Datos territoriales para la gestión de la pandemia: el caso del COVID-19 en Bolivia

Territorial data for pandemics: The case of COVID-19-Bolivia

José Acuña*, Lykke E. Andersen**, Luis Gonzáles***

Este estudio presenta un índice de vulnerabilidad con el objetivo de caracterizar a los municipios con respecto a las condiciones estructurales y capacidad de respuesta sanitaria que tienen para afrontar la pandemia. Debido al nivel de desagregación del índice, se convierte en una fuente de información relevante, en el sentido de que permite abordar la problemática considerando el componente geográfico/espacial. Este componente es relevante al momento del diseño de políticas focalizadas, que permitan gestionar la pandemia reduciendo los niveles de contagio/muertes y a su vez, minimizando los costos económicos inducidos por la pandemia. El índice se construye en base a tres dimensiones principales i) Riesgo de Propagación, ii) Situación subyacente de salud y, iii) Capacidad de respuesta. Entre los principales resultados se destaca el hecho de que el 60% de los municipios pertenecientes al decil más alto de vulnerabilidad son los más grandes entre capitales y municipios altamente poblados.

Palabras clave: COVID-19, vulnerabilidad, municipalidades.

Abstract

We estimate a COVID vulnerability index in order to characterize all Bolivian municipalities with regard to their structural conditions and their sanitary capacity facing the pandemic. The municipal disaggregation of the index becomes a relevant source of information when prioritizing the demands of the epidemic. For example, it can help guide the distribution of tests, protective equipment and vaccines so as to reduce the levels of contagion and deaths while also minimizing the economic costs incurred. The index is constructed based on three main dimensions: i) Risk of propagation, ii) Underlying health situation, and iii) Response capacity. Among the main results, stands out the fact that 60% of the municipalities belonging to the highest decile of vulnerability are the most populous municipalities.

Keywords: COVID-19; Vulnerability; Municipalities.

Clasificación/Classification JEL: C21, C43, C80, I18

1. Introducción

El objetivo de este documento es proporcionar evidencia empírica a través de un mapeo de variables agrupadas en tres categorías: i) geográfica, ii) demográfica y iii) de interacción, de manera que sustenten las estrategias sobre qué territorios y sectores de la población podrían salir gradualmente de la cuarentena estricta en Bolivia. Con estas tres categorías, se complementa la definición de vulnerabilidad de Acemoglu et al. (2020) que contempla solo los tramos etarios.

Los casos observados en varios países, muestran que las cuarentenas no son estrategias sostenibles en el mediano plazo, y muchos de ellos están comenzando a dejar que las personas salgan de sus hogares, esperando mantener los casos graves en niveles manejables. Sin embargo, estas medidas se realizan aun cuando tengan efectos contrarios, como la propagación del virus, generándose segundas olas de contagio, por lo que la apertura inevitablemente conducirá a mayores tasas de contagios y mayor número de muertes. Estas decisiones sensibles deben ser equilibradas para ser eficientes, por lo cual la información requiere fuentes fiables.

Por otra parte, está abierto el debate sobre qué perfil de personas debería salir primero. Por un lado, se piensa que se debería dejar salir primero a las personas con menores probabilidades de infectarse, de infectar a otros y de morir por COVID-19. Sin embargo, las segundas olas de contagio muestran que no es una decisión trivial. Dados los recursos disponibles, la idea es intentar alcanzar la inmunidad colectiva en el menor tiempo posible con el menor número de muertes por COVID-19 y el menor daño colateral. En otras palabras, lo que se pretende es minimizar el daño total de esta pandemia.

Este estudio contribuye al esfuerzo de recopilar información que, en base a la experiencia de otros países durante esta pandemia, es relevante para la toma de decisiones. Es por esto que es necesario contar con datos que capturen estos aspectos y, además, permitan identificar los patrones de evolución del virus. En este sentido, los datos geo-referenciados se presentan como una herramienta importante para el análisis de distintos escenarios.

El documento tiene la siguiente estructura. En la primera sección se presenta evidencia empírica internacional, la cual sustenta la hipótesis de la reanudación de actividades según criterios geográficos/demográficos. A continuación, se expone el análisis empírico para Bolivia, donde se desarrolla el “Índice de vulnerabilidad” y sus respectivas pruebas de robustez. Posteriormente, se presenta una discusión sobre algunos aspectos demográficos y sectoriales a tomar en cuenta, y finalmente se desarrolla una sección que resume las principales recomendaciones de política.

