https://doi.org/10.29059/cienciauat.v18i1.1765
Impacto del COVID-19 en
la esperanza de vida en los municipios de los estados del noreste de México
COVID-19 impact on life expectancy among municipalities of
Northeastern states of Mexico
COVID-19 y esperanza de vida
Felipe Javier Uribe-Salas*, Gerardo
Núñez-Medina, Juan Parra-Ávila
*Correspondencia:
fjuribe@colef.mx/Fecha de recepción: 27 de septiembre de 2022/Fecha de
aceptación: 16 de julio de 2023/Fecha de publicación: 20 de julio de 2023.
El Colegio de la Frontera Norte, Sede Piedras
Negras, calle Jalisco núm. 1505, colonia Nísperos, Piedras Negras, Coahuila,
México, C. P. 26020.
Resumen
La mortalidad causada por COVID-19 en México se ha
situado entre las más altas del mundo, por lo que es de interés epidemiológico
estudiar su impacto respecto a la esperanza de vida (EV). El objetivo del
presente trabajo fue analizar el impacto
de la pandemia por COVID-19 en la esperanza
de vida, comparando datos de 2019 y 2020, y evaluando su efecto por densidad
poblacional de los municipios de los estados del noreste de México. La información sobre mortalidad para 2019
y 2020 se obtuvo de la Secretaría de Salud, y la demográfica del Consejo
Nacional de Población. Se
construyeron tablas de vida mediante el
método actuarial estándar; se calcularon
percentiles ≤ 25 y ≥ 75 de la diferencia en la EV; se evaluó la relación
entre el tamaño de la población de los
municipios y la magnitud de la diferencia en la pérdida de años en la EV. La
pandemia por COVID-19 impactó en la EV en los estados del noreste de México, con
gran heterogeneidad al interior en cada uno de ellos. La pérdida en años
en promedio fue, para Coahuila de 5.4, Nuevo León 4.1 y Tamaulipas 4.9. Los municipios del percentil ≥ 75 mostraron una
pérdida promedio de 9.2 años y los del percentil ≤ 25 de -0.35 años. La diferencia en la pérdida en años de EV, entre
2019 y 2020, se vio influenciada por el tamaño de la población, tendiendo a ser
mayor en aquellos con mayor densidad demográfica, sin ser el único factor
determinante.
Palabras clave: COVID-19, mortalidad, esperanza de vida, municipios,
noreste de México.
Abstract
COVID-19 mortality in Mexico is
among the highest in the world. Therefore, it is of epidemiologic interest to study its impact on life expectancy. The aim of the present paper was to
analyze the impact of the COVID-19 pandemic on life expectancy through a
comparison of data from 2019 and 2020. Specifically, the effect of population density
in municipalities of Northeastern Mexican
states. Information regarding 2019 and
2020 mortality rates for was obtained from the Ministry of Health, and demographics from the National Population Council. Life
tables were constructed using the standard actuarial method. Percentiles ≤ 25 and ≥ 75 of the difference in life expectancy in the period were calculated. The relationship between the size of the population of the municipalities
and the magnitude of the difference in life expectancy loss of years was evaluated. COVID-19 pandemic impacted on life expectancy
with great heterogeneity in each of the northeastern states of Mexico. The loss
in years in average life expectancy was 5.4 for Coahuila, 4.1 for Nuevo Leon
and 4.9 for Tamaulipas. Municipalities above the ≥ 75th percentile showed an
average loss of 9.2 years. Those in the lower than
≤ 25th percentile showed a decrease, of -0.35
years. The difference in the loss of life expectancy during 2019 and
2020 was influenced by population size, tending to be greater in those
municipalities with higher population density, but was not the only determining
factor.
Keywords: COVID-19, mortality, life expectancy,
municipalities, Northeastern Mexico.
INTRODUCCIÓN
La
pandemia por COVID-19 inició en Wuham, China, hacia
finales de 2019, de acuerdo con la Organización Mundial de la Salud (WHO, por
sus siglas en inglés: World Health
Organization) (WHO, 2020). Se indicó desde el inicio
que la primera línea de respuesta epidemiológica ante tal contingencia era la
estimación de los principales parámetros del fenómeno, los cuales incluyen las
tasas de mortalidad y de letalidad, así como la estimación del número reproductivo de la infección, a fin de
monitorear y predecir el curso de la pandemia
(Leon y col., 2020). En el caso del impacto de
la mortalidad por COVID-19, se han publicado las tasas crudas de mortalidad
(Rojo-del-Moral, 2022), pero para estimar su comportamiento, se debe realizar
una estandarización por edad y también calcular su impacto en la esperanza de
vida (EV). La esperanza de vida al nacer se define como el “número de años que
se espera que un recién nacido pudiera vivir, si en el transcurso de su vida
estuviera expuesto a las tasas de mortalidad específicas por edad y sexo
prevalentes al momento de su nacimiento, para
un año específico, en un determinado país, territorio o área geográfica” (OPS, 2015: 4).
