Desde el inicio de la expansión de la actual pandemia causada por la COVID-19, los analistas de datos no han parado de intentar buscar correlaciones que ayuden a aclarar mejor cómo y con qué factores predictivos se ha relacionado la expansión mundial del coronavirus SARS-CoV-2 que ha ocasionado la enfermedad.
La Comunidad de Madrid, como otras Comunidades Autónomas en España, también ha compartido en abierto la información epidemiológica con la tasa de confirmados desagregada tanto por Zonas Básicas de Salud como por municipios y distritos.
Hemos de ser muy cautelosos con las conclusiones que extraemos del análisis de estos datos. Y esto se debe principalmente a dos razones:
- Primero, porque los casos confirmados solo representan un porcentaje muy bajo del total real. Si asumimos la estimación que algunos estudios han obtenido, la tasa de letalidad del coronavirus rondaría el 0,66%. La Comunidad de Madrid ha confirmado 8.505 fallecidos por la enfermedad hasta el 7 de mayo, lo que equivaldría a pensar que aproximadamente 1,3 millones de madrileños han contraído la enfermedad (un 19,3% de toda su población). Sin embargo, en la información desagregada disponible solo tenemos territorializados 62.420 casos confirmados. Estos solo equivaldrían a un 4,8% de la totalidad de los casos presupuestos, algo que eleva la cifra de mortalidad confirmada al 13,6% (una cifra sin duda desproporcionada).
- Segundo, debido a posibles factores de composición que afecten a la cifra de confirmados. En las primeras fases, sobre todo, y más en Madrid ante la magnitud de la pandemia y la carestía de pruebas diagnósticas masivas, solo se han realizado test confirmatorios a aquellos que presentaban los síntomas más severos (que serían en torno al 15-5% del total), así como a grupos de riesgo como el personal sanitario. Esto podría tener como consecuencia que salgan sobrerrepresentados territorialmente aquellos barrios con mayor porcentaje de población con factores de riesgo (como personas mayores) o aquellos donde reside profesional sanitario (si es que éste no se distribuye de manera homogénea).
Teniendo en cuenta todas esas precauciones vamos a intentar desgranar algunos resultados y conclusiones de los datos compartidos en abierto por la Comunidad de Madrid.
Desde el principio de la pandemia, la tasa acumulada de confirmados se ha concentrado especialmente alrededor de cinco focos: Leganés con especial incidencia en Leganés Norte, Barrio del Pilar-Tetuán, el eje de la A-3 (Moratalaz-Vallecas), El Pardo y, en menor medida, Alcalá de Henares. Estas zonas albergan al 8% de la población total de la Comunidad de Madrid, pero el 28 de abril (primer día del que hay datos territorializados) suponían el 15% del total de los casos confirmados.
Sin embargo, con el paso del tiempo las altas tasas de confirmados acumulados se han ido expandiendo alrededor de ellos, así como, generando nuevos clústeres de alta incidencia en Coslada, el eje de la A-5 y el distrito Salamanca. Para el 5 de mayo, los tres clústeres de iniciales ya “solo” suponían el 13% del total de casos confirmados.
Para medir la presión a la que estuvo sometida el sistema sanitario madrileño es mejor, sin embargo, realizar los análisis con la tasa acumulada de confirmados durante los últimos 14 días. Como se puede observar en el siguiente plano, a fecha de 8 de abril, cuatro de los cinco clústeres iniciales (no así el de Alcalá de Henares) de los que hablamos antes continúan siendo claramente visibles. La máxima presión se observó precisamente ese día, con 23.000 casos activos. Recordemos que Madrid tenía solo 641 camas en las UCI antes del inicio de la pandemia.
El éxito social del cumplimiento de las medidas adoptadas durante el confinamiento es claro si miramos la territorialización de esa misma tasa el día 5 de mayo. Casi todas las Zonas Básicas de Salud presentan tasas por debajo de los 100 casos confirmados por cada 100.000 habitantes durante los últimos 14 días. Llama la atención, como se puede observar en el video de la evolución de esta tasa, que se inserta más abajo, que los mayores repuntes se observen ahora en las áreas de salud de las periferias suburbanas del oeste madrileño. Al principio estas contaban con una situación sensiblemente mejor que la de las áreas urbanas, pero las cifras de nuevos positivos aún continúan creciendo en algunas de estas zonas, los únicos lugares donde esto aún ocurre.
Para ver más detalles sobre la evolución de estas dos tasas a lo largo del tiempo, colgamos aquí estos dos vídeos:
Evolución de la tasa de incidencia total acumulada de la COVID-19 en el AUF de Madrid
Evolución de la tasa de incidencia de los últimos 14 días de la COVID-19 en el AUF de Madrid
¿Podemos hablar de variables predictivas?
