Los autores de la nota metodológica “La experiencia del trabajo con datos de movilidad para detectar desigualdades durante la pandemia de COVID-19” (1) desarrollan en su estudio una interesante metodología destinada a analizar las diferencias socioeconómicas en la movilidad de la población durante la sindemia de COVID-19 en España. A partir de los datos de movilidad registrados por el Instituto Nacional de Estadística antes, durante y después de la sindemia, basados en datos de telefonía móvil, así como del índice de privación socioeconómica creado por la Sociedad Española de Epidemiología en 2011, crean una metodología reproducible de gran aplicabilidad para analizar las asociaciónes existentes entre el nivel de privación y la movilidad geográfica, así como para identificar los posibles patrones espaciales relacionados, mediante diferentes mapas temáticos que resumen ambas variables simultáneamente de forma bivariada. Ejemplos de aplicabilidad de dicha metodología los podemos ver, tanto en la citada nota como en el artículo de los mismos autores “Social inequalities in mobility during and following the COVID-19 associated lockdown of the Madrid metropolitan area in Spain” (2). En dichos estudios, respectivamente, se detectan diferencias en los patrones rurales-urbanos de movilidad en el caso del Principado de Asturias, así como fuertes asociaciones entre la privación y la movilidad en la ciudad de Madrid en las diferentes fases de la sindemia, encontrando que los niveles de movilidad antes de la COVID-19 eran superiores en las zonas de menor privación, revirtiéndose esta situación durante la fase de confinamiento, donde la movilidad era sustancialmente mayor en las zonas más deprivadas e igualándose la movilidad entre grupos durante la reapertura.
Hasta que se alcance una amplia cobertura de vacunación mundial y se disponga de opciones terapéuticas eficaces, el control de la movilidad de la población ha sido una de las principales intervenciones utilizadas por los gobiernos estatales y locales para reducir la transmisión del virus, demostrando su efectividad en la disminución de las tasas de crecimiento de la COVID-19, así como su impacto en la reducción de la mortalidad (3).
Desde el inicio de la sindemia por COVID-19, diversos estudios han analizado la relación entre la movilidad de la población y factores socioeconómicos en diferentes países y áreas geográficas (4-6), detectándose en la mayoría de ellos, al igual que en los hallazgos descritos por los autores en Madrid, que la movilidad es mayor en las áreas de bajo nivel socioeconómico durante las fases de confinamiento de la población.
El confinamiento decretado en España durante el Estado de Alarma se tradujo en una movilidad urbana desigual dentro de las ciudades. Importantes sectores económicos considerados esenciales como la sanidad, el comercio, la limpieza, el transporte público u otros trabajadores manuales se vieron imposibilitados a poder trabajar desde casa, continuando expuestos a la transmisión del virus. Muchas de estas actividades consideradas esenciales para la economía son desempeñadas por inmigrantes, minorías o mujeres, con bajos salarios y frecuentemente con contratos temporales, es decir, por colectivos muy vulnerables de la población a los riesgos económicos y sanitarios que plantea la sindemia y muy a menudo residentes en las zonas de mayor privación socioeconómica. Por ello, sería interesante explorar, a través de la metodología propuesta, las posibles diferencias de género y procedencia en la movilidad, así como el tipo de movilidad o de transporte (público o privado) en cada uno de los grupos de privación.
En este contexto, los trabajadores de bajos ingresos han tenido que elegir entre quedarse en casa y perder sus ingresos o ir a trabajar y arriesgarse a exponerse al virus de la COVID-19, tanto ellos como sus hogares y familias. En numerosas ocasiones se han visto imposibilitados a quedarse en casa, debido a que no se podían permitir una disminución en sus ingresos. Los colectivos con bajos ingresos suelen disponer de pocos ahorros, por lo que la pérdida de ingresos podría conllevar otros riesgos para su salud y seguridad, como la falta de vivienda o la incapacidad para disponer de necesidades esenciales básicas. Otro factor importante a tener en cuenta es la economía sumergida, altamente influenciada por los efectos de la sindemia, de hecho, en España se estima que entre 2 y 4 millones de trabajadores informales han entrado en la pobreza durante el confinamiento por la COVID-19.
En términos generales, las personas con menos ingresos experimentan peores condiciones de salud preexistentes y poseen menos recursos a la hora de hacer frente a las crisis económicas y sanitarias, así como un peor acceso a los servicios de salud. En este escenario, y como parte de una respuesta más equitativa a la crisis ocasionada por la COVID-19, las autoridades competentes deberían haber implementado un mayor número de medidas destinadas a la protección de dichos colectivos vulnerables, tal y como la restricción de los desalojos, la prohibición de los cortes de servicios públicos, la facilitación del seguro de desempleo o la obligación de la baja por enfermedad remunerada. El componente espacial presente en la metodología descrita por los autores resulta de una gran utilidad práctica, ya que permite la identificación de las zonas más afectadas por la sindemia de COVID-19, debido a una mayor movilidad entre sus residentes y a un mayor nivel de privación socioeconómica, lo que hubiese permitido la priorización de recursos mediante la intensificación de las medidas a adoptar en las áreas más desfavorecidas.
Vanessa Santos Sánchez
Investigadora postdoctoral
Grupo de investigación en Epidemiología clínica y transformación social
Universidad de Huelva
Referencias
- Glodeanu A, Gullón P, Bilal U. La experiencia del trabajo con datos de movilidad para detectar desigualdades durante la pandemia de COVID-19. Gac Sanit. 2021. https://doi.org/10.1016/j.gaceta.2021.04.003
- Glodeanu A, Gullón P, Bilal U. Social inequalities in mobility during and following the COVID-19 associated lockdown of the Madrid metropolitan area in Spain. Health Place. 2021; 70:102580. https://dx.doi.org/10.1016/j.healthplace.2021.102580
- Flaxman S, Mishra S, Gandy A, et al. Estimating the effects of nonpharmaceutical interventions on COVID-19 in Europe. Nature. 2020; 584(7820):257-261. https://doi.org/10.1038/s41586-020-2405-7.
- Pullano G, Valdano E, Rubrichi S, et al. Evaluating the effect of demographic factors, socioeconomic factors, and risk aversion on mobility during the COVID-19 epidemic in France under lockdown: a population-based study. Lanced Digit Health. 2020; 2 (12):e638-e649. https://doi.org/10.1016/S2589-7500(20)30243-0
- Liu Y, Wang Z, Rader B, et al. Associations between changes in population mobility in response to the COVID-19 pandemic and socioeconomic factors at the city level in China and country level worldwide: a retrospective, observational study. Lancet Digit Health. 2021; 3(6):e349-e359. https://doi.org/10.1016/S2589-7500(21)00059-5
- Jay J, Bor J, Nsoesie EO, et al. Neighbourhood income and physical distancing during the COVID-19 pandemic in the United States. Nat Hum Behav. 2020; 4(12):1294-1302. https://doi.org/10.1038/s41562-020-00998-2