de Córdoba, CONICET, Córdoba, Argentina. Médicas, Universidad Nacional de Córdoba, Córdoba, Argentina.

Transcripción

1 Título: Desigualdades sociales en salud: aplicación de un índice de vulnerabilidad demográfica para el estudio de la mortalidad por cáncer de mama en Argentina, Autores: Pou, Sonia Alejandra 1 ; Tumas, Natalia 2 ; Aballay, Laura Rosana 3 ; Díaz, María del Pilar 4 1 Instituto de Investigaciones en Ciencias de la Salud (INICSA), Universidad Nacional de Córdoba, CONICET, Facultad de Ciencias Médicas, Córdoba, Argentina; Cátedra de Estadística y Bioestadística, Escuela de Nutrición, Facultad de Ciencias Médicas, Universidad Nacional de Córdoba, Córdoba, Argentina. pousonia@conicet.gov.ar 2 Centro de Investigación y Estudios en Cultura y Sociedad (CIECS), Universidad Nacional de Córdoba, CONICET, Córdoba, Argentina. nataliatumas@gmail.com 3 Cátedra de Estadística y Bioestadística, Escuela de Nutrición, Facultad de Ciencias Médicas, Universidad Nacional de Córdoba, Córdoba, Argentina. laballay@fcm.unc.edu.ar 4 Cátedra de Estadística y Bioestadística, Escuela de Nutrición, Facultad de Ciencias Médicas, Universidad Nacional de Córdoba, Córdoba, Argentina; Instituto de Investigaciones en Ciencias de la Salud (INICSA), Universidad Nacional de Córdoba, CONICET, Facultad de Ciencias Médicas, Córdoba, Argentina. pdiaz@fcm.unc.edu.ar Palabras claves: vulnerabilidad demográfica, mortalidad, determinantes sociales, análisis espacial Tópico: La experiencia de investigar la vulnerabilidad social. Aportaciones teóricas y metodológicas en el siglo XXI. 1

2 Introducción: En años recientes se ha destacado la emergencia de diversos enfoques teóricos centrados en el concepto de vulnerabilidad social, tendientes a generar una interpretación sintética y multidimensional sobre los fenómenos de la desigualdad social y la pobreza en América Latina (GONZÁLEZ, 2009). El enfoque de "vulnerabilidad sociodemográfica" surge entonces como una segunda línea de desarrollo teórico-metodológico en torno a la vulnerabilidad social desarrollada por el Centro Latinoamericano y del Caribe de Demografía (CELADE/CEPAL), cuyo elemento clave es considerar escenarios de riesgo sociodemográfico que conllevan desventajas sociales en el marco de la dinámica demográfica de América Latina (GONZÁLEZ, 2009; CEPAL, 2002; RODRÍGUEZ VIGNOLI, 2000). Así, la "vulnerabilidad demográfica" (VD) comprendería "un eslabón de la compleja cadena de limitaciones y precariedades que aqueja a los grupos postergados de la región" (RODRÍGUEZ VIGNOLI, 2000, p. 7), en tanto corresponde a un conjunto de características demográficas de las unidades domésticas que en una sociedad moderna limitan la acumulación de recursos (RODRÍGUEZ VIGNOLI, 2000). Desde este enfoque debe comprenderse entonces que el foco está puesto en la denominada dinámica demográfica de la pobreza, ligada al rezago transicional que atraviesan ciertos grupos poblacionales en la región latinoamericana. Esta dinámica sugiere que ciertos rasgos sociodemográficos (ej. sus patrones de mortalidad, fecundidad, localización territorial, dependencia demográfica y arreglos familiares) son distintivos de las personas u hogares de la región que viven en condiciones de pobreza y configuran una fuerza adicional generadora de desventaja social, que contribuye a la reproducción intergeneracional de la pobreza, tanto a escala microsocial como macrosocial (RODRÍGUEZ VIGNOLI, 2000). En esta línea, Rodríguez Vignoli (2000), plantea explícitamente que hay un espacio de intersección entre la VD y otras fuerzas generadoras de desventaja social. Así, basándose en el análisis de datos censales de población y vivienda de países latinoamericanos seleccionados, propuso un índice sintético de VD que incluye -entre sus variables y categorías- indicadores que, en términos conceptuales, tienen claras implicaciones de desventaja y cuyo poder de discriminación empírico quedó manifiesto en los análisis previos realizados por el autor. 2

