Aprovechemos la increíble heterogeneidad de Bolivia al combatir el COVID-19

Por: Lykke E. Andersen, Ph.D.*

 

«La única forma de evitar el ‘pensamiento grupal’ y los puntos ciegos es garantizar que los representantes con diversos perfiles y experiencia estén en la mesa cuando se toman decisiones importantes».

Devi Sridhar, Presidente de Salud Global de la Facultad de Medicina de la Universidad de Edimburgo.

 

Bolivia es un país increíblemente diverso y heterogéneo en todos los sentidos. En un territorio de un millón de kilómetros cuadrados encontramos selva amazónica, grandes ciudades modernas, pantanos infestados de mosquitos, glaciares derritiéndose, enormes salares y pintorescos bosques nubosos. Algunas personas viven más o menos como lo hacían sus antepasados hace cientos de años, mientras que otras disfrutan de todos los lujos de los países más avanzados. De acuerdo con nuestro Atlas Municipal de los ODS en Bolivia, las diferencias entre municipios dentro de Bolivia son mayores que las diferencias entre todos los países del mundo en términos del Índice de Desarrollo Sostenible. Y al igual que dentro de cada país, también hay grandes desigualdades dentro de cada municipio en Bolivia.

En este blog, mostraré cómo podemos aprovechar esta heterogeneidad para reducir la tasa de mortalidad del COVID-19 en Bolivia.

Las buenas noticias de la semana

Hace aproximadamente un mes, la Organización Mundial de la Salud (OMS) emitió una declaración preocupante diciendo que «actualmente no hay evidencia de que las personas que se han recuperado de COVID-19 y que cuentan con anticuerpos estén protegidas de una segunda infección» [1]. De ser cierto, ésta sería una muy mala noticia para los muchos países, incluidos Bolivia y sus vecinos, que no han logrado contener el virus, y que no tienen las capacidades para realizar pruebas y rastrear el esparcimiento del virus y de mantener una cuarentena viable. Para estos países la única opción para superar esta pandemia es lograr la inmunidad grupal.

La buena noticia del Centro Coreano para el Control de Enfermedades (KCDC) la semana pasada fue que las 263 personas en Corea del Sur que dieron positivo por la enfermedad por segunda vez después de haber sido declaradas recuperadas y libres de virus, no presentaron el resultado positivo debido a la reinfección ni reactivación del virus SARS-CoV-2. Más bien, se debió a que las pruebas de PCR detectaron vestigios de ARN viral inactivo e inofensivo todavía presente en el cuerpo un par de meses después de la infección original. Según KCDC, el proceso en el que COVID-19 produce un nuevo virus se lleva a cabo solo en el citoplasma de las células huésped y no se infiltra en el núcleo. Esto significa que no causa infección crónica o recurrencia, a diferencia de otros tipos de virus como el VIH [2].

Por lo tanto, parece que la estrategia de inmunidad grupal podría ser viable después de todo. Una vez que el 60-70% de la población se haya adquirido inmunidad, el virus desaparecerá al resultarle difícil encontrar nuevos huéspedes donde multiplicarse. La pregunta ahora es cómo aplicar esa estrategia reduciendo al mínimo posible las cantidades de muertes y de daños colaterales.

Optimizando la estrategia de inmunidad grupal

Anteriormente calculé que posiblemente “terminaremos con una tasa de mortalidad por infección (IFR) de alrededor del 1% para Bolivia (lo que significa entre 0,3% y 2%, dado que todavía hay mucha incertidumbre). Si el 60% de 11,6 millones de personas se infectan, y el 1% de ellas muere, terminaríamos con aproximadamente 70 mil muertes por COVID-19 en Bolivia.” [3]. Si bien esta es una gran cantidad de muertes, el IFR de 1% es una estimación realista que considera la distribución de edad de la población, las condiciones de salud subyacentes, la calidad del sistema de salud, las condiciones de vivienda y trabajo, además del nivel de educación y confianza en la población. Parece ser el resultado más probable si dejamos que el virus se esparza a través de la población de manera lenta y controlada (con medidas apropiadas de distanciamiento físico) de manera aleatoria hasta alcanzar la inmunidad grupal después de un periodo de entre 12 y 18 meses, y bajo el supuesto de que no haremos nada para empeorar las cosas más de lo necesario.

Sin embargo, la IFR puede reducirse considerablemente si aprovechamos el hecho de que la población no es homogénea. Algunas personas tienen un riesgo mucho menor de morir por COVID-19 que otras, por lo que si pudiéramos asegurarnos de que el 60% de la población que se infecta primero sean aquellos que tienen menos probabilidades de sufrir complicaciones graves, podríamos reducir considerablemente el número total de muertes.

En lo que queda de este blog describiré las principales dimensiones a tener en cuenta para optimizar la estrategia de inmunidad grupal.

 

1. La dimensión demográfica

La evidencia de todo el mundo muestra inequívocamente que el riesgo de muerte por COVID-19 es mayor en las personas mayores. En Italia, por ejemplo, hasta el 18 de mayo, solo 4 personas menores de 20 años habían muerto, mientras que el número de muertes de personas mayores de 50 años fue de casi 30 mil (ver Figura 1).

Figura 1: muertes por COVID-19 en Italia al 18 de mayo de 2020, por grupo etario


Fuente:
Istituto Superiore di Sanità (via Statista 2020).

También hay evidencia abrumadora de que los hombres tienen casi el doble de probabilidades de morir por COVID-19 en comparación con las mujeres. La Figura 2 muestra las tasas de letalidad observadas en Italia hasta la fecha, desglosadas por edad y sexo.

 

Figura 2: Tasas de mortalidad por COVID-19 en Italia a mayo de 2020, por género y grupo etario


Nota:
Las tasas de letalidad en esta figura no reflejan las tasas de mortalidad reales por infección, ya que hay errores
tanto en el nominador (muertes no contadas de COVID-19) como en el denominador (casos COVID-19 no identificados).
Sin embargo, es probable que el patrón general por edad y género refleje las diferencias reales en los IFR por edad y género.
Fuente: Istituto Superiore di Sanità (via Statista 2020).

 

Dado este patrón, y patrones similares de todos los demás países que cuentan con estadísticas de mortalidad por COVID-19 desglosadas por edad y género, podemos hacer la siguiente clasificación aproximada del riesgo demográfico:

 

La Figura 3 representa la aplicación de esta clasificación a la pirámide poblacional de Bolivia.

 

 Figura 3: Pirámide poblacional de Bolivia, con categorías de riesgo


Fuente:
Elaboración propia con datos de PopulationPyramid.net 

 

Basados solo en estos factores demográficos básicos, el 77% de la población boliviana tiene bajo riesgo de morir en caso de contraer el COVID-19; 16% está en riesgo medio; y el 7% es de alto riesgo.

Pero hay más dimensiones de riesgo a tener en cuenta.

2. La dimensión geográfica

Si bien la edad y el género son determinantes importantes del riesgo, existen factores en la comunidad circundante que pueden amplificar o moderar el riesgo para cada individuo.

  • Es más seguro vivir en una zona rural dispersa donde uno interactúa con pocas personas diferentes, que vivir en una zona urbana densa en la que uno toca superficies públicas que miles de personas tocan todos los días.
  • Es más seguro vivir solo, que en un hogar extendido de tres generaciones.
  • Es más seguro vivir en un lugar que no esté plagado simultáneamente de otras amenazas para la salud, como el Dengue, la Malaria, la Tuberculosis y el VIH.
  • Es más seguro vivir en un área donde haya servicios básicos de agua y saneamiento disponibles.

En el blog de la semana pasada, desarrollamos un Índice de Vulnerabilidad Municipal para COVID-19 [4], y si bien es un indicador continuo, podemos dividirlo en municipios de Bajo, Medio y Alto Riesgo, con algunos límites ciertamente arbitrarios. Si consideramos todos los municipios con un índice de vulnerabilidad superior a 36,7 de alto riesgo y aquellos con un índice inferior a 31,7 de bajo riesgo, obtenemos un mapa de riesgos municipales como se muestra en la Figura 4.

 

Figura 4: Nivel municipal de vulnerabilidad ante el COVID-19, con categorías de riesgo

(Haga clic aquí para ver detalles)
Fuente: Entre la espada y la pared: el dilema del COVID-19 [4].

Este Índice de Vulnerabilidad al COVID-19 solo considera variables estructurales, y no las tasas de infección reales, que también sería importante tener en cuenta, pero éstas sufren cambios diarios y, debido a la capacidad de prueba limitada, muchos casos pasan desapercibidos.

3. Dimensión sectorial

Incluso para las personas de la misma edad y sexo, que viven en el mismo municipio, el riesgo variará sustancialmente dependiendo del tipo de actividades en las que participe cada uno de ellos. El riesgo será muy alto en caso de ser dentista, pero muy bajo si recolecta castañas en soledad dentro de un bosque.

En general, las actividades solitarias que se desarrollan al aire libre son mucho más seguras que trabajar en espacios cerrados con una multitud de personas. Las ocupaciones de mayor riesgo serían aquellas en las que uno debe estar muy cerca de muchas personas diferentes y potencialmente infectadas todos los días, como dentistas, médicos y enfermeras. En caso de visitar o trabajar en lugares cerrados, donde las personas cantan, gritan o respiran intensamente, como discotecas, karaokes, iglesias y gimnasios, uno también corre un alto riesgo, ya que el virus se propaga de manera muy efectiva en este tipo de lugares.

 

4. Factores de riesgo individuales

Además de todas las variaciones de riesgo mencionadas anteriormente, habrá riesgos personales adicionales que pueden ser permanentes o temporales. Por ejemplo, cualquier persona que sufra de presión arterial alta, diabetes o asma pasaría automática y permanentemente a una categoría de mayor riesgo que la sugerida por su edad, sexo, ubicación y/o ocupación. Del mismo modo, cualquier persona que presente síntomas similares a los del COVID-19, independientemente de su edad, sexo, ubicación y ocupación, debe considerarse de inmediato como de alto riesgo y tomar todas las precauciones para protegerse y proteger a los demás.

Los factores de riesgo individuales también deben tener en cuenta a otras personas en el mismo hogar. Un individuo puede ser joven y saludable, pero si vive con una persona de alto riesgo, su categoría de riesgo también aumenta, porque sus acciones pueden incrementar los riesgos para sus seres queridos.

 

La planificación central puede no ser la respuesta

Del análisis anterior es posible rescatar que los riesgos varían en diversas magnitudes de un lugar a otro y de una persona a otra. Esto hace que las decisiones centralizadas sean extremadamente difíciles y, por este motivo, las reglas uniformes probablemente serían ineficientes e incluso perjudiciales.

Las estrictas medidas iniciales de cuarentena han servido para educar a las personas sobre los peligros de este virus y sobre las medidas de lavado de manos y distanciamiento físico que pueden ayudar a controlar el contagio. Pero estas medidas estrictas claramente no son sostenibles durante los muchos meses durará la pandemia [5] y es hora de un enfoque más estratificado.

 

Descentralización de las decisiones y responsabilidades

Si nuestro objetivo es alcanzar la inmunidad colectiva con el menor número de muertes y daños colaterales posibles, entonces debemos optar por una considerable descentralización de las decisiones. Cada departamento, cada municipio, cada empresa, cada escuela y cada familia necesitará analizar sus fortalezas y debilidades en este nuevo contexto global y elaborar un plan sobre cómo superar los siguientes 24 meses con el menor daño posible. El daño no solo incluye las muertes por COVID-19, sino también la pérdida de educación, ingresos, libertad, voluntad, alegría y felicidad; por lo tanto, todos tendrán el reto de realizar un análisis holístico para el cual se necesitará paciencia, comunicación, colaboración y, seguramente, varios intentos.

La necesidad de descentralizar las decisiones y responsabilidades es aún mayor ahora que el gobierno central se enfrenta a una caída precipitada en los ingresos de todas las fuentes (especialmente IDH, IVA, IT, IUE, ICE y RC-IVA), y por lo tanto tendrá mucho menos recursos disponibles para la distribución a departamentos, municipios e individuos.

Necesitamos reconocer que no hay respuestas correctas. Nadie sabe la mejor manera de superar esto y no existe una solución única para todos. Nadie sabe cómo se verá el mundo después. Este es un buen momento para ser flexible, pensar de manera innovadora y probar nuevas formas de aprender, trabajar y vivir.

Aprender rápidamente es más importante que nunca y el aprendizaje solo es posible si probamos diferentes estrategias y recolectamos lecciones de sus diferentes resultados. La mejor manera de hacerlo es dejar que los municipios sigan diferentes estrategias y registren resultados más o menos en tiempo real.

 

La necesidad de datos actualizados y desglosados geográficamente sobre muertes por todas las causas

Al tener una capacidad de prueba extremadamente limitada en todo el mundo, y especialmente en Bolivia, los casos y muertes reportados de COVID-19 rara vez reflejan la realidad. Es más factible y útil registrar el número total de muertes (por edad y sexo) por semana, independientemente de la causa, y comparar esta cifra con el número esperado de muertes por semana en cada territorio.

Según el INE, esperábamos 66.760 muertes en Bolivia este año sin la pandemia del COVID-19 [6], lo que corresponde a 1.284 muertes por semana en todo el país. Estos datos se pueden desglosar a nivel de departamento aplicando las tasas de mortalidad bruta departamentales calculadas por el INE a la población de cada departamento (ver Tabla 1).

 

Tabla 1: Proyección de muertes esperadas por semana, por departamento, en 2020


Fuente:
INE y
https://www.covid19bo.com/

Según estos datos, Beni es el único departamento en Bolivia que tiene un brote grave de COVID-19 en este momento, probablemente porque es particularmente vulnerable, debido a los altos niveles de obesidad, baja cobertura de agua y saneamiento, viviendas abarrotadas, brotes simultáneos de Dengue, Malaria, Tuberculosis y VIH, y baja capacidad del gobierno local, como mostramos en nuestro blog hace un par de semanas [4]. Sin embargo, el número real de muertes por COVID-19 es probablemente mucho más alto, ya que solo se cuentan las personas que dan positivo a la prueba de COVID-19. El cementerio dedicado a COVID-19 en Trinidad (Beni), por ejemplo, hace unos días tenía 148 fallecidos, de los cuales solo 57 fueron muertes confirmadas por COVID-19, mientras que 91 eran sospechosas [7].

En la Tabla 1, hay signos de interrogación en la última columna sobre el número de muertes por todas las causas. Esta información no está disponible actualmente en ninguna entidad gubernamental en Bolivia. Mi recomendación al Instituto Nacional de Estadística de Bolivia (INE) sería construir rápidamente un sistema para registrar el número de muertes en cada municipio cada semana por edad y sexo.

Se necesita información semanal desglosada geográficamente sobre todas las muertes por edad y género para controlar cuidadosamente los brotes locales y tomar las precauciones adecuadas en los lugares correctos [8]. Una respuesta descentralizada y precisa a esta pandemia requiere datos desglosados ​​oportunos. Vale la pena establecer un sistema de recopilación y presentación de esta información, ya que puede salvar decenas de miles de vidas y evitar enormes costos económicos y sufrimiento humano.

—-

Notas:

[1] https://time.com/5827450/who-coronavirus-antibodies-reinfection/

[2] http://m.koreaherald.com/view.php?ud=20200429000724. Vea el video de John Campbell para una interpretación fácil re resultados : https://www.youtube.com/watch?v=uATMbGK__Tg&t=1200s. y vea el de MedCram para una explicación mucho más detallada, intracelular, de lo mismo: https://www.youtube.com/watch?v=01Rftnxbi6w.

[3] https://www.sdsnbolivia.org/en/english-forty-days-of-quarantine-what-have-we-learned/

[4] https://www.sdsnbolivia.org/en/entre-la-pared-y-un-terrible-virus/

[5] El mundo aún se encuentra en las primeras etapas de esta pandemia, incluso los países más afectados aún tienen un largo camino por recorrer antes de alcanzar la inmunidad grupal. A principios de mayo, se estimó que Bélgica era el país más cercano a la inmunidad grupal, con un 6,4% de la población infectada, mientras que en otros países europeos la población inmune todavía es inferior al 5%. En ciertos puntos críticos, como Madrid, la tasa es mucho más alta, pero aún no está cerca de la inmunidad. (https://www.ft.com/content/f7d08906-b5c5-4210-b2c6-0ec95d533bc6).

[6] https://www.ine.gob.bo/index.php/censos-y-proyecciones-de-poblacion-sociales/#

[7] https://www.la-razon.com/sociedad/2020/05/22/cementerio-covid-19-de-trinidad-alberga-148-muertos-entre-sospechosos-y-confirmados/

[8] Esta página de Our World In Data proporciona una colección de sitios que monitorean el exceso de mortalidad (https://ourworldindata.org/excess-mortality-covid). The Economist, Financial Times, The New York Times y EUROMOMO ofrecen excelentes ejemplos de cómo se pueden presentar estos datos de manera fácil para el usuario.

 

* SDSN Bolivia.

Los puntos de vista expresados en este blog son responsabilidad de los autores y no necesariamente reflejan la posición de la institución. Estas publicaciones forman parte del proyecto “Atlas municipal de los ODS en Bolivia”, el cual está siendo desarrollado por la Red de Soluciones para el Desarrollo Sostenible (SDSN) en Bolivia.

