¿Qué explica las respuestas a la primera ola de COVID-19?

Diversos estudios han ofrecido explicaciones sobre la variación en la respuesta de los gobiernos a la pandemia, particularmente durante la primera ola. Entre los factores explicativos se pueden identificar al menos cinco explicaciones en la literatura: una centrada en el régimen político de los países; una segunda que considera los efectos de difusión de las políticas; una tercera hipótesis enfatiza la eficacia del Estado, particularmente las capacidades hospitalarias de los países; una cuarta explicación centrada en la gobernanza interna de los países, y una última hipótesis que considera a las políticas implementadas como producto de la evolución de los casos positivos en cada país.

Los estudios enfocados en el régimen han seguido dos estrategias; un primer grupo de estudios han comparado las respuestas de regímenes democráticos y autoritarios, el segundo tipo de investigación analiza las respuestas entre los regímenes democráticos poniendo énfasis en el grado de protección de las libertades civiles. (Mistur et al., 2022; Lundregen, 2021). Las medidas de “sana distancia” implementadas durante los primeros meses de la pandemia implicaban restricciones a las libertades civiles como la libertad de tránsito y asociación. En este sentido, algunos estudios han planteado que los países con democracias fuertes, donde existe una sólida protección de libertades civiles, fueron menos propensos a implementar fuertes medidas restrictivas (Mistur et al., 2022; Lundregen, 2021).

Al mismo tiempo, una serie de trabajos sostiene que las democracias son más propensas a actuar en situaciones de crisis, porque buscan evitar ser castigados en la próxima elección (^{Baekkeskov, 2016}; ^{Besley & Burgess, 2002}) y evitan políticas impopulares (^{Weaver, 1986}). Por ejemplo, ^{Besley & Burguess (2002)} muestran que los gobiernos democráticos son responsables frente a sus ciudadanos, especialmente cuando hay una alta cobertura por parte de los medios de comunicación. Por otra parte, algunas teorías argumentan que los regímenes democráticos son más propensos a producir bienes públicos (Bueno de Mesquita et al., 2003) y dar mayor importancia al bienestar de sus ciudadanos (^{Besley & Kudamatsu, 2006}). Por el contrario, otra hipótesis espera que los gobiernos autoritarios sean responsivos a las crisis, porque su legitimidad está basada en resultados y no en las elecciones (^{Chen et al., 2016}; ^{Truex, 2016}).

En la literatura que compara el desempeño de los gobiernos democráticos y autoritarios, se encuentra el trabajo de ^{Cheibub et al. (2020)}. El argumento de estos autores es que los regímenes autoritarios actuaron de manera más expedita para implementar medidas restrictivas. En cambio, los gobiernos democráticos, en donde existe resistencia a la limitación de libertades de asociación y libre tránsito, fueron más lentos. Empíricamente, los autores muestran que los gobiernos autoritarios implementaron estas medidas de forma temprana, en comparación con los regímenes democráticos, que solo aplicaron estas medidas conforme fueron acumulándose los casos de fallecimientos relacionados al SARS-CoV2. Al mismo tiempo, el estudio encuentra que los países con democracias más consolidadas tuvieron respuestas más lentas que son atribuidas a la fortaleza de las libertades asociadas al régimen democrático.

Mientras que el trabajo de ^{Cheibub et al. (2020)} se enfocó en el momento de la implementación de las restricciones, Lundgren (2021) analiza la implementación de estados de emergencia y muestra que los países más democráticos fueron menos propensos a medidas restrictivas al inicio de la pandemia. Por el contrario, argumenta que las autocracias no requieren declarar este tipo de estados de excepción, porque cuentan de antemano con un aparato represivo; mientras, en democracias consolidadas se espera una mayor resistencia a medidas que restringen la libertad. En consecuencia, sostiene que las probabilidades de implementar políticas de emergencia serán mayores en democracias poco consolidadas o parcialmente libres.

Una segunda explicación ha girado en torno a los efectos de difusión de las políticas. En políticas públicas existe un área de estudios que se ha dedicado a analizar cómo existen efectos de contagio de las políticas implementadas. Esta hipótesis parte del hecho de que, debido a la rápida expansión de los casos en todo el mundo, los gobiernos no tuvieron oportunidad para realizar una evaluación completa del impacto que tendrían las medidas adoptadas. Ante la necesidad de tomar decisiones con tiempo limitado, los gobiernos emularon las medidas tomadas por otros países.