3 Si bien desde el mencionado enfoque se ha planteado que la acumulación de desventajas sociales (en grupos poblacionales con determinados rasgos demográficos) puede amenazar, en términos generales, la capacidad de respuesta ante la adversidad o conducir a procesos adaptativos negativos (CEPAL, 2002), poco se ha estudiado respecto a su impacto en materia de salud. Desde el campo de la Epidemiología Social se ha enfatizado el interés en identificar determinantes sociales de la salud de las poblaciones, y en relación a estos, investigar la ocurrencia o magnitud de inequidades sociales en salud. Según Krieger (2001), estas inequidades sociales en salud pueden ser entendidas como disparidades en salud, dentro y entre países, que son consideradas injustas, evitables e innecesarias (KRIEGER, 2001). Este enfoque propone explorar la distribución de la salud a nivel poblacional en consideración de indicadores sociales que permitan distinguir circunstancias sociales o contextuales diversas subyacentes. El cáncer de mama (CM) es el segundo más común a nivel mundial, y por mucho el más frecuente entre las mujeres, habiéndose estimado que existieron 1.67 millones de nuevos casos diagnosticados en el año Esta patología representa además la primera causa de muerte por cáncer en la población femenina en las regiones menos desarrolladas (14,3% del total), y es actualmente la segunda causa de mortalidad por cáncer en los países desarrollados, precedido sólo por el cáncer de pulmón (FERLAY et al, 2013). Fue reportado que la distribución de esta enfermedad está condicionada, en parte, por factores sociodemográficos y socioeconómicos (LOZANO-ASCENCIO et al., 2009; HALL et al., 2005; BIGBY Y HOLMES, 2005). También en Argentina el CM constituye una problemática de salud de importante magnitud, siendo la primera causa de muerte por tumores en mujeres. Según lo reporta el Instituto Nacional del Cáncer, Argentina (luego de Uruguay) es el país de América con la tasa de mortalidad más alta por CM, aunque con importantes diferencias dentro del país (entre provincias). Este cáncer constituye además el de mayor incidencia en mujeres de nuestro país, con una tasa estimada de 71 casos por cada mujeres (Instituto Nacional del Cáncer, 2016). 3

4 El presente trabajo propone analizar el patrón de distribución espacial, a distintas escalas geográficas, del índice de VD propuesto por Rodríguez Vignoli (2000), y explorar su asociación con la distribución de la mortalidad por CM en Argentina ( ). Material y Métodos: Datos y fuentes Se utilizó el índice sintético de VD propuesto por Rodríguez Vignoli (2000), calculado para dos niveles jerárquicos de desagregación en Argentina, para el año 2010: departamental (n=510 departamentos y 15 comunas de CABA) y provincial (n=24 provincias). A partir de datos censales (INDEC, 2010) y empleando el software Redatam+SP fueron construidos los indicadores intermedios de este índice (a nivel de hogares): a) hogares con cuatro o más niños menores de 15 años; b) dependencia demográfica (hogares sin independientes; hogares con tres y más dependientes); c) jefatura de hogar femenina con presencia de niños menores de 15 años; d) jefatura de hogar adolescente (con hijos y jefe mujer; con menores de 15 años y jefe hombre; con jefe unido, casado o en convivencia); e) jefe del hogar anciano, con dos o más menores de 15 años; f) presencia de adolescentes con hijos en el hogar; g) uniparentalidad (con presencia de hijos menores de 15 años; con siete o más personas en el hogar). La metodología del índice implica que si se cumple al menos uno de los criterios especificados, cada variable aporta un punto en una expresión de sumatoria simple. Así, el índice de VD comprende un rango de 0 a 7, indicando el valor 0 una VD nula, valores entre 1-2: VD baja a media, entre 3-4: VD alta, y 5 ó más: VD muy alta. De este modo, a cada hogar le fue asignado una de las categorías precedentes de VD, y posteriormente, cuantificado (a nivel agregado) el porcentaje de hogares con VD nula, baja a media, alta y muy alta, para cada departamento y provincia del país. 4

