¿Cómo explicar el mal desempeño del Perú frente a la COVID-19?

Sin duda la pandemia de la COVID-19 ha sido excepcionalmente fuerte en el Perú, que destaca como el primer país del mundo en cuanto a fallecidos por millón de habitantes a causa del nuevo coronavirus. Medios como la DW alemana, el diario El País de España y la BBC inglesa han dedicado sendos artículos a describir el fuerte impacto de la COVID-19 en el Perú.

Estos resultados negativos han generado múltiples interpretaciones tanto a nivel nacional como internacional. A nivel nacional múltiples analistas han también dado explicaciones respecto al porqué del pobre desempeño de nuestro país.

Como comentamos en una columna anterior, la interpretación a la que arribe la sociedad peruana respecto a las causas de nuestro desempeño tiene fuertes implicancias políticas.

Hay una tendencia a considerar como responsable del impacto de la COVID-19 a algún elemento de agenda discursiva previa a la epidemia. Por ejemplo, quienes priorizan el tema de la desigualdad social, tratan de afirmar que ha sido dicha desigualdad el principal determinante del fuerte impacto de la COVID-19, por otro lado, las personas deseosas de una salud pública más financiada dicen que han sido las restricciones presupuestales las determinantes de la letalidad de la COVID-19 en el Perú.

Realizamos un análisis de correlaciones a nivel Latinoamericano sobre el grado de asociación estadística entre un conjunto de indicadores y la tasa de muertos por millón de COVID-19.[i]

Utilizamos dos variables: el número de camas de hospital por cada cien mil habitantes y el gasto público de salud por persona. Haciendo un análisis de correlación no encontramos correlación significativa entre los muertos por millón con el número de camas de hospital ni con el gasto de salud por habitante. [ii]

Actualmente en el Perú, se usa esas dos variables sin el cuidado de verificar si hay datos que confirmen que tengan un rol determinante sobre impacto letal de la COVID-19 en la población. Encontramos que ni el número de camas de hospital ni los gastos en salud resultaron relevantes para la letalidad de la COVID-19. Fue el número de camas UCI, con respiradores mecánicos, lo que resultó asociado a una menor letalidad.

Más importante que la cantidad del gasto en salud, es el aumento de las capacidades específicas para mitigar la COVID-19, como son las camas con UCI. Cuando se diseñe políticas públicas en salud será importante considerarlo. El incremento del gasto público no debe transformarse en burocracia sino en mejores servicios para la población.

También hemos buscado correlación entre la letalidad de la COVID-19 con el indicador de Efectividad Gubernamental del Banco Mundial y con el coeficiente Gini. En ambos casos no encontramos ninguna asociación relevante entre la letalidad de COVID-19 y esos dos indicadores.

Esto no implica que el gasto en salud, la efectividad del gobierno o la desigualdad social no tengan ningún efecto sobre el impacto de la COVID-19. Significa que, si queremos ser más efectivos ante epidemias futuras, necesitaremos ser más específicos que explicaciones genéricas y destinar recursos teniendo muy en claro los efectos a esperar.

Nos llama la atención que en los artículos que predominan sobre la COVID-19 se descuide otras variables que sí han resultado significativas para la escala de la epidemia y su letalidad como el porcentaje de la población que es urbana, cantidad de habitantes por residencia o el porcentaje que habita en zonas urbanas precarias. En los análisis que hicimos encontramos que esas variables tenían una correlación mucho más clara con el número de muertos por COVID-19.

Estos análisis nos indican que la explicación del porqué de nuestro desempeño frente a la COVID-19 requiere de un análisis basado en evidencias y no en simpatías o aversiones a algunas ideologías o líderes políticos. Si no queremos repetir la tragedia que vivimos no debemos utilizar como justificación de lo que decimos a los sistemas de creencias preexistentes o las versiones interesadas que puedan dar los actores políticos.  La verificación con los datos es una responsabilidad ineludible de quienes generan opiniones con implicancias futuras en políticas públicas.

[i] La correlación entre dos variables puede ir entre -1 y 1 en este contexto una correlación negativa implica que un determinado indicador está asociado a menos muertes por millón y una positiva el caso contrario, una correlación cercana a 0 nos indica que una variable no tiene relación con otra.

[ii] Para el análisis del número de camas de hospital por cada cien mil habitantes utilizamos datos a los años 2014-2015 y para el análisis del gasto público de salud por persona utilizamos datos de 2017.