En este punto, Lundgren et al. (2021) encuentran que los Estados observan las respuestas de sus vecinos al momento de decidir qué camino tomar. Esto conduce a patrones regionales de difusión de políticas. Ahora bien, Mistur et al. (2022) amplían los mecanismos de difusión más allá de la proximidad geográfica y consideran que la difusión de políticas puede ser explicada por otros mecanismos, como el hecho de que los países sean socios comerciales, compartan características culturales (particularmente que tengan una lengua en común) y que emulen a sus pares políticos. ^{Sebhatu et al. (2020)} encuentran que el nivel de democracia y los efectos de difusión afectan las políticas implementadas frente a la pandemia; dependiendo de la velocidad de la difusión, esto puede llevar a cierres muy tempranos o tardíos.

Una tercera explicación se centra en las capacidades del Estado. De acuerdo con esta hipótesis, los Estados con más capacidades podrían ser menos propensos a implementar medidas rigurosas de distanciamiento social confiados en que cuentan con las capacidades para lidiar con la pandemia a través de su sistema de salud (Mistur et al., 2022; Lundgren et al., 2021). Lo que explicaría casos de débil respuesta, como el de Suecia. En este sentido, estos estudios analizan las capacidades del sistema de salud, en especial su capacidad hospitalaria. Este punto es importante, porque una de las justificaciones principales para los cierres más severos estaba basada en evitar el colapso del sistema hospitalario. Mientras, la mayoría de los gobiernos buscaban “aplanar la curva” de contagios, para poder brindar atención a los pacientes sin colapsar al sistema de salud. No obstante, no todos los países tienen las mismas limitaciones de infraestructura hospitalaria, lo que pudiera explicar los distintos cursos de acción de los países.

Un cuarto argumento, pone énfasis en la estructura de gobernanza de los países. Con respecto al primer punto, ^{Desson et al. (2020)} estudiaron las respuestas a la pandemia en Bélgica, Francia y Canadá y encontraron que las diferentes respuestas a la pandemia están asociadas a los distintos tipos de gobernanza y estructuras de los sistemas de salud. En particular el grado de autonomía de los gobiernos subnacionales. De manera similar, ^{Bandelow et al. (2021)} comparan políticas implementadas por Francia y Alemania. El argumento de estos autores es que el diseño institucional (centralizado o federal) tiene consecuencias sobre las medidas tomadas. En particular, porque los sistemas federales enfrentan el reto de balancear las medidas centralizadas con los intereses subnacionales.

Una quinta explicación sostiene que la disposición de los gobiernos para implementar estas medidas estuvo condicionada por la severidad de la pandemia en el país. De esta manera, sostienen que los gobiernos que observaron un alto crecimiento en el número de casos de Covid-19 fueron más propensos a implementar políticas de distanciamiento social (Adolph, et al., 2020; Mistur et al., 2022). En este sentido, las políticas implementadas habrían sido contingentes a la evolución de la pandemia.

A estas condiciones pueden sumarse al menos dos hipótesis adicionales: en primer lugar, los países con una alta proporción de trabajadores en sector informal fueron menos propensos a implementar fuertes medidas de contención. En contextos en los que un sector económico importante no tiene un ingreso fijo o la facilidad de trabajar desde casa, estas medidas serían menos viables. En segundo lugar, se puede considerar la ubicación ideológica del gobierno. En particular, podría pensarse que los gobiernos de derecha estuvieron más dispuestos a implementar medidas de mano dura que los gobiernos de izquierda o de centro.

Selección y calibración de los casos

Los casos seleccionados en este estudio son los 18 países de América Latina. El criterio de selección son los casos más similares. En este sentido, los países latinoamericanos comparten una serie de características culturales e históricas; los niveles de desarrollo económico e ingreso son similares y sus características institucionales parecidas al tratarse de sistemas presidenciales. Estos casos muestran variación con respecto a la fuerza con que estos Estados respondieron a la pandemia, particularmente en sus acciones de contención.

La Gráfica 2 muestra los valores del Índice de Rigor para los 18 países latinoamericanos en el periodo enero-junio de 2020. Como puede observarse, mientras algunos países implementaron fuertes restricciones como el caso de Perú y Colombia, otros países adoptaron medidas menos severas como el caso de Uruguay, México y Nicaragua.

Fuente: Elaboración propia.

Gráfica 2 

En QCA, la calibración es entendida como el proceso mediante el cual los datos crudos son transformados en una puntuación de membresía a un conjunto (Dusa, 2019; ^{Schneider & Wagemann, 2012}). La calibración es utilizada cuando se trabaja con conjuntos difusos, en donde los casos tienen membresías parciales. En este sentido, la calibración permite transformar los valores crudos en una escala que va de 0 a 1.

