Hacinamiento: la variable clave en la propagación del Covid-19 en el Gran Santiago

Por Amanda Telias Simunovic y Nincen Figueroa Urquiza

Fuente: CIPER Académico 17/10/2020

A mayor pobreza multidimensional (trabajo informal, malnutrición y baja escolaridad) mayor es el nivel de contagios por Covid-19 en algunas comunas del Gran Santiago, muestra esta columna. La variable clave parece ser el hacinamiento, el cual correlaciona positiva y significativamente con la tasa de contagios y de fallecidos, explican el autor y la autora.

¿Qué es lo que caracteriza a las comunas en las cuales el Covid-19 se ha diseminado más intensamente en la Región Metropolitana? Los datos muestran que uno de los factores relevantes es la situación de pobreza en su territorio. Pero la pobreza es una condición compleja, compuesta por distintos elementos y condiciones de vida. Para comprender más específicamente qué aspectos de la pobreza son los factores más determinantes, realizamos un análisis estadístico en el que cruzamos algunos de esos elementos con tasas de contagio y fallecimiento ocurridos en distintas comunas del Gran Santiago. Constatamos que una variable clave es el hacinamiento, la cual correlaciona positiva y significativamente con la tasa de contagio y con la tasa de fallecidos.

Para comprender la relación que existe entre tasas de contagio y fallecidos por Covid-19 con la tasa de pobreza en cada comuna, consideramos la pobreza multidimensional, la cual incorpora distintos aspectos del desarrollo humano: educación, salud, vivienda, trabajo, entre otros, pero distintos al ingreso. Son justamente las carencias en estas diversas dimensiones, y en muchas de ellas de manera simultánea, las que pueden hacer que catástrofes naturales y pandemias, como el COVID-19, pongan en mayor riesgo a un grupo de la población por sobre otro (Alkire et al. 2020; Barraza et al. 2020).

Consideramos la medición de pobreza multidimensional por comuna en 5 dimensiones (educación, salud, vivienda, trabajo y seguridad social, entorno y redes) y además miramos con detención otros 5 indicadores que teóricamente se vinculan con mayor vulnerabilidad ante el virus: escolaridad, malnutrición, seguridad social, hacinamiento y estado de la vivienda. Estos indicadores y los umbrales que definen carencia en cada uno de ellos provienen de la medida de pobreza multidimensional que fue incorporada por el Ministerio de Desarrollo Social y Familia desde 2015 (MDS, 2016), basado en el trabajo de Alkire y Foster (2009) y la Iniciativa de Oxford para el Desarrollo Humano y la Reducción de la Pobreza (OPHI) (Tabla 1).

Los mapas a continuación representan el cruce de la tasa de pobreza multidimensional por comuna con las tasas de contagios y de fallecidos cada 100 mil habitantes por comuna dentro de la Región Metropolitana[1]. Con el objetivo de comparar entre las comunas, estas tasas se clasifican tres grupos: bajas, medias o altas. Comunas con baja tasa de pobreza tienen entre 3.2% y 19.6% de su población viviendo en pobreza a partir de la información obtenida desde CASEN 2017. Comunas con tasa de pobreza media tienen entre 19,7% y 24,3% de su población viviendo en pobreza y comunas con tasa alta entre 24,4% y 41,7%. En relación con la tasa de contagios, comunas con baja tasa de contagios tienen entre 1.819 y 3.120 contagios cada 100 mil habitantes, comunas con tasa media entre 3.121 y 4.096 y comunas con tasa alta entre 4.097 y 6.282. Comunas con baja tasa de fallecidos tienen cifras entre 34 y 88 cada 100 mil habitantes, tasa media entre 89 y 135, y alta entre 136 y 219.

La siguiente figura combina la información de tasas de contagio cada 100 mil habitantes con la tasa de pobreza multidimensional por comuna, como lo indica la Tabla 2. Hay comunas como La Pintana, Quinta Normal, San Ramón, Peñalolén, Conchalí, Cerro Navia, Pedro Aguirre Cerda y Lo Espejo, que presentan una combinación de alta tasa de pobreza y alta tasa de contagios[2]. En el otro extremo, con baja tasa de pobreza y baja tasa de contagios, se encuentran las comunas de Vitacura, Las Condes, Providencia, Ñuñoa, La Reina, Maipú y Lo Barnechea, en el área metropolitana; y las comunas de Alhué, Calera de Tango, Til Til, fuera de esa área.

La Pintana, Quinta Normal, San Ramón, Peñalolén, Conchalí, Cerro Navia, Pedro Aguirre Cerda y Lo Espejo presentan una combinación de alta tasa de pobreza y alta tasa de contagios.

El gráfico de dispersión de la Figura 1 muestra la correlación positiva y significativa (0.34) entre tasa de contagio y tasa de pobreza multidimensional. Esto indica que aquellas comunas con una mayor tasa de pobreza multidimensional han mostrado, en promedio, una mayor tasa de contagio de los habitantes de su comuna, y viceversa, comunas con menor tasa de pobreza han tenido una menor tasa de contagio. La excepción a la regla son aquellas comunas fuera del área metropolitana, que suelen ser menos densas, las que, con alta tasa de pobreza, han tenido una baja tasa de contagio, como San Pedro, María Pinto, Isla de Maipo y Buin. El gráfico de dispersión de la Figura 2 muestra la correlación entre tasas de fallecidos y tasa de pobreza multidimensional, la cual es positiva pero no significativa (0.19).