Entre la espada y la pared: el dilema del COVID-19

Por
Lykke E. Andersen*,
José Acuña**,
and Luis Gonzales***

 

 

Durante la actual pandemia del COVID-19, la mayoría de los países del mundo no ha logrado implementar medidas precisas para realizar pruebas, localizar contactos y mantener en cuarentena a las personas enfermas e infectadas con el virus. En cambio, los países han implementado estrategias bastante drásticas y desesperadas encerrando a gran parte de la población durante varias semanas

Obviamente, esta última no es una estrategia sostenible, y muchos países están comenzando a dejar que las personas salgan de sus hogares, sabiendo muy bien que el virus aún existe, por lo que la apertura inevitablemente conducirá a mayores tasas de contagios y número de muertes, pero esperando mantener los casos graves en niveles manejables. Es un gran acto de equilibrio que requiere buena información en tiempo real, la cual es increíblemente escasa.

Idealmente, deberíamos dejar salir primero a las personas con menos probabilidades de infectarse, y con menor probabilidad de infectar a otros, y a aquellas con probabilidades más bajas de morir por COVID-19. La idea es alcanzar la inmunidad colectiva en los próximos 12 meses con el menor número posible de muertes por COVID-19 y el menor daño colateral. Es decir, nuestro objetivo es minimizar el daño total de esta pandemia.

¿Quién puede salir con mayor seguridad y reanudar el trabajo, la educación y las actividades de ocio? Las probabilidades relevantes tienen tres dimensiones principales: geográfica, demográfica y sectorial, e interactúan de manera complicada.

En este blog proporcionaremos evidencia empírica para informar estrategias para salir gradualmente de la cuarentena extremadamente estricta en Bolivia.

 

Variaciones geográficas en riesgo

Una vez que el virus llega a una nueva ubicación puede tener impactos muy diferentes, dependiendo de una variedad de factores. Si llega a una región escasamente poblada con personas jóvenes, sanas y bien informadas que practican una buena higiene, el virus se propagará lentamente y la gran mayoría de las personas infectadas probablemente tendrán síntomas leves o serán asintomáticas. Sin embargo, si el virus llega a un área densamente poblada con personas desnutridas y frágiles, que ya padecen de otras enfermedades y que no tienen acceso adecuado al agua, al jabón y un sistema de saneamiento (como un campo de refugiados), los impactos podrían ser devastadores.

En esta sección presentaremos un análisis a nivel municipal de las diferencias en el impacto probable de la llegada del SARS-CoV-2 a diferentes municipios de Bolivia. Consideramos varias docenas de indicadores potencialmente relevantes del Atlas Municipal de los ODS en Bolivia y los agrupamos en las siguientes tres amplias categorías:

 

  1. Riesgo de propagación rápida
    • Número de las carreteras principales que ingresan al municipio.
    • Centralidad de la migración (un índice que refleja con cuántos otros municipios cada municipio está conectado a través de la migración reciente)
    • Porcentaje de la población que vive en zonas urbanas.
    • Porcentaje de la población que vive en hogares con hacinamiento (más de 2 personas por habitación)
    • Intensidad del transporte público

 

  1. Situación subyacente de la salud
    • Nivel de obesidad
    • Nivel de desnutrición crónica.
    • Incidencias de Dengue, Chagas, Malaria, Tuberculosis y VIH
    • Porcentaje de población mayor a 60 años.

 

  1. Capacidad de respuesta
    • Cobertura de agua y saneamiento.
    • Cobertura de electricidad, telefonía e internet.
    • Porcentaje de la población que no habla español.
    • Desigualdad educativa
    • Capacidad de ejecución del presupuesto del gobierno local.
    • Inversión pública per cápita
    • Número de médicos por cada 10.000 habitantes.

 

Cada variable se convirtió en un índice de 0 a 100, y estos índices fueron agregados utilizando ponderaciones derivadas de un proceso de consulta en línea [1]. El Índice de Vulnerabilidad reportado en este blog utiliza los 15 indicadores que más del 50% de los participantes acordaron que tienen un fuerte efecto en la probabilidad de morir por COVID-19, y se le asignó la misma ponderación a cada uno de ellos. Los 15 indicadores elegidos se distribuyeron por igual entre los tres grupos y se destacan en cursiva en la lista anterior [2].

La Tabla 1 muestra el Índice de Vulnerabilidad para los 339 municipios de Bolivia clasificados desde el más hasta el menos vulnerable.

 

Tabla 1: Índice de vulnerabilidad a COVID-19 (basado en 15 indicadores)
Click en la imagen para agrandar

Fuente: Elaboración propia.
Nota: Las 9 capitales departamentales + El Alto están resaltadas en negrita.

 

El mapa 1 muestra la distribución espacial del mismo Indice de vulnerabilidad.

 

Mapa 1: Índice de vulnerabilidad al COVID-19 (basado en 15 indicadores)

Fuente: Elaboración propia.

 

Variaciones demográficas en el riesgo

Dentro de cada municipio existe una variación considerable en el riesgo entre los diferentes grupos de población.

De los estudios realizados en áreas que fueron infectadas de manera temprana por el SARS-CoV-2, está claro que las tasas de mortalidad por infección (IFR, por sus siglas en inglés) aumentan exponencialmente con la edad y son considerablemente más altas para los hombres que para las mujeres [3]. Además, las personas con uno o más problemas de salud subyacentes, especialmente hipertensión, obesidad y diabetes, tienen muchas más probabilidades de morir [4]. Tanto en Reino Unido como en los Estados Unidos, se han observado diferencias raciales en los IFR. Incluso después de controlar los factores socioeconómicos y laborales, las personas con piel más oscura tienen más probabilidades de morir que las personas con piel más clara [5], posiblemente debido a deficiencias de vitamina D que debilitan el sistema inmunitario [6]. Es poco probable que esto sea un factor significativo en Bolivia, siempre y cuando todos puedan salir al sol todos los días.

Afortunadamente, los niños rara vez se enferman gravemente por COVID-19. De más de 27 mil muertes por COVID-19 en Italia hasta la fecha, solo 3 eran menores de 18 años [7]. También hay alguna evidencia emergente de que los niños infectados tienen una capacidad más baja de transmisión del virus que los adultos [8]. Por lo tanto, muchos países están comenzando a reabrir las escuelas, incluyendo esfuerzos de lavado de manos y distanciamiento social, desinfección diaria y limpieza de superficies, además de un monitoreo cuidadoso de los resultados [9].

 

Variaciones sectoriales en riesgo

Para las personas con características demográficas similares dentro del mismo municipio, el riesgo variará según el tipo de actividades que realicen. En general, el trabajo solitario al aire libre es mucho menos riesgoso que el trabajo en interiores con exposición a muchas personas. Por lo tanto, la agricultura y la construcción son relativamente seguras, mientras que trabajar en un supermercado, un hospital o un consultorio dental son de alto riesgo [10]. Del mismo modo, las actividades de ocio al aire libre, como el senderismo/hiking, el golf o el tenis, son mucho más seguras que los deportes de equipo en interiores como el voleibol, el baloncesto o el handball. Los clubes nocturnos y bares de karaoke son ejemplos de lugares con riesgo de transmisión extremadamente altos.

Algunas actividades de alto riesgo son esenciales y deben permanecer funcionales incluso durante la cuarentena más estricta. En estos casos, es importante implementar medidas de bioseguridad para reducir el riesgo tanto como sea posible. El uso de mascarillas en supermercados, bancos y transporte público es una forma muy efectiva de prevenir la propagación del virus de personas asintomáticas a otras personas. El horario extendido de apertura y los horarios de trabajo escalonados reducen las aglomeraciones y facilitan el distanciamiento físico. Promover el cambio a servicios en línea y entrega a domicilio también es posible en muchos casos. Incluso muchos servicios médicos se han transformado con éxito y se han convertido en sistemas de telemedicina mucho más seguros y convenientes.

 

Recomendaciones para aflojar el confinamiento en Bolivia

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.

Dado que es muy poco probable que una vacuna esté disponible a escala mundial hasta finales del próximo año, en el mejor de los casos [11], y dado que hemos fallado en erradicar el virus incluso después 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 [12].

Si levantamos todas las medidas de precaución, las tasas de infección se dispararán y terminaremos con muchas más muertes diarias de las que podemos manejar física y psicológicamente. En cambio, debemos 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.

 

Nuestras recomendaciones para el futuro inmediato son las siguientes:

 

  1. En todas partes, debemos mantener las siguientes medidas simples para limitar la tasa de infección:
    • Evitar besos, abrazos o apretones de manos, excepto con su círculo más cercano de familiares y seres queridos;
    • No debe haber reuniones innecesarias que involucren a muchas personas, lo que significa que no se deberían llevar a cabo conciertos, reuniones religiosas, festivales, eventos deportivos, carnavales ni eventos de graduación.
    • Mantener una distancia de 2 metros de personas extrañas, interactuar con la menor cantidad de personas posible y usar un barbijo si tiene que estar cerca de ellos (en supermercados, transporte público, bancos, etc.);
    • Evitar tocar superficies potencialmente infectadas, y lavarse bien las manos en caso de hacerlo;
    • Trabajar y estudiar desde casa tanto como sea posible y limitar las interacciones a la menor cantidad posible de contactos diferentes.
    • Cuando no sea posible trabajar desde casa, intente trabajar en horarios flexibles y escalonados para reducir la ocupación máxima en los sistemas de transporte público y lugares de trabajo.
  1. En todas partes, se debe permitir el trabajo y las actividades de ocio al aire libre, siempre que sea posible mantener el distanciamiento físico. De hecho, se debe alentar a las personas a tomar aire fresco, luz solar y ejercicio moderado para optimizar su sistema inmunológico. Los barbijos no deberían ser obligatorios al hacer ejercicio al aire libre, ya que interfieren la oxigenación óptima de organismo.
  1. En la gran mayoría de los municipios, los niños pueden regresar a la escuela si hay instalaciones de higiene adecuadas. Sería más seguro si se cuenta con docentes mujeres, menores de 60 años y en condiciones de salud favorables. Los maestros con alto riesgo de una reacción grave a COVID-19 (hombres mayores con presión arterial alta, diabetes u otros factores de riesgo) no deben entrar en contacto con los niños. La OMS tiene pautas sobre cómo reducir el riesgo en las escuelas [13].
  1. En la gran mayoría de los municipios, gran parte de las tiendas pueden reabrir, siempre que los clientes puedan mantener un distanciamiento físico adecuado. Los riesgos serían más bajos si mujeres jóvenes atendieran en las tiendas. El horario de apertura debe ampliarse en lugar de reducirse, para reducir el hacinamiento.

 

Por otro lado, los municipios más vulnerables deben prepararse para un gran impacto de COVID-19. En todas las variaciones de nuestro Índice de Vulnerabilidad, Riberalta se destaca como el municipio más vulnerable de Bolivia. Es un gran municipio urbano (aproximadamente 100 mil habitantes) con muchas conexiones a otros municipios a través de la migración reciente, 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. Es una bomba de tiempo. Pero por alguna razón, el índice del gobierno no lo señala como de alto riesgo.

Finalmente, dado que esto llevará muchos meses, se debería aprovechar esta oportunidad para brindar cobertura universal de electricidad, telecomunicaciones y servicios en línea. Ahora es el momento para que AGETIC realmente avance con los servicios de gobierno electrónico.

Notas al pie:

[1] Ver la grabación del seminario web realizado el 6 de mayo de 2020 y este PDF de los resultados de las encuestas.

[2] Estamos trabajando en un documento de trabajo con muchos más detalles que incluye un análisis de sensibilidad, ya que hay muchas formas posibles de agregar los indicadores. Pero los resultados presentados aquí están altamente correlacionados con los otros índices agregados analizados.

[3] En Alemania, por ejemplo, la tasa de mortalidad de los hombres entre 50 y 80 años es al menos el doble de la tasa de mortalidad de las mujeres del mismo grupo de edad.  (https://www.statista.com/statistics/1105512/coronavirus-covid-19-deaths-by-gender-germany/). En Italia, España, China, Perú y Grecia, la diferencia de género es aún más pronunciada. (https://www.businessinsider.com/men-women-coronavirus-death-rates-by-country-worldwide-health-habits-2020-4)

[4] Ver, por ejemplo, Richardson, S., Hirsch, J. S., Narasimhan, M., et al. (2020). “Presenting Characteristics, Comorbidities, and Outcomes Among 5700 Patients Hospitalized with COVID-19 in the New York City Area.” JAMA. Publicado en línea el 22 de abril de 2020. doi:10.1001/jama.2020.6775 ( https://jamanetwork.com/journals/jama/fullarticle/2765184)

[5] https://www.ons.gov.uk/peoplepopulationandcommunity/birthsdeathsandmarriages/deaths/articles/coronavirusrelateddeathsbyethnicgroupenglandandwales/2march2020to10april2020

[6] https://link.springer.com/article/10.1007/s40520-020-01570-8, https://www.bmj.com/content/356/bmj.i6583, https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3571484

[7] https://www.statista.com/statistics/1105061/coronavirus-deaths-by-region-in-italy/

[8] https://dontforgetthebubbles.com/evidence-summary-paediatric-covid-19-literature/

[9] https://www.sciencemag.org/news/2020/05/should-schools-reopen-kids-role-pandemic-still-mystery

[10] https://www.weforum.org/agenda/2020/04/occupations-highest-covid19-risk/

[11] Ver este artículo para una discusión de lo que se necesita para desarrollar, probar, producir y distribuir una nueva vacuna: https://unherd.com/2020/04/when-we-get-the-covid-19-vaccine/?tl_inbound=1&tl_groups[0]=18743&tl_period_type=3

[12] Ver https://www.sdsnbolivia.org/en/english-forty-days-of-quarantine-what-have-we-learned/.

[13] Ver https://www.who.int/docs/default-source/coronaviruse/key-messages-and-actions-for-covid-19-prevention-and-control-in-schools-march-2020.pdf?sfvrsn=baf81d52_4

* Directora Ejecutiva, SDSN Bolivia

** Investigador Económico en el Centro Latinoamericano de Políticas Económicas y Sociales – Pontificia

Universidad Católica de Chile – CLAPES-UC.

*** Jefe de Energía, Medio Ambiente y Economía del Centro Latinoamericano de Políticas Económicas y

Sociales –Pontificia Universidad Católica de Chile – CLAPES-UC

 

Los puntos de vista expresados en este blog son responsabilidad de los autores y no reflejan la posición/es de las instituciones a las que pertenecen. Estas publicaciones forman parte del proyecto “Atlas municipal de los ODS en Bolivia”, el cual está siendo desarrollado por la Red de Soluciones para el Desarrollo Sostenible (SDSN) en Bolivia.

Cuarenta días de cuarentena: ¿qué hemos aprendido?

Por: Lykke E. Andersen, Ph.D.*

 “Hay mentiras, malditas mentiras y estadísticas de COVID-19”
Johan Norberg

 

 

El término cuarentena proviene de Quaranta giorni que significa «cuarenta días», que era el número de días que los barcos y las personas tenían que ser aisladas antes de ser admitidas en la República de Venecia en la época medieval para asegurarse de que no estuvieran infectados por enfermedades infecciosas mortales, como la peste, el cólera, la sífilis o la fiebre amarilla.

En Bolivia ya llegamos a los cuarenta días de «cuarentena inversa» (manteniendo a las personas sanas encerradas para evitar que se infecten por una amenaza externa).

Esta cuarentena inversa nos ha dado un poco de tiempo para comprender el nuevo virus SARS-CoV-2 (Síndrome Respiratorio Agudo Severo, Corona Virus No. 2) y la enfermedad COVID-19 que está causando. La información inicial de China e Italia fue tan aterradora que, para nosotros valió la pena el alto costo de “comprar” tiempo para formular una estrategia sobre cómo enfrentar la amenaza y preparar a la población y al sistema de salud para manejarla de la mejor manera posible. Tenemos muy pocos datos de Bolivia, pero como se trata de una pandemia mundial, podemos aprender mucho de otros países, a pesar de los datos extremadamente imprecisos y defectuosos.

Algunas cosas básicas se han vuelto claras:

  • El virus SARS-CoV-2 ha infectado a personas en casi todos los países y territorios del planeta, por lo que la supresión y erradicación del virus ya no es una opción realista [1];
  • Muchas personas que contraen el virus no tienen síntomas, lo que ha permitido que este virus se propague fácilmente por todo el mundo [2].
  • No hay inmunidad previa, ni ningún tratamiento disponible [3], por lo que el virus no desaparecerá hasta que hayamos logrado la inmunidad grupal, ya sea a través de la vacunación, o por el 60-70% de la población habiendo sido infectada [4];
  • Aunque se han desarrollado muchas vacunas potenciales en un tiempo récord, aún deben probarse su seguridad y eficacia, lo que significa que las vacunas a escala global no estarán disponibles durante al menos otros 12 meses. Para cuando una vacuna segura y efectiva esté disponible para miles de millones de personas, puede ser que ya no sea necesaria [5];
  • Es probable que la tasa de mortalidad por infección (IFR) se ubique entre 0,1% y 10%, dependiendo de la salud de la población, la composición por edad de la población, la calidad del sistema de atención médica, las políticas promulgadas para enfrentar el problema, y ​​posiblemente el tipo de virus dominante, debido a que al parecer ya hay diferentes cepas circulando [6]. Está claro que los hombres tienen más probabilidades de morir que las mujeres, al igual que las personas mayores con respecto a las más jóvenes, y las probabilidades son más altas también para aquellas con problemas de salud subyacentes, especialmente hipertensión, obesidad y diabetes [7].

