Categoria: Sin categoría

Descarregar PDF

Grup d’Anàlisi Quantitativa Regional (AQR–UB)
AQR COVID-19 / #11

Barcelona, 25 de Maig de 2020

Antecedents i objectius

La creixent disponibilitat d’informació estadística sobre la propagació i la incidència de la COVID-19 a nivell territorial està permetent monitoritzar la distribució espacial de l’epidèmia i vincular la seva incidència amb diverses característiques dels territoris. En el cas de Catalunya, l’Agència Catalana de Qualitat i Avaluació de la Salut (AQuAS) ha estat proporcionant, des de finals de març, informació sobre el nombre diari de casos positius de la COVID-19 per àrees bàsiques de salut (ABS) i per municipis.

En píndoles anteriors hem mostrat evidència sobre l’associació entre la distribució geogràfica de la COVID-19 i alguns factors d’interès, com ara la densitat de població, els factors meteorològics o les condicions socio-econòmiques de la població en els diferents territoris, entre d’altres factors. Aquestes anàlisis prèvies, com s’ha fet principalment en la literatura existent, es van centrar en la incidència de propagació de la COVID-19 mesurada com la fracció de persones que van donar positiu i el percentatge de la població. Borjas (2020) argumenta que les anàlisis basats en un sol número podrien ser un problema. De fet, la taxa d’infecció en la població és el resultat del producte de dos factors diferents: la freqüència de les proves en una àrea en particular i la fracció de les proves positives entre els avaluats. Considerant el cas de Nova York, Borjas (2020) va argumentar que la incidència de les proves/tests a la ciutat no era aleatòria i va analitzar com les característiques socioeconòmiques es correlacionen amb cada un dels dos determinants de la taxa d’infecció. Els resultats han demostrat que alguns factors socioeconòmics estaven correlacionats en direccions oposades amb cada un dels dos determinants de la taxa d’infeccions, obtenint una correlació “zero” amb les taxes d’infecció sobre la població. Com a conseqüència, l’efecte que aquestes variables han tingut en la propagació de la COVID-19 roman ocult. Més detalladament, va demostrar que la incidència de les proves es va correlacionar positivament amb els ingressos de la llar en certs veïnats, assenyalant així que les àrees més riques tenien més probabilitats de ser avaluades. No obstant això, una vegada que s’havien administrat les proves, la probabilitat d’infectar-se estava inversament relacionada amb els ingressos; les llars més pobres tenien més probabilitats d’infecció. A més, en general, els seus resultats han demostrat que la probabilitat condicional d’un resultat positiu de la prova va ser molt més gran per a les persones que viuen en veïnats pobres, on un gran nombre de persones resideixen juntes i en veïnats amb una elevada població negra o immigrant. Al mateix temps, però, les persones que resideixen en barris pobres o immigrants tenien menys probabilitats de fer-se la prova. Aquests resultats poden dependre de les característiques del sistema de salut dels EUA., ja que es necessita una assegurança de salut (o prou recursos econòmics) per obtenir assistència mèdica, ja que la majoria dels centres de salut són gestionats per empreses privades[1].

El sistema de salut a (la majoria) dels països europeus és diferent del dels EUA., ja que és principalment públic i (gairebé) totalment finançat per l’Estat. Per tant, accedir a assistència mèdica a Europa no està condicionat per tenir una assegurança de salut. Per tant, sorgeix una pregunta natural: com es correlacionen els factors socioeconòmics amb cada un dels dos determinants de les taxes d’infecció a Europa en comparació amb els Estats Units? Això ajudarà a comprendre si les diferències en els sistemes de salut podrien tenir un paper en com el sistema de salut ha combatut la propagació de la COVID-19. En aquesta píndola, considerem la regió europea de Catalunya (Espanya) i analitzem el paper de diversos factors socioeconòmics en les taxes d’infecció i en els seus dos determinants, utilitzant dades definides a nivell d’Àrees Bàsiques de Salut (ABS).[2]

L’anàlisi empírica utilitza dades de secció transversal pel 8 d’abril, que és l’últim dia en què les autoritats sanitàries catalanes van proporcionar informació sobre el nombre de proves realitzades. Analitzem l’associació entre la taxa d’infeccions sobre la població, la taxa de proves sobre la població i la taxa d’infeccions sobre les proves, amb un conjunt de dades relacionades amb els indicadors demogràfics i socioeconòmics de la població de Catalunya. Pel que fa a l’evidència descriptiva, per a la regió total de Catalunya a data 8 d’abril, s’han dut a terme 65.394 proves, que representen menys de l’1% de la població. A més, al voltant del 43% de les proves van donar resultats positius, mentre que el nombre de casos positius per cada 10.000 habitants va ser de 36,44. A més, la correlació entre els casos positius sobre la població i el nombre de proves sobre la població és de 0,89, mentre que la correlació entre el nombre d’infeccions sobre la població i el nombre d’infeccions sobre les proves és de 0,67. Finalment, la correlació entre el nombre de proves sobre la població i el nombre d’infeccions detectades durant les proves és de 0,34.

En aquesta píndola ens hem centrat en les següents variables explicatives: densitat, percentatge de persones majors de 65 anys, taxa de mortalitat, percentatge de població dependent més gran de 15 anys[3], un índex de socioprivació[4] i un conjunt de variables relacionades amb la població estrangera, com el nombre d’estrangers, també diferenciats per regions d’origen, com els països desenvolupats[5], la Xina, Itàlia i la UE. [6]

Determinants de les taxes d’infecció, taxes de proves i taxes d’infecció sobre les proves

Realitzem una regressió logit grupal usant mínims quadrats ponderats per a la mostra de 371 ABS amb dades fins al 8 d’abril de 2020. Totes les regressions controlen els factors meteorològics (usant la temperatura i humitat mitjana entre dos i tres setmanes abans de la data de referència), contaminació (usant la mitjana en els últims anys de NO2 i PM10), el dia des de la primera prova (o cas) i el seu valor al quadrat, i una variable fictícia que identifica una àrea (Conca d’Òdena) on hi ha hagut un brot significatiu a Catalunya. Atès que les nostres variables independents estan en gran mesura altament correlacionades entre elles, les inserirem per separat en una sèrie de regressions. No obstant això, també executem les regressions amb totes les variables, per verificar les troballes individuals. La Taula 1 resumeix els resultats obtinguts en termes de signes i significació de cada variable [7].

A la Taula 1 es pot veure que la taxa d’infeccions sobre la població s’associa positivament amb moltes de les variables que s’han tingut en compte, com el percentatge de població major de 65 anys, el percentatge de població amb dependència major de 15 anys, la densitat de l’activitat econòmica i l’índex de socioprivació[8]. D’altra banda, vam descobrir una associació negativa amb la presència relativa, en les ABS, d’immigrants, en particular quan provenen de la Unió Europea i, en menor mesura, d’Itàlia. No trobem cap associació significativa, en termes d’ABS, amb una presència relativament alta d’immigrants provinents de la Xina i dels països en desenvolupament; fins i tot l’associació amb la Xina és positiva, però estimada de forma poc precisa. A més, encara que existeixen correlacions significatives entre parells de variables, aquests patrons individuals es confirmen en l’anàlisi conjunta..

Taula 1. Explicació de la taxa d’infecció, la taxa de proves i la taxa d’infecció sobre les proves: comparació de signes i significat de les estimacions de paràmetres per a variables clau

Font: elaboració pròpia. Significació a l’1% ***, 5% ** i 10% *.

Ara observem els determinants de la taxa d’infecció sobre la població: la incidència de les proves sobre la població i la incidència de les proves positives sobre les proves totals. Analitzem cadascuna de les variables d’interès per separat.

Pel que fa a l’estructura d’edat i la morbiditat de la població, és possible observar que s’ha realitzat un nombre relativament gran de proves per càpita a les ABS caracteritzades per un major percentatge de població d’edat avançada (> 65) i taxa de mortalitat . Això podria haver estat justificat per la necessitat de “cobrir” relativament més aquest segment de la població, més propensos a patir de forma greu la malaltia. A més, podria estar en línia amb la política seguida a Catalunya, on només les persones amb símptomes greus han estat analitzades per detectar la COVID-19, i aquestes probablement eren persones grans. No obstant això, mantenint fix el nombre de proves, no hi ha una associació significativa amb la incidència d’infeccions (com a Borjas, 2020). Per tant, el major nombre d’infeccions sobre la població associades amb aquestes dues variables està impulsat pel nombre relativament gran de proves, el que suggereix que no hi ha una “predisposició” més gran per emmalaltir en aquest segment de la població [9]. D’altra banda, al considerar les ABS caracteritzades per un nombre relativament gran de persones amb una condició de dependència, s’han trobat taxes d’infeccions més altes per a aquest segment de la població, el que suggereix una major probabilitat d’infecció per a usuaris amb condicions elevades de morbiditat. No obstant això, no s’ha prestat més atenció a la prova d’aquest segment de la població pel que fa als altres, ja que l’associació amb la proporció de proves sobre la població és insignificant.

Pel que fa a la densitat, és coneguda l’associació positiva entre la taxa d’infecció i la població, i això es confirma també en el cas de Catalunya [10]. A més, tant la taxa de proves sobre la població com la taxa de proves positives sobre les proves totals mostren una associació positiva, amb major magnitud per al primer. Aquests resultats també es confirmen quan es prova la variable conjuntament, especialment pel que fa a la taxa de proves. Per contra, quan es considera l’estructura d’edat i morbiditat de la població en el cas de la taxa d’infeccions respecte al conjunt de proves realitzades, la relació no és significativa..

Considerant les àrees més desfavorides, també trobem una associació positiva amb les taxes d’infecció, impulsada tant per la incidència de les proves sobre la població com per la incidència de casos positius sobre les proves. En aquest cas, la magnitud de l’efecte és més gran pel nombre de casos positius. Per tant, les ABS caracteritzades per una major socio-privació tenien més probabilitats d’haver ser testats/provats i es van trobar més resultats positius respecte les ABS amb menor grau de socio-privació. Aquests resultats també es mantenen quan es proven conjuntament totes les variables d’interès. [11]

Finalment, considerant l’estructura estrangera/nativa de la població, sorgeixen altres troballes interessants. De fet, totes les ABS amb un nombre relativament alt de població estrangera han estat relativament menys provades/testejades que altres ABS, amb l’excepció (encara que individualment no s’estima amb precisió) d’aquelles caracteritzades per un percentatge relativament més gran de població xinesa.

No obstant això, considerant els immigrants en general, l’associació amb casos positius és insignificant. Per tant, l’associació negativa amb la taxa d’infecció sobre la població està impulsada per la menor mesura en què s’han avaluat aquestes àrees, més que per les taxes d’infecció més baixes durant les proves.

Passant a considerar col·lectius de manera més específica, en relació a la població xinesa, els resultats de la taxa d’infecció sobre la població han estat impulsats per una major atenció a fer proves/tests en àrees caracteritzades per una alta presència d’aquesta ètnia, que per un major nombre de taxes d’infecció respecte altres àrees. Aquests resultats també es mantenen quan es contrasten les variables conjuntament.

Tenint en compte les ABS amb un alt percentatge de població procedent dels països en desenvolupament, l’associació amb la taxa d’infecció en principi no és significativament diferent de 0. No obstant això, aquest és el resultat, com s’ha esmentat anteriorment, de la compensació entre relacions de signe invers respecte cada un dels dos determinants de la taxa d’infecció. De fet, aquestes àrees han estat relativament menys propenses a ser provades/testejades. No obstant això, una vegada controlada la quantitat de proves/tests realitzats, s’han trobat taxes d’infecció més altes.

L’última troballa podria estar relacionada amb la socio-privació, la qual augmenta la probabilitat d’infectar-, ja que una major socio-privació podria estar associada a àrees amb un alt percentatge de població provinent dels països en desenvolupament. No obstant això, aquest no sembla ser el cas, ja que quan es proven/contrasten conjuntament variables d’interès, donat el mateix nivell de socio-privació, les correlacions resultants no canvien significativament. Per tant, s’han dut a terme menys proves també en àrees més desfavorides caracteritzades per un major percentatge de població provinent dels països en desenvolupament en comparació amb les àrees més desfavorides caracteritzades per un major percentatge de població nativa, fins i tot si les ABS amb alta incidència de població provinent dels països en desenvolupament semblen estar relativament més afectades.

Quant als immigrants d’Itàlia i de la UE en general, la taxa d’infecció sobre la població està impulsada per una menor incidència de la prova i una menor taxa d’infecció en les proves, el que assenyala una menor atenció cap a aquestes àrees que van mostrar menys infeccions.

Conclusió

En general, aquests resultats mostren que, en comparació amb el cas dels Estats Units, Catalunya sembla haver-se comportat de manera diferent. Si bé els EUA  ha concentrat més atenció en avaluar a individus en àrees més riques, encara que després es van trobar infeccions més altes en els segments relativament més pobres de la població, a Catalunya s’ha prestat més atenció a les àrees en principi que tenien més probabilitats de patir greus conseqüències de la malaltia, com aquells caracteritzats per una major privació i el que té una major presència de persones grans (en aquest últim cas, com en els Estats Units). No obstant això, com als Estats Units, Catalunya va posar menys atenció a les àrees amb un major percentatge de població estrangera. Això podria estar justificat en el cas d’immigrants “més rics” com els d’Itàlia i la UE donat que la incidència de la taxa d’infecció ha estat menor, però no en el cas de la població estrangera provinent de països en desenvolupament, on s’observa que la incidència de la taxa d’infecció ha estat més gran.

Aquesta imatge suggereix que, al menys en certa mesura, el sistema de salut català (que comparteix diverses característiques amb la resta dels sistemes de salut pública europeus) ha brindat més assistència als segments més pobres de la població respecte el sistema de salut dels EUA., per gestionar el brot de la COVID-19. temps Ara bé, no està clar si aquesta assistència ha privilegiat relativament més a la població nativa respecte al segment més feble de la població estrangera. Es necessitarien més anàlisis per aclarir millor l’últim punt.

Un altre resultat important de l’anàlisi general és la rellevància de fer públiques les dades sobre la quantitat de proves realitzades perquè, com hem demostrat, poden ressaltar diversos aspectes de la gestió de la infecció que no és possible reunir sense accés a aquestes dades[12]. Per tant, és qüestionable la raó per la qual les autoritats sanitàries catalanes (com probablement les espanyoles) han decidit deixat de fer disponibles aquestes dades (al menys fins el moment d’escriure aquesta nota de recerca).

---

Aquesta nota sintetitza alguns dels resultats sobre l’anàlisi de la distribució geogràfica de la COVID-19 a Catalunya que s’està duent a terme per part
d’investigadors del Grup de Recerca AQR de la UB (http://www.ub.edu/aqr/). En ella es posa especial èmfasi a considerar els aspectes geogràfics i territorials, fets d’especial interès en la recerca del grup.
Els resultats detallats que s’han fet servir en aquesta nota es troben a disposició del lector interessat.
En l’elaboració d’aquesta nota han participat Josep Lluís Carrion-i-Silvestre, Antonio Di Paolo, Alicia García, José R. García, Enrique López-Bazo, Jordi López-Tamayo, Alessia Matano, Rosina Moreno, Ernest Pons, Raul Ramos, Jordi Suriñach i Esther Vayà.

---

[1] També és possible que les persones que resideixin en els barris més rics podrien haver tingutmillors xarxes d’informació o es podrien permetre amb més facilitat fer proves a altres llocs de la ciutat  (cit. Borjas, 2020).

[2] Vegeu la nota metodològica de les fonts de dades https://www.ub.edu/aqr_covid19/docs/AQR_Covid19_NotaMetodologica_cast.pdf

[3] Fa referència a persones que necessiten algun tipus d’assistència per dur a terme activitats bàsiques diàries a causa de les seves condicions de salut.

[4] Veure definició de l’índex en una píndola anterior Doc AQR-COVID/ #03, http://www.ub.edu/aqr/fitxa-actualitat_en.php?id=104.