El método de calibración utilizado en este estudio es el método directo propuesto por ^{Ragin (2008)} que utiliza una función logarítmica para transformar a los valores entre 0 y 1¹ y se requiere del establecimiento de tres anclajes: i) Total inclusión, ii) Punto de cruce y iii) Total exclusión. En este sentido, deben establecerse un criterio para determinar qué casos están claramente dentro del conjunto, cuáles están completamente fuera de él y cuál es el punto de mayor ambigüedad. Para ello, debe precisarse con claridad los valores para cada uno de los anclajes.

El valor de los anclajes utilizados para cada uno de los factores explicativos y el resultado de interés se presenta en la Tabla 1. El resultado de interés es medido con el Índice de Rigor de la Universidad de Oxford.

Análisis de necesidad y suficiencia

El punto de partida de QCA es identificar si existen condiciones necesarias. Las condiciones necesarias son aquellas sin las cuales el resultado no es posible, las cuales pueden ser factores individuales o una combinación de condiciones explicativas. En términos de teoría de conjuntos, significa que el resultado de interés Y es un subconjunto del factor explicativo (X ⇐ Y). En este caso indicaría que los países con medidas restrictivas son un subconjunto de países con determinadas características. El procedimiento consiste en identificar el común denominador de los casos positivos; es decir, aquellos que presentan el resultado de interés.

Al realizar el análisis de necesidad no se encuentran factores individuales que produzcan las medidas restrictivas al inicio de la pandemia. En cambio, se identifican dos disyunciones que operan como condiciones necesarias. Esto quiere decir que los factores individuales, por sí mismos, no son necesarios, pero su conjunción lógica con otro conjunto opera como condición necesaria (Oanna, Schneider y Thomann, 2021). En el análisis se encontraron dos condiciones necesarias: i) sin casos positivos o altas capacidades hospitalarias y ii) sin democracia o sin capacidades hospitalarias o con gobiernos de derecha.

En esta solución, el símbolo ~ denota negación o ausencia del atributo, mientras que el operador + indica una disyunción y puede ser leído como la palabra “o”. Ahora bien, el primer término en la solución presenta una consistencia (INCLN) de 0.90; esto quiere decir que el 90 por ciento de los casos positivos presentan alguno de estos dos factores: casos sin alto número de casos positivos y con capacidad hospitalaria.

Por otra parte, revisamos si la condición es trivial. La cobertura de necesidad (COVN) analiza si la condición de necesidad se deriva de una situación donde existe una gran diferencia entre el factor a explicar y el factor explicativo. Por ejemplo, podríamos encontrar que el oxígeno es un factor explicativo de éxito en una batalla. Sin embargo, el oxígeno es un factor demasiado común con respecto a las instancias en donde observamos el resultado de interés y, por lo tanto, es un factor explicativo trivial. En el análisis de necesidad de este estudio, el indicador de cobertura apunta a que la intersección entre los factores explicativos y el resultado cubre el 82 por ciento de los casos en los que se presentan los factores explicativos, por lo que podemos descartar trivialidad.

Una segunda medida de trivialidad es el indicador de Relevancia de Necesidad (RoN). Este indicador analiza si tanto el factor explicativo como el resultado de interés son factores muy comunes; en dicho caso, la condición puede ser necesaria pero trivial. Los indicadores superiores a 0.5 descartan que se trate de condiciones triviales. El indicador de RoN en este caso es de 0.6, por lo que podemos descartar trivialidad para el primer término ~POS + HOSP.

La segunda condición necesaria que identificamos es: países con capacidades hospitalarias y gobiernos de derecha. Esta configuración presenta una consistencia de 0.93, con lo cual la mayoría de los casos con medidas rigurosas presenta alguno de los factores explicativos. Al mismo tiempo, los indicadores de cobertura de necesidad (COVN) y relevancia de necesidad (RoN), muestran en primer lugar que no existe una gran diferencia entre el conjunto explicativo y el factor a explicar y que se puede descartar que ambos sean factores demasiado comunes. En suma, podemos descartar que se trate de una condición necesaria pero trivial.

