Título: Desigualdades sociales multidimensionales como determinantes demográficos: desigualdades de mortalidad, exceso de mortalidad y esperanza de vida laboral 
Acrónimo: WorkDeathIneq
Investigador Principal: Timothy Riffe
Financiador: Ministerio de Ciencia e Innovación
Identificador de la Beca: PID2022-142762OA-I00
Subvencion concedida: 100.000,00€
Fechas: 01/09/2023 - 31/08/2027

Resumen: Este proyecto tiene como objetivo medir y comprender (1) las desigualdades en mortalidad y (2) las desigualdades en la trayectoria laboral. Específicamente, para las desigualdades en mortalidad, hay una amplia literatura sobre gradientes de mortalidad simples, como nivel educativo o ingresos, pero ninguno observa la intersección de gradientes. No existe tal evidencia porque es muy difícil (o imposible) coincidir numeradores de defunciones de registros vitales con denominadores de población de registros. Sin embargo, los datos de la Seguridad Social Española (Muestra Continua de Vidas Laborales-MCVL) que planeamos usar nos permiten agregar tanto numeradores como denominadores de la misma fuente, superando este desafío. En un segundo subproyecto, se producirán tablas de vida de alta calidad para áreas pequeñas de España y se combinarán estimaciones de mortalidad con una base de datos de variables contextuales para realizar estimaciones diversas de desigualdades en mortalidad y luego explicarlas mediante descomposición demográfica. En un tercer subproyecto, se producirán datos de transición de trayectorias de vida de alta resolución, también por estrato social, para abordar el papel de la precariedad en la trayectoria laboral. Se producirán esperanzas de vida laboral precarias y estimaciones de esperanza de vida laboral que tomen en cuenta el trabajo precario, y se mostrarán las brechas de género en el trabajo precario.

Métodos: (1) Se utilizarán datos de registro vital y métodos avanzados de estimación de mortalidad en áreas pequeñas. (2) Se utilizarán datos detallados de la seguridad social española (MCVL) para estimar modelos multiestado de transiciones en la trayectoria de vida y métodos Markov de tiempo discreto para calcular diversas estadísticas agregadas a partir de estos. (3) Se utilizarán los mismos datos MCVL para estimar varias dimensiones de mortalidad excesiva.

Resultados esperados: Se espera arrojar luz sobre el peso del trabajo precario en la trayectoria de vida de las generaciones españolas y cómo se expresa de manera diferente en la población. Esperamos caracterizar las diferencias de mortalidad en términos de niveles, tendencias, excesos, causas, geografía e intersecciones de clase social.

Relevancia social: Monitorear las diferencias sociales en la mortalidad nos permitirá conocer cuánto podríamos igualar y mejorar los resultados de mortalidad simplemente reduciendo las desigualdades sociales. El conocimiento de los perfiles de causa de muerte de diferentes tipos de gradientes de mortalidad nos indica cuánto se puede reducir una brecha de mortalidad entre grupos abordando causas específicas, algunas de las cuales tienen factores de riesgo evidentes o pueden ser categorizadas directamente como causas evitables de muerte. Cuantificar mejor el papel del trabajo precario en la trayectoria de vida puede mostrar cuánta influencia tiene este fenómeno en los ingresos de por vida y los años trabajados, cuánto representa para las brechas de género en los perfiles de empleo, y cuáles podrían ser los efectos netos en la economía si la vida laboral fuera más estable.

Valor científico: Introduciremos un nuevo concepto sintético de empleo precario como estado para modelos multiestado de esperanza de vida laboral y realizaremos análisis contrafactuales para el mercado laboral español. Intentaremos responder a la pregunta de si todos los gradientes de mortalidad definidos por diversos estratos de riesgo son fundamentalmente diferentes en su estructura de causa de muerte (o si todos los gradientes de mortalidad son iguales). Produciremos algunos de los primeros estudios de mortalidad interseccional, con tratamientos separados para resultados como niveles, tendencias y excesos. Para todos los estudios, produciremos repositorios de código abierto reproducibles y compartiremos entradas y salidas de datos estandarizadas.