[5] Les dades dels països en desenvolupament provenen de la base de dades “Indicadors de salut comunitaris” de la Generalitat de Catalunya.

[6] És important subratllar que, en principi, algunes d’aquestes variables podrien estar correlacionades positivament amb la probabilitat que es poguessin provar i tenir una infecció, com per exemple el nombre de majors de 65 anys. En aquest cas la incidència mesuraria una resposta al brot. Al contrari, per a altres variables, com l’índex de socio-privació o el percentatge de població estrangera, és probable que s’eviti aquesta qüestió d’endogeneïtat, és a dir, no s’espera una correlació positiva amb els determinants de la taxa d’infecció total a causa de l’existència de  brots de l’epidèmia.

[7]Veure la nota metodològica per obtenir resultats de les regressions https://www.ub.edu/aqr_covid19/docs/AQR_Covid19_NotaMetodologica_cast.pdf

[8] Veure una anàlisi més detallada d’aquests factors en píldores anteriors (Doc AQR-COVID/#01 i #03).

[9] Aquests resultats també es confirmen en general quan es proven conjuntament les variables, fins i tot si el nombre d’infeccions per proves en alguns casos està correlacionat positivament amb el percentatge de persones de 65 anys o més, mentre que la taxa de mortalitat és negativa, però això és probable a causa de la alta correlació entre aquestes dues variables (73%).

[10] https://www.ub.edu/aqr_covid19/docs/AQR_Covid19_density_eng.pdf

[11] https://www.ub.edu/aqr_covid19/docs/AQR_Covid19_soceco_eng.pdf

[12] Seria millor, com es va fer recentment a Itàlia, proporcionar informació sobre les dades de les proves i les “noves” proves, quan les persones es fan la prova per primera vegada. De fet, les dades sobre el nombre de noves proves són les noves proves i les que es realitzen a pacients per verificar que la infecció hagi desaparegut.

Descarregar PDF

Grup d’Anàlisi Quantitativa Regional (AQR–UB)
AQR COVID-19 / #10

Barcelona, 5 de Juny de 2020

Antecedents i objectius

La crisi sanitària i econòmica, originada per la COVID-19, que està afectant als cinc continents, està generant greus problemes de mobilitat dels fluxos de persones i mercaderies. Un dels sectors més afectats està sent el turístic i, donat els seus efectes multiplicadors sobre altres sectors econòmics, està tenint un impacte global sobre el conjunt de les economies.

En el cas de l’economia catalana, el sector turístic[1] té un pes rellevant en el PIB, que algunes institucions el situen entre el 10%-12%. Addicionalment, el pes del turisme procedent de l’estranger és més alt en el cas català que per altres territoris, el que complica addicionalment l’evolució a curt i mig termini de la recuperació, donat que la mobilitat internacional està sent i serà en el curt termini més afectada que la nacional.

Davant d’aquesta situació, cal tenir informació, per part d’empresaris, agents socials, i gestors de política econòmica, sobre l’evolució recent de l’activitat turística i la disponibilitat de previsions sobre aquesta evolució en el curt termini (estiu) i mig termini (final d’any). S’han de prendre decisions en un entorn incert, i es necessita aquest coneixement que permeti ajudar a la presa de decisions per part dels agents públics i privats en qualsevol àmbit territorial (i particularment, del català).

És per això que, per encàrrec de l’Agència Catalana de Turisme del departament d’Empresa i Coneixement  de la Generalitat de Catalunya, el Laboratori AQR-Lab de la Universitat de Barcelona ha elaborat una previsió dels principals indicadors bàsics de l’activitat turística a Catalunya, bàsicament volum de turistes (nacionals i internacionals), despesa, ocupació i nombre de pernoctacions. Així mateix, ha estimat l’impacte que la reducció de l’activitat turística podria tenir en les principals macromagnituds de l’economia catalana.

A continuació, en aquesta píndola, es resumeixen alguns dels resultats derivats de l’anàlisi efectuada.

Alguns trets qualitatius

De manera sintètica, algunes tendències de comportament sobre l’evolució del sector turístic, davant la crisi ocasionada per la COVID-19, són:

• La caiguda del PIB turístic serà superior al del conjunt del PIB de Catalunya o Espanya. La forma de recuperació de l’activitat, globalment, potser serà en forma d’U, però pel sector turístic es preveu més llarg, més en forma d’U/L.
• La crisis turística anirà més enllà del confinament derivat de l’estat d’alarma, ja que hi haurà restriccions governamentals sobre com i quan viatjar, restricció d’aglomeracions i serveis i viatges turístics.
• La recuperació de la demanda serà principalment, i en primer lloc, domèstica més que internacional pels propis condicionants externs econòmics (per reducció renda familiar, increment atur), però també psicològics.
• La recuperació del calendari laboral, amb la necessitat de recuperar dies de feina, reduirà els dies de vacances llargues.
• La menor demanda (per motius econòmics i psicològics) podria tensionar els preus a la baixa en els allotjaments turístics.
• Les previsions de diferents institucions internacionals (Tourism Economics, Addara, etc) apunten que no es recuperarà el nivell de turisme domèstic del 2019 fins el 2021, i l’internacional fins el 2023.
• La temporada alta (juliol-agost) no arribarà al volum de demanda d’anys anteriors; en alguns casos i destinacions, l’afectació serà elevada.
• La pèrdua anirà més enllà de l’estiu, i en cada vegada majors escenaris es preveu que arribaran fins més enllà de finals d’any.
• L’impacte no sols serà directe, en les activitats estrictament turístiques, sinó també en les indirectes (proveïdors, relacions intersectorials).

Escenaris

L’anàlisi s’ha fet considerant dos escenaris alternatius (A i B) davant l’elevada incertesa existent, motivada entre d’altres, tant pel desconeixement de les mesures que s’aplicaran per part dels governs en l’àmbit de la mobilitat i l’obertura d’establiments i en la normativa d’ús dels recursos, com per l’evolució de la pandèmia (i els possibles rebrots), com pel desconeixement del comportament dels propis consumidors i oferents de productes turístics. A la taula 1 es sintetitzen les seves principals característiques. En el primer escenari (A) es preveu l’obertura d’establiments turístics a principis del tercer trimestre, existint encara algunes restriccions en els desplaçaments internacionals, mentre que en el segon (B) es preveu una recuperació més ràpida del turisme internacional, existint restriccions més suaus al sector turístic, i una situació relativament propera a la normalitat al darrer trimestre de 2020. En ambdós casos es suposa una caiguda del nombre de nits per turista i una caiguda de la despesa mitjana per turista i nit.

Taula 1.

 Font: Elaboració pròpia

Previsions indicadors turístics

La taula 2 i les figures 1 i 2  presenten els resultats (trimestrals i anuals) sobre l’evolució prevista en les variables que caracteritzen el sector turístic (turistes, despesa, pernoctacions hoteleres i treballadors ocupats en hotels)[2]. Cal esmentar que aquestes previsions han estat elaborades la primera setmana d’abril, pel que caldrà revisar-les a mesura que es vagi tenint més informació sobre l’evolució de la pandèmia i les mesures que es prenguin sobre els límits de l’estat d’alarma. En la figura 2 també es presenta el comportament de l’anomenat escenari base, és a dir, l’evolució prevista en el cas que no s’hagués produït la pandèmia.

Les taxes de creixement del 2020 recullen la variació respecte el mateix període (trimestre o any) del 2019. Les caigudes són notables en totes les variables, especialment en l’escenari A. El trimestre amb major afectació és el segon (abril-juny), amb caigudes al voltant del 90% en la majoria de variables i escenaris, el qual és el període on ha estat vigent l’estat d’alarma i una reducció de l’activitat i mobilitat més elevada. De tota manera, l’afectació en el tercer trimestre, on en major mesura té lloc l’activitat turística, encara és molt elevada, amb reduccions en la taxa de creixement, en l’escenari més favorable (B), entre el 40% i 70%. En termes anuals, la caiguda de la despesa turística es situa entre el 68% i 79%, les pernoctacions entre el 57% i 70%, i els ocupats en hotels entre el 49% i 63%.

Taula 2

* s/ mateix trim. Any anterior. Font: Elaboració pròpia

Figura 1

• 

Nota: Escenari base: evolució prevista en el cas que no s’hagués produït la pandèmia. Font: Elaboració pròpia.

Figura 2

Font: Elaboració pròpia.

Impacte sobre l’economia catalana

Un segon exercici, complementari a l’anterior, ha consistit en simular els efectes d’un shock d’oferta i demanda[3] en el conjunt d’activitats turístiques de l’economia catalana, i analitzar l’impacte directe, indirecte i induït sobre el conjunt de la mateixa.

Recordem que l’impacte directe és l’associat a la variació d’activitat dels sectors estrictament turístics; l’impacte indirecte és l’impacte que es genera en el conjunt dels sectors, associat a les relacions intersectorials que es produeixen (demanda a proveïdors); i l’impacte induït és l’efecte que genera la despesa ocasionada per les rendes salarials dels treballadors que directament i indirecte deuen el seu lloc de treball a l’activitat analitzada (en aquest cas, el turístic). L’anàlisi s’efectua donant els resultats en algunes de les macromagnituds més rellevants en una economia, com són el nivell de facturació, valor afegit i ocupació equivalent a temps complert.

Amb tal finalitat, en primer lloc, i com en l’exercici anterior, s’han definit també dos escenaris d’evolució de l’activitat econòmica. En tal sentit, s’ha introduït una hipòtesi de comportament de l’evolució del valor afegit brut (VAB) en cada una de les activitats turístiques, a 3 dígits que considera l’Idescat. En la previsió del shock d’oferta (reducció del VAB) ocasionat per la crisi de la COVID-19, s’han considerat canvis mensuals.

Se suposa com a punt de partida, en l’economia catalana i espanyola, una reducció de l’activitat, amb caiguda de la producció i destrucció de teixit productiu, que condueix a una variació del creixement de l’economia espanyola entre el -8,7% i el -13,6% del PIB (segons escenaris del Banco de España-BdE)[4], amb similars comportaments per l’economia catalana (reducció de l’activitat al voltant del -11% del PIB).

Aquesta aproximació de l’evolució de l’activitat, via shock d’oferta i demanda, suposa una reducció a curt termini de la mateixa, i no proporciona “una descripció dels desenvolupaments posteriors més enllà del curt termini, al no incorporar una modelització explícita de les relacions entre els agregats econòmics” (BdE, 2020). Tampoc es consideren en aquests escenaris potencials estímuls o ajuts públics que podrien fer minvar el descens de l’activitat previst; p.e. davant els ajuts i transferències públiques (consum i despesa pública) que s’implantin, i que facin que la davallada del consum privat, el tancament d’empreses, l’augment de l’atur, etc. sigui inferior al inicialment previst. Aquestes mesures podrien compensar, en part, les incerteses i restriccions de liquiditat, que també poden afectar al consum turístic. Per tant, no es consideren efectes dinàmics que previsiblement existiran en el mig termini i que afectaran a l’evolució del PIB.

Una vegada obtingut l’impacte directe, s’ha aplicat la metodologia Input-Output (emprant les dades de la Taula Input-Output del 2014 per l’economia catalana) per obtenir l’impacte indirecte i induït sobre les principals macromagnituds: facturació, valor afegit i ocupació equivalent a temps complert, per cada escenari.

La taula 3 presenta els resultats de l’impacte total sobre l’economia catalana derivat d’aquest shock que hi ha hagut en les branques turístiques. Com pot observar-se, la reducció, en termes percentuals, és superior al 20% en totes les variables, el que posa de manifest l’elevat impacte, en termes relatius, que tindrà la reducció d’activitat de les branques turístiques, donat que es preveu, per exemple, una reducció del PIB aproximadament del doble a l’efecte que tindrà el conjunt de l’economia.

Taula 3

Font: Elaboració pròpia.

Conclusions

En aquesta píndola s’analitza l’elevat impacte que tindrà la crisi sanitària, tant estrictament en el sector turístic com en el conjunt de l’economia catalana. En termes percentuals, el trimestre més afectat és el segon, encara que es mantindrà en la resta de l’any, sent particularment preocupant la davallada del tercer trimestre (donada l’estacionalitat del sector).

En termes d’impacte de la reducció de l’activitat turística sobre el conjunt de l’economia catalana, les principals macromagnituds (facturació, PIB i Ocupats equivalents a temps complert) es veuen afectades amb una davallada d’aproximadament el 20%.

Com a possible extensió del present estudi, es podria fer una anàlisi de l’impacte a nivell territorial, analitzant, per exemple, si el sector turístic de les zones de platja es veurà més afectat que el de les zones rurals, o urbanes.

De tota manera, hi ha una elevada incertesa tant en l’evolució de la pandèmia (situació actual i potencials rebrots abans de final d’any), i també en les normes i restriccions de mobilitat que s’introduiran, així com en la decisió de consumidors i dels propietaris d’establiments i serveis turístics quant al seu comportament en els propers mesos, pel que caldrà anar actualitzant les previsions.

Per un major detall en la recerca feta en aquest tema, veure http://act.gencat.cat/wp-content/uploads/2020/06/ESTUDI-IMPACTE-TURISME-3.6.20.pdf i http://www.ub.edu/aqrlab/aqr-lab-analitza-limpacte-sobre-leconomia-catalana-derivat-de-la-crisi-del-turisme-per-la-covid-19-n-43-ca

---

Aquesta nota sintetitza alguns dels resultats sobre l’anàlisi de la distribució geogràfica de la COVID-19 a Catalunya que s’està duent a terme per part d’investigadors del Grup de Recerca AQR de la UB (http://www.ub.edu/aqr/). En ella es posa especial èmfasi a considerar els aspectes geogràfics i territorials, fets d’especial interès en la recerca del grup.
Aquesta píndola es deriva d’un treball realitzat per al Departament d’Empresa i Coneixement de la Generalitat de Catalunya.
En l’elaboració d’aquesta nota han participat Josep Lluís Carrion-i-Silvestre, Antonio Di Paolo, Alicia García, José R. García, Enrique López-Bazo, Jordi López-Tamayo, Alessia Matano, Rosina Moreno, Ernest Pons, Raul Ramos, Javier Romaní Jordi Suriñach i Esther Vayá.

---

[1] Es considera en aquest estudi com a activitats turístiques les que l’Idescat assenyala com a tals. Principalment, part de les branques de Serveis d’allotjament, menjar i begudes, i Activitats immobiliàries (sobretot); també part de Transport terrestre, marítim i aeri, Emmagatzematge i activitats afins al transport, Activitats de lloguer, Activitats de les agències de viatges, operadors turístics i altres serveis de reserves, Activitats de creació, artístiques i espectacles, Activitats culturals; jocs d’atzar, i Activitats esportives, recreatives i d’entreteniment.

[2] A l’enllaç següent es troben les darreres dades publicades sobre alguns dels indicadors assenyalats en aquesta píndola: http://observatoritreball.gencat.cat/ca/ambits_tematics/turisme/demanda_turistica/visitants_estrangers/

[3] Shock d’oferta en tant s’ha produït el confinament i no s’ha pogut obrir durant els últims mesos els establiments turístics. La caiguda dels visitants es tradueix en un shock de demanda.

[4] Banco de España (2020). Escenarios macroeconómicos de referencia para la economía española tras el COVID-19. Artículos Analíticos. Boletín Económico 2/2020.

Descarregar PDF

Grup d’Anàlisi Quantitativa Regional (AQR–UB)
AQR COVID-19 / #9

Barcelona, 25 de Maig de 2020

Antecedents i objectius

La creixent disponibilitat d’informació estadística sobre la propagació i la incidència de la COVID-19 amb detall territorial està permetent fer un seguiment de la distribució espacial de l’epidèmia i vincular la seva incidència amb diverses característiques dels territoris. En el cas de Catalunya, l’Agència de Qualitat i Avaluació Sanitàries (AQuAS) ha anant proporcionant, des de finals del mes de març, la informació relativa al nombre diari de casos positius de la COVID-19 per Àrees Bàsiques de Salut (ABS) i per municipis.