Es este contexto, está claro que enfrentamos algunas decisiones difíciles. Aparte de encerrar a todos en el planeta durante muchos meses simultáneamente, no hay forma de evitar que millones de personas mueran por COVID-19. En el mejor de los casos (IFR como la gripe común al 0,1% y el 60% de la población mundial se infecta), veremos que 4,2 millones de personas morirán por esta enfermedad, y deberíamos considerarnos muy afortunados si ese es el número al que lleguemos en los próximos 24 meses. Lo más probable es que haya al menos 5 veces más muertes, lo que significa que al menos 20 millones de personas morirán. Hasta ahora, solo alrededor de un cuarto de millón han muerto, por lo que el mundo aún se encuentra en las primeras etapas de la pandemia (el 98% aún está por llegar).

 

¿Cómo nos va en Bolivia?

En Bolivia, apenas hemos comenzado el proceso, ya que el confinamiento empezó temprano y de manera exhaustiva. Hasta la fecha, solo tenemos 62 muertes confirmadas por COVID-19, de un rango de entre 7.000 y 800.000 que se esperarían. Este es un rango frustrantemente grande y es difícil tomar decisiones sabias hasta que sepamos más sobre el camino probable de esta epidemia. El objetivo del confinamiento es justamente obtener más información y determinar qué parte del rango es más probable y, por lo tanto, qué tipo de políticas son apropiadas para superar esta pandemia.

En un año normal, alrededor de 24.100 personas mueren por todas las causas en Bolivia. En el mejor de los casos, este virus mataría a 6.600 personas de la tercera edad con otras enfermedades graves, que de todos modos habrían muerto por otras causas este año, lo que no implicaría ningún exceso de mortalidad. Desafortunadamente, ya sabemos que este escenario (el mejor de todos) no se desarrollará, porque entre los primeros en morir por COVID-19 en Bolivia hubo una enfermera embarazada y varias personas sanas menores de 70 años.

 

¿Qué tan malo va a ser?

Hemos esperado 40 días para descartar el peor de los casos, que sería un IFR del 10%. Los datos originales de Wuhan sugirieron que el 20% de las personas infectadas necesitarían atención hospitalaria para sobrevivir, y que casi el 4,9% de las personas infectadas murieron de todos modos. Además, de más de 1 millón de casos cerrados hasta la fecha en todo el mundo, el 18% ha muerto [8]. Sin embargo, recientes estudios de anticuerpos llevadas a cabo en California [9], Alemania [10], Dinamarca [11] y los Países Bajos [12] sugieren que muchas personas han estado infectadas sin ningún síntoma, lo que significa que el número real de infecciones es mucho mayor que los casos confirmados, lo que implica que los IFR son mucho más bajos de lo que sugieren las tasas oficiales de fatalidad de casos (CFR = muertes / casos confirmados).

En los Estados Unidos, el estado de Nueva York recientemente realizó pruebas aleatorias de anticuerpos en 3.000 individuos para determinar cuántas personas realmente habían sido infectadas y descubrieron que el 13,9% de la población, o aproximadamente 2,7 millones de personas en el estado, ya habían sido infectadas en un momento en el que “solo” se habían registrado 19.453 muertes por COVID-19. Esto sugiere un IFR en el estado de Nueva York de alrededor del 0,72%, o un poco más alto, ya que algunas de estas personas infectadas todavía están en estado crítico y lamentablemente morirán más personas [13].

Por supuesto, Nueva York es uno de los lugares más ricos del planeta, por lo que su IFR puede no ser relevante para Bolivia. Los datos de Perú son probablemente más relevantes para nuestro contexto y afortunadamente Perú ha logrado llevar a cabo más de 300.000 pruebas, mientras que Bolivia solo ha realizado alrededor de 6.000. En Perú, se ha confirmado que más de 37.000 personas tienen el virus, pero hasta ahora solo el 2,8% de los casos confirmados han muerto [8]. Sin embargo, Perú, como todos los demás países, tiene una capacidad de prueba limitada, por lo que en realidad habrá muchos más infectados y, por lo tanto, el IFR será mucho menor.

Con la información disponible aún muy incompleta en este momento, calculo que terminaremos con un IFR de alrededor del 1% para Bolivia (lo que significa entre 0,3% y 2%, dado que todavía hay mucha incertidumbre). Si el 60% de 11,6 millones de personas se infectan, y el 1% de ellas muere, terminaríamos con aproximadamente 70 mil muertes por COVID-19 en Bolivia. El número podría ser menor si hay una vacuna disponible antes de que alcancemos la inmunidad a través de la infección, pero considero que esto es poco probable [5]. La buena noticia es que más de 11 millones de bolivianos no morirán por COVID-19.

 

Intervenciones proporcionales

Nos enfrentamos a una situación innegablemente difícil, como todos los demás países. Sin embargo, lo que definitivamente tenemos que asegurarnos es no empeorar las cosas más de lo que ya implica esta situación. 70.000 muertes sin lugar a dudas es una tragedia. Pero parece aún peor si estas personas pasan los últimos momentos de sus vidas completamente solas, rechazadas y aisladas en hospitales designados de COVID, sin familiares, amigos, ni funerales. Sería peor aún si, al mismo tiempo, aún más personas están perdiendo sus medios de vida, sus inversiones y sus sueños debido a la cuarentena. Si además los niños comienzan a morir de hambre porque a sus padres no se les permite trabajar [14], sería un desastre total. Si perdemos nuestros derechos humanos y libertades básicas y no podemos ver y abrazar a nuestros seres queridos durante años [15], es simplemente un pensamiento insoportable.

Es por eso que debemos asegurarnos de que nuestras intervenciones estén bien pensadas y basadas en la mejor evidencia posible. Tenemos suerte de que nuestro país se haya infectado relativamente tarde (primer caso confirmado el 10 de marzo de 2020), además logramos mantener bajos los números durante los primeros meses a través de estrictas medidas de cuarentena, lo que significa que tenemos el regalo del tiempo que nos permite aprender de las buenas y malas experiencias en otros países, y de toda la nueva investigación científica que está surgiendo para ayudarnos a comprender mejor nuestras opciones.

 

Aplanar la curva es claramente necesario

No estoy sugiriendo que debamos aplanar la curva para que nuestro sistema de atención médica no colapse, ya que colapsó con el caso del primer paciente [16]. Pero sí sugiero que aplanemos la curva lo suficiente como para asegurarnos de que podamos manejar física, mental y socialmente a todas las personas fallecidas de una manera digna. Si no distribuimos nuestras 70.000 muertes esperadas de la manera más uniforme posible durante al menos un año, experimentaremos los horrores de los cadáveres que se acumulen en las calles, como estamos viendo en Guayaquil, Ecuador [17]. Si pudiéramos distribuir nuestras 70.000 muertes esperadas de manera uniforme en los próximos 12 meses, tendríamos alrededor de 1.350 muertes por COVID-19 por semana. Es probable que algunos de los fallecidos hubieran muerto por otras causas de todos modos, pero está claro que deberíamos prepararnos para aumentar nuestra capacidad fúnebre, porque en Bolivia normalmente manejamos no más de 1,300 muertes por semana de todas causas.

 

¿Cómo es la gestión exitosa de una pandemia global?

Idealmente, deberíamos haber eliminado esta epidemia de raíz, como logramos hacerlo con el primer brote de SARS en 2003, el brote de MERS en 2012, el brote de Ébola en 2014 y, esperamos, la mayoría de los brotes similares en el futuro. Sin embargo, esta vez el mundo no pudo hacerlo y con millones de personas infectadas en todo el mundo, la erradicación ya no es realista. Algunas pocas naciones insulares ricas pueden probar, rastrear y aislar casos y mantener el virus bajo control hasta que haya una vacuna disponible, pero para la mayoría de los países del mundo, incluida Bolivia, esa no es una aspiración realista.

Mis criterios de éxito son mucho menos ambiciosos: si menos del 0,6% de la población muere a causa de COVID-19 en los próximos 12 meses, y si ese desafortunado 0,6% murió con sus seres queridos tomados de la mano, y los miembros de la familia y amigos cercanos tuvieron la oportunidad de presentar sus respetos y procesar sus pérdidas, y si la economía se contrajo menos del 5% (un retroceso de menos de 2 años), entonces lo consideraría un manejo exitoso de una pandemia ineludible sin curas conocidas disponibles.

 

¿Cómo manejamos con éxito esta epidemia?

La clave es evitar picos de muerte enormes e inmanejables. Eso requerirá medidas de distanciamiento social cuidadosamente calibradas.

Todos deben implementar algunas medidas “sencillas” de distanciamiento social en todo momento hasta que termine esta pandemia:

  • Evitar besos, abrazos y apretones de manos; pero intentar ser amable con todos de todos modos;
  • Evitar aglomeraciones de mucha gente, lo que significa que no habrá eventos deportivos, conciertos, carnavales, festivales, eventos de graduación ni reuniones religiosas; pero implementar nuevas formas creativas de diversión;
  • Mantener una distancia de 2 metros con los extraños, interactuar con la menor cantidad posible de personas diferentes y usar un barbijo si se tiene que estar cerca de otros;
  • Evitar tocar superficies de uso común que muchas otras personas también tocan, además lavarse bien las manos después de tocar una superficie potencialmente infectada;
  • Trabajar y estudiar desde casa tanto como sea posible y limitar las interacciones a la menor cantidad posible de personas.
  • Cuando no sea posible trabajar desde casa, implementar horarios de trabajo flexibles y/o escalonados para reducir la ocupación máxima en los sistemas de transporte público y lugares de trabajo.

Estas medidas simples pueden reducir sustancialmente las tasas de infección, pero pueden no ser suficientes. Las medidas más estrictas pueden ser necesarias en ciertos lugares si las infecciones aumentan por algún motivo.

 

Monitoreo de brotes

Para saber cuándo son necesarias las medidas más estrictas, necesitamos un sistema de monitoreo extremadamente bueno de la epidemia. Idealmente, tendríamos que tener una capacidad de prueba masiva como Islandia o Corea del Sur, sin embargo, Bolivia tiene la capacidad de prueba más baja en América del Sur con menos de una prueba por cada mil personas [18], por lo que tenemos que ser realistas sobre lo que es realmente factible.

Hay dos opciones alternativas que podrían proporcionarnos información valiosa en tiempo real sobre cómo está evolucionando la pandemia:

  • Una aplicación de seguimiento diaria de síntomas en nuestros celulares, que podría alertar a las autoridades sobre un brote local y ayudar a las personas a obtener la ayuda que necesitan. Existe una aplicación simple de este tipo en el Reino Unido, y se utilizan aplicaciones mucho más elaboradas en muchos lugares de Asia [19]. Sin embargo, es complicado en Bolivia, ya que requiere altos niveles de confianza en el Gobierno, además que la población necesitaría percibir beneficios concretos por usar la aplicación. Por ejemplo, podría estar vinculado a una generosa donación de minutos gratuitos de telefonía y acceso a Internet, consultas de telemedicina, entrega gratuita de medicamentos y más. Dicha aplicación sería relativamente fácil de desarrollar en teoría, pero requeriría reflexiones serias sobre cómo lograr que una gran parte de la población confíe y use la aplicación a diario.
  • Una opción menos exigente es monitorear las muertes semanales por todas las causas a nivel subnacional (idealmente municipal), para alertarnos si en alguna región el número de muertos está creciendo demasiado rápido y, por lo tanto, sería necesario implementar medidas de distanciamiento social más estrictas y recibir más apoyo del gobierno central. EuroMOMO sería un buen modelo para esto [20].

Ambas opciones serían mucho menos costosas y perjudiciales que cerrar todo el país durante muchos meses. Se podría diseñar un sistema de semáforo para comunicar claramente los niveles actuales de restricciones en diferentes partes del país. De hecho, esto debería ser parte de la aplicación mencionada anteriormente.

 

Una transición sostenible hacía una nueva Bolivia

Sean cuales sean los sistemas que implementemos, debemos asegurarnos de que puedan mantenerse a lo largo del tiempo, ya que esto llevará al menos un año, y el mundo va a ser diferente cuando esto se termine. Las familias y las empresas tendrán que adaptarse a estas nuevas circunstancias y el gobierno debe apoyarlas durante esta transición. Mínimamente, el gobierno debe asegurarse de que nadie muera de hambre (las personas deberían poder solicitar ayuda a través de la aplicación si tienen necesidades urgentes, por lo que el gobierno necesita desarrollar la infraestructura necesaria para responder).

El gobierno también tiene que acelerar las inversiones en infraestructura crucial, como agua, saneamiento, electricidad e Internet. Este también es el momento para flexibilizar el mercado laboral para facilitar una transición más ágil de las empresas y trabajadores bolivianos a un mercado que está cambiando muy rápidamente, y no de manera transitoria. También sería una buena idea simplificar el proceso de cierre de empresas insostenibles, para que las personas puedan destinar su tiempo y dinero hacia la creación de nuevas empresas, en lugar de pasar meses o años pasando por todos los procedimientos ridículamente difíciles para cerrar una empresa.

Notas al pie:

[1] Bolivia, así como varios otros países liderados por mujeres, como Taiwán, Hong Kong, Nueva Zelanda, Islandia, Noruega, Finlandia y Alemania, podrían potencialmente suprimir y eliminar el virus, pero eso no nos ayuda mucho en este mundo globalizado, si hay países importantes liderados por hombres a nuestro alrededor que no lo hacen (por ejemplo, Estados Unidos, Reino Unido y Brasil).

[2] Por ejemplo, 408 residentes en un refugio para personas sin hogar en Nueva York se hicieron la prueba del virus, y se descubrió que el 36% de ellos tenían el virus, pero el 87,7% de las personas que tenían el virus no tenían ningún síntoma. (https://jamanetwork.com/journals/jama/fullarticle/2765378?guestAccessKey=a5d28066-8f72-4633-a291-90b472754093&utm_source=silverchair&utm_medium=email&utm_campaign=article_alert-jama&utm_content=olf&utm_term=042720).

[3] Los países de todo el mundo han estado luchando por comprar ventiladores mecánicos, pero este no es un tratamiento, solo proporciona soporte vital mientras el propio sistema inmunológico lucha contra el virus. Un estudio reciente en 12 hospitales de Nueva York muestra que la gran mayoría de los pacientes con COVID-19 con respiradores mueren. De hecho, de los mayores de 65 años, el 97,2% de los pacientes con COVID-19, habían muerto. Para los pacientes de 18 a 65 años, el 76,4% había muerto. Ver: Richardson S, Hirsch JS, Narasimhan M, et al. Presenting Characteristics, Comorbidities, and Outcomes Among 5700 Patients Hospitalized With COVID-19 in the New York City Area JAMA. Publicado en línea el 22 de abril de 2020. doi: 10.1001 / jama.2020.6775 (https://jamanetwork.com/journals/jama/fullarticle/2765184).

[4] Algunas personas se preguntan si incluso podremos lograr la inmunidad, ya que algunas personas que previamente habían sido diagnosticadas y luego aclaradas, han contraído el virus por segunda vez en unos pocos meses (https://www.reuters.com/article/us-health-coronavirus-who/who-says-looking-into-reports-of-some-covid-patients-testing-positive-again-idUSKCN21T0F1?il=0). Consulte también esta nota sobre la investigación de inmunidad del virus Corona en la Universidad de Columbia: https://www.technologyreview.com/2020/04/27/1000569/how-long-are-people-immune-to-covid-19/?fbclid=IwAR3fkGPtqipyy_eieEBWaWOTeDnsdxkcb8BMpkYOXlaBW10OYaPs0CmUFVk.

[5] Vea este artículo para una discusión de lo que se necesita para desarrollar, probar, producir y distribuir una nueva vacuna: https://unherd.com/2020/04/when-we-get-the-covid-19-vaccine/?tl_inbound=1&tl_groups[0]=18743&tl_period_type=3.

[6] El científico chino que originalmente propuso el bloqueo de Wuhan, el Dr. Li Lanjuan, ha llevado a cabo una secuenciación ultra-profunda del ARN en diferentes muestras, y dice que el virus SARS-CoV-2 muta más rápido de lo que se pensaba anteriormente, y que algunas cepas son más infecciosas y más letales que otras (https://www.scmp.com/news/china/science/article/3080771/coronavirus-mutations-affect-deadliness-strains-chinese-study).

[7] Richardson S, Hirsch JS, Narasimhan M, et al. Presenting Characteristics, Comorbidities, and Outcomes Among 5700 Patients Hospitalized With COVID-19 in the New York City Area. JAMA. Published online April 22, 2020. doi:10.1001/jama.2020.6775 ( https://jamanetwork.com/journals/jama/fullarticle/2765184).

[8] Ver https://www.worldometers.info/coronavirus/.

[9] Investigadores de Stanford realizaron pruebas de anticuerpos en 3.300 voluntarios (una muestra no aleatoria obtenida a través de anuncios de Facebook) en Santa Clara, California, y descubrieron que el 1,5% de la muestra dio positivo para los anticuerpos, lo que sugiere que el número real de COVID -19 la infección fue 50-85 veces mayor que las cifras oficiales para el 1 de abril de 2020 (https://www.medrxiv.org/content/10.1101/2020.04.14.20062463v1.full.pdf). Sin embargo, debe tenerse en cuenta que esta no fue una muestra aleatoria. Los voluntarios que respondieron al anuncio podrían ser personas que habían experimentado los síntomas de COVID-19 y estaban ansiosos por saber si ya habían tenido el virus.

