Un año de contagio municipal por el SARS-CoV-2 en México: análisis jerárquico-espacial bayesiano

Autores/as

DOI:

https://doi.org/10.24201/es.2023v41n123.2300

Palabras clave:

COVID-19, POBREZA, DESIGUALDAD, Modelación bayesiana, Análisis espacial

Resumen

Este artículo complementa y profundiza los resultados de una investigación anterior sobre el papel que desempeña la estructura social en el volumen de contagios en los municipios del país. Se empleó información quincenal durante 12 meses en México a nivel municipal. El análisis utilizó primero un modelo jerárquico de secciones cruzadas y después se incorporó la proximidad geográfica en un modelo bayesiano para explicar la difusión de la covid-19. Los resultados permitieron inferir que la distribución espacial de los contagios estuvo condicionada por la distribución territorial de la población en los municipios, los intercambios sociales entre ellos, y por los niveles de pobreza y desigualdad municipales, y que dicho condicionamiento no depende de la intensidad de la pandemia.

Métricas

Cargando métricas ...

Biografía del autor/a

Héctor Nájera , UNAM, PUED

Es doctor en Política Social por la Universidad de Bristol en Reino Unido. Actualmente trabaja como investigador asociado C en el PUED-UNAM. Sus intereses son la medición y análisis de pobreza y desigualdad social a partir de métodos estadísticos avanzados clásicos y bayesianos.

Nájera, H., & Ortega-Avila, A. G. (2021). Health and Institutional Risk Factors of COVID-19 Mortality in Mexico, 2020. American journal of preventive medicine, 60(4), 471-477.

Nájera-Catalán, H. E. (2019). Reliability, population classification and weighting in multidimensional poverty measurement: A Monte Carlo study. Social indicators research, 142(3), 887-910.

Fernando Cortés, Programa Universitario de Estudios del Desarrollo, UNAM

Es doctor en Ciencias Sociales por el CIESAS, Occidente. Investigador del Programa Universitario de Estudios del Desarrollo y docente en la Especialidad de Desarrollo Social del Programa Único de Especialidades en Economía de la UNAM. Profesor Emérito de la Facultad Latinoamericana de Ciencias Sociales, Investigador Nacional Emérito del Sistema Nacional de Investigadores (SIN) de México, Profesor investigador de El Colegio de México.

Cortés, F., Vargas, D., & Valdés, S. (2020). Las relaciones sociales y la difusión del contagio municipal por el SARS-CoV-2 en México/Social relations and the spread of municipal contagion by SARS-CoV-2 in Mexico. EconomíaUNAM, 17(51), 418-436.

Cortés, F. (2018). Temas de política social de México y América Latina. El Colegio de México AC.

Delfino Vargas, Programa Universitario de Estudios del Desarrollo, UNAM

Es doctor en Sociología en la Universidad Estatal de Iowa. Sus intereses de investigación son el desarrollo de metodologías cuantitativas para la investigación social, desarrollo de índices de medición, instrumentos de medición, modelos de ecuaciones estructurales, modelos lineales jerárquicos (multiniveles), análisis de datos faltantes, y métodos avanzados para el análisis de datos longitudinales.

Denova-Gutiérrez, E., Vargas-Chanes, D., Hernández, S., Muñoz-Aguirre, P., Napier, D., & Barquera, S. (2020). Linking socioeconomic inequalities and type 2 diabetes through obesity and lifestyle factors among Mexican adults: a structural equations modelling approach. Salud Pública de México, 62(2, Mar-Abr), 192-202.

Vargas-Chanes, D., & González Nuñez, J. C. (2018). El efecto de las instituciones en el crecimiento económico de América Latina. Perfiles latinoamericanos, 26(51), 329-349.