En notes anteriors hem mostrat evidència sobre l’associació entre la distribució geogràfica de la COVID-19 i alguns factors d’interès, com ara la densitat de població, els factors meteorològics o les condicions socio-econòmiques de la població en els diferents territoris, entre d’altres factors. L’objectiu d’aquesta píndola és analitzar les diferències existents en la propagació de la COVID-19 entre els municipis urbans i rurals i la seva evolució temporal. En aquesta anàlisi definim com a municipi rural aquell que té una població de menys de 2000 habitants. Aquest criteri permet dividir els 947 municipis del territori català en dos grups formats per 353 municipis urbans i 594 municipis rurals. Aquesta divisió es mostra a la figura 1. Als primers hi resideix aproximadament el 95% de la població tot i que només representen un 35% dels 32.108 km2 del territori català. Evidentment, aquestes xifres es tradueixen en densitats de població molt diferents entre tots dos grups de municipis, sent aquest un dels factors que s’han mostrat com rellevants en la transmissió de la COVID-19. Aquesta píndola no pretén aportar nova evidència sobre els efectes de la densitat (un aspecte recollit a una píndola anterior) sinó què, entenent que aquesta és una dimensió rellevant en la comparació entre les zones urbanes i les rurals, es pretén analitzar si hi ha altres factors que poden haver contribuït a les diferències observades entre ambdós grups de municipis. En aquest sentit, les interaccions, tant en freqüència com en intensitat, de les poblacions d’àrees rurals poden ser diferents a les de les urbanes, el que segurament va afectar tant a l’arribada del virus als diferents tipus de municipis com a la velocitat de la seva propagació als mateixos. Per tant, una vegada recuperats els patrons de comportament i mobilitat previs al confinament, les zones rurals encara podrien estar en risc de patir la COVID-19 encara que no hi hagin presentat casos fins a l’actualitat. Aquest problema fa que els llocs rurals siguin invisibles estadísticament, creant una falsa sensació d’immunitat rural[i].

Figura 1. Municipis urbans (0) i rurals (1) a Catalunya

Font: Elaboració pròpia a partir de dades de l’IDESCAT

Diferències entre municipis rurals i urbans

Tal i com es pot observar a la figura 2, l’evolució temporal dels casos positius ha estat similar als municipis urbans i rurals amb la diferència que la malaltia va arribar amb posterioritat a les zones rurals respecte a les urbanes. La figura 3 complementa la informació anterior mostrant una estimació de la distribució del nombre de dies en què s’ha produït el primer cas positiu de COVID-19 als municipis rurals i urbans (comptant des del dia 24 de febrer, el dia anterior al primer contagi registrat a Catalunya). Tal i com es pot observar a la figura 3, la gran majoria de municipis urbans va registrar el primer cas com a molt durant els primers 30 dies, mentre que la distribució pels municipis rurals està desplaçada cap a la dreta. La figura 4 mostra la mateixa informació acumulada per dies. Així doncs, s’hi pot apreciar com mentre que a meitats/finals de març s’havia detectat algun cas positiu a gairebé el 100% dels 353 municipis urbans, només s’havia produït aquesta situació a la meitat dels municipis rurals. De fet, a finals de maig aquest percentatge no ha superat encara el 60% dels municipis rurals. Hi ha, per tant, 237 municipis rurals on no s’ha confirmat cap contagi en el moment d’escriure aquesta píndola.

Figura 2. Evolució dels casos positius als municipis rurals i urbans a Catalunya (valors observats i mitjana mòbil centrada d’ordre 7)

Font: Elaboració pròpia a partir de dades del Departament de Salut de la Generalitat de Catalunya i AQuAS.

Figura 3. Dies fins al primer positiu des del 24 de febrer als municipis urbans i rurals

Font: Elaboració pròpia a partir de dades del Departament de Salut de la Generalitat de Catalunya i AQuAS

Figura 4. Percentatge de municipis en què s’ha detectat algun cas positiu

Font: Elaboració pròpia a partir de dades del Departament de Salut de la Generalitat de Catalunya i AQuAS

La figura 5 mostra l’evolució de la taxa de positius COVID-19 per cada 10000 habitants a tots els municipis de Catalunya, distingint entre urbans i rurals, mentre que a la figura 6 es mostra la mateixa informació però només pels municipis on s’ha detectat algun cas, és a dir, excloent els municipis amb 0 casos (1 municipi urbà i 237 rurals). Tal i com es pot observar, la visió que ofereixen totes dues figures és força diferent. La primera figura mostra clarament una bretxa entre municipis rurals i urbans, de manera que als rurals hi ha una menor incidència de la malaltia. Aquesta bretxa s’ha anat ampliant al llarg del temps de manera que, segons les dades més recents, se situa, en promig, al voltant dels 40 punts, pràcticament la meitat que la taxa observada als municipis urbans. En canvi, la segona figura ens mostra una visió diferent: durant l’inici de la pandèmia, la incidència als municipis rurals on s’havia confirmat algun cas va ser superior a la dels urbans i va ser només a partir de meitats d’abril que la situació es va invertir. A mode de síntesi, la figura 7 recull l’evolució de la bretxa promig entre municipis rurals i urbans a partir de les taxes mostrades a les figures anteriors.

Figura 5. Taxa positius COVID-19 per cada 10000 habitants

Font: Elaboració pròpia a partir de dades del Departament de Salut de la Generalitat de Catalunya i AQuAS

Figura 6. Taxa positius COVID-19 per cada 10000 habitants (només municipis amb algun cas confirmat).

Font: Elaboració pròpia a partir de dades del Departament de Salut de la Generalitat de Catalunya i AQuAS

Figura 7. Diferència en la Taxa COVID-19 entre municipis rurals i urbans

Font: Elaboració pròpia a partir de dades del Departament de Salut de la Generalitat de Catalunya i AQuAS

Aquest comportament diferencial també s’observa si s’analitza l’evolució del promig de la Taxa R0 als municipis rurals i urbans considerant únicament aquells municipis on s’ha confirmat aquest contagi (figura 8). La Taxa R0 és superior a l’àmbit rural durant març i abril.

Figura 8. Evolució del promig de la Taxa R0 als municipis rurals i urbans

Font: Elaboració pròpia a partir de dades del Departament de Salut de la Generalitat de Catalunya i AQuAS

Per tal d’analitzar quins són els factors que podrien estar associats amb aquest comportament, s’ha estimat un model de dades de recompte per la taxa de casos acumulats fins al 30 de març i fins al 24 d’abril on s’ha controlat l’efecte de les condicions meteorològiques (temperatura i humitat relativa dues setmanes abans de les dates considerades), els nivells de contaminació atmosfèrica (diòxid de nitrogen i partícules en  suspensió de mida inferior a 10 μm) promig els últims 3 anys, el percentatge de població de 65 anys i més a cada municipi, el nombre de residències de la tercera edat per càpita, així com indicadors de la renda per càpita municipal i de la taxa d’atur. També s’afegeix el nombre de dies transcorreguts des del primer cas confirmat a cada municipi (i el seu quadrat) així com una variable de control per als municipis de la Conca d’Òdena que van patir un brot inicial especialment intens. En concret, s’ha estimat un model binomial negatiu inflat de zeros, on s’han utilitzat com a variables relacionades amb la probabilitat que no hi hagi cap cas la densitat de població, la distància a la ciutat de Barcelona i el seu quadrat[ii], mentre que com a variable d’exposició s’ha utilitzat la població de cada municipi. Els resultats, que es troben disponibles prèvia petició als autors, mostren que després de controlar per la influència de tots aquests factors, la ràtio de la taxa d’incidència associada als municipis rurals és estadísticament superior a 1[iii]. Per tant, i en contra del que semblava a partir de la comparació de les dades brutes, un cop controlat l’efecte de les variables esmentades anteriorment, s’observa una major taxa de contagi als municipis rurals en relació als urbans, diferència que es redueix substancialment (però no s’elimina totalment) en el model amb dades més recents. Aquests resultats també es confirmen quan s’utilitza com a alternativa a aquesta modelització un model de regressió lineal amb les variables transformades en logaritmes (excepte la taxa d’atur, la humitat relativa, el percentatge de població de 65 anys o més i el nombre de dies des del primer cas i el seu quadrat).

Una possible especulació sobre el per què d’aquest resultat estaria relacionada amb el fet que durant el mes de març i abans que s’adoptessin mesures estrictes de confinament, les interaccions en el mon rural fossin menys freqüents però més intenses (en l’àmbit familiar o en cercles d’amics molt més estrets) que en l’àmbit urbà contribuint així a una major propagació del coronavirus. També podria influir el fet que els moviments per raons laborals o d’estudi acostumen a ser molt més llargs que en l’àmbit urbà. Un altre factor a considerar seria el possible efecte de la mobilitat per raons d’oci des de zones urbanes cap a segones residències i zones turístiques, un aspecte que analitzarem en futures píndoles. Ara bé, un cop iniciat l’estat d’alarma, el distanciament social i la reducció dels fluxos laborals, d’estudis i d’oci haguessin tingut un impacte igual o superior que a l’àmbit urbà reduint així la seva importància.

Conclusió

Els resultats que se sintetitzen a aquesta nota suggereixen que els diferencials observats entre zones rurals i urbanes podrien amagar una realitat molt més complexa de les que mostren la comparació de les taxes brutes de contagi. En concret, tot i que les zones rurals tenen característiques que les fan més resistents a la propagació del COVID-19, l’anàlisi dels diferencials observats a partir de mètodes de descomposició mostren com durant les primeres setmanes de propagació de la pandèmia la intensitat en els contagis va ser superior a les zones rurals en relació a les urbanes. Aquesta circumstància pot ser particularment important pel seguiment de rebrots de l’epidèmia en general i, en particular durant els períodes de desconfinament. Donada l’experiència derivada de la fase expansiva de la malaltia, no s’haurien de menysprear rebrots en qualsevol municipi rural donat que, pel tipus de mobilitat i interaccions existent a aquestes zones, es podria estendre a una proporció important de la seva població tenint present que el grau d’envelliment de la població rural és notablement superior a la urbana i que la mobilitat i les capacitats sanitàries de les zones rurals són clarament inferiors a les urbanes[iv].

---

Aquesta nota sintetitza alguns dels resultats sobre l’anàlisi de la distribució geogràfica de la COVID-19 a Catalunya que s’està duent a terme per part
d’investigadors del Grup de Recerca AQR de la UB (http://www.ub.edu/aqr/). En ella es posa especial èmfasi a considerar els aspectes geogràfics i
territorials, fets d’especial interès en la recerca del grup.
Els resultats detallats que s’han fet servir en aquesta nota es troben a disposició del lector interessat.
En l’elaboració d’aquesta nota han participat Josep Lluís Carrion-i-Silvestre, Antonio Di Paolo, Alicia García, Enrique López-Bazo, Jordi López-Tamayo, Alessia Matano, Rosina Moreno, Ernest Pons, Raul Ramos i Jordi Suriñach.

---

[i] Davis, P. J. (2020). Rural Areas Face Higher and Distinct Risks of Serious COVID‐19 Outcomes than Urban Areas. https://ruralopioids.soc.iastate.edu/wp-content/uploads/sites/210/2020/04/STR1059_covid19.pdf

[ii] També es va considerar la distància respecte la Conca d’Òdena però el seu efecte no va resultar significatiu des d’un punt de vista estadístic.

[iii] Aquest resultat mostra la necessitat de realitzar testos a la població urbana atès que aquesta població és més susceptible de patir les conseqüències més greus de l’exposició a la COVID-19 tal i com mostren Souch et al (2020). Souch, J. M., Cossman, J. S. (2020), A Commentary on Rural‐Urban Disparities in COVID‐19 Testing Rates per 100,000 and Risk Factors, The Journal of Rural Health, forthcoming. https://doi.org/10.1111/jrh.12450

[iv] Rao JS, Zhang H and Mantero A. (2020) Contextualizing COVID-19 spread: a county level analysis, urban versus rural, and implications for preparing for the next wave. F1000Research 2020, 9:418 https://doi.org/10.12688/f1000research.23903.1

Descarregar PDF

Grup d’Anàlisi Quantitativa Regional (AQR–UB)
AQR COVID-19 / #8

Barcelona, 13 de Maig de 2020

Antecedents

Al llarg del mes de març i principis del mes d’abril, l’epidèmia de la COVID-19 es va transmetre de manera exponencial en la població de Catalunya, amb un alentiment en dies posteriors, possiblement associat a la implantació del confinament de la població.

La creixent disponibilitat de dades de la propagació de la malaltia amb detall territorial està permetent fer un seguiment de la distribució espacial de l’epidèmia i vincular la seva incidència amb diverses característiques dels territoris. Tot i que s’ha suggerit que l’expansió de la malaltia ha estat més intensa a territoris[i] amb situacions socioeconòmiques menys afavorides, l’evidència sobre la relació entre la distribució espacial de la renda per càpita i de la COVID-19 és encara escassa. Aquesta anàlisi és el principal objectiu d’aquesta píndola i complementa anàlisis prèvies del grup AQR.

En el cas català, el portal Govern Obert de la Generalitat de Catalunya[ii], mitjançant el registre RSAcovid19 del Departament de Salut, ha anant proporcionant, des de finals del mes de març, dades referides a l’impacte de la COVID-19 tant pel cas dels municipis com de les Àrees Bàsiques de Salut (ABS). Amb aquestes dades, per exemple, l’Agència de Qualitat i Avaluació Sanitàries (AQuAS) ha anat produint mapes del nombre de casos positius de la COVID-19, i de la corresponent taxa per 10 mil habitants. Això ha permès aventurar relacions entre la distribució geogràfica de la COVID-19 i alguns factors d’interès, com ara el nivell socioeconòmic de la població en els diferents territoris. En aquest sentit, el major nombre relatiu de contagis en les ABS amb nivell socioeconòmic més baix en comparació amb aquelles amb el nivell socioeconòmic més elevat ha tingut repercussió no només en la premsa catalana i espanyola sinó també en mitjans internacionals[iii].

No obstant això, l’anàlisi de la distribució espacial per ABS comporta una representació del territori amb un detall molt important de les zones amb major densitat de població. Així, la ciutat de Barcelona presenta una seixantena d’ABS, Badalona en té 13, L’Hospitalet de Llobregat 12, etc. En canvi, a d’altres zones del territori català, un nombre molt elevat de municipis queden encabits a una sola ABS: les del Pla d’Urgell i Penedès Rural en tenen 18 municipis, i d’altres 24 ABS inclouen 10 municipis o més. Això fa que l’anàlisi que s’ha fet  amb les ABS tingui un vessant urbà molt important, en la mesura en la qual les zones urbanes tenen un pes molt més elevat en el conjunt de territoris analitzats. En canvi, una anàlisi municipal permet donar un major pes a tots els territoris, en la mesura en la qual els municipis més grans i els més petits juguen un paper similar a l’anàlisi.

Una primera anàlisi d’aquesta informació (municipal) porta a un resultat més robust en relació a l’obtingut anteriorment per les ABS en termes d’un índex sintètic de nivell socioeconòmic: en concret, la renda presenta una correlació positiva amb l’expansió de la COVID-19 fins el 10 d’abril (escollit com a data de referència), tot i que la relació sembla ser no lineal. Concretament, a partir d’un determinat llindar de renda, augments en aquesta no portarien a major incidència de la malaltia sinó tot el contrari, tal i com es pot apreciar a la Figura 1 on es mostra l’ajustament al núvol de punts d’una forma quadràtica. A més, l’associació entre les dues variables sembla haver canviat al llarg del temps, tal i com s’aprecia a la Figura 2, on s’observa una major associació durant les primeres setmanes del començament de la pandèmia, i com baixa a mesura que va tenint efecte el confinament[iv].

Figura 1.

Font: Elaboració pròpia a partir de les dades del registre RSAcovid19  del Departament de Salut de la Generalitat de Catalunya i de l’Instituto Nacional de Estadística.

Figura 2.

