SciELO - Scientific Electronic Library Online

 
vol.24 issue4Standards of adherence to cancer prevention guidelines in female breast cancer survivors author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • On index processCited by Google
  • Have no similar articlesSimilars in SciELO
  • On index processSimilars in Google

Share


Revista de Salud Pública

Print version ISSN 0124-0064

Rev. salud pública vol.24 no.4 Bogotá July/Aug. 2022  Epub Dec 02, 2022

https://doi.org/10.15446/rsap.v24n4.101347 

Artículos/Investigación

Impacto de los determinantes sociales de la salud sobre la tasa de contagios por COVID-19

Impact of the social determinants of health on the rate of infections by COVID-19

Héctor Cabello-Rangel1 

Lina Díaz-Castro2 

María Guadalupe Ramírez-Rojas3 

1 Psychiatr. Ph.D. Ciencias. Hospital Psiquiátrico “Fray Bernardino Álvarez”. Ciudad de México, México. hector19.05.19.05@gmail.com

2 MD. Psychiatr. Ph.D. Ciencias. Instituto Nacional de Psiquiatría Ramón de la Fuente Muñiz, Dirección de Inves. Psicosociales y Epidemiológicas. Ciudad de México, México. dralaindiaz@hotmail.com

3 MD. Esp. Medicina Familiar. M.Sc. Ciencias de la Salud con área de concentración en Sistemas de Salud. Ph.D. Ciencias de la Salud Pública. Departamento de Antropología Médica, Centro de Investigaciones y Estudios Superiores en Antropología Social, Unidad Sureste, San Cristóbal de las Casas. Chiapas, México. amairanai@gmail.com


RESUMEN

Objetivo

Analizar el impacto entre los determinantes sociales en salud en México y la tasa de contagios por COVID-19.

Método

Estudio ecológico cuantitativo a nivel nacional y municipal. Las principales variables fueron tasa de contagios por COVID-19, población total no hablante de español, ingreso per cápita, pobreza e índice de desarrollo humano (IDH). La tasa media nacional de contagios fue de 2 880/100 000 habitantes. Se aplicó la prueba T-test y, para determinar la fuerza de asociación entre la tasa de contagios y las variables, se aplicó la prueba de correlación de Pearson.

Resultados

Las entidades con menos tasa de población no hablante de español tuvo la menor tasa de contagios por COVID-19. El análisis de correlación mostró que los estados con tasas de contagio por COVID-19 por arriba de la media nacional tienen mejores condiciones de desarrollo.

Discusión

En nuestros resultados se revela una correlación negativa entre las tasas contagios por COVID-19 y la variable pertenecer a población indígena. Es necesario analizar desde la perspectiva de las comunidades las necesidades para afrontar escenarios de pandemia.

Palabras Clave: COVID-19; mortalidad; determinantes sociales de la salud; pueblos indígenas (fuente: DeCS, BIREME)

ABSTRACT

Objective

To analyze the impact between the social determinants in health and the rate of COVID-19 infection.

Methods

Quantitative ecological study at national and municipal levels. The main variables were COVID-19 infection rate, total non-Spanish-speaking population, per capita income, poverty, and human development index (HDI). The average national infection rate was 2 880/100 000 inhabitants. The T-test was applied, and Pearson's correlation test was performed to determine the strength of the association between the infection rate and the variables.

Results

Entities with the lowest rate of non-Spanish-speaking population had the lowest rate of COVID-19 infections. The correlation analysis showed that states with COVID-19 infection rates above the national average have better development conditions.

Discussion

Our results reveal a negative correlation between COVID-19 infection rates and the variable belonging to an indigenous population. It is necessary to analyze from the perspective of the communities the needs to face pandemic scenarios.