5 Por otra parte, se estimaron las tasas de mortalidad por CM, estandarizadas por edad (método directo, con población de referencia Argentina, 2010), para los años 2008 a 2012, a escala departamental. Para ello, se emplearon datos de defunción por causas provistos por la Dirección de Estadísticas e Información de Salud de la Nación Argentina y se realizaron estimaciones poblacionales mediante interpolación exponencial a partir de la información disponible del Censo Nacional de Población, Hogares y Viviendas 2001 y 2010 (INDEC). En este trabajo las tasas informadas corresponden al promedio de las tasas anuales en el quinquenio Mapeo y análisis estadístico Las tasas de mortalidad por CM, así como el indicador de VD descripto (% de hogares según nivel de VD), fueron incorporados a un Sistema de Información Geográfica (SIG) para ilustrar su patrón de distribución espacial. Así, fueron construidos mapas temáticos, basados en la distribución según quintiles de las variables consideradas, empleando la aplicación central ArcMap del software ArcGIS 10.2 (Esri Inc ). Fueron ajustados modelos de regresión Poisson multinivel (RABE-HESKETH & SKRONDAL, 2008), estableciendo como variable respuesta la tasa de mortalidad por CM, el porcentaje de hogares con VD baja-media, alta y muy alta (según el índice de VD estimado) como covariable con efectos fijos y la media provincial de la edad como variable de ajuste. En dicho modelo fueron incluidos dos interceptos aleatorios, representando los dos niveles de agrupamiento (cluster) de la información a nivel geográfico (departamento y provincia). La variabilidad intra cluster fue medida mediante el coeficiente de correlación intraclase (CCI), estimado mediante el método de variables latentes (MERLO et al, 2006). Este coeficiente cuantifica la heterogeneidad entre las unidades espaciales que constituyeron cada cluster (departamentos o provincias). Resultados y discusión: La figura 1 muestra la concentración de hogares (%) según su nivel de VD, analizado a dos escalas geográficas (departamental y provincial). Se destaca que la mayor proporción de hogares con mayor nivel de VD se encuentra en el norte de Argentina, 5

6 mientras que los departamentos de la región pampeana y cuyana concentran la mayor proporción de hogares en condiciones de VD baja-media. La escala provincial replica parcialmente este resultado; se observa gran heterogeneidad departamental hacia el interior de algunas provincias (ej. en Córdoba y Buenos Aires respecto a la VD alta y muy alta) (Figura 1). VD baja-media VD alta VD muy alta A. Escala departamental B. Escala provincial Figura 1. Patrón de distribución espacial de vulnerabilidad demográfica (VD) (% de hogares según nivel de VD), a escala geográfica departamental (A) y provincial (B), Argentina Elaboración propia en base a datos censales (INDEC, 2010). 6

7 Esta situación de desventaja social concentrada en el norte y en marcada brecha con el resto de las regiones del país coincide con lo observado a partir de otros indicadores en estudios previos. Esto incluye el ampliamente utilizado -aunque discutido- porcentaje de hogares con Necesidades Básicas Insatisfechas (NBI) (BOLSI et al, 2005), así como otros elaborados a partir de perspectivas teóricas más integradoras como el índice de calidad de vida propuesto por Velázquez (2016). Particularmente, este autor describe la situación relativa más desfavorable en las regiones del NOA y del NEA, en función de diversos indicadores (intermedios) de la calidad de vida poblacional (como la tasa de mortalidad infantil, la proporción de hogares hacinados, el porcentaje de población sin obra social, entre otros) (VELÁZQUEZ, 2016). Con respecto a la distribución de la mortalidad por CM (Figura 2) se observa un patrón disperso; no obstante, la mayor carga se visualiza en el eje pampeano-cuyano. Estos resultados son coincidentes con los reportados por Abriata et al. (2012) y Matos et al. (2003) en los Atlas de Mortalidad por Cáncer en Argentina para los periodos y , respectivamente. La Tabla 1 muestra los resultados de los modelos de regresión multinivel ajustados, con la presentación de los Odds ratio (OR) estimados como medida de asociación entre la tasa de mortalidad por CM y los distintos niveles de VD considerados (baja-media, alta y muy alta). Como se observa, se encontró asociación significativa inversa entre la mortalidad por CM y el porcentaje de hogares con VD alta y muy alta (esto es, menor riesgo de mortalidad a mayor % de hogares con VD alta-muy alta), mientras que la asociación fue directa en relación al porcentaje de hogares con VD baja-media (la tasa se incrementaría en un 5% por cada punto porcentual de aumento para este último indicador de vulnerabilidad) (Tabla 1). Se destaca además que la heterogeneidad en la respuesta (mortalidad) entre unidades geográficas según el coeficiente de correlación intraclase (CCI), fue mayor a nivel departamental que provincial, excepto en relación a la categoría de VD muy alta (Tabla 1). Las asociaciones antes descriptas resultan coherentes con la distribución espacial de la mortalidad de CM e indicadores de VD en Argentina, presentada en las Figuras 1 y 2. Si se superponen estos planos de información puede observarse que la zona de mayor VD no es precisamente la que presenta las mayores tasas de mortalidad por CM en el país. 7

