Imponiendo restricciones en la lucha contra el COVID-19: el caso de Bogotá

Keyword: 
Health
Topic: 
Education - Health


Esta entrada de Blog nace de un trabajo de tesis de Maestría en Economía de la Universidad del Rosario, destacado por su calidad científica. Agradecemos a Vox.LACEA por brindar este espacio a nuestros estudiantes.


Durante los dos últimos años hemos sido testigos de la mayor crisis de salud pública en cien años. Millones de personas perdieron la vida a causa de la propagación de un virus denominado SARS-Cov-2 y la enfermedad que éste provoca (COVID-19). Ante esta situación, los gobiernos de la mayor parte de los países –tanto de alto ingreso como medio y bajo– en el inicio de la pandemia optaron por adoptar una estrategia de reducción de la movilidad que permitiera reducir al máximo el contagio y propagación del virus. Los costos de esta implementación fueron altos en términos económicos (Padhan and Prabheesh, 2021; Baker et al., 2020), pero también en otros ámbitos como el de la salud mental (Hossain et al., 2020). Esto, unido a la posibilidad de que convivir con nuevos virus (como el Monkeypox, causante de la viruela del mono, actualmente catalogada como emergencia sanitaria mundial por la OMS) pueda ser una nueva normalidad, hace que comprender el funcionamiento de estas medidas y conocer bien su efecto sean fundamentales. ¿Consigue siempre el endurecimiento de los confinamientos reducir la propagación del virus?

En diciembre de 2019 saltó la alarma por un trabajador del mercado de Wuhan ingresado por una neumonía. Pruebas posteriores determinaron que esa neumonía estaba causada por un nuevo virus al que denominan SARS-Cov-2. Meses después, en marzo de 2020, en Italia, Alemania y Reino Unido la presencia de este virus crea una alarma sanitaria que se propaga rápidamente por los países de alto ingreso, provocando la necesidad de dar una respuesta inmediata. En este contexto, y tal y como mencionan Miguel y Mobarak (2021), los gobiernos de los países afectados –recordemos, los de alto ingreso– basaron su estrategia en un informe del Imperial College de Londres. En este informe se recomendaba seguir una estrategia de “aplanar la curva” para evitar las muertes evitables por excesos en la capacidad hospitalaria y para ello la mejor forma de actuar sería mediante la implementación de confinamientos. Los estudios de costo-beneficio en estos países avalaban esta teoría (Greenstone and Nigam, 2020). Ante esta situación y la urgencia en la toma de decisiones por parte de los gobiernos de los países de mediano y bajo ingreso, mayoritariamente se opta por importar esas medidas sin considerar que ciertas condiciones podrían variar con respecto al análisis de los países de la parte alta de la tabla del ingreso. Diferentes programas sociales, una estructura etaria más joven y una informalidad mucho mayor pueden provocar unos mayores costos sociales (Alfaro et al., 2020) y unos beneficios menores (Ma et al., 2021; Alon et al., 2020). Por otra parte, la capacidad que tiene el Estado para controlar las decisiones de la población puede diferir en función de su localización.  

Para ver el efecto de las restricciones de movilidad en la propagación del virus o en las muertes, sería necesario realizar un experimento, casi de laboratorio, que pudiera determinar si existe causalidad entre estas dos variables. Como tal experimento no sería aprobado por ningún comité de ética, este estudio utilizó una técnica cuasiexperimental que otorga unos resultados más fuertes que una simple correlación. Esta técnica se denomina diferencia-en-diferencias. Para ello, se tienen dos grupos, uno denominado de control y otro de tratamiento y se busca la diferencia en las medias. Sin embargo, una simple diferencia de medias obvia que ambos grupos podrían partir de una situación previa al tratamiento diferente, como es el caso, pues el grupo al que se le aplica el tratamiento es de esperar que tuviera una mayor tasa de mortalidad que al grupo que no. Por eso, esta metodología controla por esa diferencia previa y se la resta al resultado final, dando como resultado el efecto que se debe puramente al tratamiento. En este caso, la implementación de la restricción total a la movilidad. El principal supuesto que deben cumplir los datos en esta metodología es que, a pesar de que existan esas diferencias previas, el comportamiento de ambos grupos sea “paralelo”. A este supuesto se le designa como tendencias paralelas.

Aprovechando que en la ciudad de Bogotá se implementaron la cuarentenas por localidades (lo que permite tener grupos de tratamiento y de control al mismo tiempo), este estudio trata de estudiar el efecto que tuvieron esas restricciones de movilidad (confinamientos) en las muertes por cada 100.000 habitantes por COVID-19 en la ciudad. El periodo de estudio es del 3 al 23 de julio y tiene en cuenta los diez días previos a la cuarentena y los diez primeros días del primer grupo de la cuarentena. No obstante, como varias medidas ya estaban aplicándose a toda la ciudad –como el cierre de los colegios, el pico y placa o el uso del tapabocas–, la aplicación de esta metodología responde realmente a la pregunta de cuál es el efecto de incrementar la dureza de las medidas mediante la implementación de los confinamientos. 

