientos, registros administrati­
ción de sus unidades de muestreo como un proce­ vos y encuestas del tipo de Análisis de Situación 
dimiento rutinario. (Fisher et al. 1992), y (3) el entorno físico y socio-
266 Luis Rosero-Bixby
económico descrito por censos y cartografía digi­ Para poner las cosas en perspectiva, convie­
tal. Se muestra que la geocodificación es una es­ ne notar que la falta de variación geográfica en la 
trategia costo-efectiva para relacionar estos con­ práctica anticonceptiva en Costa Rica reduce la 
juntos de datos entre sí, especialmente cuando se pertinencia de algunos análisis espaciales de este 
combinan en un Sistema de Información Geográ­ documento. Costa Rica es un país con un alto gra­
fica (GIS) (Scholten et al, 1991). Además de faci­ do de integración espacial y una buena red de co­
litar el manejo de datos, la información geocodifi- municaciones. Además, los servicios de salud pú­
cada hace posible una estrategia de niveles múlti­ blica, que incluyen la planificación familiar, tie­
ples para estudiar comportamientos anticoncepti­ nen una alta cobertura, alcanzando las áreas más 
vos y otros, o sea, una estrategia que combina in­ remotas. Por ejemplo, 98% de los nacimientos del 
formación sobre individuos u hogares (micro da­ país ocurren en hospitales. La accesibilidad física, 
tos) con información contextual (macro datos) so­ por lo tanto, no parece ser un obstáculo importan­
bre las comunidades u otros agregados (Hermalin, te para la práctica de planificación familiar en este 
1986). país, lo cual está bien documentado en estudios 
anteriores (Rodríguez 1978, Hermalin et al. 1988). 
Por añadidura, en la reciente ESR las entrevista­
Entorno del estudio das reportaron un tiempo de viaje a establecimien­
tos públicos de planificación familiar de solamen­
Costa Rica tiene una de lás más altas Ta­ te 28 minutos en promedio: valor insignificante 
sas de Prevalencia Anticonceptiva (TPA) en el comparado con el reporte de dos horas y 21 minu­
mundo en desarrollo: 76% según la Encuesta de tos de permanencia promedio en las salas de espe­
Salud Reproductiva (ESR). Su Tasa Global de ra de las clínicas públicas (Caja Costarricense de 
Fecundidad de 3,1 nacimientos en 1991-93 no Seguro de Social 1994: cuadro 10.6. Las cifras 
es, sin embargo, baja. Esta combinación de muy son las reportadas por las propias usuarias y se re­
alta práctica anticonceptiva y fecundidad algo fieren a su visita más reciente a una clínica de pla­
alta ha confundido a los demógrafos por déca­ nificación familiar).
das. La práctica anticonceptiva es alta en todas 
las regiones y estratos sociales del país. La TPA 
más baja, que corresponde a las mujeres analfa­ Los datos
betas de áreas rurales fuera del Valle Central, es 
aproximadamente 70%: una cifra no muy dife­ El documento se basa en tres conjuntos de 
rente del promedio nacional. El principal pro­ datos geocodificados:
veedor de planificación familiar en Costa Rica 
es, con mucho, el gobierno, a través de las clíni­ 1) La Encuesta de Salud Reproductiva (ESR) 
cas de la Caja Costarricense de Seguro Social y de Costa Rica, llevada a cabo en 1992-93 
el Ministerio de Salud. Los establecimientos pú­ por la Caja Costarricense de Seguro Social 
blicos de salud proveen más de tres cuartas par­ con asistencia de los Centros para la Pre­
tes de todos los anticonceptivos modernos en el vención y Control de Enfermedad (CDC) de 
país. Aunque hay una superposición considera­ Estados Unidos. La muestra de la ESR es 
ble en la población abastecida por el Seguro So­ representativa de mujeres con edades entre 
cial y el Ministerio de Salud, el Ministerio tien­ 15 y 49 años. Incluye 3.618 entrevistadas en 
de a ser más importante en áreas rurales y entre 188 conglomerados (Caja Costarricense de 
los pobres, que la Caja. Los cuatro anticoncepti­ Seguro Social 1994). Estos conglomerados 
vos más populares son la píldora (26%), esterili­ son una muestra de los segmentos censales 
zación (22%), el condón (22%) y el DIU (12%) de 1984.
(Caja Costarricense de Seguro de Social 1994: 2) Un inventario de 300 establecimientos pú­
cuadro 9,12). blicos que dan servicios de planificación fa­
Dimensiones espaciales de planificación familiar en Costa Rica.., 267
miliar. No se incluyen clínicas privadas, Pueden considerarse tres procedimientos de 
consultorios de médicos ni farmacias. La geocodificación:
única información disponible para cada 
clínica en este inventario es su tamaño, 1) El más económico consiste en parear la en­
medido por un número estimado de las ho­ cuesta o el censo a datos que ya contienen 
ras de consulta (de todo propósito y para las coordenadas X, Y. Por ejemplo, en los 
planificación familiar) ofrecidas en 1992. Estados Unidos uno puede registrar el códi­
Esta estimación se basa en datos inéditos go postal de cada unidad de muestreo y 
sobre pacientes de consulta externa del combinar la encuesta con cualquiera de los 
Departamento de Bioestadística de la Caja muchos conjuntos de datos geocodifícados 
Costarricense de Seguro Social y del De­ que contienen códigos postales, disponibles 
partamento de Estadísticas del Ministerio comercialmente. Sin embargo, en países en 
de Salud. desarrollo, las bases de datos geocodifícadas 
con un detalle geográfico apropiado son es­
3) Alrededor de 11.000 segmentos censales de casas.
1984. Una segmento censal comprende en 2) Otra alternativa es ubicar los puntos de 
promedio 50 hogares, o sea un área de una o muestreo y segmentos sobre mapas apropia­
dos manzanas en las ciudades o de uno a dos y leer allí las coordenadas. Estos mapas 
diez kilómetros cuadrados en áreas rurales. deben ser precisos, georeferenciados y con 
Estos datos fueron utilizados para estimar la una escala grande. Si, por ejemplo, el error 
densidad de población de los conglomera­ típico cometido al colocar los puntos en el 
dos muéstrales y las poblaciones blanco pa­ mapa y leer las coordenadas fuera del orden 
ra los servicios. La Dirección General de de un centímetro, trabajar con mapas a esca­
Estadística y Censos proporcionó los archi­ la 1:10.000 daría un error típico de 100 me­
vos censales originales. tros, pero con una escala m enor de 
1:1.000.000 se tendría un decepcionante 
error de 10 Km. Los costos de geocodificar 
El procedimiento para la a partir de mapas son pequeños, pero el 
geocodificación error potencial es grande.