Durante el tiempo que llevamos con la pandemia han aparecido artículos que relacionan una mayor incidencia de la COVID-19 con algunas variables urbanas: concentración, densidad, contaminación, desigualdad urbana, salud… Es innegable que las grandes áreas urbanas han sido la puerta de entrada del coronavirus en la mayoría de los países, sin embargo, esto es solo la constatación de una obviedad. Las grandes metrópolis son los nodos de interconexión de un mundo hiperconectado. Si somos capaces de convertir esta constatación social del éxito de nuestra especie en un espacio más sostenible, solidario, respetuoso y seguro; lograremos reducir la presión sobre los recursos ecológicos del resto del planeta y convertiremos su espacio en un verdadero espacio de acogida y oportunidades para todos. Es en ellas, que representan una superficie relativamente pequeña del planeta, pero acumulan más de la mitad de su población y la inmensa mayoría del consumo de sus recursos, donde estas batallas entre diferentes modelos de habitar han sido y van a ser luchadas.
Nosotros también hemos decido estudiar la correlación entre la tasa total acumulada de positivos por COVID-19 y algunas variables urbanas. Ya adelanto que los resultados son escasamente concluyentes, el elemento azaroso en la línea de contagios parece ser hasta la fecha el único, e inútil, predictor para la expansión de esta pandemia.
El coeficiente de correlación entre la tasa de positivos y la densidad urbana es muy débil (0,27) para obtener ninguna conclusión al respecto. La densidad de los diferentes tejidos urbanos aloja tal diversidad de circunstancias que es imposible objetar que esta ventajosa cualidad urbana ha sido un elemento propagador del virus. Además, esa débil correlación ha disminuido a medida que se expandía la pandemia, algo que evidencia que lo que ha protegido en un principio a las áreas menos densas no ha sido esa falta de densidad, sino más bien su lejanía del centro. Y como se comentó anteriormente, esto también ha hecho que algunas de estas áreas sean las únicas que han visto subir sus tasas de contagio aún con las medidas más duras del confinamiento, su insostenible e ineficiente necesidad de larga movilidad incluso para lo más cotidiano aumenta su riesgo. Por ello en este blog ya hemos propuesto el modelo de la ciudad de los 15 minutos.
En Madrid tampoco la renta muestra una correlación robusta con la tasa acumulada de positivos. Esto seguramente sea así gracias a las ventajas de nuestro sistema universal de salud, una bondad que no deberíamos nunca olvidar y aún más si comparamos con lo que está ocurriendo en otros lugares. A pesar de todo, sí podemos observar que la tasa media acumulada es ligeramente menor en las áreas segregadas de clase media-alta (830 positivos por cada 100.000 habitantes, frente a los 919 del resto de tejidos urbanos).
La correlación con el porcentaje de personas mayores sí es moderada (0,42), sin embargo, esto era hasta cierto punto esperable, ya que se trata de uno de los grupos de riesgo donde la tasa de mortalidad aumenta considerablemente. En todo caso, la relativa homogeneidad en la distribución espacial de estas cohortes no arroja un coeficiente territorialmente significativo.
Un indicador opuesto al anterior es la tasa de actividad laboral. En este caso, evidentemente la correlación es inversa (-0,28) pero de nuevo se trata de un predictor poco significativo.
Otro de los indicadores moderadamente correlacionados con la tasa acumulada de positivos es la superficie media de la vivienda por miembro del hogar. En este caso la correlación es evidentemente negativa (0,39), a menor superficie en el hogar (o lo que es lo mismo, a mayor hacinamiento), mayor tasa de positivos confirmados. El ejemplo claro de esta correlación se observa en los clústeres de Barrio del Pilar-Tetuán, El Pardo, el eje de la A-3 (Moratalaz-Vallecas) o el de la A-5.
Sin duda muchas cosas habrán, o al menos deberían, cambiar una vez pasada la pandemia. Entre ellas, la calidad de nuestro parque residencial edificado es una de ellas: mejores condiciones de soleamiento y ventilación, mejor accesibilidad y una mayor eficiencia energética. Unas necesidades que ya estaban en el programa político urgente de nuestras ciudades, pero que con esta pandemia ha cobrado más actualidad y materialidad que nunca. Como algunos artículos denuncian, las condiciones de la vivienda son uno de los mejores predictores de la posición de cada individuo en el gradiente social de nuestras ciudades y ante la situación de confinamiento esta realidad se magnifica.