[10] Los investigadores realizaron pruebas de anticuerpos en habitantes de Gangelt, un municipio alemán cerca de la frontera con los Países Bajos, que fue golpeado por covid-19 después de una celebración de carnaval en febrero. Descubrieron que el 14% de la población ya había sido infectada a fines de marzo (https://www.technologyreview.com/2020/04/09/999015/blood-tests-show-15-of-people-are-now- inmune a covid-19-in-one-town-in-germany /).

[11] Del 6 al 8 de abril de 2020, Dinamarca analizó 3.898 donaciones de sangre de personas asintomáticas y descubrió que el 1,9% tenía anticuerpos COVID-19 (https://www.ecdc.europa.eu/sites/default/files/documents/covid-19-rapid-risk-assessment-coronavirus-disease-2019-ninth-update-23-april-2020.pdf).

[12] Entre el 6 y el 12 de abril de 2020, los Países Bajos analizaron 4.194 donaciones de sangre y descubrieron que el 3,4% tenía anticuerpos COVID-19 (https://www.ecdc.europa.eu/sites/default/files/documents/covid-19-rapid-risk-assessment-coronavirus-disease-2019-ninth-update-23-april-2020.pdf).

[13] Vea la discusión del Dr. John Campbell sobre estos resultados aquí: https://www.youtube.com/watch?v=ypsUIh41xUw.

[14] Desafortunadamente, esto ya ha comenzado a suceder en Bolivia. Una niña de 12 años en el municipio de Montero se suicidó después de estar en cuarentena sin alimentos durante varios días con su madre y sus 7 hermanos (https://www.lostiempos.com/actualidad/pais/20200422/tragica-muerte-menor-enluta-familia-humilde-montero-piden-ayuda-entierro).

[15] Mientras que otros países ayudan, o al menos permiten, que sus nacionales regresen a sus hogares, Bolivia ha cerrado sus fronteras con tanta fuerza que muchos bolivianos han quedado varados en los cruces fronterizos o en cualquier lugar donde se encontraban en el momento del bloqueo. Fue especialmente inhumano el trato hacia un grupo de bolivianos, incluidas mujeres embarazadas y mujeres con bebés, que intentaron llegar a casa desde Chile a fines de marzo (https://eldeber.com.bo/171695_bolivianos-en-la-frontera-con-chile-claman-por-volver-y-el-gobierno-les-responde-que-no). También me horrorizó leer que un alcalde de la oposición en Cochabamba fue arrestado en su casa la semana pasada por tocar música a todo volumen y beber chicha junto con su familia más cercana. Aunque resultó negativa en la prueba de alcohol realizada en la «escena del crimen», las ocho personas presentes fueron arrestadas y el menor fue enviado a un centro de acojo para niños (https://erbol.com.bo/seguridad/alcaldesa-de-vinto-dice-que-s%C3%B3lo-%E2%80%9Cbrind%C3%B3%E2%80%9D-con-una-%E2%80%9Ctutuma-de-chicha%E2%80%9D).

[16] https://rpp.pe/mundo/actualidad/bolivia-covid-19-grupo-de-ciudadanos-bloquea-el-acceso-de-pacientes-con-coronavirus-a-hospitales.

[17] https://www.nytimes.com/2020/04/23/world/americas/ecuador-deaths-coronavirus.html?smid=tw-share.

[18] Ver https://ourworldindata.org/coronavirus.

[19] Aquí está la aplicación de seguimiento diaria de síntomas utilizada en el Reino Unido: https://covid.joinzoe.com/. Google y Apple también están trabajando para desarrollar una aplicación de rastreo de contactos que pueda alertar si ha estado cerca de una persona infectada con COVID-19 confirmada (https://www.theverge.com/2020/4/10/21216715/apple-google-coronavirus-covid-19-contact-tracing-app-details-use), pero esto tendría que usarse junto con pruebas extensivas y requiere una población muy disciplinada para que las personas se auto aíslen por dos semanas solo porque el teléfono indica que han pasado por una persona infectada, por lo que no parece ideal para Bolivia.

[20] EuroMOMO es una actividad europea de monitoreo de la mortalidad, cuyo objetivo es detectar y medir el exceso de muertes relacionadas con la influenza estacional, pandemias y otras amenazas a la salud pública (https://www.euromomo.eu/graphs-and-maps/).

* SDSN Bolivia.

Los puntos de vista expresados en este blog son responsabilidad de los autores y no necesariamente reflejan la posición de la institución. Estas publicaciones forman parte del proyecto “Atlas municipal de los ODS en Bolivia”, el cual está siendo desarrollado por la Red de Soluciones para el Desarrollo Sostenible (SDSN) en Bolivia.

Desigualdad educacional en Bolivia

Mientras que los indicadores de desigualdad son usualmente calculados usando datos sobre ingresos monetarios o consumo, pueden ser medidos usando cualquier variable de interés, para así informarnos acerca de otros tipos de desigualdad en la sociedad. En este blog presentamos un nuevo indicador de desigualdad educacional, el cual será incluido en el Atlas Municipal de los ODS en Bolivia.

Utilizando datos del Censo Poblacional (2012), calculamos los años de escolaridad para cada persona. Posteriormente, escogimos el grupo de la población entre 25 y 65 años de edad, ya que el anterior habría culminado su educación, y muy probablemente se encuentren actualmente trabajando y ejerciendo su profesión. Habiendo aprendido de nuestras experiencias del análisis de la desigualdad en el consumo de electricidad, calculamos una serie de diferentes indicadores de desigualdad para determinar cuál sería la mejor opción. A diferencia de lo que encontramos en el estudio de desigualdad en el consumo de electricidad, todas las medidas de desigualdad educacional eran altamente correlacionadas entre sí, por lo que no importaba cual de ellos escogiéramos. Es por esta razón que decidimos utilizar el coeficiente de Gini sobre los años de escolaridad.

El coeficiente de Gini sobre los años de escolaridad se extiende desde 0.205 en Coipasa (Oruro), hasta 0.642 en Ocurí (Potosí). Este es un rango en el cual el coeficiente de Gini funciona bien y está estrechamente correlacionado con otras medidas de desigualdad. La Paz tiene bajos niveles de desigualdad (Gini = 0.207), mientras que Sucre cuenta con los niveles más altos de desigualdad educacional (Gini = 0.321) entre las principales 10 ciudades bolivianas.

Muchos municipios pequeños tienen niveles más altos de desigualdad educacional, y como se muestra en la Figura 1, esto tiene mucho que ver con que a las mujeres se les haya negado las mismas oportunidades educacionales que los hombres en el pasado. Muy pocos municipios cuentan con un Índice de paridad de género cercano a 1 (lo que significaría igualdad entre hombres y mujeres en el nivel de educación). En muchos municipios pequeños y rurales, las mujeres solamente tienen entre la mitad y dos tercios de la educación que tienen los hombres, y esta situación esta correlacionada con altos niveles de desigualdad educacional.

Figura 1: Desigualdad educacional versus desigualdad de género en la educación, por municipio, 2012

Fuente: Elaboración propia a partir de datos del Censo de Población y Vivienda, 2012.

 A pesar que el retorno de la educación en Bolivia es bajo (en términos de potenciales futuros ingresos) y se sospecha que la calidad de la misma es igualmente baja, los bolivianos están estudiando como nunca antes, llegando a la conclusión que la población claramente considera importante invertir en educación. Nosotros consideramos que la desigualdad educacional es un indicador importante para ser incluido en el Atlas municipal de los ODS en Bolivia bajo ODS 10.

 


* SDSN Bolivia.

Los puntos de vista expresados en este blog son responsabilidad de los autores y no necesariamente reflejan la posición de la institución. Estas publicaciones forman parte del proyecto “Atlas municipal de los ODS en Bolivia”, el cual está siendo desarrollado por la Red de Soluciones para el Desarrollo Sostenible (SDSN) en Bolivia.

Midiendo la desigualdad a nivel sub-nacional en Bolivia

El nivel de desigualdad en el mundo es desconcertante. En 2018, un habitante promedio de Dinamarca, Noruega, Suecia, Islandia o Irlanda ganó más dinero en dos días que lo que ganó un habitante promedio de Malawi o Burundi durante un año entero [1].

Sin embargo, la desigualdad dentro de algunos países es incluso mayor que la desigualdad entre diferentes países. Como mostraremos próximamente en el Atlas municipal de los ODS en Bolivia, existen mayores diferencias en el Índice de Desarrollo Sostenible entre municipios bolivianos que entre todos los países del mundo. Esto significa que dentro de Bolivia se encuentran municipios con niveles de desarrollo similares a los países más desarrollados del mundo, pero también hay municipios similares a algunos de los países menos desarrollados.

Además de esta asombrosa desigualdad entre los municipios bolivianos, también existen inmensas desigualdades dentro de los municipios en sí. Y éste es el enfoque de nuestro blog.

Medir la desigualdad a nivel sub-nacional es difícil, ya que requiere información sobre ingresos/consumo, que sea representativa a nivel municipal, lo cual no está disponible ni en el censo poblacional ni en las encuestas de hogares. Pudimos solucionar este problema usando información sobre el consumo de electricidad de cada hogar en Bolivia, asumiendo que éste es un indicador fiable que refleja el nivel de consumo/ingresos/bienestar de los integrantes del hogar. El análisis fue posible gracias a un proyecto de investigación, el cual fue patrocinado por el Centro de Investigación Social (CIS) de la Vicepresidencia del Estado Plurinacional de Bolivia [2].

El proyecto de CIS calculó el Coeficiente de Gini del consumo de electricidad para estimar el nivel de desigualdad dentro de cada municipio. La Figura 1 muestra dos ejemplos. A la izquierda se encuentra la Curva de Lorenz y el Coeficiente de Gini para un municipio urbano grande, Santa Cruz de la Sierra. A la derecha se encuentra la Curva de Lorenz y el Coeficiente de Gini para un municipio rural pobre, Tinguipaya, el cual tiene una baja cobertura eléctrica y bajo consumo para aquellos que sí tienen acceso a la red.

 

Figura 1: Ejemplos de curvas de Lorenz sobre el consumo de electricidad, 2016

Fuente: Andersen, Branisa y Guzman (2019) [2].

 

Según estas Curvas de Lorenz, el gran municipio urbano de Santa Cruz de la Sierra es claramente más igualitario en consumo de electricidad (y, por lo tanto, probablemente también en consumo general) que el pequeño municipio rural de Tinguipaya, ya que la curva de Lorenz del anterior está mucho más cerca de la línea diagonal de perfecta igualdad.

De hecho, como se puede ver en la Figura 2, esta es la tendencia general a lo largo de todos los municipios en Bolivia. Los municipios urbanos tienden a tener menores niveles de pobreza (pobreza siendo definida como consumo de electricidad extremadamente bajo) y con niveles más bajos de desigualdad (haciendo uso del Coeficiente de Gini del consumo de electricidad como indicador).

 

Figura 2: Desigualdad energética versus pobreza energética en municipios de Bolivia, 2016

Fuente: Elaboración propia a partir de datos de Andersen, Branisa y Guzman (2019).

 

Esta fuerte correlación entre pobreza energética y desigualdad energética parece sospechosa y quizá incluso contra-intuitiva. Considere este hipotético caso extremo: si todos los hogares en un municipio tuvieran un consumo de electricidad igual a cero, excepto el alcalde, quien tiene un consumo moderado cubriendo un par de focos de luz y un refrigerador, entonces el Coeficiente de Gini sería de 0.99, sugiriendo extrema desigualdad en el municipio, mientras el sentido común sugeriría que la población es bastante igualitaria dentro de su condición de extrema pobreza.

El Coeficiente de Gini es por lejos el indicador de desigualdad más usado, y más fácil de interpretar, por lo que era la medida lógica para usar. Sin embargo, estos resultados contra-intuitivos nos hicieron cuestionar si el Coeficiente de Gini tiende a confundir extrema pobreza con extrema desigualdad.

Por esta razón, en este blog nos propusimos investigar si existen medidas alternativas de desigualdad que puedan corresponder mejor a la intuición. Sorprendentemente existen muchas diferentes medidas de desigualdad, y varios de ellos no están de acuerdo con los resultados obtenidos al usar el Coeficiente de Gini.

Existen cuatro principios básicos que uno espera de una medida de desigualdad [3]:

  • Simetría (o anonimidad): Si dos personas intercambian sus ingresos, el nivel del índice no debería cambiar.
  • Invariancia de la población (o invariancia de replicación): Si la población es replicada o “clonada” una o repetidas veces, el nivel del índice no debería cambiar.
  • Invariancia de escala (o independencia de la media): Si todos los ingresos se incrementan o disminuyen por un mismo factor (por ejemplo, por 2), el nivel del índice no debería cambiar.
  • El principio de transferencias Pigou-Dalton: Si los ingresos de una persona son transferidos a otra que es más rica, el nivel del índice debería aumentar. En otras palabras, en el caso de una transferencia regresiva, el nivel del índice debería subir.

Se puede demostrar que el Coeficiente de Gini cumple con estos cuatro principios básicos, igual que otras medidas de desigualdad, como el Índice de Atkinson y el Índice de Entropía de Theil. Estas medidas de desigualdad son categorizadas como fuertemente consistentes con Lorenz [4].

Algunas medidas frecuentemente usadas son solamente parcialmente consistentes con Lorenz porque no cumplen por completo con el cuarto principio. Cuando una persona de bajos recursos hace una transferencia a una persona más privilegiada, los indicadores de desigualdad no necesariamente suben, pero al menos no deberían descender [4]. El Índice de Palma (el ingreso del 10% más rico dividido entre el ingreso del 40% más pobre) y otros ratios de Kuznets (X% más rico/Y% más pobre) son solamente parcialmente consistentes con Lorenz.

Otras medidas de desigualdad son completamente inconsistentes con Lorenz. Éste es el caso con las relaciones de cuantiles (p90/p10, p75/25, etc.) y la variancia de logaritmos. En ambos casos es posible que una transferencia regresiva de una persona de bajos recursos a una con más recursos provocaría que la medida de desigualdad baje, algo que es claramente contra-intuitivo [4]. El Gini Absoluto propuesto por Jason Hickel [5] es aún peor en este sentido, ya que éste también viola el tercer principio de invariancia de escala.

A partir de los argumentos teóricos mencionados previamente, se esperaría que todas las medidas consistentes con Lorenz rindan resultados similares a los del Coeficiente de Gini, así que decidimos incluir tanto las medidas consistentes como las inconsistentes en nuestra comparación.

Sin embargo, rápidamente nos encontramos con un importante problema: Muchas medidas de desigualdad no pueden tratar valores que sean nulos (por ejemplo, Índice de Theil, Índice de Atkinson y ratios de Kuznets). Algunos algoritmos evitan este problema simplemente ignorando los valores iguales a cero. Pero no consideramos que ésta sea una estrategia razonable, ya que la falta de acceso a la red eléctrica es uno de los problemas fundamentales que nos gustaría resaltar en vez de ignorar. Una alternativa para afrontar este problema es simplemente aumentar un pequeño valor, por ejemplo, 1 kWh por año a todas las observaciones, algo que no afecta a los patrones generales, pero haría que funcionen todos los algoritmos computacionales [6].

Durante las siguientes secciones haremos comparaciones entre varias diferentes medidas de desigualdad y el Coeficiente de Gini. Todas las medidas de desigualdad son calculadas a partir de datos a nivel de hogares seleccionados para una muestra de 25 municipios que abarcan todo el rango mostrado en la Figura 2. Utilizamos su consumo de electricidad anual + 1kWh. Para cada una de las medidas alternativas de desigualdad llevamos a cabo una discusión sobre las medidas en sí, sus ventajas y desventajas, y mostramos su relación con el Coeficiente de Gini.

 

Índices de Atkinson

El Índice de Atkinson, A(e), es en realidad toda una clase de medidas de desigualdad, las cuales están diferenciadas por una parámetro, e, que mide el grado de aversión a la desigualdad. Cuando e = 0, no existe aversión a la desigualdad, y A(0) = 0. Cuando e = ∞, hay una infinita aversión a la desigualdad y A(∞) = 1. Por consecuencia, el Índice de Atkinson varía entre 0 y 1, como el Coeficiente de Gini, lo cual facilita la interpretación. El Índice de Atkinson tiene la ventaja de ser descomponible en subgrupos, algo que no es posible con el Coeficiente de Gini.

El paquete de Stata ineqdeco (creado por Stephen P. Jenkins en London School of Economics) calcula el Índice de Atkinson para tres diferentes parámetros: 0.5, 1 y 2. La Figura 3 muestra como el Coeficiente de Gini (sobre el consumo anual de electricidad + 1kWh) se compara con estos tres índices de Atkinson.

 

Figura 3: Comparando el coeficiente de Gini con tres índices de Atkinson para una muestra de 25 municipios

Source: Elaboración de los autores.

 

Se puede ver que para una aversión moderada de desigualdad (e = 0.5), el Índice de Atkinson se comporta de manera muy similar al coeficiente de Gini. En el caso de una aversión más fuerte (e = 1), el Índice de Atkinson incrementa en todos los niveles, pero especialmente en aquellos que tenían un alto Coeficiente de Gini, por lo tanto, exagera aún más el resultado contra-intuitivo del Coeficiente de Gini. Con una muy alta aversión de desigualdad (e = 2) el Índice de Atkinson está muy cerca al máximo para todos nuestros municipios, de modo que no provee ninguna información útil sobre diferencias en desigualdad.

