Dimensión espacial del Covid_19: un análisis para Cataluña

Por Josep-Maria Arauzo-Carod – Departament d’Economia – Universitat Rovira i Virgili (ECO-SOS & QURE) – @IND_LOC

Este post pretende analizar hasta qué punto el proceso de expansión territorial del Covid_19 podía no ser obvio ni transparente en función de los datos que se utilizaran para analizarlo. Así, es evidente que el dato más inmediato es el referido al número de casos o a la mortalidad. En líneas generales, la primera variable parece más razonable que la segunda, dado que es más general y vincula de forma más clara con la expansión real de la enfermedad, mientras que la mortalidad está mediatizada por factores específicos asociados a cada enfermo (como su edad, o su estado de salud previo, por ejemplo). Dados estos motivos tomemos pues los datos de casos positivos reportados (al margen de las deficiencias que éstos también incorporan, lógicamente).

Si nos fijamos solo en los datos positivos, éstos están altamente correlacionados con la distribución de la población, de forma que se dan muchos más casos en aquellas zonas más pobladas. Es por este motivo que es necesario introducir algún tipo de corrección, como por ejemplo referirse a los datos en forma de densidad (es decir, el número de casos por 100.000 habitantes), a efectos de poder comparar áreas de distinto tamaño. Otro elemento a tener en cuenta lo constituye la agregación territorial a utilizar, la cual ha de ser suficientemente detallada como para tener una panorámica realista de la pauta espacial del Covid_19. En este sentido, los datos municipales del Departamento de Salud de la Generalitat de Catalunya son una herramienta muy adecuada para dicho propósito. En concreto, para evitar complicar innecesariamente el análisis tomaremos los datos semanales entre las semanas del 25 de febrero y la semana del 20 de abril.

Empezaremos con un análisis para el conjunto del periodo donde calculamos la autocorrelación espacial (LISA) en términos de casos positivos y de densidad de dichos casos. La autocorrelación espacial (LISA) es un estadístico que nos permite ver hasta qué punto el valor que toma una variable en un determinado territorio (en este caso un municipio) está o no relacionado con el valor que toma la variable en un territorio (municipio) vecino. Así, las situaciones posibles son, básicamente, tres: que no haya ninguna relación, que los valores sean parecidos y que los valores sean diferentes. En este trabajo nos centraremos en la segunda opción con el objetivo de analizar aquellos casos en que se de una concentración de valores relativamente elevados en diversos municipios próximos entre ellos.

En concreto, la Figura 1 muestra los resultados para el conjunto de las semanas analizadas e incluye el cálculo de la autocorrelación espacial local de los casos positivos y de la densidad de casos positivos. Como se puede observar, los resultados son muy diferentes, ya que si se toma el número de casos se observa una zona (de color rojo en el mapa) que se comporta de forma homogénea y que se corresponde, a grandes rasgos, con el área metropolitana de Barcelona. Sin embargo, un análisis utilizando la densidad de casos permite descubrir otros focos que no se apreciaban en el análisis precedente. Entre éstos destacan el de la Conca d’Òdena, alrededor de Igualada, el más mediático de todos y en el que la Generalitat implantó un sistema de confinamiento reforzado, pero también otros que pasaron desapercibidos, como el existente alrededor de Manresa o de Camarasa (éste menos relevante dada la menor población residente).

Figura 1: Autocorrelación Espacial Local (LISA) de casos positivos

Fuente: elaboración propia. Nota: la densidad de casos positivos se ha calculado como el número de casos por 100.000 habitantes (de acuerdo con los datos de población de 2019).

Ahora bien, este análisis general esconde la dinámica de la expansión territorial del Covid_19. Así, si nos fijamos en los datos de autocorrelación espacial local por semanas (y densidad de casos), podremos observar como las zonas problemáticas han ido evolucionando de forma diferenciada a lo largo de los más de dos meses analizados (ver Figura 2). Así, por ejemplo, el foco de la Conca d’Òdena aparece hacia la semana del 9 de marzo y se mantiene de forma persistente hasta la semana del 6 de abril, mientras que otros focos a lo largo del territorio son mucho más efímeros.

Figura 2: Autocorrelación Espacial Local (LISA) de casos positivos (datos semanales, densidad de casos)

Fuente: elaboración propia. Nota: la densidad de casos positivos se ha calculado como el número de casos por 100.000 habitantes (de acuerdo con los datos de población de 2019).

Es evidente que la evolución del Covid_19 no es fácil de predecir y controlar y que, al inicio del proceso, las medidas de salud pública se implementaron sin un conocimiento claro de las estrategias más apropiadas pero, al mismo tiempo, la utilización del instrumental analítico espacial permite aumentar la eficiencia de las respuestas políticas a la crisis sanitaria. Por este motivo es tan importante mapear los casos reportados de la enfermedad y analizarlos de forma detallada, con el objetivo de llevar a cabo una vigilancia activa de la evolución del Covid_19 a efectos de tomar mejores decisiones (y más rápidas) que permitan utilizar los recursos públicos de una manera más eficiente.

“La riqueza de las regiones” constituye un instrumento de comunicación e intercambio de ideas promovido por Asociación Española de Ciencia Regional (AECR). Para más información sobre la actividad de AECR visite su Página Web o síganos en Facebook, Linkedin y/o Twitter.