La Ilustración 1 muestra el efecto por bi-día (i.e., grupos de dos días), ya que estimar el efecto para cada día puede generar ruido en la estimación. Utilizando una variable que aproxima cada muerte a la fecha de contagio, los puntos previos a la línea roja estiman el efecto previo a la aplicación de la cuarentena y los puntos posteriores a esa línea el efecto de la cuarentena. El primer grupo de puntos permite comprobar si el supuesto de tendencias paralelas se cumple y, efectivamente, estadísticamente no hay diferencias entre el grupo de control y el de tratamiento, como es de esperar dado que no se está aplicando ningún tratamiento diferente entre un grupo y otro. El segundo grupo de puntos, después de la línea roja, determina el efecto del tratamiento. Se ve que, a pesar de que existe una reducción en los primeros seis bi-días, de la cuarentena (el coeficiente está por debajo de cero), esa diferencia no es estadísticamente significativa (los intervalos son amplios y cruzan el cero).

Para comprender mejor el resultado, es necesario estudiar el efecto del tratamiento en el mecanismo que se esperaba que operara. La idea de “aplanar la curva” es reducir la movilidad para que la exposición de cada persona a otras personas disminuya, de esta forma se reduzca el contagio y, por ende, el número de muertes. Para ello, se utilizan dos medidas de movilidad, el uso del Transmilenio y los datos reportados por Facebook de movilidad de sus usuarios, cuyo alcance fue de una mediana de 2.786.268 personas que seguían una distribución por localidad muy similar a la del Censo 2018.

En la Ilustración 2, la que utiliza los datos de movilidad de Transmilenio, se puede observar que existió una reducción en el coeficiente estimado. Por otra parte, en la Ilustración 3 se observa cómo, a pesar de que la diferencia no es significativa, el coeficiente se torna positivo. Una posible interpretación a estos resultados es que la presencia de las autoridades en las estaciones de Transmilenio y la aplicación de comparendos pudo tener un efecto disuasorio en la utilización del transporte. Sin embargo, cuando las autoridades no están presentes (caso de la movilidad de Facebook), el efecto del confinamiento en la movilidad se diluye. 

Estos resultados ponen en énfasis que la aplicación de los confinamientos no siempre tiene la respuesta esperada. Es necesario hacer un análisis costo-beneficio por lugar de aplicación de la política pública, en vez de importar las políticas de otros países cuyas condiciones pudieran no ser las mismas. No obstante, estos resultados tienen una serie de limitaciones que hace que haya que tratarlos con prudencia: (1) la estimación de la fecha del contagio por parte de una persona que finalmente falleció puede tener presencia de ruido, (2) el confinamiento analizado se aplicó después de una cuarentena nacional y diferentes medidas (uso del tapabocas, pico y placa, cierre de las escuelas, …), por lo que pudiera existir la presencia de un “efecto desgaste”. Finalmente, (3) la muestra sobre la que realizó el estudio es pequeña (las 19 localidades urbanas de Bogotá).

En cualquier caso, estos resultados conllevan una serie de aprendizajes que es importante tener en cuenta: (a) la importación de políticas de países estructuralmente diferentes puede llevar a resultados diferentes y (b) es necesario establecer mecanismos para asegurarse del cumplimiento de estas políticas, ya que el costo de una implementación no eficaz es muy grande en términos tanto económicos como de salud mental. Siguiendo estos aprendizajes, una recomendación sería implementar los confinamientos a una menor escala (como ciertas zonas o Unidades de Planeamiento Zonal en el caso de Bogotá) de tal forma que se puedan utilizar recursos (como la presencia de las autoridades) para asegurar su cumplimiento mientras que la afectación económica es menor que en el cierre de la localidad entera.


Referencias:

Alfaro, L., Becerra, O., and Eslava, M. (2020). Emes and covid-19: shutting down in a world of informal and tiny firms. Technical report, National Bureau of Economic Research.

Alon, T., Kim, M., Lagakos, D., and VanVuren, M. (2020). How should policy responses to the covid-19 pandemic differ in the developing world? Technical report, National Bureau of Economic Research.

Baker, S. R., Farrokhnia, R., Meyer, S., Pagel, M., and Yannelis, C. (2020). How Does Household Spending Respond to an Epidemic? Consumption During the 2020 COVID- 19 Pandemic. NBER Working Papers 26949, National Bureau of Economic Research, Inc.

Greenstone, M. and Nigam, V. (2020). Does social distancing matter? University of Chicago, Becker Friedman Institute for Economics Working Paper, (26).

Hossain, M. M., Sultana, A., and Purohit, N. (2020). Mental health outcomes of quarantine and isolation for infection prevention: A systematic umbrella review of the global evidence. Available at SSRN 3561265.

Ma, L., Shapira, G., De Walque, D., Do, Q.-T., Friedman, J., and Levchenko, A. A. (2021). The intergenerational mortality tradeoff of covid-19 lockdown policies. Technical report, National Bureau of Economic Research.

Miguel, E. and Mobarak, A. M. (2021). The economics of the covid-19 pandemic in poor countries. Technical report, National Bureau of Economic Research.

Padhan, R. and Prabheesh, K. (2021). The economics of covid-19 pandemic: A survey. Economic Analysis and Policy, 70:220–237.

Share this