Un
estudio realizado por McCartney y col. (2021), en Inglaterra, estimó que, en
una población sin medidas de mitigación contra la pandemia, como el
distanciamiento social, el lavado de manos,
el uso de cubrebocas, el control en el acceso a lugares cerrados, se
tuvo una tasa ajustada de mortalidad de 903 por
100 000 habitantes contra 35 muertes por el mismo denominador, en una
población con medidas completas de mitigación. Asimismo, la EV en población sin
mitigación tuvo una caída de 5.96 años contra una caída de 0.33 años en la
población con mitigación. Es decir, las
medidas completas de mitigación contra la pandemia, a nivel poblacional,
tienen gran impacto en la reducción de la mortalidad y en el impacto sobre la
EV.
La
evolución espacio-temporal de las tasas específicas de
mortalidad por COVID-19, dibuja el efecto de las defunciones en la estructura
por edad y sexo de la población y en la EV al
nacer. Así, mientras que las tasas específicas de mortalidad por
COVID-19 capturan el impacto de la mortalidad en un periodo espacial y temporal definido para una determinada población, la esperanza de vida resume el número medio de años que se espera sobrevivan
las diferentes cohortes que conforman la población, siempre que las causas de
muerte permanezcan invariantes, de acuerdo con la Organización Panamericana de
la Salud (OPS, 2015). De manera que al mejorar (o empeorar) las condiciones de
salud de una población, la EV se modificará
(Cutler y col., 2006) eventualmente (Raleigh, 2019).
La EV se
utiliza como un indicador que resume diferentes logros alcanzados por el
desempeño de los sistemas de salud, la educación y la economía, y busca dar un
panorama multidimensional del nivel de
desarrollo de un país (PNUD, 2015).
Sin embargo, diferentes contingencias, como las guerras, los suicidios,
el uso de drogas o las pandemias, modifican las condiciones de mortalidad presentes
en una sociedad y con ello impactan la EV,
como lo ha hecho actualmente la pandemia por COVID-19 (Islam y col., 2021; Lima y col., 2021).
La quinta
curva de la pandemia por COVID-19 tuvo su
ápice el 14 de julio de 2022 con 37 346 casos registrados durante ese
día y, para el 24 de agosto, México se colocaba en el 18º lugar por el número
de casos con 6 986 328, en 5º lugar por el número de muertes con 329 174, y en
el lugar 33º por el número de defunciones
por millón de habitantes con 2 497 (Worldometer, 2022), indicando que su tasa cruda de mortalidad fue una de las
más altas del mundo.
La EV en
México sufrió una importante pérdida de años debido al impacto de la pandemia por COVID-19, con grandes variaciones por entidad federativa. Los estados fronterizos
del norte destacaron por sus pérdidas (García-Guerrero
y Beltrán-Sánchez, 2021). También se han reportado fuertes variaciones entre
municipios al interior de las entidades federativas en tasas de letalidad por
COVID-19 (Núñez-Medina, 2021). Pero no se estableció si el impacto de la
pandemia por COVID-19 presentó efectos diferenciales en la EV entre municipios
según el tamaño de su población. Es por ello, que es fundamental analizar el impacto
de la pandemia por COVID-19 sobre la EV en
diferentes niveles de agregación geográfica y poblacional.
El
presente trabajo tuvo por objetivo analizar el impacto de la pandemia por
COVID-19 en la esperanza de vida (EV), comparando datos del año 2019 (cuando
aún no se había presentado la pandemia de COVID-19) y del 2020 (tiempo de
pandemia), y evaluando su efecto por densidad poblacional de los municipios de
los estados del noreste de México.
MATERIALES Y MÉTODOS
Metodología
La EV se
calculó mediante la información recabada sobre el total de defunciones
generales registradas sin COVID-19 para el año de 2019 y con COVID-19 para el
año 2020, provenientes de la Secretaría de Salud (SS, 2020). La información
demográfica empleada para la estimación del
denominador, es decir, de la población expuesta en riesgo a mitad del
año, por estado y municipio, así como su distribución por edad, fue obtenida de
las proyecciones de la población elaboradas por el Consejo Nacional de
Población (CONAPO, 2018). Se utilizó la información para los estados de:
Coahuila, Nuevo León y Tamaulipas, que conforman la región noreste de México.
La
construcción de las tablas de vida se hizo siguiendo el método actuarial
estándar (Arias, 2004). Se inició con el
establecimiento de los intervalos de
edad (x, x+1), mientras que los valores qx representan la probabilidad
de muerte a edad x, es decir, en el intervalo (x, x+1).
Si se
supone una cohorte inicial hipotética lx de 100 000 personas (radix), la tabla de vida calcula el número de sobrevivientes
(lx+1) de la cohorte original al inicio del intervalo de edad, como la
diferencia entre los sobrevivientes a edad x menos el número de personas
muertas (dx) para los sucesivos intervalos de
edad.
Se
obtiene el tiempo persona vivido (Lx) de la cohorte dentro de un intervalo de edad x a x+1 y
luego, se obtiene el total de años persona vividos (Tx)
después de iniciado el intervalo x a x+l
de la cohorte original.
La
esperanza de vida al nacimiento (ex) se obtiene dividiendo el total de años persona vividos por encima de
la edad x, entre el número total de
personas que sobrevivieron hasta ese intervalo de edad (Tx/lx) (Arias, 2004).
El análisis actuarial se llevó a cabo utilizando la
función lifetable perteneciente al paquete demography (Hyndman y
col., 2019), disponible en lenguaje de programación R (Team
R Core, 2016). Este procedimiento se realizó para estimar la esperanza de vida
de la población general de los estados del noreste y de sus municipios.