3) Una alternativa probablemente más precisa, 
La situación ideal para análisis espaciales pero también más costosa, es utilizar un lo­
sería tener coordenadas geográficas X,Y para cada calizador GPS del “Global Positioning Sys­
hogar y servicio de salud en el país. Sin embargo, tem” para obtener las coordenadas en el 
en la práctica es suficiente considerar las unidades campo a partir de señales de satélite. La 
de muestreo y los segmentos censales como un exactitud de estas medidas es generalmente 
solo punto y geocodificar su centroide. Esto im­ de unos 30 metros. Los costos involucrados 
plica obtener las coordenadas para aproximada­ en este procedimiento provendrían de la 
mente 100 o 30Ó puntos en una encuesta típica: compra de localizadores GPS y las visitas 
una tarea no imposible. Geocodificar todos los de campo a cada sitio.
segmentos censales es más difícil, pero no esen­
cial para la mayoría de los análisis en este docu­ Los 11.000 segmentos censales (que inclu­
mento. Dado el propósito para el cual se define un yen los 188 conglomerados de la ESR) fueron 
segmento censal (conveniencia de la enumera­ geocodifícados para este estudio leyendo en ma­
ción), su centroide demográfico es obviamente pas las coordenadas del centroide demográfico. 
una representación más precisa de la ubicación de Puesto que los mapas censales de costa Rica no 
la población del segmento, que un polígono de su tienen coordenadas terrestres, se ideó un procedi­
área completa (Bracken, 1989). miento en dos pasos, implementado por estudian-
268 Luis Rosero-Bixby
tes universitarios. Primero, se tomaron las coorde­ Gráfica 1. Distancia entre la geocodificación en mapas y en 
nadas terrestres de una serie de puntos de referencia el terreno de los segmentos censales por escala del mapa
de mapas del Instituto Geográfico Nacional georefe- 
renciados. La escala de estos mapas es 1:10.000 en 
el Valle Central y 1:50.000 en otras áreas. Se identi­
ficó un punto de referencia (generalmente la iglesia, 
una escuela, un cementerio, o la “plaza”) en cada 
mapa censal. Comúnmente había uno o dos mapas 
censales por distrito administrativo . Segundo, se 
midieron gráficamente las coordenadas X,Y para el 
centroide de cada segmento censal en los mapas 
censales, tomando el punto de referencia antes men­
cionado como el origen cartesiano del sistema. La J 
escala de los mapas censales varió de 1: 800 a |  
1:20.000. Una computadora combinó los dos con­
juntos de coordenadas y escalas de mapas para 
computar las coordenadas terrestres proyectadas, 
0 20 40 ao 80
usando la proyección Conformal Lambert (“Intera- Escala del mapa (cms por km)
merican Geodetic Survey” 1950).
Dado que los errores en los datos son críticos mientos específicos utilizados por las mujeres pa­
al conformar los sistemas de información geográfica ra planificación familiar y otros propósitos. Esta 
(GIS), estas mediciones se validaron en una muestra información mejora considerablemente las posibi­
de 40 segmentos, que también son conglomerados lidades de análisis, especialmente con respecto al 
de la ESR. Se tomaron mediciones en el campo de comportamiento del consumidor al elegir un cen­
señales de satélite con un artefacto GPS. La gráfica 1 tro de planificación familiar. También permite te­
muestra la discrepancia entre las dos estimaciones, ner medidas cartográficas de la distancia a las clí­
medida por la distancia euclideana entre los dos pa­ nicas usadas por los entrevistados, que pueden 
res de coordenadas. La discrepancia promedio es de compararse al tiempo de viaje reportado.
aproximadamente 60 metros. Discrepancias mayores 
de 300 metros ocurrieron en menos de la cuarta parte 
de las observaciones. Considerando que las medidas Presentación en mapas
basadas en GPS tienen cierto margen de error, se 
puede decir que el enor en la gran mayoría de nues­ Un uso obvio de datos geocodificados es 
tras mediciones basadas en mapas es menor de 200 mostrar sobre mapas las características y los resul­
metros. La probabilidai de tener errores mayores de tados de encuestas. Los mapas son un medio po­
500 metros es virtualmente cero. La gráfica 1 tam­ deroso para transmitir información, especialmente 
bién muestra que los érrores tienden a aumentar en a grupos sin conocimientos estadísticos sofistica­
mapas con-escalas menores, especialmente menores dos. Los mapas son también medios valiosos para 
que 1:3.000 (menos que 33 cm. en la gráfica). detectar relaciones espaciales. Hace más de un si­
Los datos sobre puestos de salud se geoco- glo, John Snow, el padre de la epidemiología, ya 
dificaron en los mapas mencionados del Instituto utilizó mapas para entender la dinámica espacial 
G eográfico  N acional, a escalas 1:10.000 y de una epidemia de cólera en Londres (Haggett et 
1:50.000. Estos datos fueron también validados al. 1977).
por el GPS para una muestra de 40 puntos. No hu­ El mapa 1 muestra la ubicación de los 188 
bo discrepancias mayores de 300 metros. conglomerados muéstrales de la ESR y la distribu­
Una característica importante de la ESR es ción de la población en Costa Rica. Los conglo­
que registró una identificación de los estableci- merados se concentran mayormente en el Valle 
Central, alrededor de la capital, siguiendo el mis-
Dimensiones espaciales de planificación fam iliar en Costa Rica..
M apa 1. La muestra y la población
Nicaragua
Mar Caribe
Panamá
Oceano Pacífico
Mapa 1. La muestra y la población
+ 200 habitantes aprox. 
oConglomerado muestral 
-------------Lim ite Provincial
rtio patrón de la población general. Pero, también dro marcado en el mapa 1). Los establecimientos es­
se distribuyen razonablemente en todo el territo­ tán conectados en el m apa con las unidades de 
rio nacional. Este mapa muestra que hay una bue­ muestreo por medio de líneas rojas con grosor pro­
na representación de la geografía costarricense en porcional al número de usuarias en la encuesta. El 
la muestra de la ESR. número que rotula cada línea es el tiempo promedio 
El mapa 2 muestra la disponibilidad de servi­ de viaje en minutos, declarado por las entrevistadas. 
cios y su utilización por las mujeres para reabaste- El mapa también detalla las carreteras nacionales y 
cerse de métodos de planificación familiar, en la las fronteras provinciales. El mapa confirma un he­
muestra del Valle de San Isidro del General (recua­ cho bien conocido: los puestos de salud del Ministe-
Mapa 2. Uso de servicios de PF
(números = tiempo de viaje reportado)
o Conglomerados muestraI 
+ Hospital CCSS 
A Clínica CCSS 
V Centro de Salud 
o Puesto de Salud
usuarias 
10-14 usuarias
------------ 5-9 usuarias
------------ 2-4 usuarias
Carretera nacional 
' lím ite provincial
Mapa 2. Uso de servicios de PF
Dimensiones espaciales de planificación familiar en Costa Rica.. 271
rio de Salud no proveen planificación familiar. Por ra 10 millas) y entre D y Pejibaye (90 minutos pa­
ejemplo, las mujeres del conglomerado E tienen un ra 3 millas).
puesto de salud convenientemente cerca, pero deben En un mapa similar pero sólo para mujeres 
viajar varios kilómetros para planificar la familia en esterilizadas se observó un patrón diferente (no 
los centros de salud en Buenos Aires o San Isidro. mostrado) del uso de los centros. El uso de servi­
Un puesto de salud es una unidad rural pequeña (fre­ cios alejados, especialmente hospitales de la capi­
cuentemente construida por la comunidad) atendida tal, es más frecuente entre estas mujeres, comporta­
por uno o dos trabajadores de salud, a quienes no se miento que tiene sentido para un método que re­
les permite prescribir anticonceptivos. Alrededor de quiere instalaciones algo sofisticadas para cirugía.