2. Evidencia empírica internacional

La evidencia internacional sobre la pandemia del COVID-19 está en constante evolución. Sin embargo, la producción de simulaciones y cuantificación de efectos potenciales de la pandemia ha producido significativos aportes, como se resume en el documento de Cardona, Cuba-Borda y Gonzales-Carrasco (2020). Teniendo en cuenta que una de las principales fuentes de incertidumbre radica en cómo contener de forma óptima la propagación de la pandemia minimizando la pérdida económica, se presenta un resumen de los estudios más influyentes.

Una primera aproximación viene dada por Acemoglu et al. (2020), donde se plantea la siguiente pregunta: ¿qué pasaría si las cuarentenas estarían basadas en algún criterio de vulnerabilidad? En este documento se establece como criterio de vulnerabilidad los tramos etarios, teniendo en cuenta que los indicadores de infección, hospitalización y tasas de fatalidad varían entre estos grupos. Los principales resultados muestran que políticas de cuarentena diferenciadas según grupos etarios superan significativamente en términos de resultados a una política de cuarentena estricta y que, estas medidas, junto a medidas de reducción de interacción dentro de estos grupos y con un incremento en la realización de tests, pueden minimizar tanto la pérdida económica como las muertes.

En contraparte, el estudio de Baqaee et al. (2020) demuestra que, para Estados Unidos, en caso de existir una cuarentena general, las medidas de “smart reopening” que permitan la vuelta a la actividad de sectores que tienen menores probabilidades de contagio, no entregarían beneficios mayores que permitiendo una vuelta a la actividad general. Sin embargo, para que esta aseveración se cumpla y sea factible una vuelta general de la actividad, se deben mantener restricciones fuertes sobre las actividades “off-work” (bares, shopping, aglomeraciones de gente). Esto debido a que en caso de que, por ejemplo, se volviera a permitir la mitad de actividad que en la línea base (periodo pre-Covid-19), se desencadenaría una segunda ola de proliferación del virus que daría lugar a un nuevo periodo de cese de actividades, alargando el tiempo de inactividad.

En la misma línea, De Anda-Jáuregui y Hernández-Lemus (2020) predicen para la ciudad de México, que en el caso de que un 10% o más de la población vuelva al espacio público, la tendencia negativa de la curva epidémica se revertirá. Sin embargo, proponen que si esta vuelta a la actividad se la realiza adicionalmente con criterios alternativos dirigidos a ordenar la actividad económica en el sentido de fomentar el consumo local (para evitar viajes largos), establecer horarios de trabajo diferenciados según la naturaleza de los trabajos, programar horarios y restringir la capacidad de transporte público, pueden permitir una reactivación sin comprometer la disminución de la tendencia de la curva. Para este propósito, los autores sugieren una obligatoriedad alta de estas medidas y que además estén coordinadas con las políticas sanitarias correspondientes.

Otro punto importante para el análisis de la apertura de escenarios y/o focalización de cuarentenas según grupos de vulnerabilidad, es la disponibilidad de información actualizada y en tiempo real. Dada la dinámica del virus, es de gran importancia la consideración del componente geográfico para el análisis. En este sentido, los datos geo-referenciados son una herramienta que permite considerar este aspecto para el diseño de políticas, y según la evidencia internacional, la disponibilidad también juega un papel importante al momento de la contención del virus.

Tomando en cuenta este enfoque, el trabajo de Argente, Hsieh y Munseon (2020) desarrolla un estudio que analiza el efecto de la liberación de información geo-referenciada de los infectados por Covid-19 en Corea del Sur. Los resultados sugieren que, comparando con un escenario donde la información no es liberada, el cambio en los flujos de trayectos debido a la liberación de información reduce el número de casos confirmados en 400.000 y las muertes en 13.000 en dos años. Y si se compara este mismo periodo con un régimen de cuarentena general, en el cual se llega a los mismos índices de contagio y mortalidad, el costo económico se reduce aproximadamente un 50% con la liberación de la información.