En conclusión, el índice A(0.5) parece ser el más útil de los tres, pero se comporta de manera muy similar al Coeficiente de Gini, por consiguiente no soluciona nuestro problema inicial sobre los resultados contra-intuitivos.

 

Índices de Entropía Generalizada (incluyendo la desviación logarítmica de la media y el Índice de Theil)

El índice de Entropía Generalizada, GE(α), es otra clase de medidas para determinar la desigualdad. Como en el caso de los Índices de Atkinson, los Índices de GE involucran un parámetro, α, que puede alterar la sensibilidad a diferentes partes de la distribución. Para valores bajos de α, el índice GE es más sensible a diferencias en la parte inferior de la distribución, y para valores mayores, el índice es más sensible a diferencias que afectan la parte superior. Los valores más comunes para α son 0, 1 y 2 [7].

El índice de GE tiene varias diferentes métricas como casos especiales. Por ejemplo, GE(0) es la desviación logarítmica de la media (también llamada L de Theil), GE(1) es el Índice de Theil o T de Theil, y GE(2) es la mitad del coeficiente de variación al cuadrado.

El valor del Índice de GE puede variar entre 0 y ∞, siendo 0 una representación de distribución igualitaria y los valores que sean mayores representan un mayor nivel de desigualdad.

Como el Índice de Atkinson, el Índice GE es descomponible, lo cual es una ventaja en comparación con el Coeficiente de Gini. Sin embargo, no hay un límite superior y la interpretación no es para nada intuitiva.

El paquete de Stata ineqdeco calcula varios diferentes Índices de GE. La Figura 4 muestra como el Coeficiente de Gini (del consumo anual de electricidad +1 kWh) se compara con los tres índices más comunes.

Figura 4: Comparando el coeficiente de Gini con los tres índices más
comunes de Entropía Generalizada para una muestra de 25 municipios

Fuente: Elaboración propia.

 

En los tres casos, el Índice GE concuerda con el coeficiente de Gini en que los municipios más pobres con los coeficientes más altos de Gini tienen los niveles más altos de desigualdad. El índice GE(0) modera ligeramente la relación, mientras que GE(1) la exagera y el índice GE(2) la exagera aún más. Por lo tanto, ninguno de los índices de GE más usados sugiere que los municipios más pobres serían los más iguales.  

Sin embargo, α puede asumir valores negativos, provocando que sea aún más sensible a diferencias en la parte inferior de la distribución. La Figura 5 muestra que el Índice GE(-1) es completamente diferente al coeficiente de Gini. Un municipio que se destaca por su nivel extremadamente alto de desigualdad (GE(-1) = 250)  es Santa Cruz de la Sierra (el municipio más poblado de Bolivia, hogar tanto de familias muy adineradas como de otras de muy bajos recursos), mientras los municipios más pobres de nuestra muestra tienen los niveles de desigualdad más bajos, según esta medida (aun así presentan niveles altos, ya que la escala es completamente diferente para esta medida de GE).

 

Figura 5: Comparando el coeficiente de Gini con el índice de GE(-1) para una muestra de 25 municipios

Fuente: Elaboración propia.

 

Esta medida GE(-1) rara vez usada, potencialmente puede ser más compatible con la intuición común sobre diferencias en desigualdad entre municipios.

 

Porcentajes de los ingresos, Ratios de Kuznets e Índice de Palma

El libro más vendido de Thomas Piketty, “El Capital en el siglo XXI”, hizo el uso de porcentajes de ingresos bastante popular para analizar la desigualdad. Piketty y sus colaboradores se enfocaron en los porcentajes de ingresos que ganan los más ricos (top 10%, top 1%, top 0.1%, etc.).

Un concepto relacionado es el Ratio de Kuznets, la cual compara los ingresos del top X% con el Y%, el más bajo de la población. Un caso especial de esto sería el Índice de Palma (los ingresos del 10% más rico dividido entre los ingresos del 40% más pobre de la población) [8]. Los porcentajes de ingresos para los más ricos también son casos especiales del Ratio de Kuznets (Top X% dividido entre 100%).

Las Ratios de Kuznets son parcialmente compatibles con Lorenz, dado que las transferencias regresivas o progresivas dentro de los grupos analizados no afectan los diferentes indicadores.

Ben Jann de la Universidad de Bern ha desarrollado un comando Stata conveniente, pshare, para calcular el porcentaje de ingresos recibidos por cualquier grupo a lo largo de la distribución [9]. La opción predeterminada es la relación de los cinco cuantiles (20% más pobre a 20% más rico). Sin embargo, debido al alto nivel de desigualdad en consumo de electricidad indicado por el Coeficiente de Gini, nos parece de gran importancia desagregar el cuantil más alto y ver el porcentaje de electricidad consumida por el top 10%, top 5% y top 1% de hogares en cada municipio.

Además, a modo de calcular el Índice de Palma, utilizamos también los límites de 40% y el 90%.

La Figura 6 muestra el Coeficiente de Gini (del consumo anual de electricidad + 1 kWh) comparado con las siguientes tres Ratios de Kuznets: El consumo de electricidad por parte del top 5% de la población; del top 1% de la población; y el Ratio de Palma.

 

Figura 6: Comparando el coeficiente de Gini con tres Ratios de Kuznets

Fuente: Elaboración propia.

 

Las dos primeras medidas, las cuales se enfocan en la parte más alta de la distribución, confirman -e incluso exageran- el resultado que los municipios más pobres son los más desiguales.

Sin embargo, el Índice de Palma muestra un patrón completamente diferente. El outlier extremo de nuestra muestra es Uyuni, con una proporción de Palma de 777, seguido por Ixiamas, Machacamarca y Patacamaya. En contraste, todas las grandes ciudades de Bolivia tienen valores de desigualdad muy bajos, según esta medida. No hay nada en estos resultados que parezca ni remotamente relacionado con la intuición.

En un rango entre 0.4 y 0.63 del Coeficiente de Gini, parece que hay una relación positiva con el Índice de Palma, pero para Ginis más altos la relación se vuelve completamente aleatoria y nada compatible con el sentido común.

 

Otras medidas de desigualdad

Existen varias medidas de dispersión estándar reportados por paquetes estadísticos, pero que no tienen nombres ostentosos ni interpretaciones intuitivas particulares, y que por ende no son muy utilizadas en la literatura sobre la desigualdad.

Los primeros tres indicadores reportados por el comando de Stata inegual (desarrollado por Edward Whitehouse de la OECD en Paris), son la Desviaciones Estándar Relativas (RMD por sus siglas en ingles), el Coeficiente de Variación (CV) y la Desviación Estándar de Logaritmos (SDL por sus siglas en ingles). La Figura 7 compara estas tres medidas de desigualdad con el Coeficiente de Gini usando nuestra muestra de 25 municipios.

 

Figura 7: Comparando RMD, CV y SDL con el coeficiente de Gini

Fuente: Elaboración propia.

 

La primera de estas medidas, RMD, está estrechamente relacionada con el Coeficiente de Gini. La segunda, CV, exagera esta relación entre desigualdad y pobreza. Sin embargo, la tercera presenta un nuevo escenario que podría corresponder mejor a la intuición. Según el indicador SDL, Santa cruz de la Sierra tiene altos niveles de desigualdad, mientras Poroma (uno de los municipios más pobres de Bolivia) tiene baja desigualdad, lo que parece corresponder a la intuición.

El mismo comando de Stata inegual reporta las medidas de desigualdad de Mehran, Piesch y Kakwani. Éstas no son muy conocidas ni muy usadas y dado que todos tienen una alta correlación con el coeficiente de Gini (véase Figura 8), nosotros no creemos que estas medidas proporcionen información adicional sobre la desigualdad dentro de los municipios bolivianos.

 

Figura 8: Comparando Mehran, Piesch y Kakwani con el coeficiente de Gini

Fuente: Elaboración propia.

 

Conclusión

En este blog hemos investigado las propiedades de 16 medidas alternativas al Coeficiente de Gini para la desigualdad. Muchas de ellas concuerdan con el Coeficiente de Gini en que los municipios pobres y rurales son más desiguales que los municipios ricos y urbanos.

Sin embargo, encontramos dos medidas de desigualdad que proporcionan un patrón diferente, pero plausible, sobre la desigualdad. Estos son los índices de Desviación Estándar de Logaritmos y la Entropía Generalizada con el parámetro -1 (con un fuerte énfasis en la parte baja de la distribución).

Dado que los resultados parecen intuitivos para nuestra muestra de 25 municipios, decidimos extender el cálculo para todos los 339 municipios. La Figura 9 muestra como la Figura 2 se vería si usamos GE(-1) en vez del Coeficiente de Gini. La Figura 10 muestra lo mismo, pero utilizando la Desviación Estándar de Logaritmos.

 

Figura 9: Comparando pobreza y desigualdad usando GE(-1) para todos los municipios en Bolivia

Fuente: Elaboración propia.
 

Figura 10: Comparando pobreza y desigualdad usando la SDL para todos los municipios en Bolivia

Fuente: Elaboración propia.

 

Es interesante notar que las dos medidas GE(-1) y la Desviación Estándar de Logaritmos concuerdan en señalar los mismos municipios más desiguales (por ejemplo, Rurrenabaque, Reyes, Cobija, Santa Cruz de la Sierra, Puerto Suárez), mientras que al mismo tiempo están en desacuerdo con el Coeficiente de Gini respecto a que los municipios más pequeños, pobres y rurales sean los más desiguales. Ambas medidas están razonablemente de acuerdo con respecto al ranking relativo de los municipios grandes y urbanos. Todos concuerdan que Cochabamba es el más igualitario de las 10 ciudades capitales (+El Alto) y Cobija como la más desigual. La correlación entre las dos medidas es 0.83, lo cual es alto, pero no tan alto que las dos medidas sean redundantes.

De las 17 maneras diferentes para medir la desigualdad que hemos analizado en este blog, GE(-1) y la Desviación Estándar de Logaritmos parecen corresponder mejor a la intuición respecto a la desigualdad dentro de los municipios bolivianos. El Coeficiente de Gini, y todas las otras medidas que están fuertemente correlacionadas con el mismo, no parecen corresponder con la percepción intuitiva de desigualdad, al menos no para los municipios más pobres.

Queda claro que la elección óptima de medidas de desigualdad depende en gran medida de la distribución de los datos, y que el Coeficiente de Gini no es automáticamente la mejor opción.

Después de haber procesado millones de datos para más de 300 municipios en 17 diferentes maneras, llegamos a la conclusión de que tenemos que los mejores indicadores para el ODS 10 de nuestro Atlas Municipal de los ODS en Bolivia son: 1) Índice de Desigualdad 1: Desviación Estándar del Logaritmo del consumo de electricidad del hogar, y 2) Índice de Desigualdad 2: Entropía Generalizada (α = -1) del consumo de electricidad del hogar. 

Reconocemos que el proceso de selección de métodos parece “minería de métodos” para encontrar los resultados que corresponden mejor a nuestra intuición y expectativas. Por ende, para no poner demasiado peso en estos indicadores, recomendamos incluir otros indicadores sobre desigualdad en el Índice ODS 10. La próxima semana vamos a explorar medidas de desigualdad a nivel sub-nacional basadas en niveles de educación.

Notas

[1] World Development Indicators, Gross National Income per capita, Atlas method, 2018. https://data.worldbank.org/indicator/NY.GNP.PCAP.CD

[2] Andersen, L. E., B. Branisa & F. Calderón (2019) “Estimaciones del PIB per cápita y de la actividad económica a nivel municipal en Bolivia en base a datos de consumo de electricidad.” Investigación ganadora presentada al Centro de Investigaciones Sociales (CIS) de la Vicepresidencia del Estado Plurinacional de Bolivia. Mayo.

[3] En el último Human Development Report 2019, el cual analiza la desigualdad, James Foster y Nora Lustig aportó una visión general para ayudar a decider entre medidas alternativas de desigualdad. Véase Spotlight 3.2, pp. 136-138.

[4] Véase Francisco Ferreira’s blog “In defense of the Gini coefficient”: https://blogs.worldbank.org/developmenttalk/defense-gini-coefficient.

[5] Véase https://www.jasonhickel.org/blog/2018/12/13/what-max-roser-gets-wrong-about-inequality.

[6] También consideramos la posibilidad de aumentar más de 1kWh al año a cada observación, porque todos los hogares reciben un equivalente de 12 horas de luz diarias gracias a la luz solar y quizá hasta mucho más. En regiones frías, el sol no solo provee luz, sino también calor gratis, pero en regiones calientes, eso no se considerará como un beneficio, más bien como una complicación. Es por eso que es virtualmente imposible tomar en cuenta todas estas contribuciones variables del sol, y cualquier valor que asumamos sería parcializado. Los investigadores encaran el mismo dilema cuando se calcula la desigualdad de ingresos o desigualdad de riqueza, ya que hay muchos servicios públicos o ambientales que contribuyen al bienestar de las familias, pero son extremadamente difíciles de cuantificar e incluyen la riqueza y los ingresos de cada familia. Es un problema severo para la investigación que no pretendemos ser capaces de resolver en este blog, así que simplemente aumentaremos 1 kWh a cada observación para poder superar la dificultad técnica con los valores nulos, y así ser capaces de poder comparar todas las diferentes estadísticas de desigualdad.

[7] Véase http://siteresources.worldbank.org/PGLP/Resources/PMch6.pdf.

[8] Véase https://www.cgdev.org/blog/palma-vs-gini-measuring-post-2015-inequality.

[9] Véase http://repec.sowi.unibe.ch/files/wp13/jann-2015-pshare.pdf.

—-

* SDSN Bolivia.

Los puntos de vista expresados en este blog son responsabilidad de los autores y no necesariamente reflejan la posición de la institución. Estas publicaciones forman parte del proyecto “Atlas municipal de los ODS en Bolivia”, el cual está siendo desarrollado por la Red de Soluciones para el Desarrollo Sostenible (SDSN) en Bolivia.

¿Cuál es la situación del transporte colectivo en Bolivia?

La población mundial ha ido incrementando de gran manera. En 1950 la población mundial aproximada era de 2.600 millones de personas, 7.300 millones para el 2015. Se estima que la población mundial llegue a 8.500 millones en 2030. [1]. Este crecimiento viene acompañado de un incremento poblacional exponencial en las ciudades debido a los procesos de urbanización y movimientos migratorios, los cuales ya dejan sentir sus repercusiones. En 1960 la población que residía en las ciudades era de 1.000 millones (33.6% del total de la población), sin embargo, en 2018 esa cifra incrementó a 4.200 millones. (55.3%) [2]. Esta rápida urbanización está ejerciendo presión sobre el suministro de agua dulce, el tratamiento de aguas residuales, el entorno de vida y la salud pública.

Entre los problemas principales que aquejan a las ciudades se encuentra el congestionamiento vehicular, el cual no sólo representa una pérdida de eficiencia en las actividades económicas a consecuencia de las largas esperas en el tráfico, sino que también tiene grandes consecuencias ambientales y para la salud.

El Objetivo de Desarrollo Sostenible (ODS) número 11 (Ciudades y Comunidades Sostenibles) tiene como meta conseguir que las ciudades y los asentamientos humanos sean inclusivos, seguros, resilientes y sostenibles. Para lo cual necesariamente considera a la problemática del transporte público como un área donde se deben invertir recursos. Específicamente la meta 11.2 busca proporcionar un acceso a medios de transporte seguros, asequibles, accesibles y sostenibles para todos; mejorando la seguridad vial y haciendo énfasis en una ampliación del transporte público.

Por este motivo, en el Atlas Municipal de los ODS en Bolivia, incluiremos un indicador novedoso que mide la situación en la que los municipios se encuentran entorno a los servicios de transporte. El indicador propuesto refleja la disponibilidad de asientos de transporte colectivo. Es decir, la capacidad que tiene cada municipio para transportar de manera colectiva a sus habitantes.

Los datos fueron obtenidos del Instituto Nacional de Estadística (INE), con base en el Registro Único para la Administración Tributaria Municipal (RUAT). Estos datos incluyen el parque automotor por municipio y clase de vehículo entre los años 2003 y 2017.

Durante la construcción del indicador, determinamos considerar solamente a los vehículos que estén destinados al transporte colectivo, es decir que tengan la capacidad de transportar a 10 o más pasajeros. Es por eso que dentro de la clasificación por tipo de vehículos solamente se incluyeron las categorías autobús, microbús y minibús en la construcción del indicador. El análisis considera un potencial de asientos disponibles de 54 para los autobuses, 29 para los microbuses y 14 para los minibuses. [3]

Después de estimar el potencial de asientos disponibles de transporte colectivo dividimos por la población del respectivo municipio para tener la cantidad de asientos disponibles por mil habitantes que el transporte colectivo es capaz de brindar en cada municipio. Este análisis nos permite identificar a los municipios con mayor capacidad de transporte colectivo, ya que solamente los vehículos con mayor capacidad de transporte van a permitir que un determinado municipio se acerque a los umbrales deseados para alcanzar esta meta.

