Notas de prensa 03/04/2020 Opinión
Josep Maria Arauzo, catedrático del Departamento de Economía de la URV y Director del Centro de Investigación en Economía y Sostenibilidad (ECO-SOS)
Geografía de la COVID-19
La aplicación de medidas de autocorrelación espacial permiten observar la existencia de dos clústeres con alta concentración de positivos, además de la Conca de Òdena: uno en Sabadell y municipios adyacentes y el otro en Dosrius, Llinars del Vallès y Vallgorguina
La aplicación de medidas de autocorrelación espacial permiten observar la existencia de dos clústeres con alta concentración de positivos, además de la Conca de Òdena: uno en Sabadell y municipios adyacentes y el otro en Dosrius, Llinars del Vallès y Vallgorguina
Uno de los elementos a tener en cuenta con respecto a la COVID-19 es su incidencia geográfica desigual, dado que los número de casos positivos de esta enfermedad muestran unas pautas muy diferenciadas en función de las diferentes zonas del país. Observando el mapa con la tasa de positivos, se puede ver una marcada asimetría en la distribución por municipios del total acumulado de casos positivos durante el mes de marzo.
Así, mientras que en el 45% de los municipios no hay evidencia de casos positivos, con respecto a aquellos donde sí hay, las cifras son muy diversas, como los 0,4 casos por 1.000 habitantes en Reus, los 0, 6 en Tarragona o los 3,1 de Barcelona. Estas diferencias son lógicas si se tiene en cuenta el tamaño de los municipios y que un brote de unas decenas de casos en un ámbito muy concreto (como una residencia de ancianos, por ejemplo) no tiene la misma incidencia relativa en un municipio de 3.000 habitantes que en un de 50.000.
Ahora bien, lo que sí es más relevante son las pautas de clusterización del fenómeno en todo el país. Una herramienta para detectar posibles clústeres (es decir, lugares donde se concentran casos positivos por encima de lo esperado, asumiendo una distribución aleatoria del fenómeno) la dan las medidas de autocorrelación espacial. Este es un indicador que nos dice si el valor que toma una variable (en este caso la tasa de casos positivos de la COVID-19 por cada 1.000 habitantes) en un determinado lugar (es decir, un municipio) está relacionada o no con los valores que toma la variable en los territorios vecinos. Si calculamos el indicador de la I de Moran, es decir, la autocorrelación espacial de la tasa de casos positivos de COVID-19 por 1.000 habitantes para el conjunto de Cataluña, el valor que nos da es bastante bajo (0,09) , lo que indica que, en principio, los casos positivos reportados en cada municipio (medidos de forma relativa) no tienen mucho que ver con lo que pasa en los municipios de alrededor (ver la gráfica donde cada punto es un municipio). Si esta autocorrelación espacial existiera, el resultado de la I de Moran sería cercano a 1 y la pendiente se situaría en la diagonal principal.
Por lo tanto, parecería que no hay ningún tipo de fenómeno de clusterización, pero si indagamos un poco más utilizando estadísticos de autocorrelación espacial local (conocidos como LISA), estos nos muestran que sí se producen estos fenómenos. Concretamente, el mapa muestra el análisis de autocorrelación espacial local que hemos hecho con los datos de los positivos del mes de marzo.
Lo que muestra este mapa no es estrictamente la intensidad del fenómeno sino la interrelación espacial con los municipios de alrededor. En concreto, este mapa se puede leer de la siguiente manera: las zonas rojas indican zonas de contacto «high-high», en que municipios con niveles elevados de positivos para COVID-19 tienen vecinos también con niveles elevados; las zonas azul oscuro muestran municipios con valores bajos rodeados de valores bajos; las zonas azul cielo son aquellas con valores bajos rodeadas de valores altos y las zonas rosa las que tienen valores elevados rodeados de valores bajos. Finalmente, las zonas gris claro son aquellas en las que no existe esta vinculación espacial.
Este análisis es importante porque permite ver la existencia de tres zonas relevantes en términos de clusterización de casos del COVID-19 (es cierto que hay una cuarta, a la izquierda de la imagen, pero esta corresponde a núcleos de muy poca población). La primera, y ya conocida, es la de la Conca d’Òdena, con tasas de positivos bastante preocupantes, como las de Igualada (6,3 positivos por 1.000 habitantes) o de Igualada (6,8). La segunda es alrededor de Sabadell (4,2), con Cerdanyola del Vallès (3,2), Moncada i Reixach (3,0) y la Llagosta (2,4). Finalmente, la tercera y menos relevante acoge los municipios de Dosrius (1,2), Llinars del Vallès (2,1) y Vallgorguina (1,3). En cualquier caso, el problema con la segunda y la tercera zonas es que estas están muy próximas y las estimaciones que hemos realizado muestran pequeñas variaciones en función de las interacciones computacionales, por lo que es muy posible que estos dos clústeres se conecten.
Esta es un análisis, en síntesis, que simplemente pretende poner de manifiesto que es necesario que las administraciones públicas observen cuidadosamente qué pasa en el territorio en cuanto a la extensión de la COVID-19. Es evidente que las medidas de confinamiento social son uno de los principales instrumentos para luchar contra la propagación de la enfermedad, pero también lo es que hay que conocer con precisión cuál es esta extensión, y que en el caso de mercados laborales altamente integrados necesario limitar al máximo las interacciones potenciales, lo que supone extremar las medidas de confinamiento, a imagen de lo que se hizo en su momento en la Conca de Òdena. Es por ello que hay que evitar las políticas homogeneizadoras, las cuales son erróneas en un contexto en que la extensión del problema no es la misma en todas partes. Esta es una conclusión a la que han llegado buena parte de los gobiernos europeos y que les ha llevado a diseñar medidas de contención diferentes a cada uno de los territorios.