Existe también evidencia para Colombia de que, producto de las medidas de cuarentena, las regiones tendrán efectos diferenciales, dependiendo de la estructura económica, del grado de informalidad del mercado laboral y de los vínculos económicos entre sus diferentes sectores (Ricciulli-Marín et al., 2020). Mediante el “Análisis exploratorio de datos espaciales” (AEDE), los autores determinan que los shocks son heterogéneos según sectores económicos, regiones y condición de formalidad laboral; por ejemplo, los sectores con mayores pérdidas son los relacionados a alimentación, servicios administrativos, construcción y comercio. Por otra parte, tres de los 32 departamentos son los que absorberían las mayores pérdidas económicas (Bogotá, Antioquia y Valle). Con estos argumentos, se plantea que es factible pensar en la reactivación económica vía cuarentenas diferenciadas, dado que el impacto económico sectorial y regional es bastante heterogéneo.

Por último, tomando en cuenta los enfoques de minimización de costo económico y el componente geográfico, uno de los trabajos que motiva el análisis para proponer medidas focalizadas con respecto a la contención de la propagación del virus donde se minimice el costo económico es el trabajo de Birge, Candogan y Feng (2020). La pregunta de investigación en la que se centra el documento de trabajo es la siguiente: ¿es posible frenar la propagación de la enfermedad mientras se minimizan las pérdidas económicas inducidas? Muchas ciudades han instituido la suspensión total de actividades en diversos grados, dada la forma de propagación de este virus (de persona a persona) y su naturaleza espacial inherente, por la cual las personas infectadas pueden infectar a otras en distintos lugares. Por esta razón, los autores analizan en qué medida puede ser o no óptima la decisión de implementar una reactivación de la economía en lugares donde en general no existen aglomeraciones de gente, como las hay en los “hubs” de las ciudades.

En base a los resultados encontrados, las principales conclusiones de los autores se pueden sintetizar en los siguientes puntos:

◆ La coordinación entre autoridades de los estados/condados es necesaria para limitar las pérdidas económicas mientras se intentan alcanzar las metas de política (evitar la propagación).

]]> ◆ En el caso de Midtown Manhattan, se permite cierto nivel de actividad económica impulsada por el valor económico de esta zona. Sin embargo, para lograr el objetivo político se debe restringir la actividad económica en cualquier otro lugar de Manhattan.

◆ El efecto espacial de la propagación del virus entre vecindarios juega un papel muy importante en el momento de la decisión de qué lugares pueden reanudar la actividad económica.

◆ La focalización puede lograr objetivos de política a un costo económico más bajo.

3. Evidencia empírica en Bolivia

En esta sección se presenta un análisis empírico para Bolivia donde se desarrollan tres temas principales: i) Factores asociados al COVID-19, ii) Índice de vulnerabilidad al Covid-19, iii) Alcances y limitaciones.

3.1. Factores asociados al COVID-19

Una vez que el virus llega a una nueva ubicación geográfica puede tener impactos muy diferentes, dependiendo de una variedad de factores. Por ejemplo, si el virus llega a una región escasamente poblada con personas jóvenes, sanas y bien informadas que practican una buena higiene, el virus se propagará lentamente. Sin embargo, si el virus llegase a un área densamente poblada con personas desnutridas y frágiles, que ya padecen de otras enfermedades y que no tienen acceso adecuado a agua potable, y un sistema de saneamiento, los impactos podrían ser devastadores.

Como se evidenció en la sección anterior, es importante identificar las dimensiones que interactúan para poder proponer políticas que puedan conseguir el objetivo reduciendo el costo económico del mismo. En esta sección se presenta un análisis a nivel municipal de las diferencias en el impacto potencial de la llegada del SARS-CoV-2 a diferentes municipios de Bolivia. A diferencia de la clasificación de riesgo municipal que el gobierno de Bolivia publica semanalmente¹, el índice no incluye información sobre casos activos de Covid-19 reportados. Tampoco intenta establecer el riesgo de infección en cada momento, sino trata de prever la severidad de los impactos sobre la salud de la población, una vez que la infección llega al municipio. Lo último depende de factores estructurales de cada municipio, y no tanto del momento exacto que el virus llega al municipio.

En base a la revisión de la literatura y a un proceso de consulta en línea a expertos en temas de economía del desarrollo, economía de la salud y economía regional, entre otros,² se consideró un conjunto de indicadores potencialmente relevantes que se organizaron en tres grandes grupos³, los cuales se pueden observar en el Cuadro 1.

3.2. Índice de vulnerabilidad en Bolivia

En base a la identificación de los factores relacionados con la propagación del Covid-19, se propone un índice de vulnerabilidad, que amplía la definición de Acemoglou et al. (2020) descrita en la sección II. La misma caracteriza la situación de los municipios de Bolivia con respecto a la capacidad de contención de la pandemia. El índice está en el rango entre 0 y 100, donde 100 representa el puntaje máximo de vulnerabilidad.

Cálculo del índice

El índice de referencia reportado en este documento se calculó en base a 15 indicadores, los cuales fueron seleccionados en base a un criterio de decisión, mediante el cual se consideran aquellos indicadores donde más del 50% de los especialistas consultados acordaron que tienen un efecto fuerte en la probabilidad de morir por COVID-19⁴. Una vez seleccionados los indicadores, se procede a normalizar cada uno en la escala 0 a 100. Finalmente, se agregan estas dimensiones en un solo indicador, llamado “Índice de vulnerabilidad al COVID-19”, el mismo que tiene la siguiente fórmula general:

Donde i, i= (1,… , N) corresponde a cada una de las variables seleccionadas para caracterizar la vulnerabilidad en los municipios; W corresponde a la ponderación de cada dimensión y D hace referencia al valor normalizado del indicador. Específicamente para el caso del índice con 15 indicadores, se utiliza una misma ponderación para todos. Dado que las variables están normalizadas en el rango entre 0 a 100, el índice se encuentra en el mismo rango donde 100 corresponde al puntaje máximo de vulnerabilidad.

La figura 2 presenta la distribución espacial de los puntajes del Índice de Vulnerabilidad. El mismo viene representado en la escala Verde a Rojo, donde los municipios más vulnerables serán las que estén más cerca al color Rojo.

El Cuadro 2 muestra el índice de vulnerabilidad para los 339 municipios de Bolivia, clasificados desde el más hasta el menos vulnerable. Los resultados muestran que en el decil más alto de puntajes (mayores a 43.57), se encuentran ocho de las diez ciudades capitales del país (Tarija y Potosí están en el decil 8); adicionalmente, están 12 municipios que son parte de las zonas metropolitanas o que, según la población, son centros urbanos importantes en los respectivos departamentos. Es decir que un 60% de los municipios que están en el decil más alto de vulnerabilidad son centros urbanos grandes. Sin embargo, se debe prestar atención al restante 40% de este grupo de municipios, que, si bien no son completamente rurales, tienen la característica de presentar menor capacidad de respuesta, sobre todo con respecto a infraestructura en salud.

En contraparte, se debe prestar atención a los territorios de los deciles más bajos de vulnerabilidad, dado que en estos municipios las autoridades sub-nacionales podrían viabilizar un levantamiento de la cuarentena de forma gradual, priorizando las medidas sanitarias adecuadas. Asimismo, se deben realizar estas medidas con coordinación entre las autoridades departamentales y municipales para que las mismas sean efectivas.

Ejercicios alternativos de robustez

Uno de los aspectos que es susceptible a debate sobre este tipo de indicadores es la robustez de los resultados que pueden entregar estas herramientas. Esto ocurre debido a que muchos de los criterios utilizados para la construcción de los índices son de carácter arbitrario. Para abordar este tipo de situaciones, es importante realizar distintos ejercicios que permitan establecer si los ponderadores escogidos y/o las variables seleccionadas están apuntando correctamente en el sentido de la medición del fenómeno en cuestión. Para este propósito, se realizaron cuatro pruebas adicionales del índice con la inclusión de algunas variables que quedaron fuera del índice de referencia, pero que la literatura menciona que podría tener algún efecto. Adicionalmente, para las ponderaciones, se utiliza un criterio normalizado de la importancia relativa de cada una de éstas según la encuesta realizada a expertos.

El desarrollo metodológico de cada una de las pruebas se encuentra detallado en el Anexo metodológico, donde se presenta un resumen de las metodologías de ponderación utilizadas y la selección de variables. Las medidas de tendencia central de cada uno de los ejercicios y las correlaciones entre sí se presentan en los Cuadros 3 y 4.

Con respecto a las medidas de tendencia central, se puede concluir que los ejercicios son bastante parecidos, tomando en cuenta sobre todo los promedios y las desviaciones estándar. Asimismo, se encuentra que estos ejercicios se encuentran altamente correlacionados entre sí. Además, como se puede observar en el Cuadro 5, los patrones geográficos son similares entre ellos⁵.

Por otra parte, cabe mencionar que se escoge el índice de 15 indicadores por sobre las otras opciones, debido a que, en la encuesta a expertos, más del 50% estuvo de acuerdo con que las variables tenían una probabilidad fuerte sobre las muertes por COVID. Este criterio se vuelve relevante en este caso, dado que al momento de la investigación existen otros posibles determinantes que han probado tener cierta relación, pero no de manera concluyente. Por tanto, el consenso de los expertos sobre la importancia relativa de criterios se constituye en una referencia importante.

Sin embargo, estos posibles determinantes son considerados como parte de las pruebas de robustez para evaluar si la inclusión de los mismos afecta de manera significativa al índice de referencia. En este caso, como se mencionó anteriormente, las correlaciones son altas entre el índice de referencia y los otros ejercicios.

3.3. Alcances y limitaciones

Una vez mencionados los aspectos técnicos de la metodología, es importante recalcar algunos aspectos con respecto a los alcances y limitaciones que tiene la misma. A continuación, se detallan los mismos:

◆ El índice de vulnerabilidad tiene como objetivo caracterizar la capacidad de los municipios para la contención de la pandemia. Para este propósito se utilizan variables en su gran mayoría de carácter estructural, para así evitar efectos que puedan ser coyunturales.

◆ El índice de vulnerabilidad es un ejercicio exploratorio que permite, además, dada la unidad de observación (municipal), identificar a aquellos municipios donde potencialmente se podrían enfocar los esfuerzos de prevención.

]]> ◆ Es importante mencionar que este índice, dada su naturaleza de construcción, no tiene poder predictivo, por lo que no se puede inferir causalidad en base a esta herramienta.

◆ Se debe considerar que la selección de variables y los criterios de ponderación de las mismas se realizó en base a la opinión de un grupo de expertos. Dado que, al momento del estudio, el conocimiento sobre factores relacionados está en proceso de desarrollo, la selección de algunas de las variables y/o ponderaciones puede ser debatible a futuro.

◆ El índice es perfectible en el sentido de inclusión de algunas variables o proxys que permitan aproximar de mejor manera el criterio de vulnerabilidad estructural. Sin embargo, al momento de la investigación se utilizaron las fuentes de información más actualizadas disponibles.

4. Conclusiones

Un confinamiento total y uniforme resulta ineficiente, debido a las grandes variaciones geográficas, demográficas y sectoriales del riesgo de COVID-19. También es muy perjudicial para la salud mental, física y económica de las personas, y claramente insostenible. Sin embargo, muchos casos muestran que la ausencia de capacidad de coordinación del Estado obliga a efectuar estas medidas extremas con altos costos económicos.

Dado que es muy poco probable que una vacuna esté disponible a escala mundial antes de finales del próximo año, en el mejor de los casos (Chivers, 2020), y dado que hemos fallado en erradicar el virus incluso después de más de 50 días del confinamiento más estricto que podría aplicarse en Bolivia, la única opción restante para superar esta pandemia es dejar que el virus atraviese a la mayoría de la población de forma controlada durante los próximos 12 a 24 meses (Andersen, 2020). Esto bajo el supuesto importante de que el testeo y trazabilidad pueden incrementarse considerablemente y que las medidas preventivas puedan acompañar todo el proceso en este tiempo.

Al levantar todas las medidas de precaución, las tasas de infección se dispararán y se alcanzarán muchas más muertes diarias de las que se puede manejar física y psicológicamente. En cambio, se debería continuar con las medidas de precaución racionales y llevar a cabo una reapertura gradual, comenzando por los municipios, los grupos demográficos y los sectores con el riesgo más bajo.