Font: Elaboració pròpia a partir de les dades del registre RSAcovid19  del Departament de Salut de la Generalitat de Catalunya i de l’Instituto Nacional de Estadística.

Objectiu

Les implicacions de la relació entre la propagació comunitària de la COVID-19 i, en termes generals, el nivell de renda de la població en els diferents territoris són suficientment importants com per merèixer una anàlisi detallada. De fet, diversos estudis han mostrat com la variació espacial en la propagació i en l’impacte d’altres malalties infeccioses, com ara la grip espanyola de 1918, va estar relacionada amb el nivell de renda de cada territori, la seva taxa d’atur i el nivell educatiu de la seva població[v]. Per això, aquesta breu nota pretén sintetitzar l’evidència obtinguda en l’anàlisi de la relació entre la propagació de la COVID-19 entre la població dels municipis de Catalunya i el seu nivell de renda, controlant per l’efecte d’altres factors que també poden haver afectat, en major o menor mesura, a la propagació de l’epidèmia a cada territori.

Com s’ha indicat abans, l’evidència existent referida a altres pandèmies suggereix que la propagació de la malaltia podria variar entre diferents grups de la població atenent a característiques socials i econòmiques. D’aquesta manera, atesa la diversitat en la distribució de les característiques de la població, cal esperar un grau d’incidència de la COVID-19 diferent en els diferents municipis, així com una evolució diversa de la incidència. En aquest sentit, és d’esperar una major expansió en aquells territoris amb una major activitat econòmica, ja que és versemblant esperar interaccions més freqüents i més intenses entre les persones en el desenvolupament quotidià de la seva feina. De manera similar, es pot argumentar la possibilitat que la propagació del SARS-CoV-2 hagi estat menor en llocs amb més incidència de l’atur o, en termes més generals, amb menys participació laboral (donada la menor interacció amb altres persones). De fet, a banda dels anteriors, hi ha altres canals a través dels quals es pot argumentar la possible existència d’una relació en forma de U invertida entre els nivells de renda i la propagació de la malaltia. Per exemple, treballs pel Regne Unit i l’Àrea Metropolitana de Barcelona[vi], mostren una menor utilització del transport públic entre els col·lectius de major renda, el que podria haver reduït les possibilitats de contagi durant la fase inicial d’expansió de la malaltia. D’altra banda, hi ha evidència sobre com als Estats Units les possibilitats de teletreball són clarament superiors en aquelles ocupacions que també ofereixen majors nivells de renda, que es confirma per la importància de disposar de connexions a internet d’alta velocitat que també arriben amb més facilitat a zones amb major renda[vii]. Per últim, alguns treballs han trobat resultats robustos sobre l’existència d’una associació positiva entre renda i nivells de salut[viii] així com d’una major propensió entre els individus de major renda d’acudir als centres sanitaris davant possibles símptomes. Aquest mecanisme ja s’ha analitzat en el cas del COVID-19 per als veïnatges de la ciutat de Nova York[ix].

Propagació de la COVID-19 i la Renda per càpita

Un primer pas en l’estudi de la relació entre la renda per càpita del municipi i la propagació comunitària de la malaltia és la comparació de la distribució geogràfica d’aquestes dues variables. Respecte a la segona, la Figura 3 mostra la distribució municipal de la taxa de casos positius de COVID-19 en alguna prova diagnòstica (PCR o test ràpid) per 10.000 habitants acumulats fins al 10 d’abril, procedents del registre RSAcovid19. Es pot apreciar que, com s’ha posat de manifest en diversos mitjans, la distribució de la malaltia no és uniforme al llarg del territori català.

Figura 3.

Font: Elaboració pròpia a partir de les dades del registre RSAcovid19  del Departament de Salut de la Generalitat de Catalunya

Per valorar l’impacte dels factors econòmics en la propagació de la malaltia, el nostre estudi ha fet servir informació sobre el nivell de renda per càpita, publicada per l’Instituto Nacional de Estadística (INE) a l’Atlas de Distribución de la Renta, amb informació de la renda per càpita i per llar per l’any 2016. 

La distribució territorial del valor de la renda per càpita es mostra a la Figura 4, on s’aprecia un major nivell de renda a municipis de l’entorn de l’Àrea Metropolitana de Barcelona, així com a diversos municipis gironins i pirinencs. La comparació dels mapes de les Figures 3 i 4 permet derivar una certa relació entre la incidència de la malaltia i el nivell de renda, en línia amb el gràfic de dispersió que es mostrava a la Figura 1.

Les dades reproduïdes a la Taula 1 suggereixen que, efectivament, la incidència de la malaltia ha estat més elevada als municipis amb major renda per càpita, amb alguna notable excepció, com és el cas del municipi tarragoní de Caseres, amb un nivell de renda baix i una taxa de casos COVID-19 molt elevada, o el municipi de Saldes (Berguedà), amb una situació just a la inversa. 

Figura 4.

Font: Elaboració pròpia a partir de les dades de l’Atles Municipal de Renda de l’Instituto Nacional de Estadística

Taula 1. Taxa de casos COVID-19 a 10 d’abril per 10.000 hab. segons nivell de renda per càpita

Nota: Elaboració pròpia a partir de les dades del registre RSAcovid19 del Departament de Salut de la Generalitat de Catalunya i de l’Instituto Nacional de Estadística. Es reprodueixen els valors pels 10 municipis amb menors i majors valors de renda per càpita.

Per tal d’aclarir si efectivament hi ha una relació entre la renda i la propagació del virus, s’ha realitzat una anàlisi de regressió múltiple on, a més de la mesura de la renda per càpita, es controla per diversos factors, com ara la incidència de l’atur entre la població del municipi[x], la riquesa immobiliària, la densitat de població, les condicions meteorològiques i de contaminació, un conjunt de factors demogràfics, i diversos indicadors de condicions de vida i de mobilitat de la població.

L’efecte estimat és clarament positiu, confirmant que la incidència de la malaltia és major en aquells territoris amb un major nivell de renda, el que podria estar relacionat amb els majors nivells d’activitat econòmica en aquells territoris més rics. Les estimacions mostren una associació important, de manera que per cada mil euros addicionals de renda per càpita municipal, la taxa de casos COVID-19 per 10.000 habitants el dia 10 d’abril augmenta per sobre el 4%. És important indicar que aquest efecte és robust a l’ús de diversos indicadors d’ingressos (renda per càpita, renda per llar, i base imposable declarada a l’impost sobre la renda, amb i sense transformacions logarítmiques)[xi].

Per la seva banda, l’efecte de l’indicador relatiu a l’atur, malgrat presentar una correlació lineal negativa amb la COVID-19, deixa de tenir una correlació significativa un cop es controla pels altres factors. Igualment, el nivell de riquesa immobiliària, malgrat tenir una correlació positiva, tampoc manté la significativitat un cop es controla per l’efecte d’altres factors.

L’anàlisi efectuada ha explorat diversos aspectes addicionals sobre l’efecte de la renda en la propagació de la malaltia:

– Tal i com s’ha esmentat anteriorment, hi ha diferents arguments que justificarien l’existència d’una relació en forma d’U invertida (relació quadràtica) entre la taxa de contagi i la renda. Tal i com es veu a la Figura 5, l’efecte marginal de la renda per càpita sobre la taxa de contagi és més important per a nivells de renda municipal baixos. A mesura que la renda augmenta, l’impacte addicional de 1.000 euros més de renda és més baix. Això conflueix a un punt d’inflexió al voltant d’una renda per càpita mitjana de 15.500 €, que és una renda elevada, propera a la que, per exemple tenen la ciutat de Barcelona (15.389 € per càpita), el municipi de Sitges (15.478 €) o de Fontanals de Cerdanya (15.566 €). Els municipis amb una renda superior mostren, en promig, menors nivells d’infecció que els de la ciutat de Barcelona, tot seguint amb l’exemple.

– S’ha avaluat l’evolució de l’impacte de la renda en la intensitat de la taxa d’infecció. La Figura 6 mostra l’efecte de la renda per càpita a la taxa d’infecció al llarg del temps. El gràfic mostra el paràmetre associat a la renda per càpita de 2016 en diversos models de regressió que consideren successivament la taxa d’infecció acumulada pels dies que van des de l’onze de març fins al 22 d’abril. S’observa com al voltant del 20 de març el paràmetre associat a l’indicador de renda esdevé significatiu, romanent pràcticament pla la resta del període[xii].

– Finalment, s’ha calculat el seu efecte al llarg de la distribució de la taxa d’infecció, mitjançant una regressió quantílica. D’aquesta manera es pot valorar si l’efecte de la renda varia al llarg de la distribució de la taxa de contagi, condicionada a la resta de factors. A la Figura 7 es comprova com no hi ha diferències significatives entre quantils, de manera que l’efecte de la renda és significatiu pràcticament per a tots els quantils de les taxes d’incidència.

Figura 5.

Nota: Elaboració pròpia a partir de les dades del Departament de Salut de la Generalitat de Catalunya i de l’Instituto Nacional de Estadística. Estimació de l’efecte marginal de la renda per càpita a la taxa de casos COVID-19 per 10.000 habitants, tot fent servir un model quadràtic amb la renda per càpita en logaritmes.

Figura 6. Impacte de la renda al llarg del procés de la infecció

Figura 7.

Nota: Elaboració pròpia a partir de les dades del Departament de Salut de la Generalitat de Catalunya i de l’Instituto Nacional de Estadística. Estimació de l’efecte de la renda per càpita en logaritmes en els decils de la distribució condicionada de la taxa de casos COVID-19 per 10.000 habitants.

Conclusió

Tot i que l’evidència obtinguda fins al moment no es pot donar com concloent, els resultats obtinguts mostren una associació significativa (positiva) i robusta entre el nivell de renda per càpita i la propagació de la COVID-19 en els municipis catalans. En la mesura en la qual el nivell de renda per càpita fos un indicador de l’activitat econòmica, es confirmaria un impacte important de la mateixa sobre la taxa d’infecció que es redueix, però, per a les rendes més altes (un resultat que es podria explicar pel menor ús del transport públic entre aquest col·lectiu, la major possibilitat de teletreball, uns majors nivells inicials de salut o d’hàbits sanitaris d’aquesta població, entre d’altres). Per poder fer una avaluació més acurada d’aquesta associació, caldria disposar d’informació de l’evolució de l’activitat al llarg del temps i el seu impacte en l’evolució de la malaltia. Aquest fet comporta una preocupació addicional als gestors públics, que hauran de fer front, a la vegada, al control de l’epidèmia i al manteniment de les condicions de vida dels menys benestants.

---

Aquesta nota sintetitza alguns dels resultats sobre l’anàlisi de la distribució geogràfica de la COVID-19 a Catalunya que s’està duent a terme per part
d’investigadors del Grup de Recerca AQR de la UB (http://www.ub.edu/aqr/). En ella es posa especial èmfasi a considerar els aspectes geogràfics i
territorials, fets d’especial interès en la recerca del grup.
Els resultats detallats que s’han fet servir en aquesta nota es troben a disposició del lector interessat.
En l’elaboració d’aquesta nota han participat Josep Lluís Carrion-i-Silvestre, Antonio Di Paolo, Alicia García, Enrique López-Bazo, Jordi López-Tamayo, Alessia Matano, Rosina Moreno, Ernest Pons, Raul Ramos, Vicente Royuela i Jordi Suriñach.

---

[i] En particular la píndola AQR COVID-19 / #3 “Ha afectat la situació socioeconòmica del territori la propagació de la COVID-19?” https://www.ub.edu/aqr_covid19/?p=137

[ii] http://governobert.gencat.cat/ca/dades_obertes/dades-obertes-covid-19/index.html

[iii] A tall d’exemple, veure https://www.reuters.com/article/health-coronavirus-innercity/feature-poor-city-dwellers-run-greatest-coronavirus-risk-idUSL8N2BV2HD  

[iv] S’ha de tenir en compte el fet que als primers dies del període analitzat molts municipis no van tenir cap cas positiu de COVID-19. A mesura que s’avança en el temps, el nombre de municipis sense casos disminueix, el que pot afectar la correlació entre renda i la taxa de COVID-19.

[v] Veure, per exemple, Grantz K.H. et al (2016) Disparities in influenza mortality and transmission related to sociodemographic factors within Chicago in the pandemic of 1918. Proc. Natl. Acad. Sci., 113(48), 13839-13844 i Suhrcke et al (2011) The impact of econonomic crises on communicable disease transmission and control: A systematic review of the evidence. PLoS ONE 6(6) e20724.

[vi] Paulley, N et al. (2006), The demand for public transport: The effects of fares, quality of service, income and car ownership,Transport Policy, 13 (4), pp. 295-306, https://doi.org/10.1016/j.tranpol.2005.12.004.

Asensio, J. (2002), Transport Mode Choice by Commuters to Barcelona’s CBD. Urban Studies, 39 (10), 1881–1895. https://doi.org/10.1080/0042098022000003000

[vii] Dingel, J., Neiman, B. (2020), How Many Jobs Can be Done at Home?, https://bfi.uchicago.edu/working-paper/how-many-jobs-can-be-done-at-home/

Chiou, L., Tucker, C. (2020), Social Distancing, Internet Access and Inequality, NBER WP 26982, http://www.nber.org/papers/w26982

[viii] Marmot, M. (2002), The Influence Of Income On Health: Views Of An Epidemiologist, Health Affairs, 21 (2), pp. 31-46, https://doi.org/10.1377/hlthaff.21.2.31.

[ix] Borjas, G. J. (2020), Demographic Determinants of Testing Incidence and COVID-19 Infections in New York City Neighborhoods, NBER WP 26952, http://www.nber.org/papers/w26952.

[x] La taxa d’atur,  és una variable que només es disposa d’informació a nivell provincial a partir de l’Enquesta de Població Activa. No obstant això, si que es pot obtenir l’atur registrat pels municipis, informació que, combinada amb la població potencialment activa (amb edats entre 15 i 64 anys) de cada municipi, ens ha permès construir una ràtio que aproxima una mesura relativa de la importància de l’atur a nivell municipal.

[xi] La informació sobre la base imposable declarada a l’impost sobre la renda 2016 s’ha obtingut de l’Institut d’Estadística de Catalunya (Idescat).

[xii] Recordem, però, el potencial impacte que pot tenir en aquesta correlació simple l’efecte de considerar només una submostra de municipis amb casos positius al començament del període. En tot cas, a data 10 d’abril, data de referència a tota l’anàlisi, aquesta circumstància té un efecte molt menor.

Descarregar PDF

Grup d’Anàlisi Quantitativa Regional (AQR–UB)
AQR COVID-19 / #7

Barcelona, 11 de Maig de 2020

Antecedents

La propagació de l’epidèmia de la COVID-19 a Catalunya ha experimentat una evolució diferenciada tant en el temps com en el territori – dies inicials de l’epidèmia amb pocs casos, localitzats en diferents focus del territori. A mesura que ha passat el temps la difusió s’ha anat incrementant amb un patró clarament heterogeni al territori. Una mesura popular que sintetitza la velocitat de propagació és la taxa de contagi o taxa R0 – també es coneix com a nombre de reproducció efectiu – que recull el nombre de casos secundaris provocats per casos primaris. Aquesta mesura es podria fer servir com un indicador addicional a l’hora de planificar el desconfinament, tant pel que fa a moments temporals com a nivell territorial. La política de transparència informativa que ha adoptat la Generalitat de Catalunya mitjançant el seu portal de dades obertes ha permès disposar d’informació detallada que possibilita fer una anàlisi de la taxa R0 tant al llarg del temps com al llarg de la geografia catalana amb una desagregació territorial en funció d’Àrees Bàsiques de Salut (ABS) i de municipis.