Key Words: COVID-19; mortality; social determinants of health; indigenous peoples (source: MeSH, NLM)

En México, la pandemia causada por el virus SARS CoV-2 ocasionó 232 803 muertes y más de 2 millones de casos confirmados en el periodo comprendido de febrero 2020 hasta junio 2021 1. Desde el inicio de la infección por coronavirus, diversas políticas se han adoptado para contener su propagación, sin embargo, determinantes en salud como pobreza, desempleo, inseguridad laboral, condiciones laborales, soporte social, afectan la evolución de la enfermedad. Además, factores como pertenecer a población indígena, población económicamente activa, dedicarse a actividades económicas esenciales y densidad de población, se han asociado a altas tasas de mortalidad por COVID-19 así como la prevalencia de enfermedades crónicas 2.

Así mismo, en zonas urbanas se reporta que el asma y la densidad de población se asocian a altas tasa de mortalidad, pero en zonas rurales se asocia a pobreza y desempleo; en ambos casos, la alta tasa de enfermedades crónicas con altas tasas de COVID-19 dan un efecto de aditivo que cruza con la desigualdad de los determinantes sociales en salud 3.

En grupos minoritarios, el pobre acceso a servicios de salud, las barreras lingüísticas y culturales, la discriminación racial y las dificultades para transitar por el sistema de salud incrementan la tasa de mortalidad 4. En México, altos índices de rezago social se asociaron con altas tasa de mortalidad entre adultos mayores 5.

Alrededor del 50% de la población mexicana vive en condiciones de pobreza y hasta 20%, en pobreza extrema; particularmente, la población indígena se encuentra en el quintil más pobre, lo que incrementa las desventajas sociales y en salud. Además, una de las principales fuentes de empleo en México es la economía informal, lo que condiciona que un gran sector de la población no tenga acceso a la protección social en salud 6. Nuestro objetivo en el presente trabajo fue analizar el impacto entre determinantes sociales en salud y la tasa de contagios por COVID-19, con el fin de conocer el efecto de la pandemia, sobre todo, en municipios con alta tasa de población indígena.

MATERIAL Y MÉTODO

Se diseñó un estudio ecológico, descriptivo, apoyado en la metodología cuantitativa, tomando en consideración la tasa de contagios por COVID-19 en las 32 entidades federativas de México en el periodo febrero 2020 hasta octubre 2021 7.

Nuestras variables de interés fueron la tasa de contagios por COVID-19 a nivel estatal y municipal. Las variables independientes son población total de la entidad, población total indígena que habla español, población total indígena que no habla español, ingreso per cápita, esperanza de escolaridad, escolaridad promedio y esperanza de vida al nacer 8. El índice de salud (is), índice de escolaridad (iE), índice de ingreso (ii), así como el índice de desarrollo humano (iDH) se obtuvieron del Programa de Naciones Unidad para el Desarrollo Humano (UNDH) 9. Tanto del Instituto Nacional de Estadística y Geografía (iNEGi) como del UNDH, se discriminó la tasa de contagios entre los diez municipios más pobres y más ricos según datos del iDH. Los diez municipios más pobres concentran la mayor cantidad de población indígena del país, que representa 10% de los 126 millones de mexicanos, de acuerdo con el último censo de población de 2020.

Las fuentes de datos utilizadas fueron los casos de confirmados de COVID-19 y la tasa de contagios a nivel nacional, estatal y municipal se obtuvieron de datos oficiales del Gobierno de México (1,7). A su vez, se tuvieron en cuenta el porcentaje de población en pobreza, pobreza extrema, índice de rezago social (iRs) y grado de rezago social con información del Consejo Nacional de Evaluación de la Política de Desarrollo Social de México 6.

Del mismo modo, otros datos fueron población total de la entidad, población total indígena hablante del español, población total indígena no hablante del español, ingreso per cápita, esperanza de escolaridad, escolaridad promedio, esperanza de vida al nacer con información del iNEGi, cuyos datos fueron sustrato para la construcción de las variables is, iE, ii, iDH y la categoría de desarrollo humano.

Con apoyo de estadística descriptiva, se estimaron medidas de tendencia central, considerando la media y la desviación estándar de todas las variables y tomando la media nacional de tasa de contagios de 2 880 por 100 000 habitantes como punto de referencia; esto, para obtener dos grupos.