8 Figura 2. Distribución espacial de la tasa de mortalidad por cáncer de mama, estandarizada por edad. Argentina, Elaboración propia en base a estadísticas vitales (DEIS, 2008 a 2012) y datos censales (INDEC, 2001 y 2010). Tabla 1. Estimación de medidas de asociación (OR) entre la mortalidad por cáncer de mama (tasas estandarizadas por edad, ) y porcentaje de hogares con VD baja-media, alta o muy alta en Argentina, Modelo a OR b valor p I. CCI c Nivel Deptos. CCI c Nivel Provincial % hogares con VD baja-media 1,05 0,0001 0,0508 0,0183 II. % hogares con VD alta 0,95 0,0001 0,0549 0,0226 III. % hogares con VD muy alta 0,79 0,0001 0,0562 0,0586 a Ajustado por edad media de la población a nivel departamental, con variable de agrupamiento: departamentos (I) agrupados en provincias (II). b OR, odds ratio. c CCI, coeficiente de correlación intraclase. Si bien existen antecedentes que indican que la incidencia de CM se asocia en muchos casos a una posición social desfavorable (BIGBY & HOLMES, 2005), otros autores establecieron, en línea con los resultados obtenidos en nuestro estudio, que la 8

9 pertenencia a estratos sociales altos es con frecuencia asociada a un mayor riesgo de desarrollo de CM, debido probablemente a mayor ingesta de alimentos grasos, menor paridez y mayor acceso a métodos de diagnóstico precoz (KOGEVINAS et al, 1997). En concordancia con nuestros hallazgos, un estudio ecológico llevado a cabo en Argentina sobre mortalidad por cáncer y pobreza en el período encontró una correlación negativa entre las tasas de mortalidad por CM (estandarizada por edad) y el nivel de pobreza según NBI, indicando que las provincias que presentaban menores índices de pobreza se asociaban a tasas de mortalidad por esta causa más elevadas (MATOS et al, 1994). Se ha descripto que las diferencias en la incidencia de cáncer entre estratos sociales puede explicarse por exposiciones diferenciales a factores de riesgo reconocidos de esta enfermedad, como exposición a agentes químicos (muchas veces determinado esto por las condiciones de trabajo) y estilos de vida relacionados con la clase social (dieta, tabaco, alcohol, sedentarismo, etc.) (KURKURI & YEOLE, 2006; FAGAN et al., 2007; MENVIELLE et al., 2004; LAW et al., 2007). Es importante señalar, no obstante, que la mayor parte de las investigaciones sobre CM ha sido conducida dentro del modelo biomédico, enfocando así su atención a las causas de la enfermedad a nivel celular, hormonal, y genético (ROSSER, 2000), y no desde un enfoque ecológico (como aquí se propone) que intente identificar determinantes sociales y ambientales subyacentes. Arias (2009) establece que es necesario comprender mejor los mecanismos tanto sociológicos como biológicos que relacionan los determinantes sociales con el cáncer, lo cual requiere de enfoques metodológicos capaces de lograr una visión integradora -desde la política y la ecología hasta la biología molecular y genética-, para comprender la distribución de la morbilidad, mortalidad, supervivencia y calidad de vida (ARIAS, 2009). Antes de concluir, es necesario mencionar algunas limitaciones del presente estudio. En primer lugar, es necesario destacar que dado el diseño del presente estudio, de tipo ecológico (esto es, un estudio en el cual las unidades de análisis corresponden a poblaciones y no a individuos) es frecuente incurrir en lo que se denomina "falacia ecológica" (BORJA-ABURTO, 2000). Esta implica realizar erróneamente inferencias, por ejemplo, sobre los factores causales de enfermedad a nivel individual, cuando en realidad las asociaciones observadas corresponden a un nivel ecológico (agregado, grupal). Por 9