una vez al mes, un médico visita el puesto para dar 
consulta externa. Sin embargo, durante estas visitas 
el médico suele estar demasiado ocupado para aten­ Tendencias espaciales y 
der consultas de planificación familiar. estimaciones para áreas pequeñas
Haciendo a un lado los puestos de salud, el 
mapa muestra que, como es de suponer, la mayoría Las encuestas de muestreo no dan estimacio­
de las mujeres van al establecimiento más cercano. nes estables para áreas geográficas pequeñas o me­
Hay, sin embargo, desviaciones importantes de esta dianas, a pesar de la alta demanda por esta informa­
norma. Las mujeres en el conglomerado C, por ción entre los administradores de programas. Cuan­
ejemplo, se saltan la clínica vecina de Palmares y do mucho, una encuesta típica puede proporcionar 
van más lejos al centro de salud de la ciudad de San estimaciones para unas pocas regiones grandes. Sin 
Isidro. Hay tres explicaciones posibles para este embargo, si uno está dispuesto a aceptar que la va­
comportamiento: (1) la clínica de Palmares (tam­ riable de interés (por ejemplo, la TPA) varía suave­
bién conocida como Daniel Flores) se estableció mente en el espacio (o en un vecindario geográfico), 
muy recientemente (1988), es concebible, entonces, las encuestas geocodificadas pueden proporcionar 
que algunas usuarias no la conocían o no tenían su­ mejores estimaciones para una ubicación específica 
ficiente información sobre sus servicios como para definida por sus coordenadas X,Y. Estas estimacio­
cambiarse a esta nueva clínica; (2) los servicios nes se basan en tendencias de superficie implícitas 
ofrecidos en esta pequeña clínica no son acordes en los datos.
con las necesidades de los usuarios; y (3) los usua­ Hay varias técnicas para identificar tenden­
rios realizan viajes de compras con múltiples pro­ cias de superficie, usadas ampliamente en discipli­
pósitos a San Isidro, que es el centro urbano más nas como geología, topografía y meteorología. 
importante en la zona. Modelos del comportamien­ Los mapas meteorológicos son un ejemplo de una 
to espacial del consumidor (y el éxito actual de estimación derivada de unos cuantos puntos 
grandes centros comerciales) muestran que para muéstrales. El análisis de tendencia busca aislar la 
viajes de compra con un solo propósito (un produc­ “señal’’ o componente sistemático subyacente en 
to por viaje) los consumidores van al abastecedor los datos espaciales del “ruido” o componente 
más cercano del producto; sin embargo, para viajes aleatorio. Una técnica simple para estimar tenden­
de mú\tip\es propósitos, van a\ centro que abastece cias de superficie (usada en  este docum ento) es
toda clase de mercancías (Bacon 1984). ajustando a las coordenas X,Y un polinomio de 
El mapa 2 también muestra una relación ra­ grado a elegir según criterios estadísticos. Una al­
zonable entre la distancia euclideana al puesto y ternativa a los polinomios son los modelos no-pa- 
los tiempos de viaje reportados. Algunos tiempos ramétricos de regresión local. En un marco GIS, 
de viaje que parecen excesivos para la distancia también es posible suavizar los datos usando téc­
involucrada, son razonables cuando se considera nicas como una ventana móvil para calcular el 
la inexistencia de caminos directos entre los pun­ promedio ponderado con observaciones aledañas.
tos de origen y destino. Este es el caso para los Este documento estima polinomios de ten­
tiempos entre G y Buenos Aires (148 minutos pa­ dencias de superficie para: (1) la tasa de prevalen-
272 Luis Rosero-Bixby
cia anticonceptiva y (2) la escogencia del DIU en­ alta en todo el territorio. Los pocos centros con 
tre usuarias de anticonceptivos. Los mapas 3 y 3b menos de 60% de parejas que practican anticon­
muestran las superficies resultantes. Estos mapas cepción se ubican en una región norteña lindando 
deliberadamente no muestran las estimaciones co­ Nicaragua y en una región del sudeste (Sixaola) 
mo áreas sombreadas o líneas de contorno, para limítrofe con Panamá, que también es la región 
evitar extrapolaciones a lugares inhabitados. Solo con la concentración más grande de población in­
muestran resultados para asentamientos humanos dígena. Esta gráfica es sorprendentemente pareci­
de importancia. da a un mapa sobre la transición de la fecundidad 
La tendencia-superficie para la tasa de pre- en Costa Rica publicado en otro estudio (Rosero- 
valencia anticonceptiva confirma que esta tasa es Bixby y Casterline 1994).
Mapa 3. Prevalenda anticonceptiva
Nicaragua
Mar Caribe
Estimación d» t«nd*nc¡a-tup«rficto
0< 60%
+60 -69 
*70 -79 
• 80% +
Dimensiones espaciales de planificación familiar en Costa Rica... 273
Mapa 3b. Elección del DIU
Nicaragua
Mar Caribe
En contraste con la disminución progresi­ más la condición de la oferta que la demanda, 
va desde el centro observada para la prevalencia los administradores del programa deberían con­
anticonceptiva, la superficie para la escogencia siderar capacitar a los profesionales que dan pla­
del DIU (proporción de usuarias de anticoncepti­ nificación familiar.
vos que eligen este método) muestra una dismi­ ¿Son los patrones sugeridos en estas su­
nución progresiva de este a oeste. El DIU es me­ perficies estadísticamente significativos? ¿Me­
nos popular en las regiones nor-occidentales. joran estas superficies en forma significativa las 
Puesto que este patrón probablemente refleja estimaciones convencionales de las encuestas?
274 Luis Rosero-Bixby
El cuadro 1 muestra la mejora en la razón de ve­ grado. Un polinomio de segundo grado involu­
rosimilitud para los modelos logísticos usados cra cinco parámetros (X, Y, XY, X2, y Y2) y 
en estas estimaciones. Como es usual, la mejora uno de tercer grado, 9 parámetros. Todas las 
se establece con relación al modelo nulo, que Chi-cuadrado en el cuadro son significativas al 
asume que todos los conglomerados son idénti­ 1%. Los valores de Chi-cuadrado resultantes de 
cos al promedio nacional. El cuadro 1 también comparar las superficies estimadas con el mode­
muestra, como contraste, el ajuste de un modelo lo nulo, sugieren que hay una mejora significati­
logístico para la probabilidad de estar en una va sobre el mero hecho de aplicar estimaciones 
unión libre, comportamiento que se sabe presen­ nacionales a cada localidad. Las superficies son 
ta fuertes contrastes regionales en Costa Rica también una mejora significativa sobre estima­
(Glaser 1994). Nótese que son polinomios de ciones específicas para las 6 regiones de salud 
tercer grado los que mejor se ajustan a las super­ de Costa Rica. Las mejoras para las estimacio­
ficies para el uso de anticonceptivos y para las nes del uso de anticonceptivos y escogencia del 
uniones consensúales. Para escogencia del DIU, DIU no son, sin embargo, tan importantes como 
el mejor ajuste lo da un polinomio de segundo las de prevalencia de uniones consensúales.