Objectiu

Aquesta nota calcula la taxa R0 de l’epidèmia de la COVID-19 emprant les dades que provenen del registre RSAcovid19 del Departament de Salut de la Generalitat de Catalunya a nivell d’ABS i municipis. Les dades disponibles corresponen tant als casos que han donat positiu en alguna prova diagnòstica (PCR o test ràpid) com als casos sospitosos que corresponen a persones que en algun moment han presentat símptomes i un professional sanitari els ha classificat com a possible cas, però no tenen una prova diagnòstica amb resultat positiu. Tal i com s’indica a la web del Departament de Salut, tots ells són casos activats pel servei de vigilància i s’ha pogut identificar la zona de residència que consta a la targeta sanitària de la persona. Hi ha, però, un petit nombre d’observacions per a les quals no es va poder identificar la zona de residència, observacions que han estat excloses de l’anàlisi.

Tot i que l’estudi es podria dur a terme distingint entre el casos positius i sospitosos, cal tenir en compte que per algunes ABS i municipis el nombre de casos positius pot arribar a ser zero en algun subperíode de temps, fet que implicaria l’obtenció d’una R0 mancada de sentit. Aquesta situació reflecteix les conseqüències de no haver pogut fer proves diagnòstiques massives als casos sospitosos. Conseqüentment, en aquesta nota es fa servir el total de casos (positius i sospitosos) a l’hora de calcular la taxa R0 per a les ABS i municipis.

En el cas de les ABS i municipis, l’arxiu de dades disponible a 3 de maig de 2020 cobreix el període que va des del 25 de febrer fins al 1 de maig de 2020 – T = 67 observacions temporals – per a un total de N = 374 Àrees Bàsiques de Salut (ABS) i de N = 805 municipis. Aquesta informació es combina per definir el nombre de casos totals.

Aproximació a la taxa R0 per ABS i municipis Catalunya

El mètode que s’utilitza en aquesta nota per aproximar la taxa R0 – l’aproximació es denota com a ρ – es basa en l’expressió:[1]

on y_(i,t) denota els nous casos que s’han produït en un determinat dia (t) per a una determinada ABS (i) o municipi (i), i = 1, 2, …, N, t = k+q+1, …, T. Com es pot veure, la taxa R0 s’aproxima com el rati entre la suma dels nous casos en una finestra temporal de w = 1 + q dies i la suma de nous casos en una finestra temporal de w dies desfasada k períodes. Per dur a terme el càlcul s’han fixat w = k = 7. La interpretació popular de la taxa R0 es fa en termes del promig de casos secundaris provocats per casos primaris, de manera que un valor de la taxa superior a la unitat indicaria que l’epidèmia estaria en fase expansiva (els casos que es detecten avui són superiors als casos que es van detectat fa k dies enrere). Per tant, el que seria desitjable és que la R0 se situés per sota de la unitat.

Taxa de propagació R0 de la COVID-19 segons ABS i municipis

L’anàlisi de les dades desagregades per ABS i municipi ofereix unes conclusions similars en termes generals, tal i com mostra la Figura 1. Es detecta un primer subperíode de fort creixement de la velocitat de propagació, per passar a una fase de reducció cap a mitjans/finals de març. No obstant això, aquesta evolució no és comuna per a totes les ABS i municipis.

Figura 1. Taxa R0 pel total de casos (25/02/2020 a 01/05/2020)

Per tal de poder obtenir una visió més clara, la Figura 2 mostra l’evolució de la R0 en el període que va des del 25 de març fins a l’últim dia considerat en aquesta anàlisi. Com es pot observar, la característica que es desprèn de la figura és l’elevada heterogeneïtat de la taxa R0, amb un important nombre d’ABS i municipis pels quals els valors que se situen per sobre de la unitat – en un traç blanc i més gruixut es representa la línia horitzontal associada al valor 1.

Figura 2. Taxa R0 pel total de casos (25/03/2020 a 01/05/2020)

Una idea més clara sobre el grau d’heterogeneïtat es pot obtenir a partir del càlcul dels quartils de la distribució transversal dels valors de la taxa R0 per a cada període de temps. La Figura 3 indica que per a més de la meitat d’ABS i municipis la taxa R0 se situa per sobre d’1. Per a les ABS, l’excepció es dona en el període que va entre el 7 i el 15 d’abril a on la mediana se situaria lleugerament per sota d’1 – assolint un valor mínim per a la mediana de 0.91 – i pels dies 29 d’abril a 1 de maig – amb un valor mínim de 0.84. Finalment, indicar el canvi de tendència que sembla haver experimentat la R0 a partir precisament del 16 d’abril – fenomen que estaria lligat al final del període de confinament total que es va produir el 14 d’abril de 2020 – i la posterior reversió de la tendència que s’experimenta a partir del 29 d’abril de 2020.

Pel cas dels municipis, la mediana només se situa per sota del 1 els dies 11 d’abril (amb un valor de 0.97) i 1 de maig (amb un valor de 0.91), mostrant una tendència creixent a partir de llavors.

Figura 3. Taxa R0 pel total de casos. Quartils de la distribució transversal

L’estimació de la taxa R0 pel darrer dia del període analitzat (1 de maig de 2020) es presenta a la Figura 4, on es detecten diferents parts del territori a on la propagació de l’epidèmia és encara força intensa i a on s’aconsellaria fer un procés de desconfinament més lent que a altres parts del territori català. Per altra banda, s’observen zones a on l’epidèmia té una velocitat de propagació força baixa, indicador aquest que es podria fer servir per incrementar el nivell d’activitat de la població dins de l’àrea de referència.

Figura 4. Taxa R0 pel total de casos per ABS

Conclusió

Els resultats que es sintetitzen a aquesta nota posen de manifest l’heterogeneïtat en la propagació de l’epidèmia de COVID-19, heterogeneïtat que ha estat avaluada mitjançant el càlcul de la taxa R0 desagregada a nivell d’ABS i de municipis de Catalunya. La distribució dels valors de la taxa R0 al llarg del temps no ha estat homogènia, amb velocitats de propagació clarament superiors a la unitat per a més de la meitat d’ABS en molts moments del temps. No ha estat fins als darrers dies d’abril que s’ha aconseguit assolir una taxa R0 menor a la unitat per a més de la meitat de les ABS. Malgrat això, es constata l’existència d’un elevat nombre d’ABS per a les quals el valor de la taxa R0 continua sent superior a la unitat. La situació a nivell municipal és similar, si bé semblaria que pels 805 municipis pels quals es disposa d’informació, la meitat presentarien un valor de la taxa R0 superior a la unitat.

Aquests trets característics posen de relleu la necessitat de contemplar diferents velocitats de desconfinament en funció de quina sigui la velocitat de propagació de l’epidèmia. Finalment, assenyalar que el càlcul de la taxa R0 és un element que cal actualitzar diàriament per tal de captar tendències en l’evolució de l’epidèmia i poder, així, adaptar o graduar les mesures destinades a relaxar les restriccions de mobilitat de la població en el territori.

---

Aquesta nota sintetitza alguns dels resultats sobre l’anàlisi de la distribució geogràfica de la COVID-19 a Catalunya que s’està duent a terme per part
d’investigadors del Grup de Recerca AQR de la UB (http://www.ub.edu/aqr/). En ella es posa especial èmfasi a considerar els aspectes geogràfics i territorials, fets d’especial interès en la recerca del grup.
Els resultats detallats que s’han fet servir en aquesta nota es troben a disposició del lector interessat.
En l’elaboració d’aquesta nota han participat Josep Lluís Carrión-i-Silvestre, Antonio Di Paolo, Alicia García, Enrique López-Bazo, Rosina Moreno, Raul Ramos, Vicente Royuela i Jordi Suriñach.

---

[1] El càlcul de la taxa R0 a partir de models epidemiològics fa servir informació que no es troba disponible per les ABS i municipis, raó per la qual en aquesta nota es fa servir aquesta aproximació emprant l’estadístic ρ.

Descarregar PDF

Grup d’Anàlisi Quantitativa Regional (AQR–UB)
AQR COVID-19 / #6

Barcelona, 5 de Maig de 2020

Antecedents

La propagació de l’epidèmia de la COVID-19 a Catalunya ha experimentat una evolució diferenciada tant en el temps com a l’espai -dies inicials de l’epidèmia amb pocs casos, localitzats en diferents focus del territori. Una mesura popular que sintetitza la velocitat de propagació de l’epidèmia és la taxa de contagi o taxa R0 – també es coneix com a nombre de reproducció efectiu – que recull el nombre de casos secundaris provocats per casos primaris. Aquesta mesura es podria fer servir com un indicador addicional a l’hora de planificar el desconfinament. La informació disponible pel conjunt de Catalunya es troba disponible pel públic en general a partir dels comunicats de premsa que fan, per una banda, el Departament de Salut de la Generalitat de Catalunya i, per una altra banda, el Ministerio de Sanidad. Tot i que les dades són coincidents en un període de temps, la sèrie temporal ha experimentat un canvi metodològic que propicia l’interès per fer una anàlisi considerant ambdues fonts estadístiques.

Objectiu

Aquesta nota calcula una aproximació a la taxa R0 de l’epidèmia de la COVID-19 emprant les dades que provenen del Departament de Salut de la Generalitat de Catalunya, per una banda, i del Ministerio de Sanidad, per una altra banda. Les dades disponibles corresponen als casos que han donat positiu en alguna prova diagnòstica (PCR o test ràpid). En el moment de redactar aquesta nota la informació pel conjunt de Catalunya cobreix el període que va des del 25 de febrer fins al 4 de maig de 2020 – T = 70 observacions diàries. Aquesta sèrie temporal és coincident amb la proporcionada pel Ministerio de Sanidad fins el dia 8 d’abril de 2020 – veure les estadístiques per comunitats autònomes a la pàgina electrònica datos.gob.es, “Evolución de enfermedad por coronavirus (COVID-19)” – però comencen a aparèixer petites discrepàncies en el període 9 d’abril a 16 d’abril, data a partir de la qual la sèrie es deixa de publicar aglutinant tots els casos positius. Així, a partir del 17 d’abril el Ministerio de Sanidad passa a distingir entre casos positius segons PCR, per una banda, i segons test ràpids, per una altra banda. La suma de les dues categories donaria com a resultat el nombre de casos positius, tot i que les magnituds que s’obtenen continuen sense ser coincidents amb les del Departament de Salut, sent la primera lleugerament inferior. La Figura 1 mostra el nombre de casos positius per Catalunya segons les dues fonts estadístiques.

Figura 1. Nombre acumulat de casos positius pel conjunt de Catalunya

La discrepància en el nombre de casos és notable cap al final del període, pel que caldria esperar que un estudi de la velocitat de transmissió de l’epidèmia basat amb dades del Ministerio de Sanidad pugui oferir conclusions diferents a les obtingudes amb les dades del Departament de Salut. Per tal de valorar la sensibilitat de l’anàlisi respecte a la font estadística emprada, en aquesta nota es farà servir ambdues sèries de nombre de casos positius per aproximar la taxa R0 pel conjunt de Catalunya.

La informació que es dona a la nota de premsa diària del Departament de Salut també indica el nombre de casos sospitosos pel conjunt de Catalunya, tot i que la disponibilitat temporal és molt inferior – la sèrie només està disponible a partir del 15 d’abril. Els casos sospitosos corresponen a persones que en algun moment han presentat símptomes i un professional sanitari els ha classificat com a possible cas, però no tenen una prova diagnòstica amb resultat positiu. És d’esperar que la consideració dels casos sospitosos i del total de casos (positius i sospitosos) proporcioni resultats diferents als que es basen quan només es fan servir els positius, raó per la qual també s’ha fet el càlcul per aquestes categories emprant la informació que proporciona el Departament de Salut.

Aproximació a la taxa R0 de Catalunya

El mètode que s’utilitza en aquesta nota per aproximar la taxa R0 – l’aproximació es denota com a ρ – es basa en l’expressió:[1]

on y_t denota els nous casos que s’han produït en un determinat dia (t) pel conjunt de Catalunya, t = k+q+1, …, T. Com es pot veure, la taxa R0 s’aproxima com el rati entre la suma dels nous casos en una finestra temporal de w=1+q dies i la suma de nous casos en una finestra temporal de w dies desfasada k períodes. Per dur a terme el càlcul s’han fixat w=k=7. La interpretació popular de la taxa R0 es fa en termes del promig de casos secundaris provocats per casos primaris, de manera que un valor de la taxa superior a la unitat indicaria que l’epidèmia estaria en fase expansiva (els casos que es detecten avui són superiors als casos que es van detectat fa k dies enrere). Per tant, el que seria desitjable és que la R0 se situés per sota de la unitat.

Taxa de propagació R0 de la COVID-19 pel conjunt de Catalunya

La Figura 2 mostra l’evolució temporal de la R0 dels casos positius pel conjunt de Catalunya entre el 9 de març (primer dia a partir del qual es pot calcular la taxa) i el 4 de maig de 2020. En primer lloc, es constata l’existència d’un primer subperíode temporal de ràpida difusió de l’epidèmia, amb una velocitat de propagació que assoleix el seu màxim de 16.5 el 18 de març (Departament de Salut) i de 28.1 el 13 de març de 2020 (Ministerio de Sanidad). A partir d’aquest dia la velocitat inicia un descens que tendeix a apropar-se cap valors propers a la unitat – la línia horitzontal denota el valor 1.

Figura 2. Taxa R0 dels casos positius pel conjunt de Catalunya

Les dades del Departament de Salut indiquen que a partir del 6 d’abril la taxa R0 se situa per sota de la unitat – el mínim global de 0.71 s’assoleix el 22 d’abril – amb les excepcions dels dies 20 i 21 d’abril, així com a partir del 29 d’abril (darrer període on s’observa una evolució creixent). Amb les del Ministerio de Sanidad, entre el 6 i 18 d’abril la taxa R0 s’estima per sota de la unitat, per passar a prendre valors superiors a u en el període 19 a 25 d’abril, moment a partir del qual inicia una tendència decreixent – al mínim global s’hi arriba el 3 de maig.

Per tant, tot i el descens que ha experimentat la taxa R0 pel conjunt de Catalunya es constata alguns valors superiors a la unitat que reverteixen el procés de desacceleració en la propagació de l’epidèmia que es venia observant en períodes anteriors quan es fan servir les dades del Departament de Salut. La visió és més optimista quan es fan servir les dades del Ministerio de Sanidad, ja que en el darrers dies del període s’aprecien valors inferiors a la unitat.

Per tal de complementar l’anàlisi, s’ha aproximat la taxa R0 pels casos sospitosos, tot i que el període temporal és més reduït. L’estimació de la taxa R0 pels casos sospitosos és de 1.194 (29 d’abril), 1.197 (30 d’abril), 1.26 (1 de maig), 1.17 (2 de maig), 1.08 (3 de maig) i 1.12 (4 de maig), valors que se situen lleugerament per sobre de la unitat. La consideració dels casos totals (positius i sospitosos) implica una estimació de la taxa R0 clarament superior a la unitat, que se situaria entre l’obtinguda pels casos sospitosos i positius. En concret, el valors de la taxa R0 pels casos totals és de 1.23 (29 d’abril), 1.2 (30 d’abril), 1.29 (1 de maig), 1.21 (2 de maig), 1.11 (3 de maig) i 1.14 (4 de maig).

Finalment, cal mencionar que Català et al. (2020)[2] obtenen una aproximació per a la taxa R0 de Catalunya de 0.9 emprant dades fins el 23 de març, valor clarament inferior a l’obtingut en aquesta nota, que és de 5 (dades de la Generalitat de Catalunya) i de 4.84 (dades del Ministerio de Sanidad). Una possible explicació d’aquesta discrepància cal atribuir-la al fet que Català et al. (2020) fan servir w=3 i k=5 contemplant, per tant, una menor amplitud de la finestra i un període de referència menor. No obstant això, els càlculs fets amb aquests valors de w i k amb les dades emprades en aquesta nota no proporcionen resultats propers a 0.9 pel 23 de març – que és de 2.04.