Se
analizó la distribución de la diferencia de EV
entre 2019 y 2020 por municipio. Para ello
se estimaron las medidas de tendencia central
y dispersión, así como los percentiles ≤ 25 y ≥ 75. Los municipios
situados en el percentil ≥ 75 tendrían los
resultados más altos en la diferencia de EV y los situados en el percentil ≤ 25, tendrían las diferencias menores.
Para ambos grupos de municipios se construyeron tablas para describir el tamaño
de la población por municipio, la EV para
2019 y 2020 y la diferencia entre los dos años.
Se
calculó el coeficiente de correlación entre la diferencia de EV y el tamaño
poblacional del total de los municipios de los estados del noreste de México, a
partir de lo cual se construyeron categorías por tamaño de población, las mismas comprenden: (1) menor de 2 500 habitantes
(2) de 2 500 a 15 000, (3) de 15 001 a 100 000 y (4) mayor de 100 000 habitantes, de acuerdo con el Consejo Nacional de Evaluación de la Política Pública de Desarrollo Social (CONEVAL, 2019). La diferencia en EV entre 2019 y 2020 fue clasificada en 5
grupos, 1) sin pérdida de años en la EV, y en
cuartiles, 2) con pérdida de 0.01 a 3.05 años, 3) pérdida de 3.06 a 5.6
años, 4) pérdida de 5.7 a 8.4, y 5) y pérdida de más de 8.4 años. Esta
estrategia fue utilizada para transformar una
variable cuantitativa continua en una cualitativa ordinal a fin de hacer grupos comparables, es decir, la
primera categoría agrupa a los municipios que
no tuvieron pérdidas en años en la
EV, para luego establecer categorías según cuartiles de la distribución
de la variable.
Se
graficó la distribución de las dos variables para responder a la pregunta de si
existía relación entre el tamaño de la población de los municipios y la
diferencia en la EV en años entre 2019 y 2020. Asimismo, se realizó la prueba de correlación no paramétrica de Spearman,
entre el tamaño de la población de todos los municipios y la diferencia en la
EV entre 2019 y 2020, en forma global en los estados y dentro de cada estado.
Se consideró que un valor de 0 a 0.20 indicaría la ausencia de correlación, ≥ 0.20 débil, ≥ 0.50 moderada, ≥ 0.80 buena
y 1 perfecta (Roy-García y col., 2019). Finalmente, se representó en un mapa la
distribución de la diferencia en la EV por municipio en los estados bajo
estudio y un mapa que muestra los
conglomerados que se formaron entre los municipios con mayor pérdida de años de la EV y los que
presentaron las menores magnitudes en dicho parámetro.
RESULTADOS
El
impacto de la pandemia por COVID-19, en los estados del noreste de México,
mostró un importante descenso en la EV de 4.7 años. En el estado de
Coahuila se registró una pérdida de 5.4 años, en tanto que en los estados de Nuevo León y Tamaulipas fueron de 4.1
años y 4.9 años, respectivamente. En la Tabla 1 se muestran esas diferencias a nivel municipal a partir del
percentil 75. En general, el rango de pérdida
de la EV estuvo entre 7.7 y 12.5 años. Puede verse que, para Coahuila,
si bien las mayores pérdidas en años de EV predominaron en municipios con mayor tamaño de población, también figuraron tres municipios con una población de 24 759 habitantes a 42
260 habitantes.
En Nuevo
León, el único municipio con un tamaño alto de población que presentó un
descenso importante de su EV fue Santa Catarina
con 306 322 habitantes. El resto de municipios que registraron pérdidas en la EV tuvieron poblaciones menores a
41 000 habitantes. En el caso de Tamaulipas,
municipios con tamaños altos de población, con más de 130 000
habitantes, como Reynosa, Nuevo Laredo, Altamira, Tampico y Río Bravo fueron los que presentaron también las mayores
pérdidas de EV. Sin embargo, los municipios de Padilla con 13 618 habitantes y
Palmillas con 1 917 habitantes tuvieron las
pérdidas de EV más altas, 12.5 y 12.4 años, respectivamente.
La Tabla 2 muestra los municipios seleccionados del
percentil ≤ 25, que representan a los
municipios que alcanzaron las menores caídas en años de EV. En general,
el rango de pérdida de la EV fue ≤ 2.51 años. Coahuila tuvo el menor número de
municipios en esta clasificación, donde su población no supera los 6 744
habitantes. Las caídas en años de EV para ese estado fueron pequeñas, con un
rango entre 0.74 y 2.42 años, sin embargo, se presentan algunos municipios con valores negativos, lo que implica que
dichos municipios lograron alguna modesta
ganancia en años de EV, a pesar de la presencia de pandemia de COVID-19.
Dicha tendencia, se observó también
en los estados de Nuevo León y Tamaulipas,
donde además de que se registró ganancia en años de EV, las caídas se ubicaron
en un rango de 0.01 a 2.51 y de 0.36 a
2.51, respectivamente.
Los municipios de Nuevo León y Tamaulipas que alcanzaron
un percentil ≤ 0.25, presentaron poblaciones pequeñas, hasta de 46 784
habitantes y 41 470 habitantes, respectivamente. En los tres estados, el comportamiento
entre 2019 y 2020 fue de pérdidas pequeñas
en años de EV, e incluso se observan algunas ganancias.