Para las variables de contraste en las submuestras, se aplicó la prueba T-test y se tuvo en cuenta un nivel de significancia de 95%. A fin de determinar la fuerza de asociación y su dirección entre la tasa de contagios y las variables iRs, iDH, is, iE, ii, pobreza, pobreza extrema, población indígena hablante del español, población indígena no hablante del español, escolaridad, grado de rezago social, se aplicó la prueba de correlación de Pearson. Todos los análisis se realizaron en el software sPss versión 21.

RESULTADOS

Los estados de Chiapas, Guerrero, Oaxaca, Tabasco y Veracruz tienen el mayor porcentaje de población indígena no hablante del español y el mayor porcentaje de población en pobreza extrema. Por el contrario, los estados con menor porcentaje de población en pobreza extrema (Aguascalientes, Baja California Sur, Ciudad de México, Coahuila y Nueva León) son los estados con menor porcentaje de población indígena no hablante del español. Sin embargo, los primeros estados mencionados están debajo de la media nacional de la tasa de contagios por COVID-19, de 2 880 por 100 000 habitantes (Tabla 1).

Tabla 1 Características de las 32 Entidades Federativas de México 

PT PT Ind PI no Esp Ingreso** E Esc EVN PP PPE IS IE II IDH Casos COVID-19 Tasa COVID-19 IRS
Estados Unidos Mexicanos 127 792 286 7 364 645 865 972 49 610 14,1 9,2 74,8 41,9 4 0,844 0,698 0,702 0,745 3 691 924 2 880
Aguascalientes 1 434 635 2 539 25 59 346 14,1 9,7 75,6 26,2 1,2 0,856 0,715 0,729 0,764 34 040 2 330 -1,10156
Baja California 3 634 868 49 130 1 324 59 178 14,1 9,8 75,7 23,3 1,6 0,858 0,718 0,729 0,766 61 823 1 540 -0,64239
Baja California Sur 804 708 13 581 162 68 778 13,1 9,9 75,6 18,1 1,5 0,857 0,694 0,752 0,765 55 425 6 880 -0,31703
Campeche 1 000 617 91 801 2 479 47 700 13,8 9,1 74,5 46,2 9,8 0,839 0,687 0,696 0,737 23 063 1 860 0,24454
Chiapas 5 730 367 1 459 648 397 179 26 510 13,5 7,3 73,9 76,4 29,7 0,830 0,618 0,608 0,678 22 448 284 2,644224
Chihuahua 3 801 487 110 498 11 818 54 030 13,8 9,5 75,1 26,3 2,6 0,849 0,700 0,715 0,752 65 816 1 640 -0,518357
Ciudad de México 9 018 645 125 153 1 032 79 085 18,4 11,1 76,2 30,6 1,7 0,865 0,881 0,773 0,838 951 432 10 550 -1,115345
Coahuila 3 218 720 5 527 40 55 925 13,9 9,9 75,4 22,5 1,4 0,853 0,716 0,720 0,761 89 665 2 680 -1,147587
Colima 785 153 5 210 189 52 766 13,9 9,5 75,2 30,9 2,4 0,849 0,703 0,712 0,752 32 080 4 030 -0,690655
Durango 1 868 996 47 242 8 515 43 648 14,1 9,1 74,8 37,3 2,2 0,844 0,695 0,683 0,737 47 568 1 380 -0,045956
Guanajuato 6 228 175 14 048 231 46 142 13,4 8,4 74,8 43,4 4,2 0,844 0,652 0,691 0,725 176 577 1 760 -0,209212
Guerrero 3 657 048 515 487 111 372 29 334 13,2 7,8 72,8 66,5 26,8 0,813 0,627 0,623 0,682 74 999 1 130 2,450336
Hidalgo 3 086 414 362 629 28 497 38 783 14,5 8,7 74,7 43,8 6,1 0,842 0,693 0,665 0,729 60 622 1 960 0,320126