Las principales recomendaciones para el futuro inmediato son las siguientes:

]]> 1. En aquellos municipios con baja densidad poblacional, principalmente en el área rural, gran parte de las tiendas/comercios estarían en condiciones de reabrir, siempre que los clientes puedan mantener un distanciamiento físico adecuado y los establecimientos puedan proveer las condiciones mínimas de sanidad a los clientes (desinfección de manos a clientes, manipulación adecuada de alimentos, entre otros).

2. Es deseable llevar a cabo medidas coordinadas entre distintos niveles gubernamentales. Las autoridades departamentales deben ser las encargadas de coordinar a las municipalidades para que, en caso de levantarse las medidas de cuarentena en municipios, éstas no desaten una segunda ola de contagios.

3. Como criterio para políticas de confinamiento territorialmente focalizadas se pueden utilizar los niveles de vulnerabilidad de la población con respecto a la gestión de la pandemia, y en ese sentido el índice de vulnerabilidad propuesto en este documento puede servir de guía, dado que considera las condiciones estructurales socio-económicas de los municipios. Indudablemente, esto no tiene sentido sin una fiscalización efectiva.

4. Se debe poner mayor atención en la política de datos abiertos del gobierno, dado que éste es un punto clave para permitir la colaboración entre la academia y el gobierno. Esta relación es clave para el diseño de políticas más eficientes, que, por ejemplo, en el contexto del COVID-19, permitan mantener niveles de contagios controlables a un costo económico menor para la sociedad.

5. Se debería aprovechar esta oportunidad para expandir la cobertura de servicios en línea, tanto en el sector público como privado. Con respecto al sector público, existen organismos estratégicos, como la Agencia de Gobierno Electrónico y Tecnologías de Información y Comunicación, Registro Civil, entre otros, que deben avanzar con la cobertura en la prestación de los servicios de gobierno electrónico. Por otra parte, en el sector privado, el sector financiero tiene el desafío de capacitar y fomentar a la población para el uso de las plataformas online, para que de esta forma se establezcan las condiciones para hacer de las plataformas en línea una alternativa para la adquisición de bienes y servicios.

6. Finalmente, los municipios más vulnerables deben prepararse para un gran impacto de COVID-19 en el caso de fallar su aislamiento. Por ejemplo, en todos los ejercicios de robustez, Riberalta se destaca como el municipio más vulnerable de Bolivia. Éste es un municipio con aproximadamente 100 mil habitantes, que cuenta con muchas conexiones a otros municipios y proporciona servicios de salud para muchos municipios circundantes en los departamentos de Beni, La Paz y Pando. Sin embargo, tiene una cobertura muy baja de agua y saneamiento, y altos niveles de obesidad, desnutrición, dengue, malaria, tuberculosis y VIH.

7. Viendo en perspectiva la probable segunda ola de contagios, como se observa en países vecinos como Argentina y algunas comunas de Chile (Acuña et al., 2020), se espera que estos mapas e información geo-referenciada sean insumos complementarios para la estrategia de inmunización una vez descubierta la vacuna para el COVID-19. De esta manera, las autoridades pueden identificar focos de riesgo en base a la distribución geográfica y demográfica de aquellas comunidades más expuestas. En ese sentido, este aporte marca una relevancia importante en el diseño de contención de esta pandemia y otras posibles en el tiempo. Para ello se ofrece a los lectores, investigadores y autoridades la base de datos utilizada en este estudio.

Notas

* Investigador Económico en el Centro Latinoamericano de Políticas Económicas y Sociales – Pontificia Universidad Católica de Chile – CLAPES-UC.
Contacto: jose.acuna@uc.cl

*** Coordinador Económico en Energía, Medio Ambiente y Cambio Climático en el Centro Latinoamericano de Políticas Económicas y Sociales – Pontificia Universidad Católica de Chile – CLAPES-UC.
Contacto: lwgonzal@uc.cl

1 https://www.minsalud.gob.bo/8-institucional/4144-indice-de-riesgo-municipal-covid-19-en-bolivia

2 La grabación del seminario web realizado el 6 de mayo de 2020 está disponible en el sitio web: https://www.sdsnbolivia.org/nuestro-aporte-en-tiempos-de-covid-19/

3 La información utilizada se encuentra sintetizada en el Atlas Municipal de los ODS en Bolivia. La misma es una iniciativa de Sustainable Development Solutions Network-Bolivia.