Una vez identificadas las condiciones necesarias, procedemos al análisis de suficiencia. Las condiciones son suficientes si cada vez que están presentes se observa el resultado de interés. En teoría de conjuntos, implica que la condición explicativa es un subconjunto de Y (X ⇒ Y). Ahora bien, en conjuntos difusos se utilizan condiciones cuasi suficientes, es decir, combinaciones de factores que son muy cercanas a ser suficientes. El criterio para determinar la suficiencia es que las condiciones presenten un índice de consistencia superior a 0.8. Esto significa que más del 80 por ciento de los casos dentro de la condición presenten el resultado de interés (^{Ragin, 2008}).

El primer paso para identificar las condiciones de suficiencia es crear una tabla de verdad. En ella se muestran todas las combinaciones teóricamente posibles y hace una clasificación de los casos analizados. De tal forma, que todos los casos son asignados de acuerdo con su valor en los factores explicativos. En este caso se cuenta con cinco factores explicativos, lo que produce una tabla de verdad con 32 combinaciones posibles. La información de la tabla de verdad se resume en el Diagrama de Venn de la Figura 1. En esta figura se puede observar en gris las configuraciones que son suficientes, en gris claro a las condiciones falsas y en blanco a los remanentes lógicos, es decir, a las configuraciones sin un referente empírico.

Fuente: Elaboración Propia

Figura 1 

Las condiciones en color gris las conocemos como verdaderas, en el sentido de que son suficientes para producir el resultado de interés. La suficiencia de esta combinación de factores se observa en su índice de consistencia. En la tabla de verdad se encontraron 10 configuraciones que presentan casos positivos, de ellas solo cinco presentan índices de consistencia superiores a 0.8. Esto apunta a que el 100 por ciento de los casos (o cerca del 100%) con dicha combinación de factores son casos de medidas rigurosas.

Una vez elaborada la tabla de verdad se procedió a la minimización lógica. Este procedimiento proviene del álgebra booleana y consiste en simplificar los términos identificados en la tabla de verdad. El procedimiento consiste en comparar las configuraciones verdaderas una a una. Si se encuentra que las configuraciones son iguales en todos los factores con excepción de uno, este último es desechado y se llega a un término simplificado.

En fsQCA existen tres tipos de soluciones: compleja, parsimoniosa e intermedia. Estas soluciones se diferencian por el tratamiento que hacen de los remanentes lógicos, es decir, de las configuraciones que no tienen referente empírico. La solución compleja solamente utiliza las configuraciones verdaderas; la solución parsimoniosa parte del supuesto de que si se observaran casos en dichas configuraciones, éstos serían casos positivos. Mientras que la solución intermedia considera las expectativas planteadas en la teoría y únicamente utiliza las configuraciones residuales que se ajustan a la expectativa teórica.

En este estudio se corrieron los tres tipos de soluciones. Sin embargo, se considera que el modelo más adecuado es el intermedio, ya que permite identificar situaciones contrafactuales que tienen un sustento teórico, en contraste con la solución parsimoniosa que asume a todos los remanentes lógicos como configuraciones verdaderas. A continuación se presenta el resultado del modelo intermedio.

El modelo complejo presenta el índice de cobertura más baja de los tres (0.76) y produce cuatro caminos al resultado de interés. En cambio, los modelos parsimonioso e intermedio presentan una cobertura de 0.87 con solo dos configuraciones que explican la implementación de medidas rigurosas. En este sentido, los modelos parsimonioso e intermedio tienen un mejor desempeño para explicar las respuestas de los gobiernos latinoamericanos y lo hacen a través de un menor número de caminos.

En la solución presentada en la tabla, el operador ~ indica negación y * significa conjunción y puede ser leído como el término “y”. El modelo parsimonioso identifica cuatro caminos que conducen a una respuesta rigurosa en los primeros meses de la pandemia. La primera combinación de factores indica que la ausencia de altas capacidades hospitalarias y gobiernos de derecha fueron suficientes para la implementación de medidas estrictas frente a la pandemia. Esta configuración cubre a cinco países: Guatemala, Honduras, Bolivia, Paraguay y El Salvador. La primera configuración es la que tiene mayor poder explicativo, como lo muestra su indicador de cobertura (COVS). También es la combinación de factores con la cobertura única (COVU) más alta (0.43). Este indicador informa sobre qué proporción del resultado es explicado exclusivamente por dicha configuración (^{Schneider & Wagemann, 2012}; Dusa, 2019).

Un segundo camino para el resultado de interés es gobiernos de derecha con sistemas federales. Esta configuración cubre el caso de Brasil, que tuvo tres ministros diferentes de salud desde el inicio de la pandemia.