Jalisco 8 409 693 66 963 6 673 60 541 13,9 9,2 75,2 28,4 3,0 0,849 0,693 0,732 0,755 155 862 1 830 -0,616826
México 17 427 790 417 603 5 422 48 013 13,4 9,5 75,1 42,7 4,9 0,848 0,689 0,697 0,741 364 588 1 960 -0,298102
Michoacán 4 825 401 154 943 8 878 42 653 13,4 7,9 74,4 46,0 6,1 0,838 0,636 0,679 0,713 71 412 1 430 0,529919
Morelos 2 044 058 38 110 912 42 973 14,3 9,3 74,8 50,8 7,4 0,844 0,707 0,681 0,741 48 466 2 340 -0,126541
Nayarit 1 288 571 69 069 11,473 48 148 13,3 9,2 75,0 34,8 5,9 0,847 0,676 0,698 0,737 33 064 2 560 0,044037
Nuevo León 5 610 153 77 945 325 68 959 14,4 10,3 75,7 14,5 0,5 0,857 0,743 0,752 0,782 198 351 3 450 -1,254735
Oaxaca 4 143 593 1 221 555 134 111 31 592 13,3 7,5 73,7 66,4 23,3 0,827 0,619 0,634 0,687 77 957 1 880 2,590888
Puebla 6 604 451 615 622 40 879 38 975 14,4 8,5 74,4 58,9 8,6 0,837 0,683 0,666 0,725 120 447 1 820 0,744487
Querétaro 2 279 637 31 383 594 61 339 14,8 9,6 75,3 27,6 2,0 0,852 0,731 0,734 0,770 94 083 4 080 -0,524491
Quintana Roo 1 723 259 204 949 7 307 56 711 12,8 9,6 75,3 27,6 3,5 0,851 0,676 0,722 0,746 58 271 3 360 -0,317166
San Luis Potosí 2 866 142 231 213 9 996 46 497 13,7 8,8 74,5 43,4 7,3 0,839 0,674 0,692 0,732 99 960 3 410 0,319126
Sinaloa 3 156 674 35 539 1 004 55 474 14,5 9,6 74,8 30,9 2,7 0,844 0,723 0,719 0,760 72 088 2 270 -0,567552
Sonora 3 074 745 62 808 1 104 59 883 14,0 10 75,1 28,2 2,6 0,849 0,722 0,731 0,765 108 683 3 300 -0,650546
Tabasco 2 572 287 91 025 960 39 450 14,1 9,3 74,7 53,6 12,3 0,843 0,702 0,668 0,734 136 288 2 250 0,076399
Tamaulipas 3 650 602 22 651 145 49 150 13,9 9,5 74,9 35,1 3,3 0,846 0,703 0,701 0,747 97 955 2 680 -0,622628
Tlaxcala 1 380 011 27 174 440 40 301 13,5 9,3 74,9 48,4 3,1 0,845 0,685 0,671 0,730 28 609 1 960 -0,040526
Veracruz 8 539 862 663 503 48 059 32 445 13,5 8,2 74,2 61,8 17,7 0,834 0,648 0,638 0,701 118 883 1 390 1,143246
Yucatán 2 259 098 525 092 24 640 49 879 14,1 8,8 74,4 40,8 6,7 0,837 0,685 0,703 0,739 70 684 3 050 0,152467
Zacatecas 1 666 426 5 005 187 37 957 14,2 8,6 74,7 46,8 3,4 0,842 0,681 0,662 0,724 40 715 2 440 -0,452588

PT: Población total; PT Ind: Población Total indígena; PI no Esp: Población Indígena no hablante de español; EE: Esperanza de escolaridad; Esc: Escolaridad; EVN: Esperanza de vida al nacer; IS: Índice de Salud; IE: Índice Escolaridad; II; Índice de Ingreso; IDH: Índice de desarrollo Humano; Índice de Rezago Social. + Tasa COVID-19 por 1 000 000 habitantes, ++ Ingreso per cápita.

En la prueba T-test se observó que las medias de los casos de COVID-19 son mayores entre los estados con tasas por arriba de la media nacional y las varianzas con diferentes para las variables esperanza de escolaridad, población en pobreza extrema, casos COVID-19 confirmados (p>0,05) (Tabla 2).