 

 

Citas

Angel, S., & Blei, A. (2020). Covid-19 thrives in larger cities, not denser ones. Journal of Extreme Events, 7(04), 2150004. DOI: https://doi.org/10.1142/S2345737621500044

Austin, P.; Stryhn, H.; Leckie, G., & Merlo, J. (2017), Measures of clustering and heterogeneity in multilevel Poisson regression analyses of rates/count data, Wiley Statistics in Medicine, 37(04), 572-589 DOI: https://doi.org/10.1002/sim.7532

Anselin, L. (1995). Local indicators of spatial association-LISA. Geographical Analysis, 27(2), 93-115. DOI: https://doi.org/10.1111/j.1538-4632.1995.tb00338.x

Banerjee, S.; Carlin, B. P., & Gelfand, A. E. (2014). Hierarchical modeling and analysis for spatial data. CRC press. DOI: https://doi.org/10.1201/b17115

Berkman, L. F., & Kawachi, I. (2000). Social Epidemiology. United Kingdom: Oxford University Press. DOI: https://doi.org/10.1093/oso/9780195083316.001.0001

Bhadra, A.; Mukherjee, A., & Sarkar, K. (2021). Impact of population density on Covid-19 infected and mortality rate in India. Modeling Earth Systems and Environment, 7(1), 623-629. DOI: https://doi.org/10.1007/s40808-020-00984-7

Bürkner, P. C. (2017). brms: An R package for Bayesian multilevel models using Stan. Journal of Statistical Software, 80(1), 1-28. DOI: https://doi.org/10.18637/jss.v080.i01

Carpenter, B.; Gelman, A.; Hoffman, M. D.; Lee, D.; Goodrich, B.; Betancourt, M.; Brubaker, M.; Guo, J.; Li, P., & Riddell, A. (2017). Stan: a probabilistic programming language. Journal of Statistical Software, 76(1), 1-32. DOI: https://doi.org/10.18637/jss.v076.i01

Congdon, P. (2014). Applied bayesian modelling. John Wiley & Sons. DOI: https://doi.org/10.1002/9781118895047

Coşkun, H.; Yıldırım, N., & Gündüz, S. (2021). The spread of covid-19 virus through population density and wind in Turkey cities. Science of the Total Environment, 751, 141663. DOI: https://doi.org/10.1016/j.scitotenv.2020.141663

Cortés, F.; Nájera, H.; Vargas, D., & Valdés, S. (2020). Las relaciones sociales y la difusión del contagio municipal por el SARS-CoV-2 en México/Social relations and the spread of municipal contagion by SARS-CoV-2 in Mexico. EconomíaUNAM, 17(51), 418-436.

Fearon, E.; Buchanan, I. E.; Das, R.,; Davis, E. L.; Fyles, M.; Hall, I., & Hollingsworth, T. D. (2021). Aerosol generating procedures: Are they of relevance for transmission of SARS-CoV-2? The Lancet Respiratory Medicine, 9(7), 687-689. DOI: https://doi.org/10.1016/S2213-2600(21)00234-4

Freeman, L. C. (2012). El desarrollo del análisis de Redes Sociales. Bloomington: Palibrio.

Fotheringham, A. S.; Brunsdon, C., & Charlton, M. (2000). Quantitative Geography: Perspectives on spatial data analysis. Sage.

Gelfand, A. E.; Diggle, P.; Guttorp, P., & Fuentes, M. (eds.). (2010). Handbook of spatial statistics. CRC Press. DOI: https://doi.org/10.1201/9781420072884

Goldstein, H. (2003). Multilevel Statistical Models, Arnold: London.