La Figura
1 muestra la dispersión de puntos de la correlación entre los municipios según
su población y la pérdida en años en la EV. En la Figura 2, se observa una
tendencia según la magnitud de la pérdida de EV, asignada por categorías. En
los municipios con menor población, se
presentó con mayor frecuencia ausencia
de pérdida de EV. Esta tendencia se invirtió conforme se incrementaron
las categorías de pérdida en años de la EV. Así,
en la categoría de pérdidas más altas (más de 8.36 años), predominaron
proporcionalmente los municipios con mayor
población. Los coeficientes de
correlación de la diferencia en la EV entre 2019 y 2020 y el tamaño de la población de los municipios, mostraron
variaciones importantes. El coeficiente de correlación global, incluyendo los
municipios de los estados evaluados, fue de 0.372 (P < 0.001), que se considera débil pero significativo.
En los 3 estados, individualmente, se
obtuvieron asociaciones significativas, por
ejemplo, en Coahuila fue de 0.64 (P
< 0.001), que se considera moderada; mientras que Nuevo León tuvo un
coeficiente de 0.28 (P < 0.05) y Tamaulipas de 0.34 (P < 0.05), en ambos
casos con asociaciones débiles.
En la
Figura 3 se muestra la distribución geográfica
de los 3 estados y se destaca la magnitud
de pérdida en años de la EV. Aunque no
se tuvo un patrón evidente de distribución,
puede observarse que tampoco fue totalmente aleatoria, ya que se presentan algunos conglomerados entre municipios con la
máxima pérdida en años de EV y aquellos que presentaron mínima o nula pérdida en años de la EV (Figura 4). Sin embargo, destacan tendencias como las de
la zona conurbada del sur de Tamaulipas, constituida por Altamira-Tampico-Ciudad Madero, de las que los dos primeros municipios tuvieron ≥ 7.8 años
de pérdida de la EV, en tanto que el tercero presentó una magnitud por debajo de ese valor (Tabla 3; donde se reportó
un rango de pérdida en años de la EV
entre 2.5 y 7.6 años); o la del municipio de
Gustavo Díaz Ordaz, en el norte de la misma entidad, con comportamiento
similar, ya que presenta una magnitud menor a la del conglomerado formado por municipios que lo rodean, de Nuevo
León (General Bravo) y Tamaulipas (Camargo y Reynosa). Otro conglomerado interesante es el que se observa con el
municipio de Marín, en Nuevo León, el
cual colinda con 3 municipios que presentaron una magnitud de pérdida de
EV ≥ 7.8 (Figura 4), sin que eso impactase a su población (Tabla 2).
DISCUSIÓN
El efecto
de la pandemia por COVID-19 en la pérdida
de la EV en años entre 2019 y 2020, para
los estados de Coahuila, Nuevo León y Tamaulipas,
México, fue alto (4.8 años en promedio), considerando lo breve del
periodo de estudio (2019 - 2020), lo que concuerda con los resultados de un estudio que analizó la mortalidad por
COVID-19 entre 2020 y 2021, y que reportó razones de exceso de
mortalidad de 2.26, 1.65 y 2.35, para los
respectivos estados (Wang y col., 2022). Por otra parte, una investigación
mostró la distribución de la pérdida de años de EV por COVID-19 en estos 3 estados, estratificando por sexo, y encontró una pérdida en años para
mujeres de 3.7, 2.7 y 3.2 y para hombres de
4, 3.6 y 3.4, para Coahuila, Nuevo León y Tamaulipas, respectivamente
(García-Guerrero y Beltrán-Sánchez, 2021).
En los
estudios que analizaron los efectos del COVID-19 en la EV es importante
contrastar los datos antes de la pandemia con los
datos después de que ésta había afectado a la población (Trias-Llimós y col., 2020; Yadav y col., 2021; Andrasfay y Goldman, 2022; Mena
y Aburto, 2022). La importancia particular en el presente estudio,
es el análisis detallado a nivel municipal en los estados del noreste de México
de la pérdida en años de la EV, comparando
los datos de mortalidad de 2019 y 2020.
Los
resultados de este estudio sugieren también que el tamaño de la población
afectó la EV, lo que podría estar asociado
con la magnitud de las tasas de mortalidad. Al respecto,
Hernández-Bringas (2020) encontró tasas de mortalidad de 58.2, 27.9 y 19.1 por
cada 100 000 habitantes, para población urbana (≥ 100 000 habitantes),
semiurbana (entre 20 000 y 99 999 habitantes) y no urbana (< 20 000
habitantes), respectivamente. En el caso de
la EV, en este trabajo, la relación lineal existente entre el tamaño de la
población de los municipios y la magnitud de diferencia en años de la
pérdida de la EV (Figura 1), así como la
tendencia observada al estratificar a
los municipios por tamaño de la población y por categorías de la distribución
de la pérdida de la EV en años (Figura 2) indican que, los municipios con menor
población se representan en mayor proporción en las categorías más bajas de la
pérdida de la EV en años, mientras que ocurre lo contrario para los municipios
con mayor población. El comportamiento observado, sobre todo en Nuevo León, respecto a que localidades
poco pobladas perdieron muchos años de EV (Tabla 1), señala que la densidad poblacional
fue un factor importante, pero no determinante para este parámetro. En contraste, se presentaron municipios con valores
positivos en la pérdida en años de la EV, lo cual debe interpretarse con cuidado,
dado que como se ha señalado, se trata de municipios con poblaciones pequeñas o
moderadas, por lo que el indicador puede
verse afectado por variaciones en el denominador producto, por ejemplo, de la
presencia o ausencia de importantes flujos migratorios. Puede verse que estos
municipios tienen poblaciones cuyo rango varía de entre los 1 022 a 6 744 habitantes en Coahuila, 1 808 a 46 784 en Nuevo León y
de 2 048 a 23 673 en Tamaulipas (Tabla 2).
