Un año de contagio municipal por el SARS-CoV-2 en México análisis jerárquico-espacial bayesiano

• Published in: Estudios sociológicos (Mexico City, Mexico) Vol. 41; no. 123; pp. 629 - 666
• Main Authors: Nájera, Héctor, Cortés, Fernando, Vargas, Delfino
• Format: Journal Article
• Language: Spanish; English
• Published: Mexico City Colegio de Mexico 01.09.2023; El Colegio de Mexico, A.C; Colegio de México, A.C; Colegio de México
• Subjects: Análisis espacial; Artículo; Bayesian analysis; Cities; Contagion; COVID-19; DESIGUALDAD; Hierarchies; Inequality; Infections; Modelación bayesiana; Pandemics; POBREZA; Poverty; Proximity; Severe acute respiratory syndrome; Severe acute respiratory syndrome coronavirus 2; Social interaction; Social structure; Spatial analysis; Variables; Mexico
• ISSN: 0185-4186; 2448-6442
• DOI: 10.24201/es.2023v41n123.2300

Este artículo complementa y profundiza los resultados de una investigación anterior sobre el papel que desempeña la estructura social en el volumen de contagios en los municipios del país. Se empleó información quincenal durante 12 meses en México a nivel municipal. El análisis utilizó primero un modelo jerárquico de secciones cruzadas y después se incorporó la proximidad geográfica en un modelo bayesiano para explicar la difusión de la covid-19. Los resultados permitieron inferir que la distribución espacial de los contagios estuvo condicionada por la distribución territorial de la población en los municipios, los intercambios sociales entre ellos, y por los niveles de pobreza y desigualdad municipales, y que dicho condicionamiento no depende de la intensidad de la pandemia. This article expands the results of previous research exploring the role of social structure in the volume of infections, in both space and time. The study uses bi-weekly, municipal information over a twelve-month period in Mexico. The analysis is conducted in two phases, the first of which is based on a cross sectional hierarchical model. The second uses Bayesian methods to model the geographical proximity of municipalities to explain the spread of Covid-19. The results suggest that the spatial distribution of Covid-19 infections can be explained by the population’s geographical distribution across municipalities, social interactions, and poverty and inequality levels, rather than the intensity of the pandemic.