Hi ha altres càlculs de la taxa R0 a nivell de comunitats autònomes que es basen en models epidemiològics. El Centro Nacional de Epidemiología fa servir les dades proporcionades pel Ministerio de Sanidad per obtenir estimacions de la taxa R0 – veure  la informació detallada a https://portalcne.isciii.es/covid19/. Pel cas de Catalunya l’estimació a 1 de maig de 2020 estaria al voltant del 0.69. Amb la metodologia emprada a aquesta nota, la taxa R0 per Catalunya calculada amb les dades del Ministerio de Sanidad seria de 0.499 a 1 de maig de 2020.

L’Instituto de Diagnóstico Ambiental y Estudios del Agua (IDAEA-CSIC), el Departament de Matemàtiques, Universitat Autònoma de Barcelona (UAB) i la Unitat de Bioestadística, Institut d’Investigació Biomèdica de Bellvitge (IDIBELL) publiquen una eina (aplicació) anomenada COVID-19 TRACKER (https://ubidi.shinyapps.io/covid19/) que permet estimar l’evolució de la taxa R0 a nivell de comunitats autònomes. Per Catalunya, l’estimació disponible a 4 de maig de 2020 és de 0.55 – el gràfic no permet saber amb exactitud el valor per algunes dates. Dies pels quals es pot obtenir del gràfic el valor exacte de l’estimació obtinguda per aquest grup d’investigadors i la d’aquesta nota (segons font d’informació estadística) serien:

La discrepància al darrer dia del període és important, sent l’estimació obtinguda amb les dades del Departament de Salut la de major quantia.

Conclusió

Els resultats que es sintetitzen a aquesta nota posen de manifest l’heterogeneïtat en la propagació de l’epidèmia de COVID-19, heterogeneïtat que ha estat avaluada mitjançant l’aproximació de la taxa R0 pel conjunt de Catalunya. S’ha constatat que la font oficial que es fa servir per disposar de la informació de casos positius de la COVID-19 pel conjunt de Catalunya és de gran rellevància ja que les conclusions que s’extreuen al final del període analitzat poden interpretar-se com a contradictòries per les diferents fonts. Per una banda, les dades de casos positius que proporciona el Departament de Salut porten a estimar una taxa R0 lleugerament superior a la unitat a partir del 29 d’abril – amb un valor de 1.2 pel 4 de maig –, mentre que l’obtinguda amb les dades de casos positius del Ministerio de Sanidad és inferior a la unitat – amb un valor de 0.52 pel 4 de maig. Cal destacar que la conclusió que s’obté pels casos positius amb la sèrie del Departament de Salut és qualitativament similar a la que es desprèn de considerar els casos sospitosos i els totals.

Finalment, assenyalar que el càlcul de la taxa R0 és un element que cal actualitzar diàriament per tal de captar tendències en l’evolució de l’epidèmia i poder, així, adaptar o graduar les mesures destinades a relaxar les restriccions de mobilitat de la població en el territori.

---

Aquesta nota sintetitza alguns dels resultats sobre l’anàlisi de la distribució geogràfica de la COVID-19 a Catalunya que s’està duent a terme per part
d’investigadors del Grup de Recerca AQR de la UB (http://www.ub.edu/aqr/). En ella es posa especial èmfasi a considerar els aspectes geogràfics i territorials, fets d’especial interès en la recerca del grup.
Els resultats detallats que s’han fet servir en aquesta nota es troben a disposició del lector interessat.
En l’elaboració d’aquesta nota han participat Josep Lluís Carrión-i-Silvestre, Antonio Di Paolo, Alicia García, Enrique López-Bazo, Rosina Moreno, Raul Ramos, Vicente Royuela i Jordi Suriñach.

---

[1] Hi ha diferents mètodes epidemiològics que es fan servir per calcular la taxa R0 en funció de diferents supòsits de partida. En aquesta nota s’ha optat per fer calcular l’estadístic ρ per aproximar la taxa R0, estadístic que només necessita disposar del nombre de casos nous en cada període de temps.

[2] Català et al. (2020): “Analysis and prediction of COVID-19 for different regions and countries”. Daily report 29-03-2020. Comparative Medicine and Bioimage Centre of Catalonia. Institute for Health Science Research Germans Trias i Pujol.

Descarregar PDF

Grup d’Anàlisi Quantitativa Regional (AQR–UB)
AQR COVID-19 / #5

Barcelona, 23 d’Abril de 2020

Antecedents

La propagació de l’epidèmia de la COVID-19 a Catalunya ha experimentat una evolució diferenciada tant en el temps com en l’espai – dies inicials de l’epidèmia amb pocs casos, localitzats en diferents focus del territori. A mesura que ha passat el temps la difusió s’ha anat incrementant, tot i que és possible que la intensitat i localització continuïn sent heterogènies en el territori. La política de transparència informativa que ha adoptat la Generalitat de Catalunya ha permès disposar d’informació detallada que permeten fer una anàlisi tant al llarg del temps com al llarg de la geografia catalana. Aquesta informació s’ha posat a disposició de la ciutadania mitjançant el portal de l’Agència de Qualitat i Avaluació Sanitàries de Catalunya (AQuAS) fent servir les dades del Registre COVID-19 del Departament de Salut de la Generalitat de Catalunya, amb una desagregació territorial en funció d’Àrees Bàsiques de Salut (ABS) i de municipis.

Objectiu

Aquesta nota pretén determinar algunes característiques de la distribució espai-temporal de les variables associades al seguiment i impacte de l’epidèmia de la COVID-19. Les dades que s’empren provenen del registre RSAcovid19 del Departament de Salut de la Generalitat de Catalunya i es corresponen amb els casos que han donat positiu en alguna prova diagnòstica (PCR o test ràpid).

A la base de dades també es disposa d’informació sobre els casos sospitosos que corresponen a persones que en algun moment han presentat símptomes i un professional sanitari els ha classificat com a possible cas, però no tenen una prova diagnòstica (PCR o test ràpid) amb resultat positiu. Tal i com s’indica a la web del Departament de Salut, tots ells són casos activats pel servei de vigilància i s’ha pogut identificar la zona de residència que consta a la targeta sanitària de la persona. Hi ha, però, un petit nombre d’observacions per a les quals no s’ha pogut identificar la zona de residència, i que per tant han estat excloses de l’anàlisi.

Les dades del registre permeten cobrir el període que va des del 26 de febrer fins al 22 d’abril de 2020 – T = 57 observacions temporals – per a un total de N = 372 Àrees Bàsiques de Salut (ABS). Les Figures 1 i 2 mostren l’evolució temporal dels casos positius acumulats i de la taxa bruta de contagi – nombre de casos positius acumulats sobre el total de la població per 10.000 habitants – , respectivament, gràfiques que mostren una clara tendència creixent, per una banda, i una evident correlació territorial, per altra banda. Aquesta darrera característica es posa de manifest quan es visualitza el Vídeo 1 on queda palès el procés de disseminació espacial i temporal dels casos positius arreu de Catalunya.

Figura 1. Nombre de casos positius acumulats per ABS

Figura 2. Taxa de contagi per 10.000 habitants per ABS

Vídeo 1

Característiques espacials i temporals de la propagació de la COVID-19

Una primera característica d’interès és mesurar el nivell de persistència temporal de l’epidèmia en el període que s’analitza. Els models emprats han tingut en compte l’heterogeneïtat en la dinàmica de propagació que s’ha donat per cadascuna de les ABS, contemplant un horitzó de dependència temporal de fins a dues setmanes. L’especificació de diferents models dinàmics permet entreveure quina informació del passat és rellevant per explicar els valors de la taxa de contagi present, havent obtingut que per algunes ABS només la dada del període anterior és rellevant per explicar l’evolució de la variable, mentre que per d’altres ABS ha estat necessari especificar un model que contempla fins a dotze dies passats – per exemple, els models estimats per les ABS de Lleida rural, El Morell, Sant Joan de Vilatorrada, La Seu d’Urgell, Granollers – 3 Centre Est i Sabadell – 4B han contemplat deu retards, Sant Boi de Llobregat – 4 i Ripollet – 2 han emprat dotze retards i, finalment, Barcelona – 07E n’ha requerit tretze. Aquest primer element ja constitueix un indicador de l’heterogeneïtat en la propagació.

El valor mig del grau de persistència estimat és de 0.91, un valor força elevat que s’aproxima a la unitat (persistència infinita), amb una desviació estàndard de 0.04 i un valor del coeficient de variació de 0.05. La Figura 3 proporciona més detalls sobre la distribució del grau de persistència temporal en les ABS.

Figura 3. Persistència de la taxa de contagi per 10.000 habitants per ABS

Com es pot veure, els valors estimats per a la mesura de persistència associada a la taxa de contagi presenten una distribució heterogènia i asimètrica en el territori, amb un valor pel primer decil de la distribució de 0.86, de 0.92 per a la mediana, i de 0.95 pel novè decil. Destaquen també valors lleugerament superiors a la unitat que indicarien una persistència infinita de l’epidèmia en algunes zones de Catalunya – els valors més elevats es presenten per les ABS de Seròs i Girona – 4.

Pel que fa a l’àmbit espacial, l’estimació de diferents mesures de dependència espacial indiquen una correlació baixa entre les taxes de contagi de les diferents ABS. Cal assenyalar que el càlcul d’aquestes mesures ha tingut en compte l’evolució dinàmica temporal idiosincràtica de cada ABS. Les estimacions realitzades indiquen que la mitjana del valor absolut de les correlacions transversals de cadascuna de les ABS amb la resta d’ABS és de 0.14, amb una desviació estàndard de 0.015 i un coeficient de variació de 0.11. La representació visual de la distribució de correlacions espacials es recull a la Figura 4.

Figura 4. Correlació espacial de la taxa de contagi per 10.000 habitants per ABS

Els estadístics del primer decil, la mediana i el novè decil de la distribució són 0.12, 0.14 i 0.16, respectivament. Com es pot veure, tots els estadístics calculats dibuixen un escenari de baixa dependència transversal en la difusió de l’epidèmia, resultat que cal aventurar que sigui fruit de les mesures de contenció de l’epidèmia endegades per les autoritats sanitàries i del confinament de la població. Això requereix una anàlisi detallada que es durà a terme en futures notes.

Conclusió

Els resultats que es sintetitzen a aquesta nota posen de manifest l’heterogeneïtat en la propagació de l’epidèmia de COVID-19, heterogeneïtat que ha estat avaluada tant des del punt de vista temporal com geogràfic. Sens dubte, aquesta característica d’heterogeneïtat ha de ser tinguda en compte a l’hora de realitzar el procés de desconfinament de la població. D’una banda, s’ha constatat l’elevada persistència del procés de contagi, detectant zones geogràfiques a on la dependència temporal es remunta més enllà d’una setmana. En aquests casos caldria intensificar les actuacions per tal de poder controlar la difusió de l’epidèmia i reduir la seva dependència respecte el passat. En tot cas, la persistència del contagi és molt elevada a tot el territori, amb algunes zones que indicarien una persistència infinita a on caldria tenir especial cura per tal d’evitar una propagació per altres àrees geogràfiques. La nota positiva cal trobar-la en la baixa dependència geogràfica que sembla estar conduint l’evolució de la epidèmia, reflectint els esforços que les administracions (amb els seus serveis sanitaris i seguretat) i ciutadania han estat realitzant des de l’inici de l’epidèmia.

---

Aquesta nota sintetitza alguns dels resultats sobre l’anàlisi de la distribució geogràfica de la COVID-19 a Catalunya que s’està duent a terme per part
d’investigadors del Grup de Recerca AQR de la UB (http://www.ub.edu/aqr/). En ella es posa especial èmfasi a considerar els aspectes geogràfics i
territorials, fets d’especial interès en la recerca del grup.
Els resultats detallats que s’han fet servir en aquesta nota es troben a disposició del lector interessat.
En l’elaboració d’aquesta nota han participat Josep Lluís Carrion-i-Silvestre, Alicia García, Enrique López-Bazo, Jordi López-Tamayo, Alessia Matano,
Rosina Moreno, Ernest Pons, Raul Ramos, Vicente Royuela i Jordi Suriñach.

Descarregar PDF

Grup d’Anàlisi Quantitativa Regional (AQR–UB)
AQR COVID-19 / #4

Barcelona, 22 d’Abril de 2020

Antecedents

La creixent disponibilitat d’informació estadística sobre la propagació i la incidència de la COVID-19 amb detall territorial està permetent fer un seguiment de la distribució espacial de l’epidèmia i vincular la seva incidència amb diverses característiques dels territoris. En el cas de Catalunya, l’Agència de Qualitat i Avaluació Sanitàries (AQuAS) ha anant proporcionant, des de finals del mes de març, mapes del nombre de casos positius de la COVID-19, i de la corresponent taxa per 10 mil habitants, tant pel cas dels municipis com de les Àrees Bàsiques de Salut (ABS). La Figura 1 mostra la taxa de casos positius de COVID-19 acumulats en les ABS (dades reportades el 6 d’abril). S’aprecia clarament com la propagació de la malaltia no ha estat espacialment homogènia, sinó que s’observen clares diferències en la incidència de la malaltia a nivell territorial

En notes anteriors hem mostrat evidència sobre l’associació entre la distribució geogràfica de la COVID-19 i alguns factors d’interès, com ara la densitat de població, els factors meteorològics o les condicions socio-econòmiques de la població en els diferents territoris, entre d’altres factors.

Ara bé, diferents estudis també han mostrat evidència sobre la influència de la contaminació atmosfèrica en la propagació i expansió d’epidèmies anteriors (per exemple, l’estudi de Cui et al, 2003 per la SARS)[i]. En aquest sentit, comença a haver-hi estudis que han mostrat una certa associació entre la presència de determinats agents contaminants i una major incidència de la COVID-19 a nivell territorial pel cas dels Estats Units (Wu et al, 2020)[ii] i pel cas d’Itàlia (Conticini et al, 2020)[iii]. L’objectiu d’aquesta nota és analitzar la relació entre la propagació de l’epidèmia i la contaminació atmosfèrica en les ABS. Més concretament, es vol comprovar si hi ha alguna associació entre les diferències geogràfiques en els nivells de concentració de dos dels agents contaminants que s’han relacionat habitualment amb malalties respiratòries (PM10 i NO2) i el nombre de contagis.

Figura 1.

Font: Elaboració pròpia a partir de dades del Departament de Salut de la Generalitat de Catalunya i AQuAS

Contaminació atmosfèrica i propagació de la COVID-19

A l’anàlisi que es realitza a continuació es centra l’atenció en dos dels agents contaminants que habitualment s’utilitzen per estudiar la contaminació atmosfèrica: les partícules respirables (< 10 µm), també conegut com PM10, i el diòxid de nitrogen (NO2). Els valors considerats per a aquests contaminants són els màxims a cada ABS corresponents al 12 de març. S’ha triat aquesta data per dos motius: en primer lloc, perquè és la que sembla adequada per analitzar el possible impacte de les condicions atmosfèriques sobre la taxa acumulada fins al 6 d’abril, a partir de la durada dels períodes d’incubació i manifestació de símptomes associats a la malaltia. En segon lloc, perquè es tracten dels valors corresponents a l’últim dia laborable abans que es procedís al tancament de les escoles i, per tant, previ al confinament. Es tracta, doncs, de valors que serien representatius dels nivells observats en cada ABS en condicions normals, especialment pel que fa als valors de concentració de NO2, ja que els nivells de PM10 estan subjectes a molta més variabilitat degut al gran nombre de factors que influeixen en la seva presència. Les Figures 2 i 3, respectivament, mostren el valor promig diari durant el 2020 dels nivells de concentració màxim de PM10 i NO2 a Catalunya. Tal i com es pot observar, en el cas del PM10 (Figura 2), els valors se situen durant els dos primers mesos de l’any al voltant d’un nivell de 45 µg/m³ (amb alguns pics concrets), però des de meitats de març mostren un clar descens fins a situar-se a valors propers a 23 µg/m³ a principis d’abril (una caiguda del 50%) com a conseqüència de la paralització de bona part de l’activitat econòmica deguda al confinament. La Figura 3, corresponent als nivells de NO2, també mostren un comportament similar però amb una caiguda molt més important, passant de valors propers a 50 µg/m³ a principis d’any fins a situar-se al voltant de 23 µg/m³ a principis d’abril, una reducció de més del 50% .