A nivel
internacional no se localizaron trabajos que estudiaran la distribución del
impacto de la pandemia por COVID-19 en la EV según
el tamaño de la población a nivel de municipios, pero se ha documentado,
al igual que en México, que las zonas urbanas fueron más afectadas en la EV que las zonas rurales (Mena y Aburto,
2022). Otros reportes muestran diferencias en la EV entre países (Aburto y
col., 2022) o por estados en la Unión Americana con disparidades por etnia y
raza (Xu y col., 2021). En la ciudad de Nueva York se detectaron diferencias en el
número de años de vida potencialmente perdidos
(AVPP) por distritos, donde el más afectado fue Bronx con un índice de 16, que contrasta con el de Manhattan con
13.43 (Lui y col., 2021). Usando datos individuales de mortalidad por
COVID-19 con georreferenciación en la ciudad de Chicago, Illinois, Estados
Unidos, se encontraron vecindarios con mayores impactos en los AVPP. Estos
vecindarios no fueron analizados por el tamaño
de su población sino por características raciales de la población (Pierce y col., 2021).
El tamaño
de la población y su relación con la EV, mostró que el
efecto de la pandemia por COVID-19 tuvo una distribución heterogénea en la
pérdida de años de EV entre municipios (Tablas 1 y 2). La forma más clara de la
relación mencionada se presentó en el estado de Coahuila, donde la pérdida en años, a partir del cuartil 75 de su distribución,
mostró un claro predominio de los municipios con mayor concentración
poblacional para Coahuila, mientras que, en los municipios clasificados en el cuartil ≤ 25, prevalecieron aquellos
con poblaciones menores a 6 744 habitantes.
Los
municipios del estado de Nuevo León mostraron un comportamiento diferente al de
Coahuila, ya que la mayor parte de los que fueron clasificados a partir del
percentil 75, tenían poblaciones menores a
41 000 habitantes, con excepción del municipio de Santa Catarina. En el
estado de Nuevo León la mayoría de los municipios con altas concentraciones de
población se encuentran conurbados con la ciudad de Monterrey (Cervera-Flores y
Rangel-González, 2015), por lo que intriga que, en su mayoría, no hayan sido clasificados en el
percentil ≥ 75. En tanto que los
municipios clasificados en el percentil ≤
25, tuvieron poblaciones menores de
47 000 habitantes. Este comportamiento
en la distribución de la diferencia de la EV entre 2019 y 2020 y el
tamaño de la población de los municipios se
refleja en un coeficiente de correlación bajo, de 0.28, apenas
significativo (P = 0.043).
En el
estado de Tamaulipas, los municipios por arriba del percentil 75 (Tabla 1) no
presentaron una tendencia muy clara en la diferencia
de la EV entre 2019 y 2020. Mostraron
valores altos tanto municipios con alta (>
100 000 habitantes) y baja concentración de
población (< 60 000 habitantes). En tanto que, los municipios clasificados en el percentil ≤ 25 tuvieron
poblaciones por debajo de 42 000
habitantes. Esto explica el débil coeficiente de correlación 0.34 (P
< 0.05) para el estado.
Los
resultados sugieren que, la diferencia en la
EV, comparando 2020 con 2019, se relaciona
con el tamaño de la población de los municipios,
con una tendencia a ser menor con densidades poblacionales más bajas,
factor que debe ser considerado cuando se
analizan los resultados solo a nivel de entidad federativa. Estos
resultados son consistentes con observaciones
que revelan que una mayor densidad
poblacional representa un factor importante para la propagación del
COVID-19, ya que el mantenimiento del
distanciamiento social es más difícil
en las zonas de mayor población. Asimismo, se han reportado resultados
que muestran una correlación positiva entre la infección por COVID-19 y la
mortalidad relacionada con ella, con la densidad poblacional (Bhadra y col., 2021). Morbilidad, mortalidad y EV son
indicadores de salud estrechamente relacionados entre sí y en el caso de la
pandemia por COVID-19 han resultado tener relación con la densidad poblacional.
Se
estableció la existencia de conglomerados de municipios asociados por el nivel
de magnitud de pérdida en años de la EV. La presencia de conglomerados con la
más elevada y la más baja magnitud (Figura 4)
sugiere que existe una dinámica demográfica similar entre ellos,
relacionada con alta transmisión del COVID-19 y de sus efectos en la mortalidad
y la EV en los estados del noreste de México. Aunque hay escasos estudios al
respecto, los que existen proporcionan información valiosa para apoyar la
política pública, como en Europa, en que se encontraron focos rojos en el
centro de España, norte de Italia y oeste de Polonia en relación con la pérdida
de años en la EV en 2020 (Bonnet y col., 2023). En Latinoamérica destaca
Ecuador, donde un estudio espacio-temporal mostró que,
para abril de 2020, se encontró un exceso de mortalidad por COVID-19 en un
grupo de distritos situados al este del país, pero para el mes de julio los
distritos afectados cambiaron hacia el norte y el este del mismo, hecho que sugiere que las dinámicas
poblacionales afectaron la difusión de la infección
y con ello la mortalidad (Cuéllar y col., 2022).
