Ir al contenido
σestadistica.ar

estadistica.ar · Enciclopedia de Estadística en españolhttps://estadistica.ar/conceptos/anos-de-vida-perdidos

M05 · Tasas y demografíaAvanzadoProcedimiento

Años de vida potencialmente perdidos

El indicador que pesa las muertes según cuán prematuras son, y que reordena por completo el ranking de causas.

Por Jorge Luis Montivero, Licenciado en Estadística · Mu3Sigma

1 · La idea

Una muerte a los 20 años y una a los 85 cuentan lo mismo en una tasa de mortalidad. Los años de vida potencialmente perdidos corrigen eso:

AVPP=∑i(L−edadi)AVPP = \sum_i (L - \text{edad}_i)

donde LL es un límite de edad fijado —habitualmente 70 o 75 años— y se suman solo las muertes ocurridas antes.

Años de vida potencialmente perdidos: qué son y cómo se calculan · video, 6:19

2 · Por qué cambia el ranking de causas

Es el efecto central del indicador:

Por cantidad de muertesPor AVPP
Causas dominantescardiovasculares, cáncercáncer y causas externas (accidentes, suicidios, homicidios); las perinatales y congénitas, con muy pocas muertes, pesan como si fueran muchas
Edadesavanzadasjóvenes

3 · El reordenamiento, con las defunciones de 2023

Las 353.428 defunciones del país, agrupadas por capítulo de causa, con L=75L = 75:

Causa% de las muertes% de los AVPPAVPP por muerte
Circulatorias28,1 %16,7 %4,7
Respiratorias19,2 %9,9 %4,1
Tumores17,7 %20,6 %9,3
Mal definidas7,1 %5,4 %6,1
Infecciosas5,5 %5,7 %8,3
Causas externas5,1 %18,6 %29,1
Perinatales0,5 %5,1 %74,5
Congénitas0,4 %3,5 %68,7

Las mal definidas son el capítulo de síntomas y signos de la CIE-10: muertes cuya causa no se pudo precisar. En total se pierden 2,8 millones de años, unos 8 por cada muerte.

% de las muertes % de los AVPP Circulatorias 28,1 % 16,7 % Circulatorias Respiratorias 19,2 % 9,9 % Respiratorias Tumores 17,7 % 20,6 % Tumores Mal definidas 7,1 % 5,4 % Mal definidas Causas externas 5,1 % 18,6 % Causas externas Infecciosas 5,5 % 5,7 % Infecciosas Perinatales 0,5 % 5,1 % Perinatales Congénitas 0,4 % 3,5 % Congénitas
Las causas externas son el 5 % de las muertes y el 19 % de los años perdidos, porque matan jóvenes. Las circulatorias bajan del 28 % al 17 %.En rojo, las causas que pesan más en años perdidos que en muertes.Fuente: DEIS, Ministerio de Salud de la Nación. Defunciones de 2023.

Las circulatorias siguen siendo la primera causa de muerte y caen al tercer puesto en años perdidos: el primero pasa a los tumores y el segundo a las causas externas. Con las defunciones de 2024 el orden se repite. El orden cambia porque las dos preguntas son distintas —cuánta gente muere, y cuánta vida se pierde— y no hay razón para que den lo mismo.

4 · Para qué sirve

Priorizar políticas. Si el objetivo es evitar muertes prematuras, el AVPP indica dónde está el mayor retorno.

Comparar el impacto de causas en una escala común.

Argumentar sobre lo evitable. Buena parte de los años perdidos es prevenible: los accidentes de tránsito, los suicidios y los homicidios responden a políticas que no son solo sanitarias.

5 · Sus decisiones metodológicas

DecisiónOpcionesEfecto
El límite LL65, 70, 75 añosmás alto, más peso a las muertes de adultos
Descuento de años futuros0 % o 3 % anualreduce el peso de las muertes muy jóvenes
Ponderación por edaduniforme o nodiscutida por sus supuestos de valor
Tasa o totalAVPP por 100.000permite comparar poblaciones

El descuento y la ponderación por edad vienen de los AVAD del estudio de Carga Global de Enfermedad, que los usó en 1990 y los abandonó en 2010. El AVPP clásico no descuenta ni pondera. En la tasa, el denominador puede ser la población total o solo la menor de LL, que es la única que puede aportar años: hay que decir cuál se usó.

6 · Sus parientes

IndicadorQué agrega
AVPPaños perdidos por muerte prematura
AVAD / DALYsuma años perdidos por muerte y por discapacidad
AVAC / QALYaños ajustados por calidad de vida; se usa en evaluación económica

Los tres comparten la lógica de traducir salud a una unidad común, y la misma crítica: implican valorar vidas según edad y estado de salud, lo que tiene consecuencias éticas discutidas.

7 · Errores frecuentes

  • Comparar AVPP calculados con límites distintos.
  • Usar el total sin convertirlo en tasa al comparar poblaciones de distinto tamaño.
  • Incluir muertes por encima del límite con años negativos.
  • Olvidar las muertes sin edad declarada, que quedan fuera del cálculo y bajan el total sin aviso. En 2023 fueron 1.424; o se declaran, o se reparten en proporción a las de edad conocida.
  • Presentarlo como si midiera “importancia” de una causa sin aclarar el criterio.
  • Olvidar declarar el límite y el descuento.

8 · En el software

Las defunciones de 2023 por causa y tramo de edad están en un CSV descargable. El código agrupa las causas por capítulo, reproduce la tabla de la sección 3 y muestra cómo cambia el puesto de las causas externas con el límite.

# R — AVPP por capítulo con las defunciones de 2023
d <- read.csv("https://estadistica.ar/descargas/defunciones-por-causa-y-edad-2023.csv")

# Edad de cada muerte: el punto medio de su tramo (0,5 para menores de 1 año).
# El tramo abierto (80 y más) y los sin edad no aportan años con L <= 80.
d$edad <- ifelse(d$edad_hasta == 0, 0.5, (d$edad_desde + d$edad_hasta + 1) / 2)

# Capítulos de la CIE-10 por su primer código: «C34» pasa a 334 y cae en el
# intervalo que empieza en «C00» (Tumores, que siguen hasta D48)
codigo <- function(x) 100 * match(substr(x, 1, 1), LETTERS) + as.integer(substr(x, 2, 3))
capitulos <- c(Infecciosas = "A00", Tumores = "C00", Sangre = "D50", Endocrinas = "E00",
               Mentales = "F00", Nervioso = "G00", `Ojo y oído` = "H00", Circulatorias = "I00",
               Respiratorias = "J00", Digestivas = "K00", Piel = "L00", Osteomusculares = "M00",
               Genitourinarias = "N00", Embarazo = "O00", Perinatales = "P00", `Congénitas` = "Q00",
               `Mal definidas` = "R00", `Códigos U` = "U00", `Causas externas` = "V01")
d$capitulo <- names(capitulos)[findInterval(codigo(d$causa), codigo(capitulos))]

avpp_por_causa <- function(L) {
  d$avpp <- pmax(L - d$edad, 0, na.rm = TRUE) * d$defunciones
  t <- aggregate(cbind(muertes = defunciones, avpp) ~ capitulo, d, sum)
  t$pct_muertes <- 100 * t$muertes / sum(t$muertes)
  t$pct_avpp <- 100 * t$avpp / sum(t$avpp)
  t$por_muerte <- t$avpp / t$muertes
  t[order(-t$avpp), ]
}

t75 <- avpp_por_causa(75)
head(transform(t75[, c("capitulo", "pct_muertes", "pct_avpp", "por_muerte")],
               pct_muertes = round(pct_muertes, 1), pct_avpp = round(pct_avpp, 1),
               por_muerte = round(por_muerte, 1)), 8)
sum(t75$avpp)                             # unos 2,8 millones de años

# El límite no es neutral: el puesto de las causas externas con cada L
sapply(c(65, 70, 75), function(L) match("Causas externas", avpp_por_causa(L)$capitulo))
# Python — lo mismo
import numpy as np
import pandas as pd

d = pd.read_csv("https://estadistica.ar/descargas/defunciones-por-causa-y-edad-2023.csv",
                storage_options={"User-Agent": "Mozilla/5.0"})
d["edad"] = np.where(d.edad_hasta == 0, 0.5, (d.edad_desde + d.edad_hasta + 1) / 2)

capitulos = {"A00": "Infecciosas", "C00": "Tumores", "D50": "Sangre", "E00": "Endocrinas",
             "F00": "Mentales", "G00": "Nervioso", "H00": "Ojo y oído", "I00": "Circulatorias",
             "J00": "Respiratorias", "K00": "Digestivas", "L00": "Piel", "M00": "Osteomusculares",
             "N00": "Genitourinarias", "O00": "Embarazo", "P00": "Perinatales", "Q00": "Congénitas",
             "R00": "Mal definidas", "U00": "Códigos U", "V01": "Causas externas"}
inicios = sorted(capitulos)                       # los códigos se ordenan como texto
d["capitulo"] = [capitulos[inicios[np.searchsorted(inicios, c, side="right") - 1]] for c in d.causa]

def avpp_por_causa(L):
    años = np.clip(L - d.edad, 0, None).fillna(0) * d.defunciones
    t = (d.assign(avpp=años).groupby("capitulo")
           .agg(muertes=("defunciones", "sum"), avpp=("avpp", "sum")))
    t["pct_muertes"] = 100 * t.muertes / t.muertes.sum()
    t["pct_avpp"] = 100 * t.avpp / t.avpp.sum()
    t["por_muerte"] = t.avpp / t.muertes
    return t.sort_values("avpp", ascending=False)

print(avpp_por_causa(75)[["pct_muertes", "pct_avpp", "por_muerte"]].round(1).head(8))
print({L: list(avpp_por_causa(L).index).index("Causas externas") + 1 for L in (65, 70, 75)})

Las cifras de esta entrada salen de datos/demografia/preparar-avpp-m05.py, que lee las bases de defunciones de la DEIS de 2023 y 2024, calcula los años perdidos con LL = 65, 70 y 75, controla los puestos que afirma el texto y escribe el CSV descargable.

Seguir leyendo

Cómo citar: Montivero, J. L. (2026). Años de vida potencialmente perdidos. estadistica.ar. https://estadistica.ar/conceptos/anos-de-vida-perdidos

estadistica.ar es gratuita y sin publicidad. Si te sirvió, podés invitar un cafecito por transferencia al alias mu3sigma. Asesoramiento estadístico, encuestas y capacitaciones: m3s.pro · WhatsApp +54 9 383 499-7929.

Cómo citar esta entrada

APA (7.ª edición)

Montivero, J. L. (2026). Años de vida potencialmente perdidos. estadistica.ar. https://estadistica.ar/conceptos/anos-de-vida-perdidos

BibTeX

@misc{estadistica_ar_anos_de_vida_perdidos,
  author       = {Montivero, Jorge Luis},
  title        = {{Años de vida potencialmente perdidos}},
  year         = {2026},
  howpublished = {\url{https://estadistica.ar/conceptos/anos-de-vida-perdidos}},
  note         = {estadistica.ar. Consultado el \today},
  urldate      = {2026-11-17}
}

Última actualización: 17 de noviembre de 2026. El contenido está bajo licencia CC BY-NC-SA 4.0: se puede reutilizar citando la fuente y sin fines comerciales.