Tabla 2 Variables con diferencia significativa entre entidades con tasa de COVID-19 mayor o menor a la media nacional 

t gl Sig. (bilateral) Diferencia de medias Error típ. de la diferencia 95% Intervalo de confianza para la diferencia
Inferior Superior
Ingreso 4,010 30 ,000 15 725,696 3 921,917 7 716,073 23 735,318
Escolaridad 2,816 30 ,009 ,8246 ,2928 ,2266 1,4226
EVN 2,236 30 ,033 ,53913 ,24117 ,04660 1,03166
PP -2,813 30 ,009 -15,1179 5,3734 -26,0918 -4,1440
PPE -2,632 30 ,014 -5,0101 1,9034 -8,9054 -1,1149
ÍDH 3,177 30 ,003 ,033879 ,010664 ,012100 ,055658
IRS -2,386 30 ,024 -,6799 ,284971 -1,26329 -,09658

*Media nacional 2 880/100 000 habitantes.

Las comparaciones de medias muestran diferencias estadísticamente significativas en estados con altas y bajas tasas de casos COVID-19 para las variables ingreso per cápita, escolaridad promedio, población en pobreza, población en pobreza extrema y para los is; iE; ii.

En el análisis de correlación, se encontró que la tasa de contagios de COVID-19 se relaciona de manera positiva y significativa con las variables ingreso per cápita, esperanza de escolaridad, escolaridad promedio, esperanza de vida al nacer, is, ii, iE, iDH; es decir, los estados con tasas de contagio por COVID-19 por encima de la media nacional tienen mejores condiciones de desarrollo.

Por el contrario, las tasas de casos se relacionaron negativamente con las variables población total indígena, población total indígena no hablante del español, aunque la asociación no es significativa; y de manera negativa y significativa con las variables porcentaje de población en pobreza y porcentaje de población en pobreza extrema (Tabla 3).

Tabla 3 Correlación de las variables de estudio con la tasa de contagios COVID-19 a nivel nacional 

PT PT Ind PI no E Ingreso++ EE Escolaridad EVN PP PPE ÍS ÍE ÍI ÍDH Tasa COVID-19+ ÍRS
PT 1 0,302 0,124 0,007 0,172 -0,025 0,015 0,164 0,121 0,011 0,08 -0,031 0,022 0,002 0,065
PT Ind 0,302 1 ,862** -,600** -0,181 -,698** -,645** ,741** ,845** -,642** -,515** -,679** -,646** -0,305 ,850**
PI no E 0,124 ,862** 1 -,534** -0,177 -,629** -,547** ,650** ,814** -,545** -,471** -,626** -,590** -0,319 ,764**
Ingreso++ 0,007 -,600** -,534** 1 ,485** ,888** ,871** -,897** -,749** ,873** ,795** ,988** ,943** ,722** -,804**
EE 0,172 -0,181 -0,177 ,485** 1 ,520** ,440* -0,209 -0,28 ,441* ,863** ,425* ,678** ,673** -,371*
Escolaridad -0,025 -,698** -,629** ,888** ,520** 1 ,885** -,835** -,779** ,887** ,880** ,897** ,952** ,662** -,875**
EVN 0,015 -,645** -,547** ,871** ,440* ,885** 1 -,852** -,841** 1,000** ,768** ,884** ,898** ,592** -,890**
PP 0,164 ,741** ,650** -,897** -0,209 -,835** -,852** 1 ,869** -,854** -,610** -,932** -,826** -,464** ,881**
PPE 0,121 ,845** ,814** -,749** -0,28 -,779** -,841** ,869** 1 -,838** -,617** -,825** -,783** -,401* ,946**
ÍS 0,011 -,642** -,545** ,873** ,441* ,887** 1,000** -,854** -,838** 1 ,769** ,886** ,899** ,592** -,887**
ÍE 0,08 -,515** -.471** ,795** ,863** ,880** ,768** -,610** -,617** ,769** 1 ,767** ,940** ,766** -,724**
ÍI -0,031 -,679** -.626** ,988** ,425* ,897** ,884** -,932** -,825** ,886** ,767** 1 ,938** ,662** -,862**
ÍDH 0,022 -,646** -.590** ,943** ,678** ,952** ,898** -,826** -,783** ,899** ,940** ,938** 1 ,748** -,859**
Tasa COVID-19+ 0,002 -0,305 -0,319 ,722** ,673** ,662** ,592** -,464** -,401* ,592** ,766** ,662** ,748** 1 -,443*
IRS 0,065 ,850** ,764** -,804** -,371* -,875** -,890** ,881** ,946** -,887** -,724** -,862** -,859** -,443* 1