Sin duda
existen otros factores que explican la dinámica de la pandemia por COVID-19 en
México, como la relación que guardan las tasas
de letalidad y de mortalidad de esa infección con diversas
características de las personas como la
edad, sexo, la presencia de neumonía, la hospitalización, y en especial,
con comorbilidades como diabetes,
enfermedad renal crónica, hipertensión arterial y obesidad
(Salinas-Aguirre y col., 2020; Parra-Bracamonte y col., 2020; Lara-Rivera y
col., 2021; Parra-Bracamonte y col., 2021; Juárez-Rendón y Parra-Bracamonte, 2022). En forma particular, la
diabetes ha representado un factor de riesgo de muerte entre las
personas infectadas por COVID-19, de acuerdo con la aplicación de modelos bayesianos a una cohorte longitudinal
de personas infectadas en los estados del
noreste de México (Núñez-Medina, 2021).
Aunque
las comorbilidades arriba mencionadas han
tenido un peso importante en las tasas de
letalidad y de mortalidad por COVID-19, en el caso de la EV es la edad
la que tiene un efecto determinante, ya que una muerte prematura tendrá más
impacto en el índice final, que una muerte
en edad avanzada cuando se analiza el número de AVPP. En este sentido,
la EV estándar es una función de la pérdida en años que depende de la edad de
la muerte (Martínez y col., 2019). Se ha mostrado al respecto que la mortalidad
por COVID-19, en el grupo de 45 a 64 años de
edad en México, fue de 40.2 %, en
contraste con el resto de causas que fue de 25.6 % en
ese grupo de edad con información de 2020 y 2021 (Palacio-Mejía y col., 2022).
Es decir, se está frente a un grupo de edad
susceptible de contabilizar cantidades importantes de años de vida
perdidos, lo que explicaría una pérdida importante de años en la EV que, para
los estados del noreste de México (Coahuila, Nuevo León y Tamaulipas), fue de
4.8 años en promedio. Sin contar que, son precisamente estas entidades de la
república las que ostentan las mayores prevalencias de diabetes en el rango que va de 13.34 a 14.01, y que a nivel nacional, las prevalencias de
diabetes fueron de 11.6 para el grupo de 40 a 49 años, 21.9 en el grupo de 50 a
59 años y de 35.6 para el grupo de 60 a 69 años de edad (INEGI, 2021), lo que
sugiere que en los estados del noreste, el impacto del COVID-19 en la tasa de
letalidad en personas con diabetes tuvo un impacto significativo (Núñez-Medina,
2021).
CONCLUSIONES
La pandemia por COVID-19 impactó en la esperanza
de vida (EV) en los estados del noreste de
México con gran heterogeneidad entre municipios.
La diferencia en la EV entre 2019 y 2020 mostró una influencia hasta
cierto grado por el tamaño de la población
de los municipios, con tendencia a ser más
alta al tener mayor población. La distribución del impacto del COVID-19 sobre la EV en los municipios pareció estar relacionada con la confluencia de ellos con mayor o menor densidad demográfica, independientemente de los límites estales. Los resultados de
este trabajo aportan información valiosa para el establecimiento de una
política pública de vigilancia epidemiológica ante epidemias y pandemias, al
tomar en cuenta que el indicador de la
EV muestra una distribución heterogénea, pero tiende a relacionarse con el
tamaño de la población a nivel de los municipios.
Agradecimientos
Se reconoce el trabajo de Juan Felipe Mayo Carrillo en
la elaboración de los mapas y del trabajo editorial de este trabajo.
Referencias
Aburto, J. M., Schöley, J., Kashnitsky, I., Zhang, L., Rahal, C.,
Missov, T. I., ..., and Kashyap, R. (2022). Quantifying impacts of the COVID-19
pandemic through life-expectancy losses: a population-level study of 29 countries. International
Journal of Epidemiology.
51(1): 63–74.
Andrasfay, T. and Goldman, N. (2022). Reductions in US life expectancy
during the COVID-19 pandemic by race and ethnicity: Is 2021 a repetition of 2020?
Plos One. 17(8): e0272973.
Arias, E. (2004). National vital statistics reports: from the Centers
for Disease Control and Prevention, National Center for Health Statistics,
National Vital Statistics System. United States Life Tables. 52(14):
1–38.
Bhadra, A., Mukherjee1, A, and Sarkar, K. (2021). Impact of population
density on Covid 19 infected and mortality rate in India. Modeling Earth
Systems and Environment. 7: 623–629.
Bonnet, F., Grigoriev, P., Sauerberg, M., Alliger, I., Mühlichen M., and
Carlo-Giovanni, C. (2023). Spa-tial variation in
excess mortality across Europe: a crosssectional study of 561 regions in 21
countries, in Med Rxiv preprint. [En línea]. Disponible en: https://doi.org/10.1101/2023.04.04.23284990.
Fecha de consulta: 2 de junio de 2023.