Cuadro 1. Regresiones logísticas para tendencias de superficie en la probabilidad condicional de usar 
anticonceptivos,escoger el DIU y estar en unión libre
Indicadores Uso de Escogencia del Unión libre
anticonceptivos DIU
Condicionado a estar: En unión Usan En unión
anticonceptivos
N mujeres/conglomerados 1957/185 1484/185 1957/185
Grado del polinomio/
parámetros 3/9 2/5 3/9
LV modelo nulo -1082.3 -528.2 -973.2
LV superficie polinomial -1068.3 -519.3 -895.5
Chi2 de superficie 28.0 17.8 155.4
LV modelo 6 regiones -1077.7 -522.8 -920.5
LV región & superficie -1064.8 -512.5 -887.1
Chi2 de superficie 25.8 20.6 66.8
LV = Log de razón de versosimilitud.
Medición del entorno de oferta de la distancia o el tiempo de viaje hasta las clí­
de servicios nicas de planificación familiar hechas por los entrevistados o informantes “conocedores” . Un 
estudio comparativo de la DHS sobre la dispo­
La medición de la accesibilidad física a nibilidad de servicios de planificación familiar 
servicios de planificación familiar presenta va­ y de salud destaca varias limitaciones derivadas 
rios problem as no resueltos en la literatura de la naturaleza subjetiva de la información 
(Chayovan et al. 1984, Hermalin et al. 1988). (Wilkinson et al. 1993). Los indicadores de ac­
Algunos pueden corregirse con información cesibilidad basados en medidas cartográficas 
geocodificada. Uno de estos problemas es la va­ objetivas pueden representar una mejora en la 
lidez interna de evaluaciones subjetivas acerca validez interna de las evaluaciones subjetivas.
Dimensiones espaciales de planificación familiar en Costa Rica... 275
Además, los indicadores basados en cartografía tos y distancias cartográficas del orden de 100 ki­
pueden servir para validar los reportes sobre el lómetros. Estos puntos se debieron a errores de 
tiempo de viaje a las clínicas y pueden dar luces campo y de codificación a la hora de identificar el 
sobre las ventajas y desventajas de usar indica­ centro utilizado realmente por la entrevistada. La 
dores de acceso reales frente a percibidos, o me­ información cartográfica sirvió para aislar y corre­
didas de nivel micro frente a nivel macro (Ent- gir este error.
wisle et al, 1984).
La gráfica 2 muestra el tiempo reportado Gráfica 2. Comparación del tiempo de viaje declarado con 
de viaje en relación con la distancia euclideana la distancia cartográfica a las clínicas de 
entre la residencia de una entrevistada y el cén- planificación familiar
tro reportado como de uso por esta entrevistada. 
Es evidente la preferencia de dígitos en el tiem­
po reportado: esto es, las respuestas claramente 
se concentran en valores como 5, 10, 30, 45 y 60 
minutos. La correspondencia entre las dos medi­
das es relativamente alta en los logaritmos (coe­
ficiente de correlación de 0,67). Un modelo 
multiplicativo estimado con regresión de Pois- 
son (McCullagh y Nedler 1989), para el logarit­
mo de la variable explicativa indica un tiempo 
esperado de viaje de cerca de 15 minutos para el 
primer kilómetro e incrementos de 0.5% para 
cada aumento de 1% en la distancia. Por ejem­
plo, el tiempo esperado de viaje es 36 minutos KILOMETROS
para 5 Km y 52 minutos para 10 Km. Los pará­
metros de este modelo son una estimación razo­
nable de un factor de conversión de distancia a Ha habido algún debate sobre la utilización 
tiempo de viaje y una representación apropiada de medidas agregadas o individuales para medir el 
de lo que la gente hace usualmente: utilizar el acceso a los centros de planificación familiar 
medio de transporte más rápido para distancias (Tsui et al. 1981, Chen et al. 1983, Entwisle et al 
mayores. 1984). Una limitación de los indicadores a nivel 
La falta de una correspondencia perfecta en­ individual es que la información a menudo no está 
tre distancias cartográficas y tiempo de viaje pue­ disponible (o no es confiable) para los entrevista­
de surgir de errores en las percepciones de los dos que no van a clínicas de planificación familiar 
tiempos de viaje, de la utilización de medios de (Chayovan et al. 1984). Para superar esta limita­
transporte diferentes y, como se vio en el mapa 2, ción, este documento calculó un indicador agrega­
de la falta de caminos directos entre dos puntos. do (el promedio) del tiempo reportado de viaje pa­
Para tomar en cuenta el hecho de que las perso­ ra cada conglomerado muestral, el cual luego pue­
nas, a diferencia de los pájaros, no suelen viajar de ser utilizado para cada individuo en el conglo­
en línea recta, se calculó un indicador de tiempo merado. La comparación de estos promedios de 
relativo de viaje propio de cada conglomerado, conglomerado con las distancias cartográficas 
como la razón entre el promedio de tiempo repor­ produce un gráfico más nítido (no mostrado) que 
tado y el tiempo de viaje estimado por el modelo el de la gráfica 2. Los parámetros estimados con 
(esperado). el modelo correspondiente fueron, sin embargo, 
Un análisis preliminar del diagrama de dis­ esencialmente los mismos que en la gráfica 2.
persión en la gráfica 2 mostró algunos puntos con Es importante notar que el tiempo promedio 
tiempos de viaje reportados de cinco o diez minu­ de viaje a las clínicas de planificación familiar no
276 Luis Rosero-Bixby
es una medida de oferta pura. Está determinada en nas, etc) en un punto i es la suma de los elementos 
parte por el comportamiento del consumidor, que existen en todas las ubicaciones j  ponderada 
puesto que no todos en el conglomerado seleccio­ por el inverso de la distancia entre i y ¿. El cálculo 
nan la misma clínica ni la más cercana. Más aún, se limita a localidades dentro de un radio r en tor­
la percepción del tiempo de viaje puede estar ses­ no a i.
gada en función de una proclividad hacia la plani­ La fórmula usada para calcular la densidad 
ficación familiar (quienes están más inclinadas a total de servicios de planificación familiar es:
usar anticonceptivos pueden sentir menos el tiem­
po utilizado en el viaje a las clínicas), lo cual re­
sultaría en una asociación espuria entre estas dos 4  = 1  ~ t
variables. Dadas estas consideraciones, deben ex­ > d H
plorarse otros indicadores de accesibilidad, para 
los cuales la información geocodificada es espe­ A¿ = densidad total de servicios (horas provistas) 
cialmente útil. para la localidad i;
Las medidas tradicionales de acceso se ba­
san generalmente en la distancia al centro de salud Hj = horas de planificación familiar provistas por 
más cercano o en la presencia de centros en la co­ la clínica j;
munidad, o dentro de los límites de áreas adminis­
trativas. La utilización de servicios de otras comu­ dji = distancia entre la clínica j  y la localidad i;
nidades, el no uso del centro más cercano, la su­
perposición de áreas de cobertura, los servicios re­ b -  exponente de fricción de la distancia,
dundantes en una comunidad y la competencia 
con otros usuarios potenciales son aspectos del ac­ r = radio desde i para la distancia máxima a consi­
ceso que no se han tratado en forma adecuada en derar en la sumatoda.
las medidas tradicionales de accesibilidad. Los da­
tos geocodificados permitieron calcular dos indi­ Esta fórmula se ha usado para medir accesi­
cadores refinados del entorno de oferta de servi­ bilidad a lugares de trabajo (Duncan, 1964) y a 
cios: densidad de servicios total y per-cápita den­ profesionales de salud (Thouez et al., 1988). 
tro de un radio. Los indicadores de densidad no Tiene, sin embargo, la limitación de no considerar 
son nuevos (Davanzo 1988). La novedad está en el tamaño de la población servida, esto es, la com­
la flexibilidad para definir estos indicadores con petencia entre los clientes de un servicio. Para 
datos geocodificados. Primero, no existe la limita­ corregir esta deficiencia, Joseph y Bantock (1982) 
ción de usar unidades geográficas arbitrarias (Ma- proponen calcular la densidad per cápita con­
kuk et al. 1991). Segundo, hay libertad para defi­ siderando el tamaño de las poblaciones Cj en las 
nir áreas de cualquier forma y tamaño y enfrentar áreas de atracción de las clínicas.
el “problema de unidad de área m odificable” 
(Wrigley, 1995).. Tercero, es posible introducir 
efectos de fricción de distancia. Cuarto, hay flexi­ r H j C , r p
bilidad para incorporar en las medidas de acceso, Bñ Y . - 4 r " .  c , = E 4 -
características cualitativas y cuantitativas de los 1 ji " jk
centros y considerar la competencia entre usuarias 
de los servicios (Rosero Bixby 1993). B¡ = densidad de servicios per cápita (horas anua­
Las medidas de accesibilidad estimadas en les por mujer) para la localidad i;
este documento se basan en los conceptos de den­
sidad potencial de servicios y potencial de pobla­ Cj = población potencial (mujeres en edad repro­
ción. El concepto de potencial es el siguiente: el ductiva) servida en el área de atracción de radio r 
número potencial de elementos (clínicas, perso­ de la clínica j\
Dimensiones espaciales de planificación familiar en Costa Rica... 277
Ph = Población (mujeres en edad reproductiva) en coeficientes de correlación cercanos a la unidad 
todas las localidades h, dentro del área de atrac­ entre indicadores de acceso que difieren en el ra­
ción de la clínica. dio (10 o 15 Km) y en el exponente de fricción de 
Este documento experimentó con combina­ distancia (0 o 1). Entre densidades per cápita se 
ciones de radios entre 5 y 20 Km y exponentes de dieron correlaciones similares (no mostradas). Ca­
fricción de distancia de 0 y 1. Para radios mayores librar o seleccionar estos parámetros (radio y fric­
de 10 Km, los resultados no fueron sensibles a ción de distancia) no parece , por ende, ser crítico 
cambios ni en el radio ni en el exponente de fric­ en el cálculo de las medidas de densidad presenta­
ción. El segundo panel del cuadro 2, muestra unos das aquí.
Cuadro 2. Coeficientes de correlación para medidas seleccionadas de oferta de planficación familiar
Tiempo Distancia Densidad 10 km
Medidas de viaje a la más —
cercana Total Por mujer
Promedio del tiempo de
viaje declarado 100 43 -28 -28
Distancia a la clínica
más cercana - 100 -65 -70
Densidad radio de 10 km.:
Total 100 66
Por mujer 100
Para densidad total,
fricción de distancia y Fricción = 0, Fricción = 1, Fricción = 1,
radio r r=  10 km r=  10 km r=  15 km
Fricción = 0, r = 10 km 100 96 95
Fricción = 1, r = 10 km 100 98
Fricción = 1, r = 15 km 100
N = 185 conglomerados muéstrales
Todas son medidas cartográficas, excepto el tiempo de viaje declarado.
El primer panel del cuadro 2 compara las portado de viaje y la densidad del servicio apa­
dos medidas de densidad y dos medidas tradicio­ recen así como dos dimensiones de accesibilidad 
nales de accesibilidad: el tiempo promedio re­ distintas. Puesto que diferentes indicadores dan 
portado por las mujeres de cada conglomerado diferentes panoramas, debe prestarse cuidadosa 
(un dato del cuestionario de la encuesta) y la atención a la selección de indicadores de la ofer­
distancia en línea recta entre el conglomerado y ta de servicios. Un estudio anterior comparando 
su centro de planificación familiar más cercano varias medidas de accesibilidad en Tailandia 
(una m edida cartográfica que requiere datos también encontró que los resultados son sensi­
geocodificados). Los coeficientes de correlación bles a la elección del indicador (Chayovan et al. 
entre las tres medidas cartográficas son modera­ 1984).
damente altos (65% a 70%) y con el signo co­ Un uso importante de los indicadores de ac­
rrecto. Por el contrario, el coeficiente de correla­ cesibilidad es para orientar en la selección de si­
ción entre el tiempo reportado de viaje y las tres tios óptimos para nuevas clínicas y para la expan­
medidas cartográficas es modesto. El tiempo re­ sión de servicios en las clínicas existentes. El ma­
278 Luis Rosero-Bixby
pa 2 muestra el entorno de oferta de servicios en cada 20 mujeres en edades reproductivas. Los ad­
el territorio costarricense medido por la densidad ministradores necesitan entender esta métrica para 
de servicios per cápita. Nótese que esta densidad establecer estándares aceptables mínimos o metas 
de servicio no fue calculada únicamente para los para la oferta de servicios. Tomando, por ejemplo, 
conglomerados de la encuesta, sino también para una densidad aceptable mínima de 0,05 horas-mu­
todos los centros poblados importantes en el país, jer, el mapa 4 muestra que ningún pueblo del Va­
utilizando la información geocodiñcada del inven­ lle Central está bajo este mínimo. También mues­
tario de establecimientos y los segmentos censa­ tra que debería darse prioridad en la expansión de 
les. Nótese también la métrica del indicador de servicios a las regiones sur y noroccidental, donde 
densidad. Por ejemplo, una cifra de 0,05 indica la existen cerca de 40 poblados con valores menores 
disponibilidad de una hora-servicio por año para a este mínimo.
Mapa 4. Acceso a los servicios
Dimensiones espaciales de planificación familiar en Costa Rica.. 279
Los indicadores contextúales en análisis más acucioso. Los dos modelos incluyen 
modelos de niveles múltiples como regresores contextúales tres indicadores cal­culados con datos geocodificados: (1) el porcenta­
je de uso de anticonceptivos/DIU entre las resi­
Los modelos de niveles múltiples para ex­ dentes en un radio de 10 Km, cálculo hecho con 
plicar la adopción de planificación familiar, las una corrección por fricción de distancia (la mujer 
preferencias de fecundidad u otros comportamien­ índice se excluyó cuando se calcularon estos agre­
tos, frecuentemente incluyen como factores con­ gados); (2) la dificultad relativa de viaje en el con­
textúales a indicadores de la comunidad o de la glomerado; y (3) la densidad de servicios de pla­
unidad administrativa donde el individuo vive. Es­ nificación familiar por mujer en un radio de 10 
tos niveles de agregación, sin embargo, pueden Km tal como se definió anteriormente.