4 Para mayor detalle sobre la selección de variables y las ponderaciones respectivas, revisar el Anexo metodológico.

5 Los mapas correspondientes a todas las pruebas de robustez se presentan en el Anexo metodológico.

6 Las votaciones detalladas están disponibles aquí: https://www.sdsnbolivia.org/wp-content/uploads/2020/05/poll-results-ERW06052020.pdf.

Fecha de recepción: 17 de julio de 2020 ]]> Fecha de aceptación: 15 de octubre de 2020
Manejado por ABCE/SEBOL/IISEC

Referencias

1. Acuña, C.; Cerda, R.; González, H. y Larraín, F. (2020). Covid-19: un modelo para determinar la probabilidad e intensidad de una segunda ola de contagios. Documento de Trabajo de CLAPES UC Nº 82.

2. Acemoglu, D.; Chernozhukov V. et al. (2020). Targeted Lockdowns in a Multi-Group SIR Model. National Bureau of Economic Research. Working Paper Nº 27102.

3. Anda-Jáuregui de, G. y Hernández-Lemus, E. (2020). Modular Reactivation of Mexico City After COVID-19 Lockdown. arXiv preprint arXiv:2008.12688        [ Links ]

4. Andersen, L. (2020). Forty Days of Quarantine-What Have We Learned? Sustainable Development Networks Solution-SDSN Bolivia. Disponible en: https://www.sdsnbolivia.org/en/english-forty-days-of-quarantine-what-have-we-learned/         [ Links ]

5. Andersen, L. E.; Canelas, S.; Gonzáles, A. y Peñaranda, L. (2020). Atlas municipal de los Objetivos de Desarrollo Sostenible en Bolivia 2020. La Paz: Universidad Privada Boliviana, SDSN Bolivia.        [ Links ]

6. Argente, D.; Hsieh, C. y Munseon, L. (2020). The cost of privacy: Welfare Effect of the Disclosure of Covid-19 Cases. National Bureau of Economic Research. Working Paper Nº 27220.

8. Birge, J.R.; Candogan, O. y Feng, Y. (2020). Controlling Epidemic Spread: Reducing Economic Losses with Targeted Closures. Becker Friedman Institute Working Paper Nº 2020-57, University of Chicago, May. Disponible en: https://bfi.uchicago.edu/workingpaper/controlling-epidemic-spread-reducing-economic-losses-with-targeted-closures/

9. Cardona C.; Cuba-Borda, P. y Gonzáles-Carrasco, L.E. (2020). Monitoreo en tiempo real del COVID-19 en Bolivia. Documento de Trabajo de CLAPES UC Nº 81.

10. Chivers, T. (2020). When will we get the Covid-19 vaccine? UnHerd. Disponible en: https://unherd.com/2020/04/when-we-get-the-covid-19-vaccine/?tl_inbound=1&tl_groups%5b0%5d=18743&tl_period_type=3

11. Greenstone, M. y Nigam, V. (2020). Does Social Distancing Matter? University of Chicago, Becker Friedman Institute for Economics Working Paper Nº 2020-26.

12. Jordá, O.; Singh, S. R. y Taylor, A. M. (2020). Longer-run economic consequences of pandemics. National Bureau of Economic Research. Working Paper Nº 26934.

13. Ricciulli-Marín, D. et al. (2020). Diferencias regionales en el impacto económico del aislamiento preventivo por el COVID-19: estudio de caso para Colombia. Documentos de trabajo sobre economía regional y urbana, Nº 290, Banco de la República.

Anexo metodológico
Índice de vulnerabilidad al COVID-19 BOLIVIA

Metodología

Para la construcción del IV-COVID-19, se llevaron a cabo múltiples etapas, que van desde la revisión de la literatura, la selección y agregación de indicadores, hasta el cálculo del índice y las pruebas de robustez. En esta sección se detallarán los pasos llevados a cabo para la construcción del índice.