Figura 2.

Font: Elaboració pròpia a partir de dades de la Xarxa de Vigilància i Previsió de la Contaminació Atmosfèrica de la Generalitat de Catalunya

Figura 3.

Font: Elaboració pròpia a partir de dades de la Xarxa de Vigilància i Previsió de la Contaminació Atmosfèrica de la Generalitat de Catalunya

Les Figures 4 i 5 mostren, respectivament, els nivells de concentració de PM10 i de NO2 a les ABS el dia 12 de març. Aquestes dades s’han obtingut a partir de la informació registrada a diferents punts de mostreig per la Xarxa de Vigilància i Previsió de la Contaminació Atmosfèrica[iv], les quals, a partir de la seva geolocalització, s’han assignat a les diferents ABS utilitzant mètodes d’interpolació espacial. La comparació dels mapes d’aquestes figures amb la Figura 1 permet apreciar un cert solapament en la distribució espacial de les tres variables analitzades que sembla confirmar l’evidència obtinguda a nivell internacional.

Figura 4.

Font: Elaboració pròpia a partir de dades de la Xarxa de Vigilància i Previsió de la Contaminació Atmosfèrica de la Generalitat de Catalunya

Figura 5.

Font: Elaboració pròpia a partir de dades de la Xarxa de Vigilància i Previsió de la Contaminació Atmosfèrica de la Generalitat de Catalunya

De fet, del núvol de punts que es mostra a la Figura 6 es dedueix una correlació positiva entre els nivells de concentració màxim de PM10 i la taxa de casos acumulats a les ABS (totes dues variables en logaritmes), el que confirmaria l’existència d’una relació (no-lineal) entre elles. Els resultats que es mostren a la Figura 7 ofereixen una visió fins i tot més clara pel cas del NO2.

Figura 6.

Font: Elaboració pròpia a partir de dades de la Xarxa de Vigilància i Previsió de la Contaminació Atmosfèrica de la Generalitat de Catalunya, del Departament de Salut de la Generalitat de Catalunya i AQuAS

Figura 7.

Font: Elaboració pròpia a partir de dades de la Xarxa de Vigilància i Previsió de la Contaminació Atmosfèrica de la Generalitat de Catalunya, del Departament de Salut de la Generalitat de Catalunya i AQuAS

Per tal de confirmar l’existència d’associació entre les variables considerades, s’ha realitzat una anàlisi de regressió múltiple, on a més dels indicadors de contaminació atmosfèrica, hem considerat la potencial contribució d’altres factors de cadascuna de les ABS a la propagació de la malaltia. Concretament, s’ha afegit a l’anàlisi la densitat de població de cada ABS, un indicador sintètic de la situació sòcio-econòmica de la població i una bateria d’indicadors demogràfics, de morbiditat, i d’estil de vida. A més, s’ha considerat també la temperatura mitjana i la humitat relativa a mitjans del mes de març, així com un identificador de les ABS de la Conca d’Òdena (per tenir en compte l’especificitat de l’epidèmia en aquest territori).

Les estimacions obtingudes, que es troben disponibles prèvia petició als autors, confirmen l’associació positiva entre contaminació atmosfèrica i propagació del coronavirus detectada a estudis previs. En concret, els coeficients estimats són estadísticament diferents de zero als nivells de significació estadística habituals, sent aquests resultats robustos a diferents especificacions del model, particularment pel cas del NO2 i en menor mesura pel PM10. Les elasticitats obtingudes a l’especificació preferida del model són de 0,66 per PM10 i de 0,87 per NO2. Aquests valors indiquen que un augment d’un 1% en la concentració d’aquests contaminants, augmentarien la taxa de contagi (si la resta de factors es mantenen constants) en un 0,66% i en 0,87%, respectivament. Tenint en compte, per tant, que les diferències entre ABS en la presència d’aquests contaminants són força elevades (tal i com s’observava a les Figures 4 i 5), sembla que aquest factor podria haver estat molt rellevant a l’hora d’explicar el major percentatge de casos registrats de la malaltia en alguns territoris.

Per últim, destacar que aquestes estimacions es troben dins del rang de valors obtinguts als treballs esmentats anteriorment. Per exemple, tot i considerar un agent contaminant diferent i l’impacte sobre mortalitat i no contagi, Wu et al (2020) troben que un augment d’1µg/m³ en els nivells de concentració de les partícules en suspensió PM2.5 està associat amb un augment de la taxa de mortalitat associada al COVID-19 d’un 15% (CI 5%-25%). 

Conclusió

Els resultats que es sintetitzen en aquesta nota suggereixen l’existència d’una associació positiva entre contaminació atmosfèrica i la propagació de la COVID-19 a les ABS durant el període de creixement exponencial de la malaltia. Tot i que no es pot concloure de manera contundent que hi hagi una relació causal entre la concentració de determinats agents contaminants i la propagació de la malaltia, els resultats són consistents amb altres estudis que també han obtingut aquest resultat. Aquesta circumstància pot ser particularment important tant pel seguiment de possibles rebrots futurs de l’epidèmia com per l’organització del desconfinament de la població que podria tenir en compte el fet que a mesura que es recuperi l’activitat econòmica, els nivells de contaminació d’alguns territoris augmentarà significativament. Caldrà valorar, però, si introduir mesures restrictives en quant a la utilització del vehicle privat per controlar la contaminació atmosfèrica pot resultar contraproduent degut al major nombre d’interaccions que es produeixen entre els usuaris del transport públic en hores punta. A més, atès que la contaminació afecta la salut basal de la població i, especialment, el seu estat respiratori, amb el consegüent impacte en la gravetat de la malaltia, sembla rellevant analitzar també l’impacte de la contaminació sobre la mortalitat, tal com es farà en una futura nota.

---

Aquesta nota sintetitza alguns dels resultats sobre l’anàlisi de la distribució geogràfica de la COVID-19 a Catalunya que s’està duent a terme per part
d’investigadors del Grup de Recerca AQR de la UB (http://www.ub.edu/aqr/). En ella es posa especial èmfasi a considerar els aspectes geogràfics i
territorials, fets d’especial interès en la recerca del grup.
Els resultats detallats que s’han fet servir en aquesta nota es troben a disposició del lector interessat.
En l’elaboració d’aquesta nota han participat Josep Lluís Carrion-i-Silvestre, Alicia García, Enrique López-Bazo, Jordi López-Tamayo, Alessia Matano,
Rosina Moreno, Ernest Pons, Raul Ramos, Vicente Royuela i Jordi Suriñach.

---

[i] Cui Y, Zhang ZF, Froines J, Zhao J, Wang H, Yu SZ, Detels R. (2003), Air pollution and case fatality of SARS in the People’s Republic of China: an ecologic study, Environ Health. Nov 20;2(1):15.

[ii] Wu, X.; Nethery, R. C.; Sabath, B. M.; Braun, D.; Dominici, F. (2020), Exposure to air pollution and COVID-19 mortality in the United States. https://doi.org/10.1101/2020.04.05.20054502

[iii] Conticini, E.; Frediani, B., Caro, D. (2020), Can atmospheric pollution be considered a co-factor in extremely high, Environmental Pollution. https://doi.org/10.1016/j.envpol.2020.114465

[iv] https://analisi.transparenciacatalunya.cat/Medi-Ambient/Dades-d-immissi-dels-punts-de-mesurament-de-la-Xar/uy6k-2s8r

Descarregar PDF

Grup d’Anàlisi Quantitativa Regional (AQR–UB)
AQR COVID-19 / #3

Barcelona, 19 d’Abril de 2020

Antecedents

Al llarg del mes de març i principis del mes d’abril, l’epidèmia de la COVID-19 es va transmetre de manera exponencial en la població de Catalunya, amb un alentiment en dies posteriors possiblement associat a la implantació del confinament de la població.

La creixent disponibilitat de dades de la propagació de la malaltia amb detall territorial està permetent fer un seguiment de la distribució espacial de l’epidèmia i vincular la seva incidència amb diverses característiques dels territoris.

En el cas de Catalunya, l’Agència de Qualitat i Avaluació Sanitàries (AQuAS) ha anant proporcionant, des de finals del mes de març, mapes del nombre de casos positius de la COVID-19, i de la corresponent taxa per 10 mil habitants, tant pel cas dels municipis com de les Àrees Bàsiques de Salut (ABS). Això ha permès aventurar relacions entre la distribució geogràfica de la COVID-19 i alguns factors d’interès, com ara el nivell de renda de la població en els diferents territoris. En aquest sentit, el major nombre relatiu de contagis en els municipis i ABS amb nivell de renda més baix en comparació amb aquells amb renda més elevada ha tingut repercussió no només en la premsa catalana i espanyola sinó també en mitjans internacionals.[i]

Les implicacions de la relació entre la propagació de la COVID-19 i, en termes generals, el nivell socioeconòmic de la població en els diferents territoris són suficientment importants com per merèixer una anàlisi detallada. De fet, diversos estudis han mostrat com la variació espacial en la propagació i en l’impacte d’altres malalties infeccioses, com ara la grip espanyola de 1918, va estar relacionada amb el nivell de renda de cada territori, la seva taxa d’atur i el nivell educatiu de la seva població[ii]. En aquest sentit, en aquesta nota es sintetitzen els resultats obtinguts amb dades de les ABS de la intensitat de la propagació de la COVID-19 i d’un índex sintètic de la situació socioeconòmica de cada ABS calculat pel Departament de Salut de la Generalitat de Catalunya.

Objectiu

Aquesta breu nota pretén sintetitzar l’evidència obtinguda en l’anàlisi de la relació entre la propagació de la COVID-19 en la població de les unitats espacials definides per les ABS i el nivell socioeconòmic de la seva població, controlant per l’efecte d’altres factors que també poden haver afectat, en major o menor mesura, a la propagació de l’epidèmia a cada territori.

L’evidència existent referida a altres pandèmies suggereix que la propagació de la malaltia podria variar entre diferents grups de la població atenent a característiques socials i econòmiques. D’aquesta manera, i donada la segregació espacial d’aquests grups, cal esperar un grau d’incidència de la COVID-19 diferent en les diverses ABS. A tall d’exemple, es pot suposar que la malaltia es va estendre més ràpidament i intensa en aquells llocs que concentren menys població benestant, en les quals un nombre elevat de la població treballa en activitats on les interaccions amb altres persones són freqüents i intenses, i les quals tendeixen a fer servir habitualment el transport públic. Així mateix, es pot argumentar que les mesures d’auto-prevenció i protecció haurien estat menys habituals allà on, en termes relatius, hi ha un percentatge de la població amb nivells educatius més baixos. Finalment, extrapolant l’evidència obtinguda per epidèmies prèvies de característiques semblants i fent servir els raonaments anteriors, es pot argumentar la possibilitat que la propagació del SARS-CoV-2 hagi estat menor en llocs amb més incidència de l’atur o, en termes més generals, amb menys participació laboral (donada la menor interacció amb altres persones).

Propagació de la COVID-19 i situació socioeconòmica

Un primer pas en l’estudi de la relació entre la situació socioeconòmica i la propagació de la malaltia és la comparació de la distribució geogràfica d’aquestes dues variables. Respecte a la primera, la Figura 1 mostra la distribució espacial de la taxa de casos positius de COVID-19 (mitjançant proves PCR) per 10.000 habitants, a partir de les dades recopilades per AQuAS. Es pot apreciar que, com s’ha posat de manifest en diversos mitjans, la distribució de la malaltia no és uniforme al llarg del territori català.

Respecte a la situació socioeconòmica, cal dir que en el cas de les ABS no es disposa d’informació suficientment detallada dels factors esmentats abans (per exemple, la renda per càpita o la taxa d’atur). No obstant això, la base de dades amb informació estadística per aquestes unitats territorials, recopilada i preparada pel Departament de Salut de la Generalitat de Catalunya, sí inclou un índex socioeconòmic compost per les ABS, construït combinant diversos indicadors. Concretament, aquest índex combina la informació de tres categories de copagament de farmàcia (percentatges de població exempta, amb rendes inferiors a 18.000€ l’any, i amb rendes superiors a 100.000€ l’any), el percentatge de població ocupada amb ocupacions manuals, el de població de 16 anys o més amb nivell educatiu insuficient, la taxa de mortalitat prematura, i la taxa d’hospitalitzacions evitables[iii]. Valors més alts de l’índex indiquen un nivell de privació més elevat, mentre que la situació socioeconòmica és millor en les ABS amb valors baixos de l’índex.

Figura 1.

Font: Elaboració pròpia a partir de les dades del Departament de Salut de la Generalitat de Catalunya i AQuAS

La distribució del valor de l’índex en les ABS es mostra a la Figura 2, d’on no sembla deduir-se un patró espacial clar. De fet, els valors de l’índex confirmen les marcades diferències en el sí de l’àrea metropolitana de Barcelona, així com també el marcat contrast entre la situació d’ABS properes entre sí en altres parts del país. En tot cas, la comparació dels mapes de les Figures 1 i 2 no permet derivar una relació nítida entre la incidència de la malaltia i el grau de privació socioeconòmica. En aquest sentit, les dades reproduïdes a la Taula 1 suggereixen que la relació entre les dues magnituds podria ser més complexa de l’esperat. Al bloc superior es mostren les 10 ABS amb el valor de l’índex més baix (menor privació), mentre que les 10 amb valors més alts (major privació) es reprodueixen al bloc inferior. Malgrat que, en general, les taxes d’infecció són més elevades en les 10 ABS amb nivell de privació més elevat (mitjana de 36 casos per 10.000 hab.) i més baixes en les que ocupen les 10 posicions privilegiades en l’índex (mitjana de 27 casos per 10.000 hab.), s’aprecien excepcions interessants. D’una banda, les dues ABS de Sant Cugat del Vallès amb índex socioeconòmic elevat mostren una propagació del SARS-CoV-2 clarament per sobre de la resta del grup d’ABS amb menor privació. D’altra banda, Constantí, a 6 km de Tarragona, i l’ABS de Mataró amb grau de privació molt elevat tenen una incidència de la malaltia molt per sota de la resta del seu grup.

Figura 2.

Font: Elaboració pròpia a partir de les dades del Departament de Salut de la Generalitat de Catalunya i AQuAS

Taula 1. Taxa de casos COVID-19 per 10.000 hab. segons grau de privació

Nota: Elaboració pròpia a partir de les dades del Departament de Salut de la Generalitat de Catalunya. Es reprodueixen els valors per les ABS amb menys i més grau de privació segons l’índex socioeconòmic.

Per tal d’aclarir si existeix una relació entre la situació socioeconòmica de les ABS i la propagació del virus en la seva població, s’ha realitzat una anàlisi de regressió múltiple on, a més de l’índex socioeconòmic, es controla per la potencial influència de la densitat de població, les condicions meteorològiques i de contaminació, i un conjunt de factors demogràfics, de morbiditat i condicions de vida. L’efecte estimat és positiu, confirmant que la incidència de la malaltia va augmentar amb el nivell de privació: un punt addicional de l’índex estaria associat a un augment al voltant d’un 4% en la taxa de la COVID-19. No obstant això, l’efecte estimat només és estadísticament significatiu en algunes de les especificacions (per exemple quan s’obvia l’efecte de la densitat). És a dir, no es pot assegurar que la situació socioeconòmica hagi tingut un efecte determinant en la propagació del coronavirus quan es té en compte l’efecte d’altres factors també relacionats.

De manera complementària, s’ha explorat l’efecte de la situació socioeconòmica al llarg de la distribució de la taxa d’infecció, mitjançant una regressió quantílica. L’objectiu en aquest cas és comprovar si l’efecte de les condicions socioeconòmiques varia en funció de la intensitat de l’afectació de la malaltia, condicionada a la resta de factors. L’estimació de l’efecte de l’índex de privació als decils de la distribució condicionada de la taxa de la malaltia a les ABS es reprodueix a la Figura 3. S’aprecia una tendència creixent en l’impacte de la privació. De fet, l’efecte no és estadísticament significatiu per taxes baixes-mitjanes d’incidència. Però per taxes més elevades, els resultats suggereixen que el nivell de privació socioeconòmica podria haver exercit un impacte positiu i estadísticament diferent de zero. Aquest resultat és consistent amb els nivells molt elevats de propagació de la malaltia en, per exemple, ABS de les zones de l’àrea metropolitana de Barcelona que tradicionalment presenten poblacions amb un grau alt de privació socioeconòmica.