10 ende, las interpretaciones del presente estudio deben realizarse en ese sentido, y no en término de riesgos individuales. Otra limitación propia de estudios de base espacial, que emplean divisiones administrativas como unidad estadística de agrupamiento de datos, es el denominado "Problema de Unidad de Área Modificable". El mismo se trata de la distorsión potencial que existe al trabajar con la definición límites geográficos (arbitrarios) sobre los fenómenos espaciales continuos, debido a que existe la eventualidad de que la definición de la unidad territorial y la escala de agrupación introduzcan una parcialidad estadística (OPENSHAW, 1984; WONG, 2004). No obstante, la consideración en este trabajo de dos escalas geográficas, simultáneamente, mediante la estrategia de modelación multinivel empleada, intenta en parte controlar este posible sesgo. Finalmente, debe considerarse que si bien la gran extensión territorial cubierta en este estudio permite un análisis preliminar completo de la situación y disparidades a nivel nacional, existen diferencias socio-contextuales (por ejemplo, a nivel regional) que en este trabajo no están contempladas y que pueden introducir cierta confusión. Esto podría discriminarse en futuros estudios en esta línea. Conclusión: El índice de VD analizado muestra utilidad para evidenciar brechas sociodemográficas entre unidades geográficas de diferente escala (departamento, provincia) en Argentina, con resultados similares a los obtenidos a partir de otros índices disponibles ya aplicados en nuestro contexto. En cuanto a la aplicación del índice de VD para reconocer desigualdades sociales en salud debe mencionarse que si bien el mencionado índice mostró asociación con el patrón de carga de la mortalidad por CM, las regiones con menores niveles de vulnerabilidad demográfica resultaron las más "vulnerables" en términos de este indicador de salud. Esto se atribuye, en particular, al complejo gradiente social que subyace a esta patología, ligada a múltiples factores, incluidos los estilos de vida, comportamientos reproductivos, exposiciones ocupacionales o ambientales, y detección precoz de la enfermedad, todos los cuales pueden depender del estrato social. Es recomendable, entonces, profundizar el estudio al respecto, analizando por ejemplo el comportamiento de cada indicador componente del índice de VD sobre la mortalidad por CM, a los fines de obtener mayor 10

11 discriminación en relación al efecto de los distintos aspectos sociodemográficos que este índice involucra. Se sugiere también seguir explorando la utilidad del índice de VD para evidenciar inequidades sociales en salud a partir de otros indicadores de carga de enfermedad en nuestro país. Bibliografía ABRIATA, M.G.; ROQUES, L.F.; MACÍAS, G.; LORIA, D. Atlas de mortalidad por cáncer Argentina Buenos Aires, Argentina: Instituto Nacional del Cáncer, Ministerio de Salud de la Nación, ARIAS, S.A. Inequidad y cáncer: una revisión conceptual. El escenario para la salud pública desde la ciencia. Revista Facultad Regional de Salud Pública, v. 27, n. 3, p , BIGBY, J., & HOLMES, M. D. Disparities across the breast cancer continuum. Cancer Causes & Control, v. 16, n. 1, p , BOLSI, A.; PAOLASSO, P.: LONGHI, F. El Norte Grande Argentino entre el progreso y la pobreza. Población & sociedad, v. 12, n. 1, p , BORJA-ABURTO, V.H. Estudios ecológicos. Salud Pública de México, v. 42, n. 6, p , CEPAL. Vulnerabilidad sociodemográfica: viejos y nuevos riesgos para comunidades, hogares y personas. Santiago: CEPAL, DIRECCIÓN DE ESTADÍSTICAS E INFORMACIÓN DE SALUD (DEIS). Estadísticas vitales. Información Básica - Año Buenos Aires: Ministerio de Salud de la República Argentina, Serie 5 - Número 57, FAGAN, P.; MOOLCHAN, E. T.; LAWRENCE, D.; FERNANDER, A.; PONDER, P. K. Identifying health disparities across the tobacco continuum. Addiction, v. 102, n. 2, p. 5-29, FERLAY, J.; SOERJOMATARAM, I.; ERVIK, M.; DIKSHIT, R.; ESER, S.; MATHERS, C.; REBELO, M.; PARKIN, D.M.; FORMAN, D.; BRAY, F. GLOBOCAN 2012 v1.0, Cancer Incidence and Mortality Worldwide: IARC CancerBase No. 11 [Internet]. 11