El tercer término en esta solución apunta a que países democráticos, con alto número de casos positivos y gobierno de derecha fue una condición suficiente para implementar medidas rigurosas; este el caso de Chile. Finalmente, el modelo identifica un último camino: democracia, con casos positivos, sin capacidades hospitalarias y sin gobierno federal que cubre el caso de Ecuador.

El modelo presenta una consistencia de 0.97. Este indicador nos informa sobre la proporción de los casos que presentan tanto las configuraciones como el resultado de interés. Al mismo tiempo, tiene una cobertura cruda (raw coverage) de 0.74 lo que muestra qué tanto del resultado de interés es explicado por la solución; en este sentido, su interpretación es similar a la de la R² en los modelos de regresión (Dusa, 2019).

El indicador PRI se refiere a la reducción proporcional de inconsistencia (Proportional Reduction Inconsistency), la medida analiza la posibilidad de que la solución contribuya tanto a la presencia como a la ausencia del resultado de interés, lo que representaría una inconsistencia lógica (^{Schneider & Wagemann, 2012}). Lo recomendado es que las configuraciones tengan valores superiores a 0.5 (Oanna et al., 2021). En este caso, todas las soluciones tienen valores superiores a dicho umbral.

El primer término sugiere que los gobiernos de derecha en situación de bajas capacidades hospitalarias fueron más propensos a implementar medidas rigurosas. Esto se alinea con la expectativa teórica que indica que los países con menos capacidades en sus sistemas de salud, fueron más propensos a implementar dichas medidas. Los países eran especialmente vulnerables al no contar con suficientes capacidades para atender un alto número de casos positivos.

Más aún, lo que indica este término es que la decisión de implementar fuertes medidas se dio en combinación con gobiernos de derecha. La derecha en América Latina es heterogénea y era poco estudiada después de las transiciones a la democracia (^{Rovira, 2022}). El crecimiento de esta ideología política en el mundo y la región comenzó un renovado interés en explicar y describir las características y las formas de gobernar de esta fuerza política. Nuestros resultados muestran que los gobiernos de derecha fueron más estrictos para intentar mitigar la pandemia.

En otras áreas, como la seguridad, se encuentra que los gobiernos de derecha son más propensos a medidas de mano dura. El caso latinoamericano parece apuntar en el mismo sentido. Pero al mismo tiempo, presenta un patrón distinto a los observados en otros estudios donde se relaciona a la ideología de derecha con un mayor escepticismo sobre la pandemia o sobre la eficacia de las vacunas para combatirla.

El segundo término indica que la combinación de gobiernos de derecha con sistemas federales fue suficiente para producir medidas rigurosas. Esta explicación se apega parcialmente a las expectativas teóricas: por un lado, esperamos que gobiernos de derecha sean más propensos a implementar medidas de mano dura. El federalismo y la coordinación entre ramas de gobierno pudo condicionar el tipo de respuesta que se ofreció frente a la pandemia. Los países federales durante la pandemia mostraron una mejor coordinación y lograron alinear determinadas respuestas en parte por la identidad partidista (Bennouna et al., 2022) Una respuesta basada en medidas duras y fuertes restricciones de movilidad y cuarentenas pudo ser coordinada mejor desde gobiernos federales.

El tercer camino muestra que los gobiernos democráticos con alto número de casos positivos y gobiernos de derecha implementaron fuertes medidas restrictivas. El caso cubierto por esta configuración es Chile. El resultado se alinea con respecto a lo esperado de gobiernos de derecha y casos con alto número de contagios. Por ejemplo, en Chile, el presidente Sebastián Piñera impuso un confinamiento en la región metropolitana y durante la cuarentena los ciudadanos nos podían salir sin un permiso legal y se combinó con un sistema de toque de queda de las 22:00 hrs a las 5:00 hrs. (^{Bennett, 2021}). Las medidas drásticas también se observaron: cuando una persona tenía un resultado positivo, debía cumplir con su cuarentena de 14 días y si no la cumplía podía ser sancionado de acuerdo con el Código Criminal (^{Bennett, 2021}).

Finalmente, el cuarto camino son democracias con alto número de casos positivos, sin capacidades hospitalarias y sin sistema federal. El caso cubierto por esta configuración es Ecuador. Esto apuntaría a que las democracias que enfrentaron un rápido crecimiento de casos y que carecían de capacidades en sus sistemas de salud para atender a esta población, optaron por medidas rigurosas. Estos elementos se combinan con un contexto sin sistema federal que, de acuerdo con la literatura, facilita la implementación de estas medidas debido a reducción de actores con poder de veto.