Figura 3.

Nota: Elaboració pròpia a partir de les dades del Departament de Salut de la Generalitat de Catalunya. Estimació de l’efecte de l’índex socioeconòmic en els decils de la distribució condicionada de la taxa de casos COVID-19 per 10.000 habitants.

Conclusió

Tot i que l’evidència obtinguda fins al moment no es pot donar com concloent, els resultats apunten a una relació complexa entre la propagació de la COVID-19 i la situació socioeconòmica dels territoris. Malgrat que no es pot dir que l’efecte d’un major o menor grau de privació hagi afectat significativament a la incidència de la malaltia en la ABS mitjana o representativa, sí que podria haver tingut un efecte en aquelles ABS amb taxes d’incidència elevades una vegada es considera l’efecte d’altres condicionants. De confirmar-se, aquesta circumstància confirmaria la penalització addicional que estarien patint els territoris amb més privació socioeconòmica. Així mateix, és un factor a tenir en compte a l’hora de preparar les mesures preventives i pal·liatives en el cas de rebrots de la malaltia que es podrien produir en els propers mesos.

En definitiva, som del parer que la importància de la qüestió considerada en aquesta nota requereix continuar sent analitzada. Per exemple, fent servir dades dels municipis catalans seria possible explorar la relació entre la renda disponible per càpita, i altres variables d’interès com ara l’atur, en la propagació i incidència de l’epidèmia. Els resultats seran l’objecte d’una altra comunicació en els propers dies.

---

Aquesta nota sintetitza alguns dels resultats sobre l’anàlisi de la distribució geogràfica de la COVID-19 a Catalunya que s’està duent a terme per part
d’investigadors del Grup de Recerca AQR de la UB (http://www.ub.edu/aqr/). En ella es posa especial èmfasi a considerar els aspectes geogràfics i territorials, fets d’especial interès en la recerca del grup.
Els resultats detallats que s’han fet servir en aquesta nota es troben a disposició del lector interessat.
En l’elaboració d’aquesta nota han participat Josep Lluís Carrión-i-Silvestre, Alicia García, Enrique López-Bazo, Rosina Moreno, Raul Ramos, Vicente
Royuela i Jordi Suriñach.

---

[i] A tall d’exemple, veure https://www.reuters.com/article/health-coronavirus-innercity/feature-poor-city-dwellers-run-greatest-coronavirus-risk-idUSL8N2BV2HD

[ii] Veure, per exemple, Grantz K.H.et al (2016) Disparities in influenza mortality and transmission related to sociodemographic factors within Chicago in the pandemic of 1918. Proc. Natl. Acad. Sci., 113(48), 13839-13844 i Suhrcke et al (2011) The impact of econonomic crises on communicable disease transmission and control: A systematic review of the evidence. PLoS ONE 6(6) e20724.

[iii] Per més detall veure Ruiz-Muñoz et al (2018) Indicadors bàsics de salut per ABS. Guia per realitzar l’informe de salut per ABS. Barcelona: Departament de Salut de la Generalitat de Catalunya. 

Descarregar PDF

Grup d’Anàlisi Quantitativa Regional (AQR–UB)
AQR COVID-19 / #2

Barcelona, 18 d’Abril de 2020

Antecedents

Al llarg del mes de març i principis del mes d’abril de 2020 l’epidèmia de COVID-19 es va transmetre de manera exponencial en la població de Catalunya, amb un alentiment en dies posteriors possiblement associat a la implantació del confinament de la població.

Un tret interessant fa referència a la distribució geogràfica de la propagació de l’epidèmia. El territori català es divideix en set regions sanitàries a partir de les quals s’organitzen els recursos sanitaris d’atenció primària i d’atenció especialitzada per a atendre les necessitats de la població. Cada regió s’ordena, al seu torn, en 29 sectors sanitaris, que agrupen 374 àrees bàsiques de salut (ABS), formades per barris o districtes a les àrees urbanes, o per un o més municipis en l’àmbit rural. Com ha anat mostrant l’Agència de Qualitat i Avaluació Sanitàries de Catalunya (AQuAS) fent servir les dades del Registre COVID-19 del Departament de Salut de la Generalitat de Catalunya, la taxa de casos positius acumulats varia substancialment entre Àrees Bàsiques de Salut (ABS) i entre municipis. A tall d’exemple, el mapa de la Figura 1 mostra la taxa de casos positius de COVID-19 acumulats en les ABS (dades reportades el 6 d’abril). S’aprecia clarament com la propagació de la malaltia no ha estat espacialment homogènia, sinó tot el contrari.

Aquesta diferència en la incidència de la epidèmia de COVID-19 que s’observa en el territori català s’aprecia també en altres territoris i, de fet, ha estat reportat en el cas d’altres epidèmies prèvies[i]. De fet, aquesta qüestió ha tingut una repercussió mediàtica des de la propagació de l’epidèmia en el nostre entorn, relacionant les diferències entre regions, províncies, municipis i fins i tot districtes amb diversos factors. No obstant, fins ara bona part dels arguments es basen en anàlisis parcials (i en molt casos informals) que no tenen en compte l’efecte simultani d’altres potencials factors[ii].

Per tot això, resulta interessant explorar amb detall l’origen de les diferències espacials en la propagació del COVID-19. Entre d’altres qüestions, això podria ser d’utilitat per l’organització dels recursos sanitaris i fins i tot pel disseny de les mesures de confinament/desconfinament, que podrien arribar a ser espacialment asimètriques.

Figura 1.

Font: Elaboració pròpia a partir de dades del Departament de Salut de la Generalitat de Catalunya i AQuAS

Condicions climàtiques i propagació de la COVID-19

Atenent a l’esmentat fins ara, l’objectiu d’aquesta nota és analitzar la relació entre la propagació de l’epidèmia i les condicions climàtiques en les ABS. Més concretament, es vol comprovar quina influència van tenir les diferències geogràfiques en temperatura i humitat relativa en el nombre de contagis.

Diferents estudis recents[iii] han mostrat com la temperatura i la humitat relativa afecten la velocitat de transmissió del COVID-19 a partir de la comparació de la taxa de contagi entre diferents ciutats i països. De fet, l’evidència obtinguda és compatible amb la major expansió del SARS-Cov-2 en un ampli corredor est-oest situat entre el paral·lel 30 N i el paral·lel 50N. Aquestes zones es caracteritzen per un patró climàtic força similar. En concret, s’observen temperatures mitjanes situades entre el 5 ºC i els 11 ºC i nivells d’humitat relativa entre el 50% i el 70%. Per tant, caldria esperar que un augment de les temperatures i dels nivells d’humitat de l’aire associat a l’arribada de la primavera a l’hemisferi nord pugues reduir de manera significativa la transmissió i propagació del coronavirus.

A nivell de l’estat espanyol, resultats preliminars d’una investigació realitzada per l’Institut de Salut Carlos III (ISCII) i l’Agencia Estatal de Meteorologia (Aemet)[iv] també mostren evidència similar a l’obtenir una correlació negativa entre temperatura i contagis a partir de l’anàlisi d’informació estadística relativa a Comunitats Autònomes.

Les condicions climàtiques “normals” de Catalunya encaixen dins l’interval de valors en què s’ha observat una elevada velocitat en la propagació i transmissió del coronavirus. En concret, a partir de càlculs propis fent servir les dades de l’Aemet[v] pel període 1981-2010, la temperatura mitjana normal durant el mes de gener seria de 5,1 ºC, al febrer de 6,2 ºC i al Març de 9,0 ºC. Pel que fa a la humitat relativa, segons càlculs realitzats a partir de la mateixa font, no s’observen variacions tant importants durant el primer trimestre amb valors mitjos al voltant del 70% i que oscil·len entre el 60% i el 80%.

Les condicions climàtiques que s’han observat durant aquest primer trimestre de 2020 mostren temperatures superiors a les habituals[vi], tant al gener com al febrer però de manera molt més intensa aquest segon mes. Les dues primeres setmanes del mes de març van mantenir aquesta tònica, però la segona meitat va ser bastant més freda de l’habitual. Pel que fa a la humitat, ha estat un trimestre força més humit del que és habitual.

A l’anàlisi que es realitza a continuació, s’utilitzen les temperatures mitjanes i els nivells d’humitat relativa a les ABS corresponents al 15 de març. S’ha triat aquesta data per diferents motius: en primer lloc, perquè es tracten de valors força representatius del conjunt del mes (tot i l’elevat contrast tèrmic observat), en segon lloc, perquè es corresponen al primer cap de setmana posterior al tancament de les escoles però previ al confinament pel què és probable que moltes famílies aprofitessin aquesta situació per a realitzar activitats d’oci a l’exterior o visitar a amics o familiars i, en tercer lloc, sembla una data adequada per a analitzar el possible impacte de les condicions climàtiques sobre la taxa acumulada fins al 6 d’abril, les dades que es mostren a la Figura 1.

Les Figures 2 i 3 mostren la temperatura mitjana i la humitat relativa a les 374 ABS el dia 15 de març. Aquestes dades s’han obtingut a partir de la informació registrada a les 184 estacions de la Xarxa d’Estacions Meteorològiques Automàtiques (XEMA) del Servei Meteorològic de Catalunya[vii] i a partir de la seva geolocalització s’han assignat a les diferents ABS utilitzant mètodes d’interpolació espacial.

Tal i com es pot observar a la Figura 2, hi ha força variació en les temperatures mitjanes observades en aquesta data. En concret, oscil·len entre els 5,2 ºC i els 13,5 º C. Els valors més càlids se situen a la costa amb valors superiors a tots dos extrems del país.

Pel que fa a la humitat relativa, la Figura 3 permet observar que es va tractar d’un dia força humit arreu del país amb valors que oscil·len entre el 68,6% i el 88,5%. Les zones amb nivells d’humitat relativa més baixa són les zones de l’interior del país, especialment a l’oest i al nord.

La comparació dels mapes de les Figures 1 amb la 2 i 3 permet apreciar un cert solapament en la distribució espacial de les tres variables analitzades que sembla confirmar l’evidència obtinguda a nivell internacional.

Figura 2.

Font: Elaboració pròpia a partir de dades del Servei de Meteorologia de Catalunya

Figura 3.

Font: Elaboració pròpia a partir de dades del Servei de Meteorologia de Catalunya

Per tenir en compte l’efecte de temperatura i humitat relativa sobre la taxa de casos positius de COVID-19 acumulats en les ABS s’ha realitzat una anàlisi de regressió múltiple, on a més de les condicions climàtiques, hem considerat la potencial contribució d’altres factors de cada una de las ABS a la propagació de la malaltia. Concretament, s’ha afegit a l’anàlisi la densitat de població de cada ABS, un indicador sintètic de la situació sòcio-econòmica de la població i una bateria d’indicadors demogràfics, de morbiditat, i d’estil de vida. A més, s’ha considerat també el nivell de pol·lució (PM10 i NO2), tots ells mesurats a mitjans del mes de març, i un identificador dels ABS de la Conca d’Òdena (per tenir en compte l’especificitat de l’epidèmia en aquest territori).

Les estimacions obtingudes, que es troben disponibles prèvia petició als autors, confirmen la relació negativa entre factors climàtics i propagació del coronavirus detectada a estudis previs. En concret, un augment d’1 ºC en la temperatura mitjana redueix en 3,7 punts percentuals la taxa de contagi mantenint igual la resta de factors mentre que un augment de la humitat relativa d’1 punt percentual també portaria a una reducció de la taxa de contagi d’1,7 punts percentuals. Aquestes estimacions es troben dins del rang de valors obtinguts als treballs esmentats anteriorment. Per exemple, Wang et al (2020) troben que un augment d’1 ºC en la temperatura i un punt percentual en la humitat relativa reduirien la taxa de contagi en 2.25 punts percentuals i 1,58 punts percentuals, respectivament.

Així doncs, i tenint en compte que caldria esperar un augment de les temperatures al voltant de 2 ºC durant el mes d’abril en relació a març i d’uns 4 ºC durant el mes de maig en relació a abril, aquest factor podria ajudar a contenir l’expansió del coronavirus durant el període de desconfinament. Ara bé, cal tenir en compte també que el fet que la humitat relativa decreixi a mesura que ens apropem al període estival compensarà, tot i que només parcialment, l’efecte de la temperatura. Els resultats obtinguts permeten també concloure que el fet que haguem tingut un primer trimestre més càlid i més humit del normal a Catalunya ha contribuït favorablement a frenar l’expansió del coronavirus, especialment a les zones costaneres dels dos extrems del país.

Conclusió

Els resultats que es sintetitzen a aquesta nota suggereixen l’existència d’una associació negativa entre factors climàtics i la propagació de la COVID-19 a les ABS durant el període de creixement exponencial de la malaltia. Tot i que no es pot concloure de manera contundent que hi hagi una relació causal entre factors climàtics i propagació, els resultats són consistents amb altres estudis que també han mostrat una propagació més ràpida del coronavirus en climes més freds i secs. Aquesta circumstància pot ser particularment important tant pel seguiment de possibles onades futures de l’epidèmia com per l’organització del desconfinament de la població que podria tenir en compte les previsions climàtiques així com les possibles anomalies respecte les condicions normals que es poguessin produir durant les properes setmanes.

---

Aquesta nota sintetitza alguns dels resultats sobre l’anàlisi de la distribució geogràfica de la COVID-19 a Catalunya que s’està duent a terme per part d’investigadors del Grup de Recerca AQR de la UB (http://www.ub.edu/aqr/). En ella es posa especial èmfasi a considerar els aspectes geogràfics i territorials, fets d’especial interès en la recerca del grup.
Els resultats detallats que s’han fet servir en aquesta nota es troben a disposició del lector interessat.
En l’elaboració d’aquesta nota han participat Josep Lluís Carrion-i-Silvestre, Alicia García, Enrique López-Bazo, Rosina Moreno, Raul Ramos, Vicente Royuela i Jordi Suriñach.

---

[i] Veure, per exemple, Adda, J. (2016) Economic activity and the spread of viral diseases: Evidence from high frequency data. The Quarterly Journal of Economics, 131(2), 891-941, Grantz K.H.et al (2016) Disparities in influenza mortality and transmission related to sociodemographic factors within Chicago in the pandemic of 1918. Proc. Natl. Acad. Sci., 113(48), 13839-13844, i Chowell et al (2014) Spatio-temporal excess mortality paterns of the 1918-1919 influenza pandèmic in Spain. BMC Infectious Diseases 14: 371

[ii] Per una excepció veure l’anàlisi en Orea, L. i Álvarez, I.C. (2020) How effective has the Spanish lockdown been to battle COVID-19? A spatial analysis of the coronavirus propagation across provinces. Documento de Trabajo – 2020/03. Fedea, Madrid.

[iii] Wang, J. et al. (2020), High Temperature and High Humidity Reduce the Transmission of COVID-19, https://papers.ssrn.com/sol3/Papers.cfm?abstract_id=3551767
Sajadi, M. M. et al (2020), Temperature, Humidity and Latitude Analysis to Predict Potential Spread and Seasonality for COVID-19. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3550308

[iv] http://www.aemet.es/es/noticias/2020/04/Covid_variablesmeteorologicas_abril2020

[v] http://www.aemet.es/es/serviciosclimaticos/datosclimatologicos/valoresclimatologicos

[vi] http://www.aemet.es/es/serviciosclimaticos/vigilancia_clima/resumenes?w=1&k=cat

[vii] https://analisi.transparenciacatalunya.cat/Medi-Ambient/Dades-meteorol-giques-de-la-XEMA/nzvn-apee