estar sesgados si ocurre contaminación entre co­ La propensión de otras mujeres en el área 
munidades, si los límites administrativos son arbi­ para usar anticonceptivos o para escoger el DIU 
trarios, o si el área agregada es demasiado peque­ muestra efectos importantes sobre la probabilidad 
ña o demasiado grande (Makuk et al. 1991). El individual de adopción. La probabilidad de usar 
concepto mismo de “comunidad” o “localidad” es anticonceptivos aumenta 11% con un aumento de 
problemático, especialmente en estudios compara­ 10 puntos en la tasa contextúa! de prevalencia an­
tivos (Wilkinson et al. 1993: 6). Los datos geoco- ticonceptiva. La probabilidad de elegir el DIU au­
difícados dan flexibilidad en la escogencia del ni­ menta 26% con un aumento de 10 puntos en el 
vel de agregación y permiten definir unidades porcentaje contextual de usuarias del DIU. Estas 
comparables entre países. Por ejemplo, se puede asociaciones pueden ser manifestaciones genuinas 
definir como unidad estándar un círculo con un de la difusión de persona a persona, pero también 
radio determinado, unidad que estaría libre de li­ pueden ser simplemente un reflejo de variables 
mitaciones por fronteras arbitrarias y sena inter­ omitidas en los modelos, cuyos efectos pudieron 
nacionalmente comparables. haber sido capturados por las prevalencias contex­
Los modelos de difusión espacial e interac­ túales. Depurar estas estimaciones usando, por 
ción social también requieren indicadores agrega­ ejemplo, variables instrumentales, está más allá 
dos tanto para la comunidad índice como para las del alcance de este documento.
comunidades vecinas. Por ejemplo, al explicar la El tiempo relativo de viaje del conglomera­
adopción de planificación familiar, los modelos de do no muestra ninguna relación importante con la 
difusión pueden incluir como factores contextúa­ adopción de anticoncepción o la escogencia del 
les explicativos, el nivel de uso de anticonceptivos DIU. Este resultado sugiere que la utilización de 
en la comunidad analizada y en otras áreas rele­ tiempos de viaje reales en vez de distancias eucli- 
vantes para capturar la influencia de los vecinos deanas para calcular los indicadores de acceso no 
(Rosero-Bixby y Casterline 1994). Una vez más, tienen consecuencias importantes para el análisis.
los datos geocodificados dan flexibilidad para la La densidad de servicios no muestra un efecto 
construcción de indicadores relacionados con la significativo sobre el uso de anticonceptivos. Aun­
influencia de los vecinos. que el efecto de la densidad de servicios sobre la es­
Para ilustrar estos usos de los datos geoco­ cogencia del DIU tampoco es significativo, no lo es 
dificados, el cuadro 3 muestra los resultados de por un margen muy estrecho (el valor z de 1.5 es 
dos modelos de regresión logística de niveles múl­ significativo a un nivel de 13%). Un aumento en 
tiples, para la probabilidad de usar anticoncepti­ una hora-consulta en la densidad de los servicios de 
vos (condicionada a estar en una unión) y de esco­ planificación familiar por mujer Qo cual es un incre­
gencia del DIU (condicionada a estar usando anti­ mento enorme), doblaría la probabilidad de selec­
conceptivos). Los modelos del cuadro 3 no pre­ cionar el DIU según el modelo.
tenden ser un análisis completo del tema. Tanto El panel inferior del cuadro 3 permite hacer 
las especificaciones de ambos modelos como su un análisis de sensibilidad al uso de indicadores
estimación estadística pueden mejorarse en un
280 Luis Rosero-Bixby
Cuadro 3. Regresión logística de ia probabilidad condicional de uso de anticonceptivos y selección del DIU
Uso de Selección de DIU
anticonceptivos
Variables explicativas Razón de Razón de 
chances (z) chances (z)
Nivel individual
Edad en grupos quinquenales 1.13 (3.03) 0.86 (-2.34)
Metas reproductivas
Desea un hijo ahora 1.00 Referencia - -
No desea más hijos 5.80 (11.70) 1.00 Referencia
Desea esperar 6.84 (10.98) 1.19 (0.93)
Educación en niveles de 5 años 1.38 (4.03) 1.43 (3.20)
Indice de secularización (1 to 4) 1.07 (1.38) 1.14 (1.88)
Nivel contextual
Usuarias* en 10 km. 1.11 (1.91) 1.26 (2.41)
Tiempo relativo de viaje 1.00 (0.01) 0.96 (-0.18)
PF hora-año/mujer, 10 km 1.08 (0.20) 2.02 (1.50)
Pseudo R2 (Chi2) 0.09 (191.14) 0.04 (38.21)
N observaciones 1,927 1,460 -
Sensitividad, indicador de acceso
PF hora-año/mujer, 10 km 1.08 (0.20) 2.02 (1.50)
Idem, sin fricción de distancia 1.30 (0.79) 1.20 (0.37)
Idem, total PF hora-semana 1.00 (0.07) 1.05 (1.47)
Distancia clínica más cerca 0.89 (-1.12) 0.88 (-0.74)
Horas tiempo de viaje declarado 0.62 (-2.46) 0.75 (-0.84)
Razón de chances para incrementos de 10-puntos en el porcentaje contextual de usuarias.
alternativos de acceso en la regresión logística. miento del consumidor en la selección de una clí­
Para el modelo de uso de anticonceptivos, todos nica de planificación familiar en países en desa­
los indicadores basados en cartografía no mostra­ rrollo ha sido poco estudiado. La información de 
ron efectos significativos. El tiempo de viaje re­ encuestas geocodificadas hace posible tal estudio, 
portado (promedio para el conglomerado), por el especialmente si la encuesta registra la identifica­
contrario, muestra un efecto significativo: una ho­ ción de la clínica utilizada por las entrevistadas y 
ra extra de viaje reduce en 38% la probabilidad de si se complementa con un inventario geocodifica- 
usar anticonceptivos. Dado que puede existir en- do de las clínicas.
dogeneidad en los tiempos de viaje reportados, es­ El análisis visual, como en el mapa 2, es un 
te resultado no es concluyente, empero. primer paso para entender el patrón de utilización 
Para el modelo de elección del DIU, ningún de los servicios.
indicador supera el efecto de la densidad per cápi- Los modelos estadísticos son un enfoque 
ta de los servicios de planificación familiar. más riguroso. Como ilustración, este documento 
estimó un modelo para el chance de que una 
usuaria i de métodos anticonceptivos que requie­
La elección de clínica ren reabastecimiento escoja el centro de planifica­
ción familiar j .  La ESR contiene la información 
Contrastando con la abundante literatura so­ para más de 550 usuarias que se reabastecieron en 
bre utilización de servicios de salud, el comporta­ clínicas públicas. La combinación de este número
Dimensiones espaciales de planificación familiar en Costa Rica... 281
con el de 300 clínicas resulta en un conjunto de cerca de 5.500 observaciones. Como se requiere 
cerca de 165.000 observaciones, una para cada par en los diseños de caso-control pareados (o en mo­
usuaria-clínica. Para no lidiar con un archivo tan delos econométricos de selección discreta) se uti­
grande, se adaptó un diseño caso-control pareado. lizó regresión logística condicional para estimar el 
Se seleccionaron aleatoriamente nueve “contro­ modelo (Breslow y Day 1980, Greene 1990). El 
les” para cada usuaria, lo que dio como resultado cuadro 4 muestra los resultados.