Cuando desagregamos por indicadores de pobreza multidimensional, observamos que la mayoría de ellos se correlacionan de manera positiva y significativa con la tasa de contagio; y positiva pero no significativa con la tasa de fallecidos por comuna. La excepción es la variable hacinamiento de la vivienda, la cual correlaciona positiva y significativa con la tasa de contagio (0.53) y con la tasa de fallecidos (0.40). El foco lo pondremos, por tanto, en la correlación entre estos indicadores y la tasa de contagio por comuna, presentados en la Figura 3.

La carencia en el estado de la vivienda no correlaciona de manera significativa con la tasa de contagio (0.19), indicando que no es tan importante la precariedad de la materialidad de la vivienda sino más bien el nivel de hacinamiento presente en ella. El indicador de carencia en escolaridad muestra una correlación positiva y significativa (0.32) con la tasa de contagio, al igual que la carencia en el indicador de seguridad social, el cual correlaciona de manera positiva (0.27) con la tasa de contagio. La misma correlación positiva y significativa (0.30) se observa con la carencia en malnutrición en los niños/as.

A pesar de que estas correlaciones no indican causalidad entre tasa de pobreza y tasa de contagio, si muestran una asociación positiva entre estas variables y nos permiten identificar cuáles dimensiones de la pobreza podrían estar más relacionadas con una mayor probabilidad de contagio. La variable hacinamiento aparece como la que más correlaciona con tasa de contagio, debido a que la diseminación del virus se facilita cuando se comparten dormitorios y cuando es difícil aislar a un integrante del hogar que enferma. Tanto la carencia en el indicador de escolaridad como en seguridad social pueden relacionarse con una mayor exposición al virus. Hogares donde sus integrantes tienen trabajos informales o menores niveles de escolaridad, deben muchas veces, exponerse al virus saliendo a trabajar, a pesar de que las normas sanitarias lo prohíban, debido a que no cuentan con protección laboral o no pueden realizar teletrabajo. Por último, niños que presentan malnutrición enfrentan mayores riesgos frente a la enfermedad, ya sea por una desnutrición -sistemas inmunes más débiles- u obesidad -factor de riesgo-.

Muchos de estos factores de riesgo se superponen, aumentando aún más la vulnerabilidad de los hogares en pobreza frente al virus Covid-19. Considerar la pobreza en sus múltiples dimensiones es fundamental para formular respuestas efectivas a esta crisis sanitaria, pues permitirá, no solo controlar la propagación del virus, sino que también, proteger a los más afectados por la pandemia, la población que vive en pobreza.

NOTAS Y REFERENCIAS

Alkire, S. (2007). The missing dimensions of poverty data: Introduction to the special issue. Oxford development studies, 35(4), 347-359.

Alkire, S., & Foster, J. (2011). Counting and multidimensional poverty measurement. Journal of public economics, 95(7), 476-487.

Alkire, S., Dirksen, J., Nogales, R. y Oldiges, C. (2020). Multidimensional Poverty and COVID-19 Risk Factors: A Rapid Overview of Interlinked Deprivations across 5.7 Billion People’, OPHI Briefing 53. Oxford Poverty and Human Development Initiative, University of Oxford.

Barraza R., Barrientos R., Díaz X., Pleitez R., Tablas V. (2020). COVID-19 y vulnerabilidad: una mirada desde la pobreza multidimensional en El Salvador. SERIE DE DOCUMENTOS DE POLÍTICA PÚBLICA. PNUD LAC C19 PDS No. 12. PNUD oficina país El Salvador.

Ministerio de Desarrollo Social (2015): Nueva Metodología de Medición de la Pobreza por Ingresos y Multidimensional. Gobierno de Chile, Ministerio de Desarrollo Social: Serie Documentos Metodológicos Nº28, División Observatorio Social.

Ministerio de Desarrollo Social (MDS) (2016). Metodología de medición de pobreza multidimensional con entorno y redes. Serie Documentos Metodológicos Casen N° 32.

[1] La información para estimar la tasa de pobreza multidimensional comunal proviene de la encuesta CASEN 2017 (Ministerio de Desarrollo Social y Familia) y la información de las tasas de contagios y fallecidos cada 100 mil habitantes por comuna (caso total por comuna incremental, casos fallecidos por comuna) proviene de la Base de datos Ministerio de Ciencia, en base a Reporte Epidemiológico del Ministerio de Salud (DEIS, MINSAL) al día 9 de Octubre del 2020.

[2] Para visualizar el detalle por comuna ver el siguiente enlace.

Este artículo es parte del proyecto CIPER/Académico, una iniciativa de CIPER que busca ser un puente entre la academia y el debate público, cumpliendo con uno de los objetivos fundacionales que inspiran a nuestro medio.

CIPER/Académico es un espacio abierto a toda aquella investigación académica nacional e internacional que busca enriquecer la discusión sobre la realidad social y económica.

Hasta el momento, CIPER Académico recibe aportes de seis centros de estudios: el Centro de Estudios de Conflicto y Cohesión Social (COES), el Centro de Estudios Interculturales e Indígenas (CIIR), el Instituto Milenio Fundamentos de los Datos (IMFD), el Centro de Investigación en Comunicación, Literatura y Observación Social (CICLOS) de la Universidad Diego Portales, el Observatorio del Gasto Fiscal y el Instituto Milenio para la Investigación de la Depresión (MIDAP). Estos aportes no condicionan la libertad editorial de CIPER.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.