Hox, J. (2002). Multilevel Analysis: Techniques and Applications. Lawrence Erlbaum: New Jersey. DOI: https://doi.org/10.4324/9781410604118

Kadi, N., & Khelfaoui, M. (2020). Population density, a factor in the spread of COVID-19 in Algeria: Statistic study. Bulletin of the National Research Centre, 44(1), 1-7. DOI: https://doi.org/10.1186/s42269-020-00393-x

King, G.; Rosen, O, & Tanner M. (2004). Information in ecological inference. En King, G.; Rosen O., & Tanner, M. (eds.), Ecological Inference: New Methodological Strategies. Cambridge University Press. DOI: https://doi.org/10.1017/CBO9780511510595

Kolaczyk, E. D., & Csárdi, G. (2014). Statistical analysis of network data with R. 2a. ed. Springer: San Francisco. DOI: https://doi.org/10.1007/978-1-4939-0983-4

Menéndez, L. S. (2003). Análisis de redes sociales: o cómo representar las estructuras sociales subyacentes. Apuntes de Ciencia y Tecnología, 7, 21-29.

Moosa, I. A., & Khatatbeh, I. N. (2021). Robust and fragile determinants of the infection and case fatality rates of Covid-19: International cross-sectional evidence. Applied Economics, 53(11), 1225-1234. DOI: https://doi.org/10.1080/00036846.2020.1827139

Nájera, H., & Ortega-Ávila, A. G. (2021). Health and Institutional Risk Factors of COVID-19 Mortality in Mexico, 2020. American Journal of Preventive Medicine, 60(4), 471-477. DOI: https://doi.org/10.1016/j.amepre.2020.10.015

Rabe-Hesketh, S., & Skrondal, A. (2012). Multilevel and Longitudinal Modeling Using Stata (3rd. ed.). College Station, Texas: Stata Press Publication.

Reuters (2021). Covid-19 tracker. Recuperado de https://graphics.reuters.com/world-coronavirus-tracker-and-maps/es/countries-and-territories/mexico/

Raudenbusch, S., & Bryk, A. (2002). Hierarchical Linear Models: Applications and Data Analysis Methods, 2 nd ed. Sage: California.

Secretaría de Salud (2022). Datos abiertos. Información referente a casos COVID-19 en México. Recuperado de https://www.gob.mx/salud/documentos/datos-abiertos-152127?idiom=es

Segurola, H.; Cárdenas, G., & Burgos, R. (2016). Nutrientes e inmunidad. Nutrición Clínica en Medicina, 10, 1-19.

Snidjer T.,& Bosker, R. (1999). Multilevel Analysis: An introduction to basic and advanced multilevel modelling. Sage Publication: London.

Stinchcombe, A. (1987). Constructing Social Theories. The University of Chicago.

Suárez Lastra M.; Valdés, C.; Galindo, M.; Salvador, L.; Ruiz, N.; Alcántara-Ayala, I; López, M; Rosales, A.; Lee, W.; Benítez, H.; Juárez, M.; Bringas, O.; Oropeza, O.; Peralta, A., & Garnica-Peña, R. (2020). Vulnerabilidad ante COVID-19 en México, Instituto de Geografía, Instituto de Geofísica, Facultad de Medicina, Facultad de Ciencias, Coordinación de la Investigación Científica, Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas, UNAM: México. DOI: https://doi.org/10.14350/rig.60140

Sy, K. T. L.; White, L. F., & Nichols, B. E. (2021). Population density and basic reproductive number of COVID-19 across United States counties. PloS ONE, 16(4), e0249271. DOI: https://doi.org/10.1371/journal.pone.0249271

Wong, D. W., & Li, Y. (2020). Spreading of COVID-19: Density matters. PloS ONE, 15(12), e0242398. DOI: https://doi.org/10.1371/journal.pone.0242398

Descargas

Publicado

2023-04-24

Cómo citar

Nájera , H., Cortés, F. ., & Vargas, D. (2023). Un año de contagio municipal por el SARS-CoV-2 en México: análisis jerárquico-espacial bayesiano. Estudios Sociológicos De El Colegio De México, 41(123), 629–666. https://doi.org/10.24201/es.2023v41n123.2300
Metrics
Vistas/Descargas
  • Resumen
    343
  • PDF
    311
  • XML
    9