Por otro lado, para las estimaciones de los municipios de La Paz y El Alto, no podíamos dejar de lado los servicios de transporte de Mi Teleférico, funcionales en ambas ciudades, ni los del PumaKatari y ChikiTiti para La Paz, ni Wayna Bus para El Alto. También estimamos el potencial de asientos disponibles para éstos. En el caso de Mi Teleférico, el análisis fue distinto al contar con líneas interurbanas entre La Paz y El Alto. Es por eso que consideramos el número de cabinas de cada línea y la ubicación de cada estación para determinar los asientos disponibles en cada municipio. Por ejemplo, para la línea roja, con 109 cabinas establecidas y tres estaciones, determinamos que un tercio de las cabinas son pertenecientes a la ciudad de El Alto ya que la línea tiene solo una estación (Jacha Q’atu – 16 de Julio) en esta ciudad. La Paz tiene dos tercios del total de cabinas de esta línea (Las estaciones de Taypi Uta – Estación Central y Ajayuni – Cementerio).

La siguiente tabla nos permite ver la distribución de cabinas en ambas ciudades según la ubicación de las estaciones.

 

Tabla 1: Distribución de estaciones y cabinas por línea de Mi Teleférico

Fuente: Elaboración propia en base a datos de Mi Teleférico.

 

El análisis nos permitió estimar el total de asientos disponibles por mil habitantes de Mi Teleférico tanto en La Paz como en El Alto, considerando que cada cabina tiene una capacidad máxima de transporte de diez pasajeros.

Finalmente, las estimaciones de asientos disponibles para el transporte público brindado por el PumaKatari, ChikiTiti y Wayna Bus fueron realizadas de la misma manera que con los del RUAT. Se consideraron el total de vehículos existentes en el municipio: 179 Buses PumaKatari y 30 ChikiTitis en La Paz y 60 Wayna Buses para la ciudad de El Alto. Asimismo, también se usó el potencial de transporte máximo de cada uno de estos vehículos, siendo los mismos de 61, 55 y 82 respectivamente. [4] [5]

El siguiente gráfico muestra los resultados de los diez municipios con mayor cantidad de asientos disponibles por mil habitantes, según el tipo de transporte colectivo. Se puede observar que el municipio de Achocalla en el departamento de La Paz, es el que más asientos disponibles cuenta. Asimismo, la mayor cantidad de asientos disponibles en su mayoría provienen del minibús.

 

Gráfico 1: Los diez municipios con más asientos disponibles por mil habitantes

Fuente: Elaboración propia en base a resultados del ODS 11 para el Atlas municipal de los ODS en Bolivia.

 

Finalmente, usamos la metodología propuesta por SDSN Global para estimar los umbrales de este indicador, la misma usa el promedio y desviación estandar para definir los rangos a partir del cual se considera que un municipio ha alcanzado la meta, está próximo a alcanzarlo, aún tiene grandes retos y tiene importantes retos para alcanzar la meta. Para el caso de Bolivia, el mismo considera que con 93 asientos disponibles por mil habitantes la meta ha sido alcanzada. A pesar de que esta cifra parezca muy baja, los resultados indican que solo un 12% de los municipios de Bolivia ha logrado alcanzar esta meta, 6% está próximo a alcanzarlo, mientras que el restante 82% aún tiene grandes/importantes retos para poder alcanzar esta meta. Si bien iniciativas como Mi Teleférico, PumaKatari, ChikiTiti y Wayna Bus han ayudado a incrementar el transporte colectivo, aún queda mucho camino por recorrer, más aún considerando las tendencias de crecimiento poblacional y migratorias hacia las ciudades.

 

Notas

[1] https://www.un.org/es/sections/issues-depth/population/index.html

[2] https://data.worldbank.org/indicator/SP.URB.TOTL.IN.ZS

[3] El RUAT define a los autobuses como ómnibuses.

[4]  https://www.paginasiete.bo/sociedad/2016/1/17/altenos-evaluan-wayna-bus-destacan-tarifa-critican-ruta-83673.html

[5] https://amn.bo/2019/07/22/el-chikititi-unico-en-su-tipo-y-esta-hecho-a-la-medida-de-la-paz/

_____

*Alejandra Gonzáles Rocabado, Asistente de Dirección, SDSN Bolivia

Los puntos de vista expresados en el blog son responsabilidad de los autores y no reflejan necesariamente la posición de sus instituciones. Esta serie de artículos forma parte del proyecto titulado «Atlas Municipal de los ODS en Bolivia» que actualmente lleva a cabo la Red de Soluciones para el Desarrollo Sostenible (SDSN) en Bolivia.

Dejemos de desperdiciar la basura

Hoy en día el cambio climático y la generación de basura son temas bastante abordados, no solo por ambientalistas, si no por el público en general. Sin embargo, poco se da a conocer sobre su relación y nexo entre ambos temas.

Primeramente, la basura es un problema a nivel mundial. La generación de residuos sólidos municipales que el mundo genera según el último reporte del Banco Mundial, What a Waste 2.0 (2018), alcanza a 2010 millones de toneladas anualmente. Esto significa más de 10 veces la cantidad que se producía un siglo atrás. Asimismo, las estimaciones del mismo reporte, afirman que estas cifras incrementarán en un 70% para el año 2050, dado el crecimiento poblacional y los cambios de patrones de consumo que se tienen con el crecimiento de una economía.

Por otro lado, actualmente la principal fuente de gases de efecto invernadero viene del sector energético. Según los indicadores de análisis climático del World Resources Institute en 2017, gran parte del total de gases de efecto invernadero antropogénico tiene como fuente principal la energía, la misma que abarca un 72% del total de emisiones, de las cuales 31% provienen de la generación de electricidad y calor, 15% del sector de transporte, 12.4% del sector de manufactura y construcción, 5.2% de emisiones fugitivas y un 8.4% de otra quema de combustibles. El restante 28% de emisiones de gases de efecto invernadero provienen en un 11% de la agricultura, 6% del cambio de uso de suelo y silvicultura, 6% por procesos industriales, 2% por combustible de búnker y 3% por los desechos o residuos sólidos.

Es decir que, para sorpresa de muchos, el problema de la basura no solo se encuentra en la contaminación de los suelos, el ahogo de los océanos, lagos y ríos, el impacto negativo en la biodiversidad, además de los efectos significativos sobre la salud de las personas puesto que los gases que emanan afectan las vías respiratorias y tienen efectos cancerígenos, entre otros. Si no que también, la mera descomposición de los residuos sólidos, emite gases de efecto invernadero, metano y dióxido de carbono.

Sin embargo, este biogás puede ser capturado y usado como combustible y/o electricidad. De esta forma, usando ciertos métodos de tratamiento de residuos, como la digestión anaeróbica, es posible no solo disminuir la materia orgánica contaminante, sino que, al producir energía mediante biogás, también existe una reducción de gases de efecto invernadero.

Estas reducciones se deben, por un lado, a la captura y combustión del metano y dióxido de carbono contenido en el biogás, y por otro, al reemplazo de los combustibles fósiles que debieran utilizarse para generar la misma cantidad de energía eléctrica que se generará a partir del biogás.

En el caso de Bolivia, si bien la principal fuente de emisiones de dióxido de carbono provienen de la deforestación, representando más de un 80% de las emisiones totales de . Se producen más de 11.500.000 toneladas de dióxido de carbono al año por la venta de diésel y gasolina, el consumo de electricidad y GLP, lo que representa aproximadamente 2 toneladas de dióxido de carbono por persona al año. Cifras que son elevadas comparadas con El Salvador o Paraguay, siendo que ambos emiten por quema de combustibles fósiles aproximadamente una tonelada por persona al año (6.305.000 ton y 4.122.000 ton respectivamente).

Por otro lado, según informes del Ministerio de Medio Ambiente y Agua, el 2016 Bolivia generaba aproximadamente 2 millones de toneladas de residuos sólidos al año, el equivalente a 5.400 toneladas al día, cifra que es 20% mayor a lo producido en 2010. Además, según datos del Censo de Población y Vivienda 2012, poco menos del 60% de los hogares desechan su basura en un contenedor o mediante el servicio público de recolección, el restante lo eliminan de formas alternativas, como ser: quema, la botan al río o algún terreno baldío o la entierran.

De igual manera, es necesario mencionar que no toda la basura generada puede ser utilizada para la generación de biogás, para la misma se necesitan residuos animales y vegetales (biomasa). En el caso de Bolivia, según el último Diagnóstico de la Gestión de Residuos Sólidos en Bolivia, publicado por el Viceministerio de Agua Potable y Saneamiento Básico, aproximadamente un 60% del total de basura generada es materia orgánica y papel/cartón la cual podría ser usada para la generación de biogás.

Considerando que el consumo de electricidad doméstica en Bolivia fue de 3,217,315,730 kWh para el año 2016, y que el potencial energético puede llegar a ser de 550 kWh por cada tonelada de basura incinerada, Bolivia podría producir aproximadamente entre 15 a 20% de su consumo eléctrico mediante la generación de sus residuos sólidos, cifras similares a las que Dinamarca genera, uno de los líderes mundiales en producción de electricidad por biogás, con un 18%.

Si bien existen varios factores entre los que hay que considerar aspectos técnicos, económicos, y de gestión, esta alternativa como vía para reducir la basura y las emisiones de gases de efecto invernadero es una de las aplicaciones más beneficiosas tanto en términos económicos como sociales y ambientales.

En el caso de Latinoamérica países como Argentina, Brasil y México ya han considerado esta solución. Bolivia, dadas las condiciones que tiene y a pesar de que no genere grandes emisiones de gases de efecto invernadero por producción de energía, también debería considerar esta medida tomando en cuenta los últimos problemas de basura que presentó, como el caso de Alpacoma.

 

*Alejandra Gonzáles, Asistente de Dirección, SDSN Bolivia

Los puntos de vista expresados en el blog son responsabilidad de los autores y no reflejan necesariamente la posición de sus instituciones. Esta serie de artículos forma parte del proyecto titulado «Atlas Municipal de los ODS en Bolivia» que actualmente lleva a cabo la Red de Soluciones para el Desarrollo Sostenible (SDSN) en Bolivia.

Análisis de indicadores municipales sobre equidad de género

Si bien el ícono del ODS 5 dice «Igualdad de Género», el texto completo de la meta en el sitio de los Objetivos de Desarrollo Sostenible de las Naciones Unidas es en realidad «Objetivo 5: Lograr la igualdad de género y empoderar a todas las mujeres y niñas». Esto significa que el objetivo de igualdad de género está intrínsecamente sesgado hacia las mujeres. Esto estaría bien si las mujeres estuvieran abrumadoramente desfavorecidas en todos los aspectos de la vida.

Sin embargo, en este blog vamos a mostrar que esto no es necesariamente así, y que habrá que tomar decisiones sobre lo que consideramos igualdad de género con el propósito de incluir estos datos en el Atlas Municipal de los ODS en Bolivia.

Por ejemplo, en cuanto a la cuestión más básica de tener un techo sobre su cabeza y un lugar para llamar hogar, sabemos por el último censo de población en Bolivia (2012), que los hombres tienen casi el doble de probabilidades de vivir en condiciones de calle que las mujeres. En Santa Cruz de la Sierra, el municipio con más personas en condiciones de calle en Bolivia, los hombres tienen casi 5 veces más probabilidades de no tener un hogar que las mujeres, mientras que en El Alto, el municipio con el segundo mayor número de personas sin hogar, hombres y mujeres son casi igualmente propensos a vivir en condición de calle.

¿Están ambos municipios bien en términos de igualdad de género en cuanto a personas en situación de calle, por el hecho de que las mujeres están mejor que los hombres en ese aspecto? O ¿El Alto está mejor que Santa Cruz de la Sierra, porque está más cerca de la paridad de género en lo que se refiere a personas en situación de calle? La respuesta depende de cómo interpretes la igualdad de género y cuál consideras que es el objetivo.

¿Qué puede ser peor que no contar con una vivienda? Estar encarcelado. En Bolivia los hombres tienen 10 veces más probabilidades de ser encarcelados que las mujeres (1).

¿Qué puede ser peor que ser encarcelado? Estar tan desesperado que prefieres suicidarte y terminar con tu vida. Las tasas de suicidio masculino en Bolivia son casi 3 veces más altas que las tasas de suicidio femenino (2).

¿Qué puede ser peor que suicidarse? Ser asesinado y perder tu vida contra tu voluntad. Según los registros policiales de Bolivia, los hombres tienen 4 veces más probabilidades de ser asesinados que las mujeres.

Estar en situación de calle, encarcelado, ser suicida o ser asesinado son situaciones extremadamente malas, pero afortunadamente son pocos frecuentes en Bolivia.

¿Qué hay de la igualdad de género en situaciones más cotidianas, como ir a la escuela o estar saludable?

La paridad de género en la asistencia a la escuela es un indicador de igualdad de género ampliamente utilizado, y también se puede calcular fácilmente a nivel municipal en Bolivia. Según datos del Ministerio de Educación de Bolivia, hay alrededor de 95 niñas en la escuela por cada 100 niños, por lo que hay una ligera sub-representación de las niñas. Eso puede explicarse, al menos en parte, por el mejor rendimiento de las niñas en la escuela. Los niños tienen más del doble de probabilidades de repetir un año escolar. En 2017, 50.671 niños no aprobaron el año escolar, mientras que este fue sólo el caso de 23.428 niñas. El mismo año, 58.834 niños repetían un año escolar, mientras que este fue el caso de sólo 29.417 niñas. Al final de los estudios universitarios de nivel licenciatura, las mujeres dominan en cantidad y están sustancialmente sobre representadas entre las menciones con honores.

Es bien sabido que las mujeres son más saludables y viven más años que los hombres en casi todo el mundo, y Bolivia no es una excepción. Desafortunadamente, no tenemos datos desglosados por género a nivel municipal sobre la esperanza de vida. De hecho, el único indicador de salud desglosado por género que tenemos disponible a nivel municipal es la incidencia del VIH. Utilizando los datos proporcionados por el Programa Nacional ITS/VIH/SIDA y Hepatitis Virales, descubrimos que los hombres tienen el doble de probabilidades que las mujeres de contraer el VIH.

Las mujeres parecen estar en una desventaja sistemática en términos de empleo. Según datos del último censo de población (2012), la tasa de participación en el mercado laboral es menor para las mujeres que para los hombres en casi todos los municipios bolivianos, y los datos de ingresos de las encuestas de hogares muestran sistemáticamente que las mujeres ganan menos que los hombres por horas trabajadas, incluso con los mismos niveles de educación.

Análisis de potenciales indicadores municipales sobre equidad de género

La metodología del índice de los ODS que utiliza nuestro Atlas Municipal de los ODS en Bolivia requiere que haya un claro objetivo unidireccional. Esto significa que la paridad de género no puede ser abordada desde ambas direcciones, sino que tiene que definirse de modo que una vez que las mujeres estén al menos tan bien como los hombres, entonces se logra el objetivo de igualdad de género y el municipio se volverá verde para ese indicador.

A continuación, mostramos mapas de paridad de género para todos los indicadores para los que logramos obtener datos desglosados de género a nivel municipal. Todos están construidos de modo que, si el valor es menor a uno, entonces las mujeres están en desventaja en comparación con los hombres, mientras que si es mayor a 1, las mujeres están mejor que los hombres. Los municipios donde las mujeres son iguales o mejores que los hombres están pintados de verde, mientras que los municipios donde las mujeres están sustancialmente peor que los hombres están pintados de rojo.

Esta es una entrada de blog inusualmente larga, ya que tenemos una gran cantidad de datos para presentar y discutir.

Asistencia Escolar

La Figura 1 muestra el índice de paridad de género para la asistencia a la escuela primaria en 2017. Se mide como el número de niñas matriculadas en la escuela primaria dividido por el número de niños matriculados en la escuela primaria en cada municipio. Hubiera sido mejor utilizar el índice de paridad de género para las tasas de matriculación neta, pero lamentablemente no tenemos estimaciones fiables del número total de niños y niñas de edad primaria en cada municipio, por lo que las tasas no se pueden estimar con suficiente precisión. El índice de paridad de género para la asistencia a la escuela es una buena aproximación, si el número de niños y niñas en el municipio es aproximadamente igual. A nivel de primaria eso parece ser una suposición razonable, al menos para los municipios con muchos niños.

Figura 1: Índice de paridad de género para la asistencia a la escuela primaria, 2017

Fuente: Ministerio de Educación: Sistema de Estadísticas e Indicadores Educativos
(http://seie.minedu.gob.bo/).

A nivel nacional, el índice de paridad de género para la asistencia a la escuela primaria es de 0,94, por lo que hay alrededor del 6% menos niñas en la escuela primaria que niños. Sin embargo, los valores no parecen tener nada que ver con la pobreza, la ruralidad o cualquier otro factor explicativo que se nos ocurra. De hecho, los municipios más pobres de las tierras altas bolivianas parecen tener índices de paridad de género ligeramente mejores. Sospechamos que la mayor parte de la variación en la Figura 1 es aleatoria. Por ejemplo, los dos municipios con el índice más bajo (Esmeralda con 0,5) y el índice más alto (Cruz de Machacamarca con 1,75) son vecinos dentro de la misma provincia en Oruro. La primera tiene 6 niñas y 12 niños matriculados en la escuela primaria, mientras que el segundo tiene 7 niñas y 4 niños inscritos. Con tan pocos niños en cada municipio, incluso estos valores extremos están dentro de la variación aleatoria en el número de niños y niñas presentes en el municipio.

Además, el menor número de niñas en la escuela primaria a nivel nacional no se debe necesariamente a que las niñas no entren en la escuela primaria o no permanezcan en la escuela primaria, sino que más bien se deben a que los niños tienen un 50% más de probabilidades de repetir un año de escuela primaria (véase más adelante). Por lo tanto, puede haber simplemente más niños en la escuela primaria porque son más propensos a repetir un año escolar.