Cervera-Flores,
M. y Rangel-González, J. W. (2015). Distribución de la población
por tamaño de la localidad y su
relación con el medio ambiente. [En línea]. Disponible en: https://www.inegi.org.mx/eventos/2015/poblacion/doc/p-walterrangel.pdf.
Fecha de consulta: 13 de julio de 2022.
CONAPO, Consejo Nacional de
Población (2018). Proyecciones de la población de México y de las entidades
federativas, 2016–2050, Documento metodológico. México: Secretaría de
Gobernación, CONAPO, UNFPA. [En línea]. Disponible en:
https://www.gob.mx/cms/uploads/attachment/file/390959/Proyecciones_de_la_poblacion_de_Mexico_2016_2050_primera_parte.pdf. Fecha de consulta: 15 de julio de 2022.
CONEVAL,
Consejo Nacional de Evaluación de la Política Pública de Desarrollo Social
(2019). La pobreza en la población indígena de México, 2008-2018. [En línea].
Disponible en: https://www.coneval.org.mx/Medicion/MP/Documents/Pobreza_Poblacion_indigena_20082018.pdf. Fecha de consulta: 14 de julio de 2022.
Cuéllar,
L., Torres, I., Romero-Severson, E., Mahesh, R., Ortega, N., Pungitore,
S., …, and Ke, R. (2022). Excess deaths reveal the true spatial, temporal
and demographic
impact of COVID-19 on mortality in Ecuador. International Journal of Epidemiology. 51(1): 54-62.
Cutler, D., Deaton, A., and Lleras-Muney, A. (2006). The determinants of mortality. Journal of Economic Perspectives. 20(3): 97-120.
García-Guerrero, V. M. y Beltrán-Sánchez, H. (2021). Heterogeneity in excess
mortality and its impact on loss of life expectancy due to covid-19: Evidence
from Mexico. Canadian Studies in Population. 48(2): 165-200.
Hernández-Bringas,
H. (2020). Covid-19 en México: Un
perfil sociodemográfico. Notas de Población. (111): 105-132.
Hyndman, M. R. J., Booth, H., Tickle, L., and Maindonald,
J. (2019). Package ‘demography’, v. 1.22. [En línea]. Disponible en: https://cran.r-project.org/web/packages/demography/demography.pdf.
Fecha de consulta: 19 de julio de 2022.
INEGI,
Instituto Nacional de Información Estadística y Geografía (2021). Estadísticas
a propósito del día mundial de la diabetes. Datos Nacionales, en Comunicado de prensa 645/21. [En línea]. Disponible en:
https://www.inegi.org.mx/contenidos/saladeprensa/aproposito/2021/EAP_Diabetes2021.pdf.
Fecha de consulta: 8 de julio de 2022.
Islam,
N., Jdanov, D. A., Shkolnikov, V. M., Khunti, K., Kawachi, I., White, M., ...,
and Lacey, B. (2021). Effects of covid-19 pandemic on life expectancy and
premature mortality in 2020: time series analysis in 37 countries. BMJ
(Clinical Research). 375: e066768.
Juárez-Rendón,
K. J. y Parra-Bracamonte, G. M. (2022). Características y factores de riesgo de
mortalidad por COVID-19 en Tamaulipas, a un año de pandemia. CienciaUAT.
17(1): 6-16.
Lara-Rivera,
A. L, Parra-Bracamonte, G. M, López-Villalobos, N. (2021). Tasas de letalidad y
factores de riesgo por COVID-19 en México. Revista Cubana de Salud Pública.
47(4): e2872.
Leon, D. A., Shkolnikov, V. M., Smeeth, L., Magnus, P., Pechholdová, M.,
and Jarvis, C. I. (2020). COVID-19: a need for real-time monitoring of weekly excess deaths. The Lancet.
395(10234): e81.
Lima, E.
E., Vilela, E. A., Peralta, A., Rocha, M., Queiroz, B. L., Gonzaga, M. R., ...,
and Freire, F. H. (2021). Investigating regional excess mortality during 2020 COVID-19 pandemic in
selected Latin American countries. Genus. 77(1): 1-20.
Lui, B., Zheng, M., Robert, S., White, R. S., and Hoyler,
M. (2021). Economic burden of lives lost due to COVID-19 in New York Stat. Journal
of Comparative Effectiveness Research. 10(11): 893-897.
Martínez, R., Soliz, P., Caixeta, R. y Ordunez, P. (2019). Reflexión sobre métodos modernos:
años de vida perdidos por mortalidad prematura: una medida versátil e integral
para monitorear la mortalidad
por enfermedades no transmisibles. Int J Epidemiol.
48(4): 1367-1376.
McCartney, G., Leyland, A., Walsh, D., and Ruth, D. (2021). Scaling
COVID-19 against inequalities: should the policy response consistently match
the mortality challenge? J Epidemiol Community Health. 75(4): 315-320.
Mena, G. and Aburto, J. M. (2022). Unequal impact of the Covid-19 pandemic in
2020 of life expectancy across urban areas in Chile: A crosssectional demographic study. BMJ Open. 12(8): e059201.
Núñez-Medina,
G. (2021). Análisis espacio-temporal de la tasa de
letalidad por coronavirus dada la preexistencia de diabetes en los municipios
del noreste de México. Espacio Abierto.
30(2): 87-99.
OPS,
Organización Panamericana de la Salud (2015). Glosario de indicadores básicos
de la OPS. [En línea]. Disponible en: https://www.paho.org/es/documentos/glosario-indicadores-basicos-ops.