** La correlación es significativa al nivel 0,01 (bilateral); * La correlación es significante al nivel 0,05 (bilateral); + Tasa COVID-19 por cada 100 000 habitantes, ++ Ingreso per cápita. PT: Población total; PT Ind: Población Total indígena; PI no esp: Población Indígena no hablante de español; EE: Esperanza de escolaridad; EVN: Esperanza de vida al nacer; IS: Índice de Salud; IE: Índice Escolaridad; II; Índice de Ingreso; IDH: Índice de desarrollo Humano; IRS: Índice de Rezago Social.

Al analizar los diez municipios con mayor y menor ii, is, iE, se observó que la tasa de contagio se asocia en sentido positivo y significativo con los is, ii, iE; es decir, a mayores tasas de contagio, mejores condiciones de desarrollo municipal. De otro lado, las mencionadas variables se relacionan en sentido negativo y significativo con el rezago social; dicho de otro modo, a mayor rezago social hubo menor tasa de contagios (Tabla 4).

Tabla 4 Correlación de las variables de estudio con la tasa de contagios COVID-19 a nivel municipal 

Índice de salud Índice de educación Índice de ingreso Índice rezago social
Tasa COVID-19+ 0,756** 0,765** 0,879** -0,781**

**. La correlación es significativa al nivel 0,01 (bilateral). *. La correlación es significante al nivel 0,05 (bilateral). + Tasa COVID-19 por cada 100 000 habitantes.

DISCUSIÓN

Nuestros resultados revelan discrepancias entre las tasas de contagios por COVID-19 y los determinantes sociales en salud, ya que el análisis de correlación indica que la tasa de contagios de COVID-19 se relaciona de manera positiva y significativa con el ingreso per cápita, la escolaridad promedio y el iDH.

Por otro lado, la tasa contagios por COVID-19 se relaciona de manera negativa con el total de población indígena no hablante del español sin significancia estadística y de manera negativa con significativa con el porcentaje de población en pobreza extrema. Esto también se réplica al comparar los diez municipios más pobres versus los más ricos.

De igual forma, esta discordancia fue reportada en un estudio que comparó las tasas de mortalidad por COVID-19 en población blanca y negra, el cual encontró que aunque la población negra tiene altas tasas de mortalidad por la presencia de comorbilidades al eliminar su efecto, el índice de fatalidad era mayor entre la población blanca 10. Concluyen, por tanto, que para el COVID-19 ocurre una divergencia entre los determinantes en salud, la mortalidad y la fatalidad, de manera que hay nuevos factores asociados a los niveles de mortalidad por COVID-19 10.

Otros autores señalan que en datos crudos hay mayor mortalidad por COVID-19 en minorías étnicas (negros, asiáticos y otras), pero si se consideran las tasas o análisis estadísticos, no es así, de manera que se está llegando a conclusiones erróneas 11.

En España, se observó que un incremento del 1% en el PiB per cápita se vincula a 3,2% de incremento en la tasa de mortalidad por COVID-19 12. Como explicación, se señala que el mayor PiB per cápita permite mayor capacidad de movilidad entre regiones y desde el extranjero, incrementando la posibilidad de contagio y muerte 12. No obstante, en otro estudio se reportó que determinantes sociales como vivir en áreas de ingreso bajo, se vinculaba a probabilidad incrementada de ser admitido en terapia intensiva y mortalidad intrahospitalaria, aunque reconoce que existen variaciones considerables en diversas áreas de España 13.

Como se ha mencionado, la mayoría de la población indígena en México vive en condiciones de pobreza y pobreza extrema. A fin de dar información accesible a ese grupo poblacional el Gobierno Federal emitió la Guía para la Atención de Pueblos y Comunidades Indígenas y Afroamericanas ante la emergencia sanitaria generada por el virus SARS-CoV-2, traducida a 62 lenguas indígenas 14. Empero, la aplicación de esa guía fue controvertida porque: a) las comunidades indígenas difícilmente tienen acceso a internet; b) la principal medida para evitar la propagación del coronavirus es lavarse las manos y disponer de mínimas condiciones de limpieza, pero algunas comunidades indígenas no tienen acceso a servicio de agua potable y tampoco cuentan con jabón; c) para este sector de la población, las medidas distanciamiento y “quédate en casa o quédate en tu comunidad” no tienen sentido, debido a que el sustento básico depende de su trabajo, y d) la pertinencia cultural del material informativo 15.

Es posible que las menores tasas de contagio por COVID-19, observadas entre los municipios más pobres respecto de los más ricos, se deban a que diversos municipios con población indígena, en particular de Guerrero, Oaxaca y Chiapas, de manera autónoma optaron por prohibir el acceso a sus territorios para evitar la propagación del virus.

De manera que es importante analizar el efecto de las decisiones de las comunidades indígenas en el contexto de la actual pandemia como enseñanza para futuros escenarios similares, desde la perspectiva de la emergencia sanitaria, el sistema de universal en salud y la participación de la comunidad 16. Otro elemento que debe estudiarse es la pertinencia y aceptación cultural de la información diseminada, ya que, si bien fue traducida y difundida, en muchas de las comunidades indígenas el acceso a medios impresos, internet, radio o televisión puede ser limitado 17.

Finalmente, México ocupa el último lugar entre los países miembros de la Organización para la Cooperación y de Desarrollo Económico (OCDE) por realizar el menor número de pruebas diagnósticas de COVID-19 en el periodo analizado 18, lo que pone de manifiesto la posibilidad de un subregistro de casos, ya que, por ejemplo, Chiapas es el estado con la tasa más baja de realización de pruebas en el país frente al resto de entidades federativas 19. Por ello, otra de las estrategias a implementarse para monitorear la magnitud del daño de la pandemia sería realizar pruebas diagnósticas entre la población mexicana, incluidas regiones de difícil acceso, entre las que destacan las del ámbito rural y con algún grado de vulnerabilidad ♦

REFERENCIAS

1. México. Consejo Nacional de Ciencia y Tecnología. COVID-19 México [Internet]. Ciudad de México: Consejo Nacional de Ciencia y Tecnolo gía; 2021 [cited 2021 Oct 28]. https://bit.ly/3ds2gzQ . [ Links ]

2. Contreras-Manzano A, Guerrero-López CM, Aguerrebere M, Sedas AC, Lamadrid-Figueroa H. Municipality-Level Predictors of COVID-19 Mortality in Mexico: A Cautionary Tale. Disaster Med Public Health Prep. 2020; 1-9. https://doi.org/10.1017/dmp.2020.485. [ Links ]

3. Ramírez IJ, Lee J. COVID-19 Emergence and Social and Health Determinants in Colorado: A Rapid Spatial Analysis. Int J Environ Res Public Health. 2020; 17(11):3856. https://doi.org/10.3390/ijerph17113856. [ Links ]

4. Greenaway C, Hargreaves S, Barkati S, Coyle CM, Gobbi F, Veizis A, et al. COVID-19: Exposing and addressing health disparities among ethnic minorities and migrants. J Travel Med. 2020; 27(7):taaa113. https://doi.org/10.1093/jtm/taaa113. [ Links ]

5. Bello-Chavolla OY, González-Díaz A, Antonio-Villa NE, Fermín-Martínez CA, Márquez-Salinas A, Vargas-Vázquez A, et al. Unequal Impact of Structural Health Determinants and Comorbidity on COVID-19 Severity and Lethality in Older Mexican Adults: Considerations Beyond Chronological Aging. J Gerontol A Biol Sci Med Sci. 2021; 76(3):e52-9. https://doi.org/10.1093/gerona/glaa163. [ Links ]