Dados los dos argumentos anteriores, llegamos a la conclusión de que no vale la pena incluir este indicador entre los indicadores del ODS5 en nuestro Atlas Municipal de los ODS en Bolivia. El indicador apenas proporciona información fiable sobre dónde orientar las intervenciones para garantizar que todas las niñas completen la escuela primaria.

La Figura 2 muestra el mismo indicador, pero en el nivel de la escuela secundaria. En este nivel parece haber un poco más de información real y un poco menos de ruido aleatorio en el indicador. Al menos el índice de paridad de género de la asistencia a la escuela secundaria está relacionado negativamente con la pobreza, lo que sugiere que las niñas están más desfavorecidas en los municipios más pobres, como era de esperar. En el mapa vemos un cúmulo rojo en el norte de Potosí, que es una zona de extrema pobreza.

Sin embargo, hay otros problemas importantes con este indicador. En primer lugar, las diferencias de género en las tasas de repetición son aún más altas en el nivel de la escuela secundaria, teniendo los niños un 137% más de probabilidades de repetir un año escolar que las niñas. Por lo tanto, un valor de paridad de género por debajo de 1 no refleja necesariamente que las niñas son más propensas a abandonar la escuela secundaria que los niños, sino más bien que los niños tienen que repetir los años escolares con más frecuencia que las niñas (ver más abajo). En segundo lugar, cuando el índice de paridad de género está por encima de 1, los municipios son de color verde, y se considera que han logrado el objetivo de igualdad de género. Pero en realidad, en lugar de reflejar un resultado positivo en cuanto a la igualdad de género, esta situación puede reflejar en cambio la tendencia de los hombres jóvenes que abandonan la escuela para dedicarse a trabajar, especialmente en la minería, la construcción o la agricultura, que exige trabajadores poco calificados, pero fuertes. En promedio, la tasa de abandono escolar para los niños es de aproximadamente un 60% más altas que la tasa de abandono escolar para las niñas en el nivel de la escuela secundaria.

Dados los problemas antes mencionados, tampoco recomendamos este indicador para su inclusión en el Atlas Municipal.

 Figura 2: Índice de paridad de género para la asistencia a la escuela secundaria, 2017

Fuente: Ministerio de Educación: Sistema de Estadísticas e Indicadores Educativos
(http://seie.minedu.gob.bo/).

Tasas de abandono

Las figuras 3 y 4 muestran los índices de paridad de género para las tasas de abandono escolar a nivel primaria y secundaria, respectivamente. Las tasas de abandono escolar se calculan a partir de datos administrativos a nivel individual y, por lo tanto, son precisos y están actualizados. Ambos mapas son abrumadoramente verdes, lo que indica que las niñas son menos propensas a abandonar la escuela que los niños en la gran mayoría de los municipios. Los municipios donde las niñas son más propensas a abandonar la escuela que los niños destacan claramente, por lo tanto, pueden ser objeto de intervenciones específicas.

 Figura 3: Índice de paridad de género para las tasas de abandono escolar, 2017

Fuente: Ministerio de Educación: Sistema de Estadísticas e Indicadores Educativos
(http://seie.minedu.gob.bo/).

La correlación entre la paridad de género en las tasas de abandono escolar en los niveles primario y secundario es baja (0,07), lo que significa que puede haber diferentes causas subyacentes. Por lo tanto, es difícil elegir entre los dos. Sin embargo, dado que las tasas de abandono a nivel primaria son generalmente muy bajos, consideramos que el índice de paridad de género para las tasas de abandono a nivel secundaria es el indicador más relevante, y lo recomendamos para inclusión en el Atlas Municipal.

Figura 4: Índice de paridad de género para las tasas de abandono escolar, 2017

Fuente: Ministerio de Educación: Sistema de Estadísticas e Indicadores Educativos
(http://seie.minedu.gob.bo/)

 Tasas de Repetición

Las figuras 5 y 6 muestran los índices de paridad de género para las tasas de repetición en la escuela primaria y secundaria, respectivamente. Las tasas de repetición también se calculan a partir de datos administrativos a nivel individual y, por lo tanto, son precisas y están actualizadas. Ambos mapas son abrumadoramente verdes, lo que indica que las niñas son menos propensas a repetir un año escolar que los niños de la gran mayoría de los municipios, especialmente en el nivel secundario. De hecho, en el nivel secundario, sólo hay 13 municipios de 339 con un índice de paridad en tasas de repetición por debajo de 1. 

Figura 5: Índice de paridad de género para las tasas de repetición en la escuela primaria, 2017

Fuente: Ministerio de Educación: Sistema de Estadísticas e Indicadores Educativos
(http://seie.minedu.gob.bo/).

 

Figura 6: Índice de paridad de género para las tasas de repetición en la escuela secundaria, 2017

Fuente: Ministerio de Educación: Sistema de Estadísticas e Indicadores Educativos
(http://seie.minedu.gob.bo/).

Dado que los niños en Bolivia casi en todos los municipios son más propensos que las niñas a fracasar en aprobar un año escolar, y, por eso, tener que repetir el año o abandonar la escuela, no tiene mucho sentido tener el objetivo de empoderar a las mujeres y niñas en el sistema educativo boliviano. Los niños claramente están en desventajas en comparación con las niñas, y la atención debería centrarse más bien en cómo reducir las tasas de fracaso sistemáticamente más altas de los niños. Por lo tanto, recomendamos no incluir los dos índices de paridad de género de las tasas de repetición en el Atlas Municipal.

Estudiantes con capacidades diferentes

Las figuras 7 y 8 muestran el índice de paridad de género para la matriculación de niños con capacidades diferentes en el sistema escolar regular, en el nivel primario y secundario, respectivamente. A nivel nacional, este índice de paridad es de 0,71 en el nivel primario y de 0,80 en el nivel secundario, lo que indica entre un 20 y un 29% menos de mujeres con capacidades diferentes matriculadas en el sistema escolar regular. Esto puede sugerir que las niñas con capacidades diferentes se enfrentan a más obstáculos para entrar en la escuela, aunque también puede haber explicaciones alternativas. Por ejemplo, es posible que las niñas estén matriculadas en escuelas especiales para niños con capacidades diferentes, pero el Ministerio de Educación no reporta estadísticas de estas escuelas.

Figura 7: Índice de paridad de género: matriculación de niños discapacitados en la escuela primaria, 2016

Fuente: Ministerio de Educación: Sistema de Estadísticas e Indicadores Educativos
(http://seie.minedu.gob.bo/).

El principal problema con estos dos indicadores es que en la mayoría de los municipios hay pocos niños con capacidades diferentes en términos absolutos, por lo que la variación aleatoria en el género de los niños con capacidades diferentes puede hacer que este indicador fluctúe enormemente. Consideremos dos municipios vecinos en Chuquisaca: Sopachuy tenía 1 niño con capacidades diferentes y 2 niñas con capacidades diferentes matriculadas en la escuela primaria en 2016, lo que resultó en un índice de paridad de 2.0. En contraste, Villa Alcalá tenía 2 niños con capacidades diferentes y 1 niña con capacidades diferentes, lo que resultó en un índice de paridad de 0.5. El primero es de color verde, mientras que el segundo es de color naranja, pero claramente las diferencias podrían explicarse fácilmente por variación aleatoria.

 Figura 8: Índice de paridad de género: matriculación de niños con capacidades diferentes en la escuela secundaria, 2016

Fuente: Ministerio de Educación: Sistema de Estadísticas e Indicadores Educativos
(http://seie.minedu.gob.bo/).

Estos indicadores sólo tienen sentido en los municipios populosos con un gran número de niños con capacidades diferentes. En Santa Cruz de la Sierra, por ejemplo, hay 171 niños con capacidades diferentes y 94 niñas con capacidades diferentes matriculadas en escuelas primarias regulares, lo que resulta en un índice de paridad de 0,55. En el nivel de la escuela secundaria hay 127 niños y 83 niñas matriculadas, lo que resulta en un índice de paridad de. 0.65. Estos resultados sugieren que las niñas con capacidades diferentes se enfrentan a obstáculos mucho mayores que los niños con capacidades diferentes en el sistema de educación regular de ese municipio. Pero aproximadamente la mitad de todos los estudiantes con capacidades diferentes están matriculados en escuelas especiales, y estos podrían favorecer a las niñas.

Dado tanto el alto nivel de ruido aleatorio en los datos, como la falta de información de todas las escuelas especializadas para niños con capacidades diferentes, llegamos a la conclusión de que estos dos indicadores no aportan información suficiente para incluirse en el Atlas Municipal de los ODS en Bolivia.

Tasas de Alfabetización

La Figura 9 muestra el índice de paridad de género para las tasas de alfabetización de adultos, según el Censo de Población de 2012. Las mujeres tienden a caer en desventaja cuando se trata de alfabetización, y las diferencias de género son particularmente grandes en ciertas áreas cerca del norte de Potosí.

Este es un problema histórico, y el país ha estado luchando sistemáticamente contra la educación de alfabetización de adultos durante las últimas décadas. Los restantes grupos analfabetos consisten principalmente en mujeres de 60 años o más.

La información para este indicador es bastante antigua, y puede haber mejorado sustancialmente desde 2012. De hecho, la UNESCO declaró oficialmente a Bolivia libre de analfabetismo ya en 2008, cuando más del 96% de la población alcanzó la alfabetización (3). Por lo tanto, la alfabetización parece ser un objetivo demasiado fácil para ser incluido en el Atlas Municipal, y recomendamos no incluir el índice de paridad de género para las tasas de alfabetización de adultos tampoco, sino más bien algunos índices más exigentes de paridad relacionados con la educación.

 Figura 9: Índice de paridad de género para las tasas de alfabetización de adultos, 2012

Fuente: Censo Nacional de Población y Vivienda, 2012.

Educación de la Población Adulta

Un índice de paridad de género más relevante en el área de los niveles de educación de adultos es la proporción del número promedio de años de estudio para las mujeres en comparación con los años de estudio de los hombres en cada municipio.

La Figura 10 muestra que las mujeres tienen niveles educativos más bajos en casi toda Bolivia, excepto algunos municipios del departamento de Santa Cruz. Este es también un problema histórico, y más difícil de remediar que el analfabetismo de los adultos, ya que es poco probable que las personas que han estado fuera del sistema educativo durante décadas, vuelvan a entrar en él.

Figura 10: Índice de paridad de género para años de educación para adultos, 2012

Fuente: Censo Nacional de Población y Vivienda, 2012.

Un indicador más relevante y más sensible a las políticas sería el índice de paridad de género para los años de educación de los jóvenes que se adentran en el mercado laboral. La Figura 11 muestra el índice de paridad de género para años de educación para jóvenes de 25 a 35 años. Este indicador muestra más igualdad de género que el indicador anterior y, lo que es más importante, es un indicador que puede cambiar significativamente antes de 2030, cuando una generación completamente nueva figurará en ese grupo de edad.

 Figura 11: Índice de paridad de género para años de educación para jóvenes de 25 a 35 años, 2012

Fuente: Censo Nacional de Población y Vivienda, 2012.

Otro indicador relevante que se puede calcular a partir del censo de población es el índice de paridad de género para las tasas de población adulta que habla inglés. Esto se calcula como el porcentaje de mujeres adultas que hablan inglés dividido por el porcentaje de hombres adultos que hablan inglés.

 Figura 12: Índice de paridad de género para las tasas de adultos que hablan inglés, 2012

Fuente: Censo Nacional de Población y Vivienda, 2012.

Hablar inglés facilita el acceso a información sofisticada y la participación en los procesos internacionales, y debe promoverse tanto para hombres como para mujeres. Sin embargo, es particularmente importante asegurarse de que las mujeres no se queden atrás en estos niveles más altos de participación, por lo que recomendamos incluir este indicador en el Atlas Municipal de los ODS en Bolivia.

Participación en el mercado laboral

El ámbito en el que las mujeres se quedan sistemáticamente atrás es en la participación del mercado laboral. Históricamente, muchas mujeres se han quedado en casa para criar niños y dirigir el hogar. Sin embargo, es importante facilitar y fomentar la participación de las mujeres en el mercado laboral por varias razones. En primer lugar, contribuye a un mayor crecimiento económico del país, aunque parte del mayor crecimiento se debe a que su trabajo en el hogar no se cuenta en el PIB. En segundo lugar, empodera a las mujeres para que obtengan sus propios ingresos, en lugar de tener que pedir dinero a su pareja o a sus padres. En tercer lugar, la participación en el mercado laboral crea más relaciones e interacciones profesionales y sociales, lo que también ayuda a empoderar a las mujeres.

Figura 13: Índice de paridad de género para las tasas de participación en el mercado laboral, 2012

Fuente: Censo Nacional de Población y Vivienda, 2012.

Paradójicamente, las tasas de participación en el mercado laboral femenino tienden a ser más altas en los municipios más pobres. Aun así, creemos que un componente clave de la igualdad de género es asegurarnos de que los hombres y las mujeres tienen la misma probabilidad de participar en el mercado laboral, aunque se debe aceptar una pequeña diferencia para permitir a las mujeres algún tiempo libre para la maternidad. Recomendamos incluir este indicador en el Atlas Municipal de los ODS en Bolivia, pero en lugar de hacer que la paridad perfecta sea el objetivo, creemos que la meta debe ser el promedio de los cinco municipios con los valores más altos, es decir 0.95.

Indicadores de Salud

El único indicador de salud a nivel municipal que obtuvimos de manera desagregada por sexo, es el de la prevalencia del VIH. La Figura 14 muestra el índice de paridad de género para la incidencia del VIH, promediando los años 2014 a 2017 con el fin de reducir la variación aleatoria en esta enfermedad afortunadamente infrecuente. La mayoría de los municipios son verdes, lo que indica que las mujeres son menos propensas a infectarse por el VIH. De hecho, a nivel nacional, el índice de paridad es de 2,2, lo que indica que los hombres tienen más del doble de probabilidades de tener el VIH que las mujeres.

 Figura 14: Índice de paridad de género para la incidencia del VIH, 2014-2017

Fuente: Programa Nacional ITS/VIH/SIDA y Hepatitis Virales.

La mayoría de los municipios rojos en el mapa son causados por una sola mujer y cero hombres con VIH en cada municipio, lo que apenas representa un problema sistémico.

Un municipio que destaca claramente en los datos detallados proporcionados por el Programa Nacional de ITS/VIH/SIDA y Hepatitis Virales, es Puerto Villarroel en el Departamento de Cochabamba. No sólo porque tiene una de las incidencias de VIH más altas del país y ocupa el puesto 11 en términos de números absolutos que miden nuevos casos entre 2014 y 2017; sino porque particularmente las niñas han sido las más afectadas. Las niñas de 15 a 19 años representan sólo el 6,3% de los nuevos casos de VIH en el resto del país, pero en Puerto Villarroel, representan el 45,1% de los casos. Este es claramente un caso de niñas muy jóvenes que están peligrosamente expuestas a enfermedades potencialmente mortales, y a su vez generando focos de transmisión peligrosos.

Este problema, y problemas similares en otros municipios, requieren intervenciones específicas. Lamentablemente, el bajo número de casos registrados en algunos municipios genera el mismo problema que se ve en el caso de la educación de niñas con capacidades diferentes. El caso de una mujer con VIH puede pintar el mapa de rojo, cuando en realidad no es un problema significativo. Es por ello que sugerimos no incluir este indicador en el Atlas Municipal de los ODS en Bolivia.

Pobreza Multidimensional

Pudimos calcular los índices de pobreza multidimensional a nivel municipal por separado para los hogares encabezados por mujeres y hombres, utilizando una metodología desarrollada por el INESAD a petición de, y en colaboración con, Swisscontact, para el proyecto Mercados Inclusivos financiado por la Cooperación Sueca (ASDI) y la Cooperación Suiza (COSUDE) en 2017. La metodología incluye 9 indicios diferentes de falta de voz, elección y recursos:

  • Al menos una persona analfabeta en el hogar.
  • Al menos una persona mayor de 6 años sin documentos de identificación personal.
  • No hay teléfono o teléfono celular en el hogar.
  • Al menos un parto tuvo lugar fuera de un centro de salud en los últimos 5 años.
  • Al menos un embarazo adolescente en el hogar en los últimos 5 años.
  • Al menos un niño de entre 6 y 19 años que no está estudiando.
  • No hay agua potable en la propiedad.
  • No hay acceso a electricidad.
  • No hay servicios básicos de saneamiento.

Figura 15: Índice de paridad de género: pobreza multidimensional, 2012 (medido por el género del jefe de hogar)

Fuente: Censo Nacional de Población y Vivienda, 2012.

Aunque los datos son un poco antiguos, del Censo de Población de 2012, los cálculos son muy sólidos, y señalan claramente los municipios donde los hogares encabezados por mujeres están mucho peor que los hogares encabezados por hombres. Recomendamos que este indicador esté incluido en el Atlas Municipal de los ODS en Bolivia.

Conclusiones

Después de haber analizado 15 diferentes indicadores desglosados por género en detalle, llegamos a la conclusión de que los más útiles para el Atlas Municipal de los ODS en Bolivia son los siguientes:

  • El índice de paridad de género para las tasas de abandono escolar, 2017.
  • El Índice de paridad de género para años de educación para jóvenes de 25 a 35 años, 2012.
  • El índice de paridad de género para las tasas de participación en el mercado laboral, 2012.
  • El Índice de paridad de género para la pobreza multidimensional, 2012 (medido por el género del jefe de hogar).
  • El índice de paridad de género para adultos que hablan inglés, 2012.