Fecha de consulta: 8 de julio de 2022.
Palacio-Mejía,
L. S., Hernández-Ávila, J. E., Hernández-Ávila, M., Dyer-Leal, D., Barranco,
A., Quezada-Sánchez, A. D., ..., and López-Gatell, H. (2022). Leading causes of excess mortality
in Mexico during the COVID-19 pandemic 2020-2021: A death certificates study in
a middle-income country. Lancet Regional Health. Americas. 13: 100303.
Parra-Bracamonte, G. M., Lopez-Villalobos, N., and Parra-Bracamonte, F. E. (2020). Clinical characteristics and risk
factors for mortality of patients with COVID-19 in a large data set from Mexico. Ann Epidemiol. 52:
93-98.
Parra-Bracamonte,
G. M., Parra-Bracamonte, F. E., Lopez-Villalobos, N., and Lara-Rivera, A. L. (2021). Chronic kidney
disease is a very significant comorbidity for high risk of death in patients
with COVID-19 in Mexico. Nephrology.
26(3): 248-251.
Pierce, J. B., Harrington, K., McCabe, M. E., Petito, L. C., Kershaw, K.
N., Pool, L. R., ..., and Khan, S. S. (2021). Racial/ethnic minority and
neighborhood disadvantage
leads to disproportionate mortality burden and years of potential life lost due
to COVID-19 in
Chicago, Illinois. Health & Place. 68: 102540.
PNUD,
Programa de las Naciones Unidas para el Desarrollo (2015). Índice de desarrollo
humano para las entidades federativas, México 2015: Avance continuo, diferencias persistentes. [En
línea]. Disponible en:
http://pued.unam.mx/export/sites/default/archivos/SUCS/2015/180215RTG.pdf.
Fecha de consulta: 3 de agosto de 2022.
Raleigh, V. (2019). Trends in life expectancy in EU and other OECD
countries: Why are improvements slowing?, in OECD
Health Working Papers, No. 108. [En línea]. Disponible en: https://www.oecd-ilibrary.org/social-issues-migration-health/trends-in-life-expectancy-in-eu-and-other-oecd-countries_223159ab-en. Fecha de consulta: 25 de julio de 2022.
Rojo-del-Moral,
O. (2022). Mortalidad de pacientes infectados por infección por SARS-CoV-2 en
México. Análisis de una base de datos nacional a dos años de la pandemia. Gaceta
Médica de México. 158: 425-431.
Roy-García,
I., Rivas-Ruiz, R., Pérez-Rodríguez, M. y Palacios-Cruz, L. (2019).
Correlación: no toda correlación implica causalidad. Revista Alergia México.
66(3): 354-360.
Salinas-Aguirre,
J. E., Sánchez-García, C., Rodríguez-Sanchez, R.,
Rodríguez-Muñoz, L., Díaz-Castaño, A. y Bernal-Gómez, R. (2022). Características clínicas y comorbilidades
asociadas a mortalidad en pacientes con COVID-19 en Coahuila (México) [Clinical characteristics
and comorbidities associated with mortality in patients with COVID-19 in
Coahuila (Mexico)]. Revista Clinica Espanola. 222(5): 288–292.
SS,
Secretaría de Salud (2020). Datos Abiertos. [En línea]. Disponible en:
https://www.gob.mx/salud/documentos/datos-abiertos-152127.
Fecha de consulta: 24 de julio de 2022.
Team R Core (2016). R: A Language and Environment for Statistical
Computing, in Vienna: R Foundation for Statistical Computing. [En línea]. Disponible en:
https://www.R-project.org/. Fecha de consulta: 28 de julio de 2022.
Trias-Llimós, S., Riffe, T., and Bilal, U. (2020). Monitoring life expectancy levels during the COVID-19 pandemic: Example of the unequal
impact of the first wave on Spanish regions. PloS One. 15(11): e0241952.
Wang, H., Paulson, K. R., Pease, S. A., Watson, S., Comfort, H., Zheng,
P., ..., and Murray, C. J. (2022). Estimating excess mortality due to the
COVID-19 pandemic: a systematic analysis of COVID-19-related mortality,
2020–21. The Lancet. 399(10334): 1513-1536.
Worldometer (2022). Covid-19 coronavirus pandemic: Coronavirus Upday. [En línea]. Disponible en:
https://www.worldometers.info/coronavirus/. Fecha de consulta: 24 de julio de 2022.
WHO, World Health Organization (2020). Pneumonia of unknown cause –
China. Covid-19-China. [En línea]. Disponible en:
https://www.who.int/csr/don/05-january-2020-pneumonia-of-unkown-cause-china/en/. Fecha de consulta: 6 de julio de 2022.
Xu, J. J.,
Chen, J. T., Belin, T. R., Brookmeyer,
R. S., Suchard, M. A., and Ramirez,
C. M. (2021). Racial and Ethnic
Disparities in Years of Potential Life Lost Attributable to COVID-19 in the
United States: An Analysis of 45 States and the District of Columbia. International
Journal of Environmen-tal Research and Public Health.
18(6): 2921.
Yadav, S., Yadav, P. K., and Yadav, N. (2021). Impact of COVID-19 on
life expectancy at birth in India:
a decomposition analysis. BMC Public Health. 21(1): 1906.