Uso de cookies

La Silla Vacía usa Cookies para mejorar la experiencia de nuestros usuarios. Al continuar navegando acepta nuestra política.

listo

Visión cero: calidad de aire y enfermedad respiratoria en Bogotá

El objetivo principal de la movilidad debería ser la salud pública, medida no en muertos por accidentes de tránsito sino en morbilidad de niños por enfermedad respiratoria, una cifra mucho más real y macabra.

Alejandro Feged Rivadeneira
Alejandro Feged Rivadeneira
Profesor Asistente en la Universidad del Rosario, en el programa de Gestión y Desarrollo Urbanos de la Facultad de Ciencia Política
12 Seguidores0 Siguiendo

0 Debates

16 Columnas

Columna

226

0

17 de Noviembre de 2018

Los últimos días la Alcaldía de Bogotá se ha ufanado de la reducción de muertes a causa de modificar los límites de velocidad, una política que a mi juicio es sensata (bajar los límites de velocidad reduce las muertes) desde una perspectiva epidemiológica de factores de riesgo.

Si bien es cierto que la cantidad de muertes por tráfico en el mundo ha crecido constantemente y ha sido relegada a un segundo plano con respecto a otras causas de muerte, en mi opinión es importante incluir en la ecuación el costo que tiene en la salud el transporte mismo. Esto porque es importante poner en perspectiva un alcance potencial de las políticas de movilidad tomadas por la actual Alcaldía frente al costo en salud pública que conlleva el estándar aceptado de calidad de aire. Son medidas que, sin duda, están conectadas y lo hacen pensar a uno cuál debe ser prioritaria.

. En este texto exploro razones por las cuales considero que el objetivo principal de la movilidad debería ser la salud pública medida no en muertos por accidentes de tránsito, sino en morbilidad de niños por enfermedad respiratoria (una cifra mucho más real y macabra).

Para estudiar esto me puse a la tarea de explorar el efecto de la contaminación en el aire sobre la salud de los bogotanos. Afortunadamente, la cantidad de datos disponibles en los últimos años hace que estudiar estas asociaciones sea una labor al alcance de cualquiera que tenga internet y un par de horas para rumiar código. Tomé los datos de enfermedad respiratoria en el Sivigila (todos los eventos),  y descargué los datos de calidad de aire por medio de la autoridad, al pedirle a un estudiante graduado que lo hiciera. ¡Gracias, Guibor!

Hecho esto, construí la serie de tiempo de IRA (todos los eventos) y PM2.5, semana a semana. La serie, a simple vista, guarda una estrecha relación (lo cual me hace pensar que puedo tener algún error de código, agradezco comentarios). Decidí usar solamente PM2.5, ya que a mi juicio es un buen indicador de la mala calidad de aire en Bogotá. Se muestra la suma de los promedios de PM2.5 por semana, por estación (de alguna manera, la cantidad agregada de PM2.5 que circula por el aire cada semana).

Luego construí un histograma para ver la edad de reporte de cada caso para Bogotá. Es evidente que los más afectados son los niños. 

Para ver un poco mejor la distribución hice una gráfica con escala logarítmica. El objetivo no es más que ampliar las diferencias que hay entre otras clases de edad.

Como me parece que hay un patrón en el cual se ha incrementado la densidad de casos en edades tempranas, hago un histograma para ver cómo progresa en el tiempo el reporte en las primeras edades. En rojo, lo más reciente; en azul, lo más viejo. Se ve cómo el punto de inicio ha sido más alto para edades tempranas a medida que pasa el tiempo.

Decidí explorar un poco el fenómeno usando la librería WaveletComp de R. Yo mismo tengo dudas todavía sobre cómo interpretar estos resultados. Lo que me queda claro es que hay una estrecha relación entre ambas series de tiempo, y que los patrones temporales de las series de tiempo pueden ser descritos por medio de wavelets (onditas en español, pero son universalmente conocidas como wavelets en el mundo de análisis de datos). Se ven, en rojo, los puntos en la serie de tiempo (en el eje-x están las semanas) donde es significativa la frecuencia de ondita para describir la serie de tiempo.

Las wavelets son una de las herramientas más útiles para identificar la estacionalidad. Si bien ya existían métodos para esto en la estadística tradicional, el aporte de la perspectiva de wavelets es que: 1. No se basa en ondas estacionarias, y 2. Puede identificar cambios en la frecuencia de la periodicidad. También puede identificar múltiples señales mezcladas, algo que se dificulta un poco con el análisis tradicional. 

Acá algunos ejemplos de ondas y sus respectiva descomposición en wavelets para identificar periodicidad, todos tomados de la documentación de la librería 

Primero, para la serie de tiempo de PM2.5:

Luego, comparando ambas series. Las flechas a la derecha indican que ambas series están en fase en ese punto (a la izquierda sería en fase opuesta). 

Mi primera interpretación es que la calidad de aire y las enfermedades respiratorias tienen relaciones complejas en Bogotá.

Por periodos de tiempo, las series están en fases estadísticamente significativas a frecuencias más bajas. En ocasiones, sin embargo, ese no es el caso (espacio azul en la parte baja). Hay una sincronía de fase que se ve perdurar en el tiempo, que ha incrementado (casi de 16 a 32 semanas), y otra a 64 semanas.

Esto quiere decir que hay un wavelet cuya frecuencia disminuye, que describe bien la serie de tiempo. En otras palabras, métodos con ondas estáticas habrían tenido problemas en detectar una serie como esta, que es una de las virtudes de los wavelets.

¿Esto qué quiere decir?

En primer lugar, hay evidencia suficiente para concluir que la estacionalidad del IRA y contaminación por PM2.5 se ha incrementado. Esto quiere decir que los picos epidémicos son más agudos y duran más tiempo.

¿Cuál es la precepción de la gente sobre su salud respiratoria y su calidad de aire?

Con base en los datos que levantamos como ejercicio del curso que dicto de Análisis geográfico, donde muchos ciudadanos colaboran con los estudiantes para llenar una encuesta y aportar sus datos de movilidad, podemos evaluar un poco esta pregunta. Hicimos una pregunta sobre percepción de calidad de aire, y percepción de salud respiratoria.

Al cruzar los datos con los horarios de más frecuente ubicación de cada usuario, podemos ver algunos patrones.

La calidad de aire parece estar fuertemente asociada al lugar donde vive la persona. Siempre me ha impresionado, cuando veo datos de diversa índole en Bogotá, cómo la Calle 80 marca un límite invisible en varios indicadores. En calidad ambiental en el hogar, claramente las mejores percepciones están en el norte de la ciudad.

El patrón cambia bastante en horario laboral. Son precisamente las personas que más viajan (el tamaño de la burbuja indica el rango de movimiento de cada persona) quienes llegan en horario laboral al norte, quienes tienen una peor percepción de calidad de aire. Para mí, esto sugiere que las personas que más lejos viajan, y probablemente usan el transporte público pseudomasivo de Bogotá, son las personas que peor percepción de calidad de aire tienen.

El patrón de percepción de enfermedad respiratoria, por otro lado, parece tener pequeños focos, pero su calidad no está asociada con la división norte-sur, como en calidad de aire.

Interactiva: