nueva página del texto (beta)
Español (pdf)
Artículo en XML
Referencias del artículo
Traducción automática
Enviar artículo por email
Citado por SciELO 
Similares en
SciELO 
Permalink
INTRODUCCIÓN
La enfermedad por coronavirus 2019 (COVID-19) se ha convertido en una de las principales causas de muerte en todo el mundo, lo que la convierte en uno de los problemas graves de salud pública de las últimas décadas (Rehman et al., 2021; Panahi et al., 2023). El primer brote de la COVID-19 se informó en Wuhan, China, en diciembre de 2019, y al ser una enfermedad infecciosa causada por el virus SARS-CoV-2 tuvo una rápida propagación a nivel global (Hu et al., 2021). El SARS-CoV-2 es altamente transmisible y se puede contagiar por contacto directo con una persona infectada y, de forma indirecta, por contacto con superficies que se encuentren en su entorno inmediato o con objetos que haya utilizado (OMS, 2020). La rápida transmisión provocó la preocupación de los gobiernos y funcionarios de la Organización Mundial de la Salud (OMS) que el 11 de marzo de 2020 declararon el brote como pandemia (OMS, 2020). A finales de 2022, la COVID-19 había cobrado la vida de más de 6.6 millones de personas y continuó impactando a las poblaciones en todos los continentes (Mathieu et al., 2020). Sin embargo, el 5 de mayo de 2023 la OMS declaró el fin de la emergencia de salud pública de importancia internacional lo que significa que la COVID-19 es ahora un problema de salud establecido y persistente (OPS, 2023).
En México, la primera muerte por COVID-19 se registró el 18 de marzo de 2020 en la Cuidad de México (Chiquete et al., 2022), y hasta diciembre de 2022 se estimaron más de 331 mil defunciones (SS/DGE, 2022). Durante este periodo, México ocupó el quinto lugar en número de muertes en el mundo, detrás de Estados Unidos, Brasil, India y Rusia, que registraron 1 079 976, 692 743, 530 693 y 393 383 decesos, respectivamente (Mathieu et al., 2020). A nivel nacional, la COVID-19 fue la principal causa de muerte en 2020 y 2021, y en 2022 descendió a la quinta posición (Palacio-Mejía et al., 2022; INEGI, 2023). Factores sociodemográficos (Macharia et al., 2020; Gorris et al., 2021), epidemiológicos (Wang et al., 2020; NIEHS, 2021), conductas sociales (Sierra-Alcocer et al., 2022), medidas de seguridad sanitaria (Ascencio-Montiel et al., 2022) y las variantes de la COVID-19 pudieron influir en las muertes por esta enfermedad.
Ante este desafiante escenario pandémico de alta transmisibilidad y muertes por COVID-19, el análisis espacial proporciona una serie de técnicas para explorar los patrones espaciales y sus cambios a lo largo del tiempo desde el comienzo de la pandemia. Esto contribuye al desarrollo de estrategias para controlar el SARS-CoV-2 y futuras crisis de salud (Da Silva et al., 2022; Feng, 2023). En particular, los estudios de exploración espacial desempeñan un papel importante en la identificación de conglomerados espaciales, temporales y espaciotemporales de eventos y problemas de salud (Feng, 2023). En el estudio de la COVID-19 se ha empleado el análisis de exploración espacial utilizando la estadística de exploración espaciotemporal de Kulldorff (1997) para la vigilancia rápida (Desjardins et al., 2020; Hohl et al., 2020), identificación de grupos espaciotemporales (Mas y Pérez-Vega, 2021; Ballesteros et al., 2021; Cheong et al., 2022) y detección de patrones espaciotemporales (Kim y Castro, 2020; Feng, 2023).
Sin embargo, gran parte de los estudios anteriores se enfocaron al análisis de casos y se han limitado a las primeras etapas de la pandemia en lugar de extenderse a las etapas posteriores, cuando el patrón espaciotemporal puede ser diferente (Feng, 2023). Solo un número limitado ha analizado la mortalidad (Leveau, 2021: Da Silva et al., 2022) y por más tiempo (Feng, 2023; Sánchez, 2023). En México, Benita y Gasca-Sánchez (2021) emplearon la estadística de exploración espaciotemporal; sin embargo, los conglomerados resultaron de gran tamaño, lo que dificulta la detección de áreas locales de alto riesgo.
Por lo tanto, el objetivo de este estudio es analizar la dinámica espaciotemporal de la mortalidad por COVID-19 considerando el periodo crítico de la pandemia en México, que incluye sus cinco olas más relevantes de muertes (Ascencio-Montiel et al., 2022; Loza et al., 2023). Los hallazgos pueden contribuir a mejorar la asignación de equipo y personal médico en las áreas particularmente afectadas y en los momentos donde la población permanece más expuesta a COVID-19. Además, brindan información valiosa para la implementación de decisiones efectivas en el control y la vigilancia de futuros brotes de enfermedades infecciosas y pandemias.
MATERIALES Y MÉTODOS
Área de estudio
México es el décimo cuarto país más extenso del mundo, cuenta con una superficie cercana a los dos millones de kilómetros cuadrados, en 2020 ocupó el décimo lugar entre los más poblados del planeta (UNFPA, 2022), con una población estimada de 126 014 024 personas, de las cuales el 51.2% son mujeres y el 48.8% hombres, con una edad promedio de 29 años (INEGI, 2020a). Geográficamente, está situado en América del Norte, colinda con Estados Unidos (norte), Guatemala y Belice (sureste), el océano Pacífico (oeste) y el Golfo de México (este). Administrativamente, se divide en 32 entidades federativas, cada una se integra por municipios (y la Ciudad de México por 16 alcaldías), que en 2020 sumaron 2469 (INEGI, 2020b). Sin embargo, en este estudio doce municipios, localizados uno en Baja California, uno en Campeche, seis en Chiapas, tres en Morelos y uno en Quintana Roo, no registraron datos de COVID-19, por lo que no se consideraron en los análisis (Figura 1).
Fuente: Marco Geoestadístico Nacional (INEGI, 2020).
Figura 1 Entidades federativas y municipios de México.
Fuente de datos
Los recuentos diarios de muertes por COVID-19 del 18 de marzo de 2020 al 31 de diciembre de 2022 se obtuvieron de las bases históricas COVID-19 de la Dirección General de Epidemiología, administrada por la Secretaría de Salud (SS/DGE, 2023). En este estudio se utilizaron todos los registros de casos confirmados por COVID-19 filtrados por el municipio de residencia del fallecido y la fecha de defunción. Los datos de población de 2019 y 2020 se obtuvieron de las proyecciones de población del Consejo Nacional de Población (CONAPO, 2019) y del censo de población del Instituto Nacional de Estadística y Geografía (INEGI, 2021b), respectivamente.
ANÁLISIS DE DATOS
Dinámica temporal
Para observar la duración de las olas de mortalidad entre marzo de 2020 y diciembre de 2022, se generó una serie temporal de muertes mensuales a nivel nacional a partir de las bases históricas COVID-19. Los límites de las olas se determinan identificando visualmente el mes en el que la mortalidad por COVID-19 estaba en su nivel más bajo antes de volver a aumentar. Además, se compila información pública oficial referente a las fechas de inicio y termino de medidas de seguridad sanitaria, incluida la campaña de vacunación, conductas sociales y las distintas variantes de la COVID-19 (Tabla 1).
Tabla 1 Fuentes de información para la contención de la COVID-19 en México.
| Institución | Publicación | Sitio oficial |
| Gobierno de México | Medidas de seguridad sanitaria | https://coronavirus.gob.mx |
| Secretaría de Salud | Arranca vacunación contra COVID-19 | https://www.gob.mx/salud |
| Secretaría de Gobernación | Lineamientos técnicos específicos para la reapertura de las actividades económicas | https://www.dof.gob.mx |
| Instituto Nacional de Salud Pública | Fases de la epidemia por COVID-19 | https://www.insp.mx |
Dinámica espacial
Para obtener las tasas crudas de mortalidad por COVID-19 (TMC) y representarlas en mapas de distribución, se calculó el acumulado anual de muertes de la enfermedad ocurridas en 2020, 2021 y 2022. La población no censal (2021 y 2022) se estima mediante la tasa de crecimiento anual con referencia en datos de población de 2019 (CONAPO, 2019) y de 2020 (INEGI, 2021b). Las tasas reflejan el número total de muertes por COVID-19 que ocurrieron durante un año determinado por cada 100 000 habitantes (ecuación 1).
Ecuación 1. Cálculo de la tasa cruda de mortalidad por COVID-19
Dinámica espaciotemporal
En el software SaTScan™ se agregaron tres conjuntos de datos: acumulado mensual de defunciones por COVID-19, población de 2020 (censo) y el archivo de coordenadas geográficas de cada municipio (centroide). Se seleccionaron el tipo de análisis retrospectivo de exploración espaciotemporal y el modelo de probabilidad discreta de Poisson. El tamaño máximo del conglomerado espacial se estableció en el 5% de la población en riesgo y el tamaño máximo del conglomerado temporal en ocho meses, que representa el 25% de la duración total del periodo (34 meses) para evitar conglomerados grandes (Kim y Castro, 2020).
Se emplea una prueba de razón de probabilidad logarítmica para identificar los conglomerados espaciotemporales de muertes por COVID-19. La prueba se calcula para cada círculo a fin de determinar si el número observado de defunciones excede el número de muertes esperadas, en función del número de muertes y el tamaño de la población observados en los municipios durante el periodo de estudio (Kulldorff, 1997; Feng, 2023). El riesgo relativo se define como un número no negativo que representa cuánto más común es la mortalidad dentro de un conglomerado que fuera de él (ecuación 2). La significancia estadística se evalúa mediante la simulación de Monte Carlo que consta de 999 repeticiones aleatorias del conjunto de datos (Xia et al., 2017; Benita y Gasca-Sánchez, 2021).
Ecuación 2. Cálculo del riesgo relativo
donde
El procesamiento de datos se lleva a cabo en el entorno de desarrollo integrado RStudio (Posit team, 2023), el escaneo espaciotemporal se realiza en SaTScan™ versión 10.0 (Kulldorff y IMS, Inc. 2023) y los mapas se generan en ArcGIS versión 10.8 (Esri, 2023) (Figura 2).
RESULTADOS
Serie temporal de la mortalidad por COVID-19
Del 18 de marzo de 2020 al 31 de diciembre de 2022 se registraron 331 121 defunciones por COVID-19 en México, durante este periodo se identificaron cinco olas de mortalidad. La primera ola inició en marzo de 2020, tuvo un aumento continuo y alcanzó su punto máximo en julio con 23 725 muertes. En noviembre se observó un nuevo aumento, y con ello, el inició de la segunda ola; sin embargo, el incremento fue mayor a finales de diciembre, al tiempo que iniciaban las vacaciones decembrinas y la campaña de vacunación, el punto máximo de esta ola se produjo en enero de 2021 con 39 151 muertes (valor más alto del periodo). La tercera ola inició en julio de 2021 y el mes siguiente (agosto) alcanzó su punto máximo con 22 655 muertes, al inicio de esta ola se originaron las variantes Alpha y Delta y en noviembre se reportaron los primeros casos de Ómicron. En 2022 se identificaron las dos últimas olas de mortalidad: en enero inició la cuarta ola y se produjo su punto máximo con 9935 muertes, durante esta ola se llevó a cabo la última etapa de vacunación. La quinta ola comenzó en junio y el mes siguiente (julio) y alcanzó su punto máximo con 2280 muertes (Figura 3).
Distribución espacial de la mortalidad por COVID-19
En 2020, las TMC más elevadas (≥ 326 por cada 100 000 habitantes) se concentraron en municipios localizados al noroeste, centro-sur y sureste. Atizapán en el Estado de México; Bacoachi en Sonora; San Miguel Ixitlán y Cohetzala en Puebla, además de Santiago del Río en Oaxaca registraron las TMC más elevadas con 1286, 407, 380, 362 y 380, respectivamente. En contraste, municipios ubicados en el centro-norte, Pacífico sur y en la vertiente del Golfo (excepto en la península de Yucatán) registraron las TMC más bajas (≤ 33) (Figura 4a).
Fuente: elaboración propia.
Figura 4 Distribución espacial de las tasas crudas de mortalidad por COVID-19.
En 2021, la mortalidad por COVID-19 fue más severa en gran parte del país, las TMC más altas se concentraron en municipios localizados al noroeste, centro-sur y Pacífico (norte). Se identificaron patrones de distribución de TMC altas (158-325) en el centro-norte y en la vertiente del Golfo. Santa Magdalena Jicotlán, Santo Domingo y San Antonio Acutla en Oaxaca, Atizapán en el Estado de México y Manuel Benavides en Chihuahua registraron las TMC más elevadas con 2899, 1124, 429, 1032 y 669, respectivamente. En cambio, municipios ubicados principalmente en Chiapas y Oaxaca registraron las TMC más bajas (Figura 4b).
En 2022 se identificó una disminución en la mortalidad por COVID-19 en la mayoría de los municipios del país, el 87.05% de los municipios (2139) registraron las TMC más bajas (≤ 33). Sin embargo, la disminución no fue homogénea, debido a que Abasolo y Guerrero en Coahuila, San Pedro Yucunama y Magdalena Zahuatlán en Oaxaca, además de Coronado en Chihuahua registraron las TMC más elevadas con 466, 259, 415, 277 y 257, respectivamente (Figura 4c).
Conglomerados espaciotemporales de mortalidad por COVID-19
Durante marzo e 2020 a diciembre de 2022 se identificaron 19 conglomerados (uno más probable y 18 secundarios) estadísticamente significativos (p<0.001) de muertes por COVID-19. El c11, c15 y c19 conformaron la primera agrupación temporal durante marzo-agosto de 2020, el c11 y c15 agruparon municipios del sureste, registraron 2830 y 2030 más muertes de las esperadas y un riesgo relativo de 2.05 y 1.70, respectivamente. El c19 se ubicó en Abasolo (Nuevo León), tuvo 2711 defunciones y el riesgo relativo más bajo con 1.42 (Figura 5 y Tabla 2).
Tabla 2 Cifras de los conglomerados espaciotemporales de mortalidad por COVID-19.
| Conglomerado | Ubicación | Municipios | Duración | Defunciones
observadas |
Defunciones
esperadas |
Riesgo
relativo |
Razón de
probabilidad logarítmica |
p-value |
| c1 | Cuauhtémoc | 8 | 2020/9-2021/4 | 13144 | 3744.72 | 3.61 | 7240.81 | <0.001 |
| c2 | Axochiapan | 112 | 2021/1-2021/4 | 6620 | 2230.96 | 3.01 | 2840.71 | <0.001 |
| c3 | Tultitlán | 13 | 2020/9-2021/4 | 9251 | 4000.21 | 2.35 | 2547.48 | <0.001 |
| c4 | Ocoyoacac | 25 | 2020/9-2021/4 | 9387 | 4181.70 | 2.28 | 2426.76 | <0.001 |
| c5 | La Paz | 7 | 2020/9-2021/4 | 8814 | 4117.15 | 2.17 | 2046.08 | <0.001 |
| c6 | Coyame del Sotol | 144 | 2020/9-2020/12 | 5943 | 2306.91 | 2.60 | 2007.98 | <0.001 |
| c7 | Guadalajara | 1 | 2020/9-2021/4 | 3690 | 1162.65 | 3.20 | 1744.03 | <0.001 |
| c8 | Ocampo | 26 | 2020/9-2021/4 | 8800 | 4393.72 | 2.03 | 1735.83 | <0.001 |
| c9 | Guadalupe | 3 | 2020/9-2021/4 | 4423 | 1844.57 | 2.42 | 1299.92 | <0.001 |
| c10 | Pacula | 122 | 2020/9-2021/4 | 7266 | 3882.37 | 1.89 | 1187.97 | <0.001 |
| c11 | Pajapan | 127 | 2020/3-2020/8 | 5574 | 2744.29 | 2.05 | 1132.20 | <0.001 |
| c12 | Mexicali | 22 | 2020/3-2020/12 | 7911 | 4457.06 | 1.79 | 1103.44 | <0.001 |
| c13 | Súchil | 75 | 2020/9-2020/12 | 3039 | 1378.16 | 2.22 | 746.53 | <0.001 |
| c14 | Morelia | 102 | 2021/1-2021/4 | 4488 | 2392.55 | 1.89 | 734.41 | <0.001 |
| c15 | Hopelchén | 135 | 2020/3-2020/8 | 4976 | 2946.58 | 1.70 | 584.20 | <0.001 |
| c16 | Tomatlán | 79 | 2021/1-2021/8 | 3410 | 2215.48 | 1.54 | 278.19 | <0.001 |
| c17 | Zacapoaxtla | 199 | 2021/1-2021/4 | 3065 | 1944.91 | 1.58 | 275.88 | <0.001 |
| c18 | Santa Catarina Quiané | 118 | 2020/9-2021/4 | 1273 | 706.92 | 1.80 | 183.20 | <0.001 |
| c19 | Abasolo | 70 | 2020/3-2020/8 | 2711 | 1914.30 | 1.42 | 147.60 | <0.001 |
Fuente: elaboración propia.
El c12 tuvo la duración más larga (marzo-diciembre de 2020), se ubicó en Mexicali (Baja California), registró 7911 defunciones y un riesgo relativo de 1.79. El c6 y c13 conformaron la tercera agrupación temporal durante septiembre-diciembre de 2020, abarcaron gran parte de la región noroeste, registraron 3637 y 1661 más muertes de las esperadas y un riesgo relativo de 2.60 y 2.22, respectivamente (Figura 5 y Tabla 2).
Nueve conglomerados (c1, c3, c4, c5, c7, c8, c9, c10, y c18) tuvieron una duración de septiembre de 2020-abril de 2021, se localizaron en el centro, Bajío, Nuevo León y Oaxaca. El más probable (c1) agrupó ocho alcaldías del norte de la Cuidad de México, registró 9400 más muertes de las esperadas y el riesgo relativo más alto (3.61). El c3, c4 y c5 agruparon municipios del centro, registraron 5251, 5206 y 4697 más muertes de las esperadas y un riesgo relativo de 2.35, 2.28 y 2.17, respectivamente. El c7 se ubicó en Guadalajara (Jalisco), tuvo 3690 defunciones y un riesgo relativo de 3.20. El c8 y c10 agruparon municipios del bajío, registraron 4407 y 3384 más muertes de las esperadas y un riesgo relativo de 2.03 y 1.89, respectivamente. El C9 se ubicó en Guadalupe (Nuevo León), tuvo 4423 defunciones y un riesgo relativo de 2.42. El c18 agrupó 118 municipios de Oaxaca, registró 1273 defunciones y un riesgo relativo de 1.80 (Figura 5 y Tabla 2).
El c2, c14 y c17 conformaron la quinta agrupación temporal durante enero-abril de 2021, el c2 y c17 agruparon municipios del centro y el Golfo, registraron 4390 y 1 121 más muertes de las esperadas y un riesgo relativo de 3.01 y 1.58, respectivamente. El c14 se ubicó en Morelia (Michoacán), tuvo 4488 defunciones y un riesgo relativo de 1.89. Por último, el conglomerado c16 tuvo una duración de enero-agosto de 2021, agrupó municipios de Colima, Jalisco y Nayarit, registró 1195 más defunciones de los esperadas y un riesgo relativo de 1.54 (Figura 5 y Tabla 2).
DISCUSIÓN
Del 18 de marzo de 2020 al 31 de diciembre de 2022 se registraron 331 121 defunciones por COVID-19 en México, durante este periodo se identificaron cinco olas de mortalidad por COVID-19. La segunda ola, ocurrida entre noviembre de 2020 y junio de 2021, fue la más severa, alcanzando su pico máximo en enero de 2021 con 39 151 muertes (Figura 3). Núñez et al. (2024) informaron que del 10 al 16 de enero de 2021 se registró una tasa máxima de contagio de 207.3 infectados semanales por cada 100 000 habitantes. El aumento de contagios y muertes por COVID-19 durante esta ola podría estar relacionado con factores como el incremento de la movilidad de la población debido a reuniones sociales de fin de año, la relajación de medidas preventivas a favor del turismo y la baja cobertura de vacunación (Ascencio-Montiel et al., 2022; Núñez et al., 2024). Además, se ha documentado que en esta ola hubo saturación hospitalaria y alta ocupación de unidades de cuidados intensivos (UCI) en instituciones públicas y privadas (Loza et al., 2023).
Después de la tercera ola (julio-diciembre de 2021), identificamos una importante reducción en las muertes por COVID-19 en comparación con olas anteriores. Esta disminución se atribuye principalmente a la alta cobertura de vacunación, que alcanzó aproximadamente el 75% de la población total para la quinta ola (De La Cruz et al., 2023). La transición de variantes más agresivas, como Alpha y Delta, a variantes más transmisibles, pero menos letales, como Ómicron (Hernández-Ávila et al., 2023). La inmunidad híbrida adquirida por una combinación de infecciones previas y la vacunación (Ruiz-Romero et al., 2022). Además, la adquisición de conocimientos en el tratamiento de la enfermedad por parte de los profesionales de salud contribuyó al descenso de muertes durante la cuarta y quinta ola (Loza et al., 2023).
La distribución espacial de las TMC evidenció diferencias regionales específicas (Figura 4). En 2020 y 2021 identificamos patrones de distribución de TMC altas en municipios localizados al noroeste, centro-sur y sureste (Campeche, Yucatán y Quintana Roo). En cambio, municipios de Chiapas, Oaxaca, Guerrero y Michoacán exhibieron TMC bajas durante el periodo de estudio. Este comportamiento podría relacionarse con la difusión de la COVID-19, ya que se estima que el 90% de los casos provienen en zonas urbanas y destinos turísticos (ONU, 2020), debido al flujo de población que favorece la propagación de la enfermedad y, en consecuencia, de las muertes, por la saturación hospitalaria y alta ocupación de UCI.
Estudios previos han asociado la alta densidad de población con el aumento en la transmisión de la COVID-19 (Macharia et al., 2020; Gorris et al., 2021; Sánchez, 2023), por lo tanto, los núcleos urbanos y turísticos resultaron más afectados a diferencia de las áreas rurales. En particular, las poblaciones de Chiapas, Oaxaca, Guerrero y Michoacán están relativamente aisladas y la movilidad de personas que pueden transmitir la enfermedad es menor. Sin embargo, estos lugares carecen de infraestructura de salud, lo que pudo influir en las muertes en los municipios de Oaxaca que registraron TMC altas.
En este contexto, Sierra-Alcocer et al. (2022) demostraron que las entidades del Pacífico sur, incluyendo Chiapas, Oaxaca, Guerrero y Michoacán, no experimentaron aumentos considerables en la mortalidad por COVID-19 y, por lo tanto, la exposición y el riesgo son relativamente bajos. En 2022 hubo una disminución considerable en las TMC en todo el país (Figura 4c), debido a diversos factores como la disminución de la gravedad de las variantes de COVID-19, los avances en el manejo de los pacientes, la vacunación y los tratamientos que incluyeron el uso de antivirales y esteroides, conocidos por prevenir la progresión a insuficiencia respiratoria y muerte (Ascencio-Montiel et al., 2022; Loza et al., 2023).
La estadística de exploración espaciotemporal identificó 19 conglomerados estadísticamente significativos de muertes por COVID-19 (Figura 5). Los primeros (c11, c15, c19, c12, c6 y c13) ocurrieron durante la primera ola y el comienzo de la segunda, respectivamente. Los grupos se ubicaron en municipios fronterizos como Tijuana (municipio con más población del país, con 1 922 523 habitantes) y destinos turísticos (Campeche, Yucatán y Quintana Roo). Este hallazgo fortalece una conclusión previa donde se explica que la movilidad de la población por reuniones sociales asociadas a las festividades de fin de año de 2020 aumentó la propagación de la COVID-19. Lima et al. (2021) realizaron un análisis sobre exceso de mortalidad y demostraron que Campeche, Quintana Roo, Tabasco y Sonora fueron los más afectados durante la primera ola. Además, un estudio reciente informó que la flexibilidad en las medidas establecidas por el gobierno relacionadas con la llegada de turistas a Quintana Roo aumento la probabilidad de contagio (Martínez et al., 2024).