Cuadro 4. Regresión logística condicional para la selección de clínica por mujeres 
usando métodos de reabastecimiento en clínicas públicas
Variable explicativa Coeficiente R.chances valor z P>lzl
Log de distancia en km.: -3.02 -13.90 0.00
Log horas semanales PF
Usuarias de DIU 1.27 3.16 0.00
Otras usuarias 0.44 3.94 0.00
Log población blanco 0.13 1.11 0.27
Proporción consultas de PF 1.41 4.09 1.69 0.09
Clínicas del Seguro Social 0.63 1.87 1.67 0.09
N = 5,510. Pseudo R2 = 0.90.
Diseño caso-control pareado (9 controles por caso
Se dispuso de cinco variables explicativas pa­ A ' V
ra este análisis: el tamaño de la clínica medido por Usuarios de DIU: o¡j = k  —__— {*• l)^J( l  9)*J
el número de horas semanales de planificación fa­ dl
miliar (hjy la distancia euclidiana entre la residencia 
del usuario y la clínica (d¡p, la población potencial 
A 0 4 c 01
de atracción de las clínicas(c^, la proporción de Otros usuarios: 0¡j = k  7 ^  (4.1 Y J ( l .9 p
consulta externa para propósitos de planificación fa­ y
miliar (fp, y si la clínica pertenece o no a la Caja 
Costarricense de Seguro Social. Para las primeras 
tres variables se tomaron los logaritmos naturales. donde k es una constante desconocida y los otros 
Los coeficientes de regresión de estas tres variables símbolos son los mismos de las variables anterior­
miden, por tanto, la elasticidad en los chances de se­ mente definidas.
leccionar una clínica. Más aún, el coeficiente de re­ El tamaño de la clínica y la distancia hasta 
gresión para la variable log de la distancia es una es­ ella resultaron predictores fuertes de la escogen- 
timación del antes mencionado efecto de fricción de cia de clínica en este modelo. Un aumento de 1% 
distancia. El modelo también probó algunas interac­ en las horas semanales de planificación familiar 
ciones estadísticas de estas cinco variables con ca­ de una clínica dada, aumenta en 1.3% los chan­
racterísticas individuales y contextúales. Solamente ces de ser escogida entre los usuarios del DIU y 
la interacción entre el método anticonceptivo adop­ en un 4.0% entre los usuarios de otros métodos. 
tado y el tamaño de clínica resultó con algún signifi­ A su vez, un aumento de uno por ciento en el in­
cado. El modelo estimado en el cuadro 4 implica las verso de la distancia hasta la clínica aumenta en 
siguientes relaciones: 3% los chances de seleccionar esa clínica. El ex­
282 Luis Rosero-Bixby
ponente de fricción de distancia en la accesibili­ trevistados. Encuestas del tipo DHS deberían 
dad de centros de planificación familiar en Costa considerar la geocodificación de sus unidades de 
Rica es por lo tanto 3. El tamaño de la población muestreo como un procedimiento rutinario. Una 
servida por la clínica no demostró ser un factor in­ encuesta geocodificada, en combinación con un 
fluyente en la decisión de usar la clínica. La impor­ inventario de establecimientos que incluye algu­
tancia relativa de la planificación familiar en una na información cualitativa de las clínicas, parece 
clínica, medida por la proporción de consultas con una alternativa atractiva al “Módulo de Disponi­
este propósito, se relaciona positivamente con la bilidad de Servicios” usado actualmente en el 
decisión de usar la clínica. Pasar de cero a 100%, programa DHS.
de consulta de planificación familiar aumentaría El documento ha mostrado también que el 
los chances de seleccionar la clínica cuatro veces. mapeo de los resultados es una manera efectiva 
Similarmente, aumentar esta proporción en 20 pun­ para transmitir información sobre las dimensiones 
tos porcentuales aumentará los chances de elegir la espaciales de la planificación familiar y entender 
clínica en 33% ([4,1]0-2 = 1.33). Las clínicas del el entorno de oferta de servicios. Los análisis de 
Seguro Social son preferidas con respecto a las del tendencia-superficie de algunos resultados de la 
Ministerio de Salud. Los chances de elegirlas son Encuesta de Planificación familiar de 1992-93, 
87% mayores. Este efecto, junto con el de la pro­ mejoran las estimaciones para áreas pequeñas y 
porción de consultas de planificación familiar, no permiten identificar diferencias espaciales impor­
son significativos al 5%, pero dado que son signi­ tantes en la prevalencia anticonceptiva y en la es- 
ficativos al 10% ameritan alguna atención. cogencia del DIU. La medición del entorno de 
Los resultados del modelo de selección se oferta de servicios, esto es, la accesibilidad a los 
asemejan a la fórmula clásica de gravedad de la fí­ servicios de planificación familiar, es muy sensi­
sica de Newton (Haynes y Fotheringham 1984) en ble al indicador que se utilice. Indicadores dife­
que la atracción entre dos cuerpos (dos planetas, rentes dan imágenes considerablemente diferentes 
la tierra y la manzana apócrifa) es proporcional a de disponibilidad de servicios. Sin embargo, los 
sus masas y a la distancia entre ellos. Si en Costa indicadores basados en cartografía tienen ventaja 
Rica se dispusiera de más datos sobre las caracte­ en cuanto a objetividad y comparabilidad. Un re­
rísticas de las clínicas, los elementos de calidad sultado concreto que puede contribuir a mejorar 
del servicio podrían explicar en parte la selección las medidas de accesibilidad en Costa Rica es la 
de una clínica más allá de este modelo de grave­ calibración de un exponente de fricción de distan­
dad simple. cia de 3 por kilómetro y una elasticidad de distan­
cia para el tiempo de viaje de 0,53. También se 
usaron medidas más refinadas de las variables 
Conclusión contextúales en modelos de niveles múltiples para 
el uso de anticonceptivos y la escogencia del DIU. 
Este documento ha ilustrado la factibilidad En estos modelos de niveles múltiples, el impacto 
de geocodificar una encuesta del tipo DHS y ha de la densidad de servicio no es claro. En cambio 
'mostrado algunas de las ventajas de esta estrate­ la difusión por interacción con vecinos resultó un 
gia de recolección de datos. El costo de agregar factor importante para el uso de anticonceptivos y 
geo-referencias a una encuesta es modesto en la escogencia del DIU. Un modelo para explicar la 
comparación con sus beneficios, particularmente elección de clínica concluyó, dentro de una for­
para entender mejor el entorno de oferta de ser­ mulación clásica de la ley de la gravedad, que las 
vicios de planificación familiar. Las ganancias clínicas más cercanas y más grandes son las más 
de geocodificar una encuesta aumentan cuando probables de ser elegidas. Estos resultados no pro­
se acompaña de un inventario de establecimien­ vienen de análisis completos, sino de ejercicios 
tos georeferenciados y cuando la encuesta inves­ rápidos para ilustrar el uso de la información geo­
tiga los centros específicos utilizados por los en­ codificada.
Dimensiones espaciales de planificación familiar en Costa Rica... 283
Los análisis espaciales en este documento International Agency for Research on Can­
confirmaron que la accesibilidad a los servicios de cer.
planificación familiar no es un factor importante 
en el uso de anticonceptivos en la Costa Rica ac­ Caja Costarricense de Seguro Social (1994). Fe­
tual. Puede, sin embargo, influir en la elección del cundidad y Formación de la Familia. En­
método anticonceptivo. A su vez, la accesibilidad cuesta Nacional de Planificación familiar 
a una clínica parece crucial en la decisión de usar 1993. San José, Costa Rica: Reprinted by 
sus servicios. Este es un resultado algo trivial. Es the US Department of Health and Human 
inverosímil que un usuario viaje 100 Kms para Services, CDC.
una consulta de planificación familiar si la puede 
conseguir en una clínica cercana. Lo que no es tri­ Chayovan, N., Hermalin, A., & Knodel, J. (1984). 
vial es el calibraje del efecto de fricción de distan­ Measuring accessibility to family planning 
cia. services in rural Thailand. Studies in Family 
Entender el comportamiento del consumidor Planning, 15(5), 201-211.
para elegir el centro de planificación familiar pa­
rece un campo de estudio prometedor e importan­ Chen, C. H. C., Santiso, R., & Morris, L. (1983). 
te, especialmente en países como Costa Rica con Impact of accessibility of contraceptives on 
una alta tasa de prevalencia anticonceptiva. Esto contraceptive prevalence in Guatemala. 
ayudaría a refinar la oferta del servicio, a mejorar Studies in Family Planning, 14(11), 275- 
los indicadores de accesibilidad, y a evaluar el im­ 283.
pacto de la calidad de la consulta. Los análisis es­ Davanzo, J., Peterson, C., Peterson, J., Rebous- 
paciales son esenciales en tales estudios, como lo sin, D., & Starbird, E. (1988). “What ac­
es la información geocodificada sobre los usuarios counts for the increase in contraceptive 
y las clínicas. use in Pen insu lar M alaysia, 1956-75? 
-Development vs. family planning effort.” 
Paper presented at the Annual Meeting of 
Reconocimientos the Population Association of America, 
New Orleans.
Esta investigación fue apoyada por subsi­
dios de la Fundación Mellon a la Oficina de In­ Duncan, B. (1964). Variables in urban morpho­
vestigación en Población de la Universidad de logy. In E. W. Burguess, & D. J. Bogue 
Princeton, y de la Agencia Sueca para la Coopera­ (Editors.), Contribution to Urban Sociology. 
ción de Investigación con países en desarrollo (pp. 17-30). Chicago: University of Chicago 
(SAREC) a la Universidad de Costa Rica. Press.
Entwisle, B., Hermalin, A., Kamnuansilpa, P., & 
Bibliografía Chamratrithirong, A. (1984). A multilevel 
model of family planning availability and 
Bacon, R. W. (1984). Consumer Spatial Beha­ contraceptive use in rural Thailand. Demo­
viour. Oxford: Clarendon Press. graphy, 27(4), 559-574.
Bracken, I. (1989). The generation of socioecono­ Fisher, A., Mensch, B„ Miller, R. A., Askew, I., 
mic surfaces for public policy making. En­ Jain, A. K., Ndeti, C., Ndhlovu, L., & Tap- 
vironment and Planning B, 16(4), 307-316. soba, P. (1992). Guidelines and Instru­
m ents fo r  a Family planning Situation  
Breslow, N. E., & Day, N. E. (1980). Statistical Analysis Study. New York: The Population 
Methods in Cancer Research, vol. 1. Lyon: Council.
284 Luis Rosero-Bixby
Giggs, J. A. (1983). Health. In M. Pacione (Edi­ case study. Social Science and Medicine, 
tor.), Progress in Urban Geography. Lon­ 16(1), 85-90.
don: Croom Helm.
Makuk, D. M., Haglund, B., Ingram, D. D., Klein- 
Glaser, K. (1994). Determinants and fertility con­ man, J. C., & Feldman, J. J. (1991). The use 
sequences of consensual unions in Costa Ri­ of health service areas for measuring provi­
ca. Ph.D. dissertation, University of Michi­ der availab ility . The Journal o f  Rural 
gan, Ann Arbor. Health, 7(4), 347-356.
Greene, W. H. (1990). Econometric Analysis. McCullagh, P. & Nelder, J.A. (1989). Generalized 
New York: Macmillan. Linear Models. 2d ed. London: Chapman 
and Hall.
Haggett, P., Cliff, A., & Frey, A. (1977). Locatio­
nal Analysis in Human Geography. New Rodriguez, G. (1978). Family planning availability 
York: John Wiley. and contraceptive practice. International Fa­
mily Planning Perspectives, 4(4), 100-115.
Haynes, K. E., & Fotheringham, A. S. (1984). 
Gravity and Spatial Interaction Models. Be­ Rosero Bixby, L. (1993). Physical Accessibility to 
verly Hills: Sage Publications (scientific Health Facilities in Costa Rica. Internatio­
geography series). nal Population Conference Montreal 1993. 
Vol. 3 (pp. 185-190). : International Union 
Hermalin, A. I. (1986). Chapter III. The multile­ for the Scientific Study of Population.
vel approach to family planning program 
evaluation. In Addendum to Manual IX: Rosero Bixby, L., & Casterline, J. (1994). Interac­
The Methodology of Measuring the Impact tion diffusion and fertility transition in Cos­
of Family Planning Programmes on Ferti­ ta Rica. Social Forces, 73(2), 435-462.
lity, Population Studies. N. 66 (pp. 15-24). 
New York: United Nations. Scholten, H. J., & de Lepper, M. J. C. (1991). The 
benefits of the application of Geographic In­
Hermalin, A. I., Riley, A. P., & Rosero Bixby, formation Systems in public an environ­
L. (1988). A multi-level analysis of con­ m ental health. World H ealth S ta tistics  
traceptive use and method choice in Costa Quarterly, 44(3), 160-170.
Rica. In A. I. ,. Hermalin, & J. Casterline 
(Principal Investigators.), Effects o f Con­ Thouez, J. M., Bodson, P., & Joseph, A. E. 
textual Factors on Fertility Regulation in (1988). Some methods for measuring the 
Costa Rica and Egypt. (NICHD Contract geographic accessibility of medical services 
N01 HD-62902). Ann Arbor, MI: Popula­ in rural regions. Medical Care, 26(1), 34- 
tion Studies Center of the University of 44.
Michigan.
Tsui, A. O., Hogan, D. P., Teachman, J. D., & 
Inter-American Geodetic Survey (1950). Proyec­ Welti-Chanes, C. (1981). Community avai­
ción Lambert para Costa Rica. Washington lability of contraceptives and family limita­
D.C.: Army Map Service. tion. Demography, 18(4), 615-626.
Joseph, A. E., & Bantock, P. (1982). Measuring Wilkinson, M. I., Njogu, W., & Abderrahim, N. 
potential physical accessibility to general (1993). The availability of family planning 
practitioners in rural areas: a method and and maternal and child health services. De­
Dimensiones espaciales de planificación familiar en Costa Rica... 285
mographic and Health Surveys. Comparati­ llacy. In A. D. Cliff, P. R. Gould, A. G. 
ve Studies No. 7. Columbia, Maryland: Ma­ Hoare, & N. J. Thrift (Editors.), Diffusing 
cro International Inc. Geography Essays fo r  Peter Haggett. Ox­
ford UK: Blackwell.
Wrigley, N. (1995). Revisiting the modifiable 
areal unit problem and the ecological fa­