La efectividad de las medidas gubernamentales durante la pandemia

Los autores sintetizan los aportes de una investigación científica publicada en Social Science Quartely en la que analizan los efectos de diferentes tipos de medidas tomadas por los gobiernos latinoamericanos para frenar los nuevos contagios diarios.


Por María Celeste Ratto, Juan Martín Azerrat, Juan Manuel Cabrera y Daniela Zacharías


La pandemia de Covid-19 cambió la vida de la humanidad. Millones de muertes y contagios se extendieron rápidamente por todo el mundo. El desafío ha sido enorme, los gobiernos del globo han implementado una amplia gama de medidas para mitigar la pandemia del Coronavirus (SARS-CoV-2) y sus consecuencias en términos económicos y sociales.

Frente a este escenario hemos publicado un artículo científico en Social Science Quartely con el objetivo de analizar los efectos de diferentes tipos de medidas tomadas por los gobiernos latinoamericanos para frenar los nuevos contagios diarios. Analizamos el impacto de las medidas restrictivas (cierre de escuelas, trabajo de forma virtual, prohibición de reuniones, entre otras), el impacto de las medidas de acompañamiento económico (reducciones fiscales, ayudas económicas, etc.) y el impacto de las medidas de contención sanitarias (testeos, inversión en campañas de información, inversión en vacunas, etc.). Uno de los principales hallazgos tiene que ver con el impacto diferencial de las medidas restrictivas adoptadas en países pobres y en países ricos. El desarrollo económico tiene mucho que ver en cómo los países han podido afrontar esta pandemia. Los países analizados son Argentina, Bolivia, Chile, Colombia, Costa Rica, El Salvador, Guatemala, Honduras, México, Panamá, Perú, Paraguay, República Dominicana, Uruguay y Venezuela.


Base de datos y variación temporal

En nuestra investigación hemos utilizado principalmente dos bases de datos que tienen un amplio consenso científico a nivel global. La cantidad de nuevos contagios por día proviene de la base de datos de CSSR de Johns Hopkins University que posee información diaria de todos los países del mundo. Para la reconstrucción de las medidas de los gobiernos, hemos tomado de referencia la base de datos de Oxford Covid-19 Government Response Tracker (OxCGRT), ya que posee indicadores cuantitativos que estiman la fuerza y la duración de estas medidas. Adicionalmente, toda esta información fue cruzada con datos referentes a la densidad poblacional y al PBI per cápita (Producto Bruto Interno) de cada país para entender qué efectos podrían llegan a tener estas características al momento de evaluar la efectividad de las medidas tomadas por los gobiernos.  El período analizado ha sido desde el 28 de febrero hasta el 14 de septiembre del 2020.

Una aclaración metodológica importante es que para poder abordar mejor la gran variación respecto al momento en que los gobiernos fueron adoptando las medidas durante la primera ola de la Pandemia, hemos dividido el análisis en tres etapas: inicial, intermedia y tardía, que en el estudio representamos como fases 1, 2 y 3. estos períodos pueden observarse separados por líneas verticales en la Figura 1 que se presenta más abajo). Este abordaje nos evita caer en conclusiones erróneas. En la etapa inicial los gobiernos tomaron un conjunto de medidas rápidas de restricción (resumidas por los índices Strigency Index y Sanitary Containment Index); para la etapa intermedia prevalecieron las medidas de ayuda económica (Economic Support Index) y en algunos países disminuyeron las de restricción; finalmente, en la tercera etapa bajan significamente las medidas de restricción y se mantienen las económicas como muestran la Tabla 1 y la Tabla 2 del trabajo publicado.


La Pandemia en América Latina


El primer caso de coronavirus en la región fue registrado en Brasil el 26 de febrero de 2020. Para el 19 de marzo, había llegado a todos los países de Latinoamérica y para junio, América Latina se convirtió en el epicentro de la Pandemia. Los países de la región implementaron diferentes estrategias políticas para enfrentar esta situación. Los resultados obtenidos durante la gestión de la crisis también fueron muy diferentes como muestra la Figura 1. En algunos países las respuestas fueron laxas, mal coordinadas o demoradas y terminaron por tener un crecimiento exponencial del número de nuevos casos diarios (como Perú, Colombia y México). Otros países como Uruguay respondieron más rápido y coordinadamente y lograron mantener los niveles de contagios bajos. Mientras tanto, Argentina o Bolivia tomaron medidas inmediatas cuando se registraron los primeros casos de Covid-19 y pudieron mantener los contagios contenidos hasta por cuatro meses, después de lo cual, y quizás debido a la dificultad de sostener las medidas de restricción de movilidad, comenzaron a mostrar una mayor propagación de la enfermedad. Ahora bien, dadas las marcadas diferencias existentes entre los países latinoamericanos, es importante tener en cuenta factores sociodemográficos como la población de cada país.