De septiembre de 2020 a abril de 2021 se formaron nueve conglomerados (c1, c3, c4, c5, c7, c8, c9, c10, y c18) que coinciden con la segunda ola (más severa). Es interesante resaltar que los grupos se ubicaron en las zonas metropolitanas más pobladas del país (Cuidad de México, Guadalajara, Monterrey, Toluca y León), además de la metrópolis de Oaxaca. Al norte de la Ciudad de México (Azcapotzalco, Coyoacán, Gustavo A. Madero, Iztacalco, Benito Juárez, Cuauhtémoc, Miguel Hidalgo y Venustiano Carranza) se concentró el conglomerado más probable (c1) y con mayor riesgo relativo. Las características demográficas y socioeconómicas de la capital nacional podrían explicar este comportamiento, debido a que es la entidad con mayor densidad de población del país con 6163 habitantes por kilómetro cuadrado (INEGI, 2021a). Además, se considera el principal centro político, económico y social del país, por lo tanto, concentra un importante flujo de personas. Estudios previos han asociado la movilidad de población con la propagación de la COVID-19 y, en consecuencia, en las muertes (Macharia et al., 2020; Gorris et al., 2021; Sánchez, 2023; Núñez et al., 2024).
Los últimos conglomerados (c2, c14, c17 y c16) ocurrieron durante el término de la segunda ola y el comienzo de la tercera, se agruparon en el centro-sur, este (zona metropolitana Puebla-Tlaxcala) y el Pacífico (Colima, Jalisco y Nayarit). Este resultado también podría relacionarse con la dinámica de transmisión de la COVID-19, debido a que estos grupos son adyacentes de conglomerados previos. En particular, el c16 se formó de enero-agosto de 2021 y es contiguo con el c13 que se agrupó en septiembre-diciembre de 2020, es decir, los casos de COVID-19 iniciaron en los núcleos urbanos y después se propagaron a las zonas periurbanas, por lo tanto, el riesgo de mortalidad fue posterior. Después del término de la tercera ola (agosto de 2021), no se formaron conglomerados debido a la reducción en las muertes.
Entre las limitaciones de este estudio se encuentra la calidad de las estadísticas de mortalidad por COVID-19, la fuente de datos no permite una evaluación precisa del posible subregistro, errores o fallas en la captura de bases de datos en municipios marginados y con difícil acceso a las oficinas de registro civil (por ejemplo, en Chiapas, Oaxaca, Guerrero y Michoacán). Por lo tanto, los resultados en estos lugares deben tomarse con cautela. Otra limitación se refiere a la escala de análisis, si bien los datos espaciales a nivel municipal tienen utilidad en el ámbito político nacional, ofrecen poca eficacia para contener la pandemia a nivel local (Mas y Pérez-Vega, 2021). Contar con bases de datos a nivel de desagregación más detallados y anónimos permitirían desarrollar análisis espaciotemporales más precisos que servirían para diseñar estrategias específicas en los lugares con alta mortalidad por COVID-19.
CONCLUSIÓN
Este estudio proporciona evidencia de la dinámica espaciotemporal de muertes por COVID-19 entre marzo de 2020 y diciembre de 2022, periodo crítico de la pandemia en México. Los hallazgos identificaron mayor riesgo relativo en ámbitos urbanos y destinos turísticos, en comparación con zonas rurales del Pacífico sur.
Esta información es de utilidad para los funcionarios de salud pública de dónde se localizan las poblaciones en riesgo y durante cuánto tiempo permanecen expuestas para asignar equipo y personal médico en las áreas particularmente afectadas por COVID-19. Además, la identificación de áreas con alto riesgo puede ayudar a guiar la política pública sanitaria destinada al control y vigilancia de futuros brotes de enfermedades infeccionas y pandemias con el fin de proteger a las poblaciones vulnerables.
En el futuro se podrían establecer acuerdos con instituciones de salud para la transferencia de datos más detallados y anonimizados, lo que permitiría dar continuidad a este tipo de análisis en contextos similares. Estos esfuerzos podrían complementarse con herramientas tecnológicas como paneles de vigilancia de enfermedades infecciosas, aplicaciones de rastreo de contactos, modelos epidemiológicos y sistemas de predicción de alta incidencia, impulsando el desarrollo de análisis más avanzados que contribuirían significativamente a la toma de decisiones en salud pública a niveles locales.