[1] https://www.redalyc.org/jatsRepo/112/11244805004/html/index.html .

[2] https://ourworldindata.org/suicide .

[3] https://elpais.com/internacional/2008/12/21/actualidad/1229814001_850215.html

———————————-

* Lykke E. Andersen, Ph.D., Director Ejecutivo de SDSN Bolivia en: Lykke.E.Andersen@sdsnbolivia.org.

**Line Munk, SDSN Bolivia

Los puntos de vista expresados en el blog son responsabilidad de los autores y no reflejan necesariamente la posición de sus instituciones. Esta serie de artículos forma parte del proyecto titulado «Atlas Municipal de los ODS en Bolivia» que actualmente lleva a cabo la Red de Soluciones para el Desarrollo Sostenible (SDSN) en Bolivia.

Jugando con fuego en Santa Cruz

Actualmente hay mucha especulación sobre las causas de los incendios forestales en la región amazónica. Un diputado de la Asamblea Plurinacional, especuló que probablemente se originaron en Brasil, mientras que el presidente de Brasil, Jair Bolsonaro, afirmó que las ONG son las causantes de los incendios en el Amazonas, con el fin de dañar la imagen de su gobierno. Muchas personas en Bolivia culparon al Decreto Supremo 3973 emitido el 9 de julio de 2019, que autoriza incendios controlados con fines agrícolas en Santa Cruz y el Beni. El nuevo acuerdo de exportación de carne firmado con la China también resulta ser sospechoso para la opinión pública.

En este blog presentaremos algunos datos empíricos para evitar caer en altos niveles de especulación. Para ello, hemos analizado todos los incendios detectados en el Departamento de Santa Cruz por el sensor Conjunto de Radiómetros de Imágenes Infrarrojas Visibles  (VIIRS) de la NASA, entre el 1ro de enero de 2016 y el 28 de agosto de 2019.

La mayoría de los lectores seguramente se sorprenderán por el gran número de incendios detectados en el departamento: ¡Alrededor de 100.000 cada año! En la Tabla 1 hemos evaluado todos los incendios detectados por año (1) y el tipo de área en la que se detectaron, según el Plan Departamental de Uso del Suelo (PLUS). Alrededor del 59% se encontraban en áreas designadas para uso agropecuario, pero un asombroso 41% de todos los incendios se encontraban en áreas forestales o áreas protegidas, las cuáles no se deberían quemar.

 Tabla 1: Número de incendios detectados por año y tipo de uso del suelo, 2016-2019

Fuente: Cálculos de los autores basados en datos del sensor VIIRS de la NASA y del PLUS de Santa Cruz.

En esta tabla, el año 2019 no se ve muy diferente de años anteriores, esto se debe a que todavía estamos a principios de la temporada de chaqueo. Si graficamos el número acumulado de incendios por fecha del año, vemos que este 2019 claramente destaca (ver Figura 1). Hasta ahora, 2016 fue el peor año tanto por el número de incendios, la extensión de la tierra quemada y el área deforestada, pero 2019 parece listo para batir esos récords fácilmente. Sólo los primeros 28 días de este mes vieron más de 83 mil incendios en Santa Cruz. Esto es más del doble de los 36.591 incendios detectados durante el mismo período en 2016.

Figura 1: Incendios detectados en Santa Cruz por satélites de la NASA, 2016-2019

Fuente: Cálculos de los autores basados en datos del sensor VIIRS de la NASA.

Por lo general, los incendios tienen lugar en tierras ya deforestadas, o muy cerca de tierras ya deforestadas, pero este año los incendios se han aventurado más lejos. En 2016, por ejemplo, sólo el 16% de todos los incendios en Santa Cruz tuvieron lugar a más de 1 kilómetro de áreas que ya estaban deforestadas a finales del año anterior. Pero en lo que va de 2019, el 37% de los incendios en Santa Cruz se han observado a más de 1 kilómetro de las zonas ya deforestadas (véase la Figura 2).

Figura 2: Ubicación de los incendios en Santa Cruz según distancia con áreas ya deforestadas, 2016-2019

Fuente: Cálculos de los autores basados en datos del sensor VIIRS de la NASA y del conjunto de datos Hansen Global Forest Change versión 1.5.

La quema de pastos naturales es una práctica antigua, que los ganaderos utilizan para fomentar el crecimiento de pasto fresco y tierno para el ganado. Sin embargo, tabulamos el número de incendios en Santa Cruz por la densidad de la cobertura arbórea en el año 2000 y encontramos que en lo que va del año, alrededor del 45% de los incendios han tenido lugar en zonas que solían tener una cobertura arbórea alta (61 – 90%) como el «Cerrado Chiquitano» y el «Cerrado Chaqueño»  y el 31% en zonas que solían tener una cobertura arbórea muy densa (91-100%), más similar al «Bosque Chiquitano».

Figura 3: Ubicación de los incendios bolivianos, 2016-2019, por cobertura arbórea del año 2000

Fuente: Cálculos de los autores basados en datos del sensor VIIRS de la NASA, y del conjunto de datos Hansen Global Forest Change versión 1.5, donde la cobertura arbórea corresponde al cierre del dosel de vegetación de más de 5 m.

Si bien puede haber algunos incendios causados por un accidente (como un cigarrillo en llamas o un incendio de campamento dejado por turistas irresponsables), es seguro suponer que los culpables más probables son los cientos de miles de agricultores que intencionalmente prenden fuegos a la vegetación cada año para prepararse para la próxima temporada agrícola. El espectacular aumento de los incendios durante este mes, sugiere que el Decreto Supremo y las oportunidades de exportación de carne a la China han alentado a los agricultores a deforestar de manera más agresiva este año.

Notas

(1) Excluimos todas las observaciones de baja confiabilidad del análisis, ya que estos podrían reflejar techos metálicos o  automóviles en vez de incendios.


* Lykke E. Andersen, Ph.D., Directora Ejecutiva de SDSN Bolivia.

** Juan Carlos Ledezma, Gerente Científico, Conservación Internacional Bolivia

***Eduardo Forno, Director Ejecutivo, Conservación Internacional Bolivia 

Los puntos de vista expresados en el blog son responsabilidad de los autores y no reflejan necesariamente la posición de su institución. Esta serie de artículos forma parte del proyecto titulado «Atlas Municipal de los ODS en Bolivia» que actualmente lleva a cabo la Red de Soluciones para el Desarrollo Sostenible (SDSN) en Bolivia.

Deforestación e incendios forestales en Bolivia

Cada año, hacia el final de la época seca, los agricultores bolivianos practican el llamado chaqueo que en líneas generales significa la quema de bosques y otra vegetación, con el fin de preparar el terreno para la siguiente temporada de siembra. La agricultura de roza, tumba y quema es una técnica de agricultura tradicional que involucra la tala de los árboles y otra vegetación en un área determinada. La vegetación diezmada se deja secar y se quema antes del inicio de la temporada de lluvias, resultando en una capa de cenizas rica en nutrientes que incrementa la fertilidad del suelo, a la vez que elimina temporalmente la maleza. Después de algunos años de cultivo, el contenido de nutrientes del suelo disminuye y la infestación de maleza incrementa, por lo que se deja descansar al terreno, donde luego crece un bosque secundario. Esta práctica funciona bien a escala pequeña, sin embargo, puede ser desastrosa si se aplica a gran escala, pudiendo ocasionar incendios forestales descontrolados de manera accidental.

Esto es lo que sucede en Bolivia en la actualidad. Incendios forestales están devastando más de 500.000 hectáreas en el departamento de Santa Cruz, razón por la cual el departamento ha declarado estado de emergencia debido a incendios forestales fuera de control. Particularmente afectados se encuentran los municipios de Roboré, El Trigal, Pampa Grande, San Ignacio de Velasco y San Rafael que también se declararon en estado de emergencia municipal.

Debido al clima seco y los fuertes vientos, los fuegos se expanden mucho más allá de las parcelas en las que se tenía pensado utilizar el fuego. Actualmente, asentamientos humanos y áreas protegidas también se ven afectadas por los incendios forestales, que a su vez sobrepasan la limitada capacidad  del Centro de Operaciones de Emergencia Departamental (COED).

Como vimos en repetidas ocasiones a través de los medios de comunicación internacionales, incluso los países más desarrollados que cuentan con mayores recursos, se enfrentan a una tarea imposible a la hora de apagar incendios forestales (1). Por ende, es poco realista esperar que unos pocos helicópteros bolivianos designados para ayudar a apagar el incendio, logren hacer una diferencia. De la misma manera, es difícil saber si el Supertanker Americano va a tener un efecto importante cuando ya se han perdido miles de hectáreas en más de una semana de incendios. Si el gobierno de Francia no pudo proteger su preciada catedral de Notre Dame en medio de una de las ciudades más equipadas del mundo, los tesoros naturales y el patrimonio cultural de la Chiquitanía se enfrentan a riesgos extremadamente altos.

Sin embargo, la situación actual no debería sorprender a nadie. Por décadas y cada vez con más intensidad, Bolivia ha estado quemando bosques con el fin de expandir sus fronteras agrícolas. Mientras que la selva amazónica intacta es bastante resistente al fuego, el bosque fragmentado en las zonas más áridas que bordean el bosque amazónico no tiene la misma garantía. Si intencionalmente se queman cientos de miles de hectáreas de bosques de transición, no solamente se emiten cantidades enormes de COa la atmósfera, sino que se destruye sistemáticamente el hábitat de la biodiversidad que allí reside. Además, como ha ocurrido con otros incendios en el mundo, es solo cuestión de tiempo antes de que los incendios salgan de control y causen pérdidas humanas, económicas y culturales enormes.

Ante esta situación surge la pregunta si el beneficio que la sociedad boliviana recibe de la soya y ganadería de Santa Cruz toma en cuenta los costos de la enorme pérdida de biodiversidad y servicios ambientales de los bosques. No solamente tendrían que ser suficientes para pagar los costos directos del alquiler del Supertanker, las incontables horas de vuelos de helicópteros, las cabezas de ganado perdidas, etc., pero también los costos indirectos que surgirán después de los incendios cuando vayamos a experimentar inundaciones y sequias más fuertes debido a la falta de cobertura boscosa para regular el ciclo hídrico.

Para reflejar esta amenaza, estamos incluyendo varios indicadores relacionados a la deforestación en nuestro Atlas Municipal de los ODS en Bolivia. Hemos actualizado todos los indicadores para incluir datos de 2018 que presentamos a continuación.

La Figura 1 muestra cómo en Bolivia la deforestación anual incrementó de un promedio de alrededor de 150.000 hectáreas por año durante los 1990s, a casi 300.000 hectáreas anuales entre 2016 y 2018. Estos son promedios que miden el nivel de deforestación a lo largo de varios años, ya que existe una variación aleatoria de año a año, mayormente debido a variaciones climáticas y a las dinámicas de uso de la tierra, opacando la tendencia general. Por ejemplo, el año 2016 muestra haber tenido los niveles más altos de deforestación en la historia de Bolivia, con más de 417,000 hectáreas deforestadas. Sin embargo, estos números cayeron a alrededor de 263,000 hectáreas en 2017 y a 215,000 en 2018. En 2019 se prevé un salto alto otra vez debido a los incendios forestales. Es por ello que creemos que el promedio de varios años nos permite tener una mejor idea de la tendencia general.

Figura 1: Deforestación promedio anual en Bolivia, 1990-2018 (hectáreas/año)

Fuente: Estimación de los autores, basada en las fuentes citadas al pie de página (2).

En el resto del artículo nos enfocaremos en los datos de los tres últimos años (promediando 2016, 2017 y 2018) y exploraremos a más detalle en qué municipios se registró deforestación recientemente.

Presentamos los datos en tres diferentes formas:

  1. Niveles absolutos de deforestación (hectáreas)
  2. Tasas de deforestación anual (porcentaje de bosque deforestado en 2015)
  3. Deforestación anual per cápita (m2/persona/año)

En cada uno de los casos presentamos a los 25 municipios con mayor deforestación entre 2016 y 2018.

La columna azul de la Tabla 1 muestra a los 25 municipios con los niveles más altos de deforestación en términos absolutos (hectáreas/año). Estos 25 municipios son responsables del 80% de la deforestación total en Bolivia entre 2016 y 2018. De estos, 16 están situados en el departamento de Santa Cruz, el resto comprende municipios en los siguientes departamentos: 4 en el Beni, 3 en La Paz, 1 en Cochabamba y 1 en Tarija.

La columna amarilla muestra los 25 municipios con las tasas más altas de deforestación (% del bosque existente en 2015). 23 de los 25 municipios con las tasas más altas de deforestación se sitúan en el departamento de Santa Cruz, mientras que los dos restantes se sitúan en los departamentos de Cochabamba y Pando.

Finalmente, la columna roja muestra los 25 municipios con la mayor tasa de deforestación per cápita (m2/persona/año). Nuevamente vemos que la mayoría de los municipios de esta lista se encuentran en el departamento de Santa Cruz, pero también hay algunos en Beni, Pando y La Paz.

Tabla 1: Los 25 municipios bolivianos con los niveles más altos de deforestación entre 2016 y 2018, de acuerdo a los tres indicadores de deforestación.

Fuente: Elaborado por los autores.

La Tabla 1 muestra tres diferentes formas de medir la intensidad de la deforestación. Altos niveles de deforestación en términos absolutos se pueden justificar si el municipio tiene una población numerosa. Sin embargo, si un municipio se encuentra en la lista de municipios que más deforestan en las tres columnas, ciertamente se considera que en aquel municipio la deforestación es alta desde cualquier punto de vista. Esto significa que en este tipo de municipios el impacto ambiental será grande en el corto plazo.

En total, 50 diferentes municipios figuran entre por lo menos una de las 3 listas en la Tabla 1.  Son 7 los municipios que figuran en las tres columnas, lo que implica que si se mide la deforestación desde todos los puntos de vista, estos son los 7 municipios que más deforestan en el territorio boliviano. Todos ellos se encuentran en el departamento de Santa Cruz y son los siguientes en orden de importancia:

  • San José de Chiquitos
  • Pailón
  • Santa Rosa de Sara
  • Cabezas
  • San Javier
  • Cuatro Cañadas
  • El Puente

El Mapa 1 muestra la cantidad de municipios y la dimensión en la que cada municipio en Bolivia logró figurar en una de las 3 listas de los municipios que más deforestan en el país. Cada dimensión se representa con uno de los colores primarios (azul, amarillo y rojo), pero si un municipio aparece en más de una de las columnas de la Tabla 1, se colorea en el color generado por la mezcla de los colores primarios que representan las listas en las cuales figura. Hay muchos municipios coloreados de violeta, lo que implica que figuran tanto en la lista roja (altos niveles de deforestación per cápita) como en la azul (altos niveles de deforestación absoluta). Los 7 municipios que figuran en las 3 columnas se colorean de negro.

Mapa 1: Los municipios que figuran en una o más de las tres listas de los municipios más deforestados, 2016-2018.

Fuente: Elaborado por los autores basado en información de la Tabla 1 arriba.

Tres de los municipios que actualmente se encuentran bajo estado de emergencia por los incendios forestales (Roboré, El Trigal y Pampa Grande) no figuran en ninguna de las 3 listas de los municipios más deforestados entre 2016 y 2018, sin embargo, colindan con algunos de los mayores deforestadores y desafortunadamente el fuego no respeta fronteras.

—————————————————-

*La Red de Soluciones para Desarrollo Sostenible – Bolivia

* Conservación Internacional – Bolivia

Los puntos de vista expresados en el blog son responsabilidad de los autores y no reflejan necesariamente la posición de sus instituciones. Esta serie de artículos forma parte del proyecto titulado «Atlas Municipal de los ODS en Bolivia» que actualmente lleva a cabo la Red de Soluciones para el Desarrollo Sostenible (SDSN) en Bolivia. 

——————————————————

(1) Por ejemplo, el año pasado el fuego de campo en California destruyó alrededor de 60.000 hectáreas. Como se dio en áreas densamente pobladas, fue el incendio más costoso (USD 16,5 mil millones) y mortal (al menos 86 personas murieron) en la historia de California. El mismo año, Columbia Británica en Canada, perdió más de 3 millones de hectáreas después de un incendio forestal, rompiendo el record del año previo cuando se perdieron 1,2 millones de hectáreas y forzó a 65 mil personas a desplazarse. Este año, al menos 3 millones de hectáreas de bosques se quemaron en la Siberia, causando altos niveles de emisión de CO2 con pocas pérdidas humanas.

(2) Fuentes de datos: Datos para el periodo 1990-2010, se recabaron de SERNAP & CI (2013) Deforestación y regeneración de bosques en Bolivia y en sus Áreas Protegidas Nacionales para los periodos 1990-2000 y 2000-2010. La Paz: Servicio Nacional de Áreas Protegidas, Museo de Historia Natural Noel Kempff Mercado y Conservación Internacional – Bolivia. Datos para el periodo 2011-2015, se recabaron del Ministerio de Medioambiente y Agua boliviano (Sala de Observación – OTCA, Dirección General de Desarrollo Forestal y Autoridad de Bosques y Tierras 2017). Finalmente, los datos para el periodo 2016-2018, se recabaron de Hansen Global Forest Change data set version 1.5.

Nota: Solo municipios con más de 0,1 km2 de bosques fueron incluidos en este análisis