12 Lyon, France: International Agency for Research on Cancer; Disponible en: accessed on day/month/year. GONZÁLEZ, L.M. Orientaciones de lectura sobre vulnerabilidad social. In: GONZÁLEZ, L.M.; ROJAS, M.C; FALCÓN A., M.C; GALASSI, G.; GÓMEZ, P.S.; HUERGO, J. Lecturas sobre vulnerabilidad y desigualdad social. Córdoba, Argentina: Universidad Nacional de Córdoba, Centro de Estudios Avanzados, 2009, p HALL, S.A.; KAUFMAN, J.S.; MILLIKAN, R.C. et al. Urbanization and breast cancer incidence in North Carolina, Ann Epidemiol. v. 15, p , INSTITUTO NACIONAL DEL CÁNCER. Cáncer de Mama [Internet]. Buenos Aires, Argentina: Ministerio de Salud Presidencia de la Nación; Disponible en: KOGEVINAS, N.P.; PEARCE, N.; BOFFETTA, P. Social Inequalities and Cancer. IARC Scientific Publications No Lyon: International Agency for Research on Cancer, KOGEVINAS, M.; PORTA, M. Socioeconomic differences in cancer survival: a review of the evidence. IARC scientific publications, v. 138, p , KRIEGER N. A glossary for social epidemiology. J Epidemiol Community Health, v. 55, p , KURKURI, A. P.; YEOLE, B. B. Social inequalities in cancer with special reference to South Asian countries. Asian Pacific Journal of Cancer Prevention, v. 7, n. 1, p. 36, LAW, C.; POWER, C.; GRAHAM, H.; MERRICK, D. Obesity and health inequalities. Obesity Reviews, v. 8, n. 1, p , LOZANO-ASCENCIO, R.; GÓMEZ-DANTÉS, H.; LEWIS, S. et al. Tendencias del cáncer de mama en América Latina y el Caribe. Salud Pública de México, v. 51, p , MATOS, E.L.; LORIA, D.I.; VILENSKY, M. Cancer mortality and poverty in Argentina: a geographical correlation study. Cancer Epidemiol Biomarkers Prev, v. 3, n. 3, p , MATOS, E.L.; LORIA, D.I.; ZENGARI, N.; FERNANDEZ, M.M.; GUEVEL, C.G.; MARCONI, E.; SPITALE, A.; ROSSO, S. Atlas de mortalidad por cáncer en 12

13 Argentina Buenos Aires: Matos EL and Loria DI, Ed.; Ministerio de Salud, MENVIELLE, G.; LUCE, D.; GOLDBERG, P.; LECLERC, A. Smoking, alcohol drinking, occupational exposures and social inequalities in hypopharyngeal and laryngeal cancer. International journal of epidemiology, v. 33, n. 4, p , MERLO, J.; CHAIX, B.; OHLSSON, H.; BECKMAN, A.; JOHNELL, K.; HJERPE P.; RASTAM, L.; LARSEN, K. A brief conceptual tutorial of multilevel analysis in social epidemiology: using measures of clustering in multilevel logistic regression to investigate contextual phenomena. J Epidemiol Community Health, v. 60, n. 4, p , OPENSHAW, S. The modifiable area unit problem. Concepts and Techniques. Modern Geography, v. 38, p. 1-41, 1984 RABE-HESKETH, S.; SKRONDAL, A. Classical latent variable models for medical research. Statistical Methods in Medical Research, v.17, n. 1, p. 5-32, RODRÍGUEZ VIGNOLI, J. Vulnerabilidad demográfica: una faceta de las desventajas sociales. Santiago de Chile: CEPAL, Serie Población y Desarrollo Nº 5, ROSSER, S. Controversies in breast cancer research. Breast cancer: Society shapes an epidemic, p , VELÁZQUEZ, G.A. Geografía y calidad de vida en Argentina. Análisis regional y departamental (2010). Tandil, Buenos Aires: Ed. IGEHCS/CIG, WONG, D. Comparing Traditional and Spatial Segregation Measures: A Spatial Scale Perspective 1. Urban Geography, v. 25, n. 1, p ,