Notes de premsa 03/04/2020 Opinió
![](https://diaridigital.urv.cat/wp-content/uploads/2020/04/jmac-low-quality-150x150.jpg)
Josep Maria Arauzo, catedràtic del Departament d’Economia de la URV i Director del Centre de Recerca en Economia i Sostenibilitat (ECO-SOS)
Geografia de la COVID-19
L'aplicació de mesures d'autocorrelació espacial permeten observar l'existència de dos clústers amb una altra concentració de positius, a més de la Conca d'Òdena: un a Sabadell i municipis adjacents i l'altre a Dosrius, Llinars del Vallès i Vallgorguina
![](https://diaridigital.urv.cat/wp-content/uploads/2020/04/01-1024x724.jpg)
L'aplicació de mesures d'autocorrelació espacial permeten observar l'existència de dos clústers amb una altra concentració de positius, a més de la Conca d'Òdena: un a Sabadell i municipis adjacents i l'altre a Dosrius, Llinars del Vallès i Vallgorguina
Un dels elements que cal tenir en compte pel que fa a la COVID-19 és la seva incidència geogràfica desigual, atès que els nombre de casos positius d’aquesta malaltia mostren unes pautes molt diferenciades en funció de les diferents zones del país. Observant el mapa amb la taxa de positius, es pot veure una marcada asimetria en la distribució per municipis del total acumulat de casos positius durant el mes de març.
Així, mentre que en el 45% dels municipis no hi ha evidència de casos positius, pel que fa a aquells on sí n’hi ha les xifres són molt diverses, com ara els 0,4 casos per 1.000 habitants a Reus, els 0,6 a Tarragona o els 3,1 de Barcelona. Aquestes diferències són lògiques si es té en compte la mida dels municipis i que un brot d’unes desenes de casos en un àmbit molt concret (com una residència d’avis, per exemple) no té la mateixa incidència relativa en un municipi de 3.000 habitants que en un de 50.000.
Ara bé, el que sí és més rellevant són les pautes de clusterització del fenomen arreu del país. Una eina per detectar possibles clústers (és a dir, indrets on es concentren casos positius per sobre de l’esperat, tot assumint una distribució aleatòria del fenomen) la donen les mesures d’autocorrelació espacial. Aquest és un indicador que ens diu si el valor que pren una variable (en aquest cas la taxa de casos positius de la COVID-19 per cada 1.000 habitants) en un determinat indret (és a dir, un municipi) està relacionada o no amb els valors que pren la variable als territoris veïns. Si calculem l’indicador de la I de Moran, és a dir l’autocorrelació espacial de la taxa de casos positius de COVID-19 per 1.000 habitants per al conjunt de Catalunya, el valor que ens dóna és força baix (0,09), la qual cosa indica que, en principi, els casos positius reportats a cada municipi (mesurats de forma relativa) no tenen gaire cosa a veure amb el que passa als municipis del voltant (veure la gràfica on cada punt és un municipi). Si aquesta autocorrelació espacial existís, el resultat de la I de Moran seria proper a 1 i el pendent se situaria a la diagonal principal.
Per tant, semblaria que no hi ha cap mena de fenomen de clusterització, però si indaguem una mica més tot utilitzant estadístics d’autocorrelació espacial local (coneguts com a LISA), aquests ens mostren que sí que es produeixen aquests fenomens. Concretament, el mapa següent mostra l’anàlisi d’autocorrelació espacial local que hem fet amb les dades dels positius del mes de març.
El que mostra aquest mapa no és estrictament la intensitat del fenomen sinó la interrelació espacial amb els municipis del voltant. En concret, aquest mapa es pot llegir de la següent manera: les zones vermelles indiquen zones de contacte “high-high”, en què municipis amb nivells elevats de positius per COVID-19 tenen veïns també amb nivells elevats; les zones blau fosc mostren municipis amb valors baixos envoltats de valors baixos; les zones blau cel són aquelles amb valors baixos envoltades de valors alts i les zones rosa les que tenen valors elevats envoltats de valors baixos. Finalment, les zones gris clar són aquelles en què no existeix aquesta vinculació espacial.
Aquesta anàlisi és rellevant perquè permet veure l’existència de tres zones rellevants en termes de clusterització de casos del COVID-19 (és cert que n’hi ha una quarta, a l’esquerra de la imatge, però aquesta correspon a nuclis de molt poca població). La primera, i ja coneguda, és la de la Conca d’Òdena, amb taxes de positius força preocupants, com ara les d’Igualada (6,3 positius per 1.000 habitants) o Santa Margarida de Montbui (6,8). La segona és al voltant de Sabadell (4,2), amb Cerdanyola del Vallès (3,2), Montcada i Reixach (3,0) i la Llagosta (2,4). Finalment, la tercera i menys rellevant acull els municipis de Dosrius (1,2), Llinars del Vallès (2,1) i Vallgorguina (1,3). En qualsevol cas, el problema amb la segona i la tercera zones és que aquestes estan molt properes i les estimacions que hem realitzat mostren petites variacions en funció de les interaccions computacionals, de manera que és molt possible que aquests dos clústers es connectin.
Aquesta és una anàlisi, en síntesi, que simplement pretén posar de manifest que cal que les administracions públiques observin amb cura què passa al territori pel que fa a l’extensió de la COVID-19. És evident que les mesures de confinament social són un dels principals instruments per lluitar contra la propagació de la malaltia, però també ho és que cal conèixer amb precisió quina és aquesta extensió, i que en el cas de mercats laborals altament integrats cal limitar al màxim les interaccions potencials, la qual cosa suposa extremar les mesures de confinament, a imatge del que es va fer al seu moment a la Conca d’Òdena. És per això que cal evitar les polítiques homogeneïtzadores, les quals són errònies en un context en què l’extensió del problema no és la mateixa arreu. Aquesta és una conclusió a què han arribat bona part dels governs europeus i que els ha portat a dissenyar mesures de contenció diferents a cadascun dels territoris.