Figura 1: Nuevos contagios diarios sobre la población (eje vertical) de 15 países de América Latina desde el día en que se registró el caso 100 


En la figura 1 se muestran distintas curvas, cada una corresponde a la evolución en el tiempo de casos nuevos diarios de COVID-19 para los distintos países estudiados divididos por la población de cada uno. Puede observarse que la mayoría de los países de América Latina que estudiamos tuvieron un primer pico entre los 50 y 150 días de comenzada la pandemia.


Los hallazgos más importantes

Entre los puntos más importantes de nuestros análisis, encontramos:

  • Las medidas de restricción fueron las más eficientes para controlar el número de nuevos contagios diarios. Con fuertes restricciones algunos países logran bajar sus contagios nuevos diarios a cero.
  • La implementación de diferentes grados de ayuda económica o medidas sanitarias pudieron tener algún impacto en el bienestar de la población, o ayudaron a sostener otro tipo de medidas, pero no tuvieron efectos directos en la cantidad de nuevos contagios diarios en el período analizado. 
  • Uno de los puntos más interesantes que encontramos en los modelos de simulación (Figura 2) fue que el efecto modelado de las medidas restrictivas se encuentra condicionado fuertemente por el bienestar de los países (representado por el PIB per cápita). Estudiamos el efecto de las medidas restrictivas sobre los nuevos contagios y determinamos que en los países pobres el número de contagios diarios es mucho mayor que el esperado para países ricos, sosteniendo el mismo nivel de medidas restrictivas (Stringency Index):


En la figura 2 que se muestra a continuación se presentan las simulaciones de la cantidad de nuevos casos diarios de COVID-19 para países ricos y países pobres (de acuerdo con el PIB per cápita). En las dos figuras superiores, se observa la progresión de nuevos contagios para países más pobres en las fases (phase) 2 y 3. Estas fases están marcadas por las líneas verticales en la figura 1 y también puede verse en qué situación se encontraban los distintos países. En los dos gráficos de abajo, se representan las simulaciones para los países más ricos. En cada gráfico individual pueden verse tres proyecciones, las curvas que están por encima, en todos los casos, corresponden al escenario con medidas restrictivas laxas, para las del medio se utilizaron escenarios con medidas intermedias y para las de abajo, valores mínimos (los más bajos observados para el conjunto de todos los países estudiados). Estas simulaciones se hicieron en base a los resultados obtenidos de aplicar un modelo estadístico a los datos (que puede verse en detalle en el artículo citado) y los resultados que se muestran corresponden a cómo hubiera sido la evolución de la cantidad de nuevos contagios diarios en países pobres y ricos, respectivamente, con fuertes, medias o mínimas medidas de restricción.





Figura 2: Modelos de simulación entre medidas de restricción y el PBI per cápita de los países.


Teniendo en cuenta que este trabajo se centró en el estudio de los países de América Latina, en donde la mayoría posee un nivel de desarrollo con ingresos medios bajos y con una parte significativa de su población viviendo en la pobreza, las simulaciones de diferentes escenarios nos permitieron evidenciar cómo el nivel de riqueza de un país condiciona la efectividad de las medidas de restricción en la reducción de los contagios. Las políticas públicas restrictivas orientadas a salvar vidas durante la pandemia tienen un impacto mayor y más efectivo si el país es rico, donde teóricamente se podrían reducir a cero los nuevos contagios diarios. Por el contrario, aunque los países pobres hubieran aplicado fuertes restricciones, la reducción de casos nunca desciende de aproximadamente 2000 nuevos contagios diarios en la Fase 2 y de 3000 en la Fase 3. Una diferencia enorme en comparación con los cero contagios de los países ricos, a iguales valores del índice de restricción. Si se suavizaran estas medidas, y considerando la Fase 3 como ejemplo, el efecto en los países más ricos implicaba pasar de cero a aproximadamente 5000 nuevos contagios diarios mientras que en los países pobres en el mejor escenario se pasa de 3000 a 10,000 nuevos contagios diarios. Tal diferencia puede implicar el colapso del sistema de salud, considerando que la cantidad de recursos materiales, de infraestructura y personal especializado es mayor en los países más ricos.

 

Sobre los autores

María Celeste Ratto. Investigadora en el Instituto en Diversidad Cultural y Procesos de Cambio (IIDyPCa)/Universidad Nacional de Río Negro (UNRN)/ Concejo Nacional de Investigaciones Científicas y Técnicas (CONICET) / San Carlos de Bariloche, Río Negro.

Juan Martín Azerrat. Licenciado en Administración Pública y Doctorando en C. Política (UNSAM). Becario CONICET - azerrat.martin@conicet.gov.ar- IIDyPCa (CONICET-UNRN), Área de Ambiente y Política (EPyG/UNSAM).

Juan Manuel Cabrera. Departamento de Química en Universidad Nacional del Comahue / San Carlos de Bariloche, Río Negro.

Daniela Zacharías. Departamento de Estadística en Universidad Nacional del Comahue / San Carlos de Bariloche, Río Negro.



Diarios Argentinos