6. México. Consejo Nacional de Evaluación de la Política de Desarrollo Social. Medición de la pobreza 2016-2020 [Internet]. Ciudad de México: CONEVAL; 2020 [cited 2021 Oct 28]. https://bit.ly/3R0me2t . [ Links ]

7. México. Secretaría de Economía. Data México [Internet]. Ciudad de México: Secretaría de Economía; 2021 [cited 2021 Oct 20]. https://bit.ly/3Utklhy . [ Links ]

8. México. Instituto Nacional de Estadística y Geografía. Censo de Población y Vivienda 2020 [Internet]. Ciudad de México: INEGI; 2021 [cited 2021 Oct 20]. https://bit.ly/3Slnle5 . [ Links ]

9. Programa de las Naciones Unidas para el Desarrollo. Índice de Desarrollo Humano Municipal en México: nueva metodología [Internet]. New York: Organización de las Naciones Unidas; 2014 [cited 2020 Oct 20]. https://bit.ly/3SrCSce . [ Links ]

10. Parcha V, Malla G, Suri SS, Kalra R, Heindl B, Berra L, et al. Geographic Variation in Racial Disparities in Health and Coronavirus Disease-2019 (COVID-19) Mortality. Mayo Clin Proc Innov Qual Outcomes. 2020; 4(6):703-16. https://doi.org/10.1016/j.mayocpiqo.2020.09.005. [ Links ]

11. Keys C, Nanayakkara G, Onyejekwe C, Sah RK, Wright T. Health Inequalities and Ethnic Vulnerabilities During COVID-19 in the UK: A Reflection on the PHE Reports. Fem Leg Stud. 2021; 29(1):107-18. https://doi.org/10.1007/s10691-020-09446-y. [ Links ]

12. García CN. Socioeconomic, demographic and healthcare determinants of the COVID-19 pandemic: an ecological study of Spain. BMC Public Health 2021; 21(1):606. https://doi.org/10.1186/s12889-021-10658-3. [ Links ]

13. Martín-Sánchez F, Valls Carbó A, Miró O, Llorens P, Jiménez S, Piñera P, et al. Socio-Demographic Health Determinants Are Associated with Poor Prognosis in Spanish Patients Hospitalized with COVID-19. J Gen Intern Med 2021; 36(12):3737-42. https://doi.org/10.1007/s11606-020-06584-6. [ Links ]

14. México. Instituto Nacional de los Pueblos Indígenas. Guía para la atención de pueblos y comunidades indígenas y afromexicanas ante la emergencia sanitaria generada por el virus SARS-CoV-2. Ciudad de México: Diario Oficial de la Federación; mayo 19 de 2020 [cited 2021 Sep 14]. https://bit.ly/3S4G6mr . [ Links ]

15. Alcalá Gómez AL. Entre la pobreza y la pandemia de COVID-19: la encrucijada de las comunidades indígenas en México [Internet]. Resonancias. 25 de agosto de 2020 [cited 2021 Aug 20]. https://bit.ly/3dwWBZn . [ Links ]

16. Bispo Júnior JP, Morais MB. Community participation in the fight against COVID-19: between utilitarianism and social justice. Cad Saude Publica. 2020; 36(8):e00151620. https://doi.org/10.1590/0102-311x00151620. [ Links ]

17. Ramírez-Rojas MG, Ramírez-Rojas FA, Sánchez-Osorio E, Flores-López ML, Paredes-Solís S. Panorámica de la COVID-19 en tres municipios de Guerrero, México, durante 2020. Rev. Salud Pública (Bogotá) 2021; 23(6):1-7. https://doi.org/10.15446/rsap.v23n6.97590. [ Links ]

18. Organization of Economic Cooperation Development. Testing for COVID-19: A way to lift confinement restrictions [Internet]. París: OECD; 2020 [cited 2021 Oct 20]. https://bit.ly/3BTlqXN . [ Links ]

Conflictos de intereses: Ninguno.

Recibido: 30 de Septiembre de 2021; Revisado: 26 de Marzo de 2022; Aprobado: 27 de Abril de 2022

Creative Commons License Este es un artículo publicado en acceso abierto bajo una licencia Creative Commons