Por último, el porcentaje de empleados que utilizan el coche propio en sus desplazamientos laborales diarios es otro indicador moderadamente relacionado con la tasa acumulada de positivos confirmados. En este caso se trata de una correlación negativa (-0,42), a mayor uso del vehículo privado menor tasa de positivos. Sin embargo, y hasta cierto punto, esta correlación esconde la influencia de una tercera variable: la lejanía al centro de la aglomeración y la protección que conlleva. Si corregimos el efecto de ésta, dicha correlación baja a -0,35. Aun así, seguimos pudiendo caer en el error de culpar a la movilidad sostenible en transporte público y de proximidad por aumentar el número de contagios. Como veremos más adelante, esta correlación se explica debido a la influencia que existe entre este indicador y las dos variables únicamente explicativas del modelo -envejecimiento (el uso del coche privado está relacionado con el fenómeno de la suburbanización, que está siendo protagonizado por la elección (y/o expulsión) de los nuevos hogares, relativamente jóvenes, en la periferia) y hacinamiento (por supuesto, al igual que la calidad residenical, también es una «cómoda» elección relacionada con el poder adquisitivo)-.
Puede que el coche a primera vista nos dé una sensación de seguridad, en California es uno de los indicadores que se aducen para explicar su baja tasa de contagio frente a la realidad de la costa este de los Estados Unidos. Sin embargo, de poco vale esa efímera protección si lo que estamos intercambiando es insostenibilidad ambiental, vulnerabilidad energética y aislamiento social. De lo que se trata en este caso es de plantear la necesidad de planificar y reforzar el transporte público y las áreas urbanas para evitar la saturación de determinados trayectos en horas punta, y de articular estructuras de proximidad reduciendo las distancias de desplazamiento. La reducción en los índices de contaminación que ello supondría sería gratamente agradecido, tanto por nuestra salud como por el medio ambiente. Recordemos también que ya varios estudios han correlacionado la polución atmosférica y un aumento de la mortalidad del virus.
Por otro lado, como ya se dijo antes, son estos territorios (aquellos donde más se usa el coche propio) los que más están viendo crecer su tasa de contagios en la fase más reciente de la pandemia. Posiblemente a consecuencia de su necesidad imperante de movilidad de larga duración, incluso para cubrir las necesidades más básicas. De hecho, un mayor incremento de la tasa de positivos durante los primeros cincos días de mayo (los últimos de la serie analizada) también está positivamente correlacionada (0,35) con el mayor uso del vehículo privado. Lo que en un primer momento pareció un elemento de protección, el uso del coche particular, ahora se está convirtiendo en una amenaza.
Todas las relaciones anteriores se han determinado mediante regresión simple, ahora bien, muchos de los factores predictores analizados correlacionan entre sí. ¿Cuáles son los realmente importantes para la determinación del modelo de expansión del virus? Pues bien, en la elaboración de un modelo simplificado de regresión múltiple, el primero de los indicadores redundantes es la actividad, el segundo la renta, el tercero la densidad urbana y, por último, también sale del modelo, el índice de commuters en coche privado. Los únicos dos factores independientes que sirven como predictores de la expansión de la pandemia son el envejecimiento y el hacinamiento (el envejecimiento correlaciona clara e inversamente con la actividad, pero también se relaciona con una renta media, con una mayor densidad urbana y con un menor uso de coche privado, haciéndolas redundantes; y el hacinamiento, por su parte, lo hace con las rentas más bajas, una mayor densidad y los niveles más bajos de commuting en coche propio). En cualquier caso, el valor predictivo de estas dos variables es más bien escaso (el estadístico R-Cuadrada ajustada indica que el modelo explica tan solo el 22,24% de la variabilidad en la tasa acumulada de positivos confirmados).
En resumen, este análisis confirma que no existen grandes variables predictivas que expliquen la territorialización de la pandemia en el área urbana de Madrid. A pesar de ello, y aunque de manera moderada, se puede establecer una correlación entre la incidencia de la enfermedad y dos factores principales: el envejecimiento y el hacinamiento. El primero es solo un indicio de la mayor afección sobre el gran grupo de riesgo de la enfermedad y está sesgado por la imposibilidad de haber realizado test masivos. Sobre el segundo, como arquitectos y urbanistas, tenemos mucho que decir. La rehabilitación y mejora del parque residencial de las áreas urbanas más vulnerables ha de convertirse en un eje prioritario para la construcción de la ciudad post-COVID.
Autor del artículo: Jose Manuel Gómez Giménez, investigador del Grupo de Investigación en Arquitectura, Urbanismo y Sostenibilidad (GIAU+S), del Departamento de Urbanística y Ordenación del Territorio de la ETS de Arquitectura de la Universidad Politécnica de Madrid.