Revisión de literatura y selección de indicadores

En la primera etapa se realizó una preselección de indicadores que, en base a estudios realizados a la fecha, fueron identificados como factores asociados al COVID-19 (Cuadro 6). Para la construcción del índice se ponderaron los indicadores mediante una consulta pública en un webinar de la Sociedad de Economistas de Bolivia (SEBOL), con asistencia de 50 personas en promedio, entre los que se encontraban expertos en temas de desarrollo económico, economía de la salud y economía regional, entre otros. En la consulta se recogió la opinión de los mismos con respecto al efecto de las variables en la propagación del virus, clasificando las mismas en fuerte, moderado, neutral y desconocimiento del efecto.

Cálculo del índice

Una vez seleccionadas las variables, se procede a normalizar cada una en la escala 0 a 100. Finalmente se agregan estas dimensiones en un solo indicador, llamado "Índice de
vulnerabilidad al COVID-19", que tiene la siguiente fórmula general:

Donde i, i = (1,...,N) corresponde a cada una de las variables seleccionadas para caracterizar la vulnerabilidad en los municipios, W corresponde a la ponderación de cada respectiva dimensión y D hace referencia al valor normalizado del indicador. Dado que las variables están normalizadas en el rango entre 0 a 100, el índice se encuentra en el mismo rango, donde 100 corresponde al puntaje máximo de vulnerabilidad.

En este tipo de índices, la ponderación de las distintas dimensiones juega un papel importante dado que éstas pueden asignar mayor importancia relativa a alguna(s) variable(s). En este sentido, se proponen dos métodos para determinar la ponderación de los indicadores seleccionados.

i. Ponderación en base a consulta a expertos (PCE)

En este primer ejercicio se recogieron los criterios de aproximadamente 50 profesionales (médicos, economistas, sociólogos, ingenieros, etc.) en un webinar interactivo⁶ referido a la importancia de cada variable sobre la severidad de los impactos del COVID-19. Una vez agregadas todas las opiniones de los expertos, cada variable tendrá un "nivel de importancia" según la votación que se realizó. A continuación, se presenta en el Cuadro 6 un ejemplo de esta situación.

Una opción de ponderación es asignar mayor peso a las variables que tengan el mayor porcentaje de votos a "Efecto fuerte", para de esta manera aproximar la importancia relativa de
una variable con respecto al resto. Es decir, en el ejemplo del cuadro, la variable 1 presenta un mayor porcentaje de votos en la categoría "Efecto fuerte" que el resto de variables; entonces la misma debe ser la variable a la que se asigne una mayor ponderación en el índice agregado.

Para lograr esta ponderación primero se normaliza la distribución de votación "Efecto fuerte" con media _F:

Una vez normalizadas las proporciones de votación "Efecto fuerte", se encuentra la ponderación W_i para cada variable, en base a una suma ponderada de los puntajes
normalizados. Finalmente, el indicador se calcula en base nuevamente a (1).

ii. Ponderaciones en base a un umbral (PU)

La segunda alternativa que se propone para establecerlas ponderaciones consiste en establecer un umbral a partir del cual se consideren solo ciertas variables en el índice. La idea principal de esta propuesta radica en el hecho de hacer a un lado a aquellas variables que, en promedio, los expertos no consideran que tienen un efecto fuerte sobre la propagación del COVID-19.

Para este propósito se tomó en cuenta solo a aquellas variables cuyo porcentaje de respuestas en la categoría "Efecto fuerte" supera el 50%. Este umbral se establece en base al promedio de respuestas fuertes, dado que _F = 0.54; sin embargo, dos variables quedan muy cerca al umbral, las cuales tienen puntajes por encima de 0.50 y menos de 0.54.

Una vez aplicada la selección en base al umbral, y dado que estas variables fueron seleccionadas como fuertemente influyentes en la propagación del COVID-19, se utiliza una misma ponderación para todas las variables. Y al final queda un indicador que toma la siguiente forma general:

Para el documento, se toma como referencia el índice construido con el criterio de ponderaciones en base a un umbral, dado que la aplicación del mismo entrega un conjunto de variables que, a primera vista, resumen de manera concreta los principales factores asociados a la propagación del COVID-19.

Ejercicios alternativos de robustez

A continuación, en el Cuadro 7, se presenta un resumen del conjunto de variables utilizadas en los ejercicios realizados. Las distintas combinaciones de variables fueron escogidas en función a la revisión de la literatura y al criterio de los investigadores.

Asimismo, se presentan los mapas de cada uno de los ejercicios realizados en las pruebas de robustez: