Patrones geoespaciales de mortalidad y letalidad por COVID-19 en Costa Rica y sus determinantes sociales: marzo 2020 a mayo 2022
Objetivo: La pandemia de COVID-19 ha sido uno de los principales problemas de salud de la era moderna y se vincula directamente al entorno en que vivimos y su forma de organización. En el presente estudio se propone analizar los patrones geoespaciales de la mortalidad y la letalidad por COVID-19 en...
| Autores principales: | , , , |
|---|---|
| Formato: | Online |
| Idioma: | spa |
| Publicado: |
Universidad de Costa Rica
2024
|
| Acceso en línea: | https://revistas.ucr.ac.cr/index.php/psm/article/view/59255 |
| id |
PSM59255 |
|---|---|
| record_format |
ojs |
| institution |
Universidad de Costa Rica |
| collection |
Población y Salud en Mesoamérica |
| language |
spa |
| format |
Online |
| author |
Chamizo, Horacio Alejandro Romero Zúñiga, Juan José Alonso Ubieta, Suyén Quirós Arias, Lilliam |
| spellingShingle |
Chamizo, Horacio Alejandro Romero Zúñiga, Juan José Alonso Ubieta, Suyén Quirós Arias, Lilliam Patrones geoespaciales de mortalidad y letalidad por COVID-19 en Costa Rica y sus determinantes sociales: marzo 2020 a mayo 2022 |
| author_facet |
Chamizo, Horacio Alejandro Romero Zúñiga, Juan José Alonso Ubieta, Suyén Quirós Arias, Lilliam |
| author_sort |
Chamizo, Horacio Alejandro |
| description |
Objetivo: La pandemia de COVID-19 ha sido uno de los principales problemas de salud de la era moderna y se vincula directamente al entorno en que vivimos y su forma de organización. En el presente estudio se propone analizar los patrones geoespaciales de la mortalidad y la letalidad por COVID-19 en Costa Rica, entre marzo de 2020 y mayo de 2022, a partir de los determinantes sociales de la salud. Metodología: Se diseñó un estudio ecológico, distrital, con datos sobre mortalidad, letalidad y determinantes sociales. Se analizaron los patrones geoespaciales de la mortalidad y la letalidad utilizando estadísticos de autocorrelación espacial; asimismo, se construyeron modelos explicativos de regresión de Poisson y de regresión ponderada geográficamente. Resultados: Se identificaron conglomerados de puntos calientes (alto riesgo) en la Gran Área Metropolitana y su entorno, así como puntos fríos (bajo riesgo) que flanqueaban esta zona de alta mortalidad. En cuanto a la letalidad, se identificó un conglomerado muy fuerte de puntos fríos, situado en la Gran Área Metropolitana y flanqueado por conglomerados calientes fuera de esta. La regresión de Poisson y la regresión ponderada geográficamente de mejor ajuste, en el caso de la mortalidad, señaló factores explicativos: promedio de vacunas contra COVID-19, desarrollo social, hacinamiento, personas mayores de 65 años y rezago en educación primaria. En el caso de la letalidad, el riesgo fue explicado a partir de la dinámica temporal epidémica, el índice de desarrollo social y la proporción de personas mayores de 65 años. Conclusiones: La mortalidad y la letalidad por COVID-19 hasta mayo del año 2022 se configuró mediante conglomerados espaciales explicados socialmente. Los efectos de los determinantes sociales sobre la mortalidad y la letalidad se diferencian territorialmente. |
| title |
Patrones geoespaciales de mortalidad y letalidad por COVID-19 en Costa Rica y sus determinantes sociales: marzo 2020 a mayo 2022 |
| title_short |
Patrones geoespaciales de mortalidad y letalidad por COVID-19 en Costa Rica y sus determinantes sociales: marzo 2020 a mayo 2022 |
| title_full |
Patrones geoespaciales de mortalidad y letalidad por COVID-19 en Costa Rica y sus determinantes sociales: marzo 2020 a mayo 2022 |
| title_fullStr |
Patrones geoespaciales de mortalidad y letalidad por COVID-19 en Costa Rica y sus determinantes sociales: marzo 2020 a mayo 2022 |
| title_full_unstemmed |
Patrones geoespaciales de mortalidad y letalidad por COVID-19 en Costa Rica y sus determinantes sociales: marzo 2020 a mayo 2022 |
| title_sort |
patrones geoespaciales de mortalidad y letalidad por covid-19 en costa rica y sus determinantes sociales: marzo 2020 a mayo 2022 |
| title_alt |
Geospatial patterns of mortality and lethality due to COVID-19 in Costa Rica and its social determinants: March 2020 to May 2022 |
| publisher |
Universidad de Costa Rica |
| publishDate |
2024 |
| url |
https://revistas.ucr.ac.cr/index.php/psm/article/view/59255 |
| work_keys_str_mv |
AT chamizohoracioalejandro geospatialpatternsofmortalityandlethalityduetocovid19incostaricaanditssocialdeterminantsmarch2020tomay2022 AT romerozunigajuanjose geospatialpatternsofmortalityandlethalityduetocovid19incostaricaanditssocialdeterminantsmarch2020tomay2022 AT alonsoubietasuyen geospatialpatternsofmortalityandlethalityduetocovid19incostaricaanditssocialdeterminantsmarch2020tomay2022 AT quirosariaslilliam geospatialpatternsofmortalityandlethalityduetocovid19incostaricaanditssocialdeterminantsmarch2020tomay2022 AT chamizohoracioalejandro patronesgeoespacialesdemortalidadyletalidadporcovid19encostaricaysusdeterminantessocialesmarzo2020amayo2022 AT romerozunigajuanjose patronesgeoespacialesdemortalidadyletalidadporcovid19encostaricaysusdeterminantessocialesmarzo2020amayo2022 AT alonsoubietasuyen patronesgeoespacialesdemortalidadyletalidadporcovid19encostaricaysusdeterminantessocialesmarzo2020amayo2022 AT quirosariaslilliam patronesgeoespacialesdemortalidadyletalidadporcovid19encostaricaysusdeterminantessocialesmarzo2020amayo2022 |
| _version_ |
1822055464847802368 |
| spelling |
PSM592552024-12-18T14:57:24Z Geospatial patterns of mortality and lethality due to COVID-19 in Costa Rica and its social determinants: March 2020 to May 2022 Patrones geoespaciales de mortalidad y letalidad por COVID-19 en Costa Rica y sus determinantes sociales: marzo 2020 a mayo 2022 Chamizo, Horacio Alejandro Romero Zúñiga, Juan José Alonso Ubieta, Suyén Quirós Arias, Lilliam COVID-19 determinantes de la mortalidad patrones geoespaciales COVID-19 mortality determinants geospatial patterns Objetivo: La pandemia de COVID-19 ha sido uno de los principales problemas de salud de la era moderna y se vincula directamente al entorno en que vivimos y su forma de organización. En el presente estudio se propone analizar los patrones geoespaciales de la mortalidad y la letalidad por COVID-19 en Costa Rica, entre marzo de 2020 y mayo de 2022, a partir de los determinantes sociales de la salud. Metodología: Se diseñó un estudio ecológico, distrital, con datos sobre mortalidad, letalidad y determinantes sociales. Se analizaron los patrones geoespaciales de la mortalidad y la letalidad utilizando estadísticos de autocorrelación espacial; asimismo, se construyeron modelos explicativos de regresión de Poisson y de regresión ponderada geográficamente. Resultados: Se identificaron conglomerados de puntos calientes (alto riesgo) en la Gran Área Metropolitana y su entorno, así como puntos fríos (bajo riesgo) que flanqueaban esta zona de alta mortalidad. En cuanto a la letalidad, se identificó un conglomerado muy fuerte de puntos fríos, situado en la Gran Área Metropolitana y flanqueado por conglomerados calientes fuera de esta. La regresión de Poisson y la regresión ponderada geográficamente de mejor ajuste, en el caso de la mortalidad, señaló factores explicativos: promedio de vacunas contra COVID-19, desarrollo social, hacinamiento, personas mayores de 65 años y rezago en educación primaria. En el caso de la letalidad, el riesgo fue explicado a partir de la dinámica temporal epidémica, el índice de desarrollo social y la proporción de personas mayores de 65 años. Conclusiones: La mortalidad y la letalidad por COVID-19 hasta mayo del año 2022 se configuró mediante conglomerados espaciales explicados socialmente. Los efectos de los determinantes sociales sobre la mortalidad y la letalidad se diferencian territorialmente. Objetivo: La pandemia de COVID-19 ha sido uno de los principales problemas de salud de la era moderna y se vincula directamente al entorno en que vivimos y su forma de organización. En el presente estudio se propone analizar los patrones geoespaciales de la mortalidad y la letalidad por COVID-19 en Costa Rica, entre marzo de 2020 y mayo de 2022, a partir de los determinantes sociales de la salud. Metodología: Se diseñó un estudio ecológico, distrital, con datos sobre mortalidad, letalidad y determinantes sociales. Se analizaron los patrones geoespaciales de la mortalidad y la letalidad utilizando estadísticos de autocorrelación espacial; asimismo, se construyeron modelos explicativos de regresión de Poisson y de regresión ponderada geográficamente. Resultados: Se identificaron conglomerados de puntos calientes (alto riesgo) en la Gran Área Metropolitana y su entorno, así como puntos fríos (bajo riesgo) que flanqueaban esta zona de alta mortalidad. En cuanto a la letalidad, se identificó un conglomerado muy fuerte de puntos fríos, situado en la Gran Área Metropolitana y flanqueado por conglomerados calientes fuera de esta. La regresión de Poisson y la regresión ponderada geográficamente de mejor ajuste, en el caso de la mortalidad, señaló factores explicativos: promedio de vacunas contra COVID-19, desarrollo social, hacinamiento, personas mayores de 65 años y rezago en educación primaria. En el caso de la letalidad, el riesgo fue explicado a partir de la dinámica temporal epidémica, el índice de desarrollo social y la proporción de personas mayores de 65 años. Conclusiones: La mortalidad y la letalidad por COVID-19 hasta mayo del año 2022 se configuró mediante conglomerados espaciales explicados socialmente. Los efectos de los determinantes sociales sobre la mortalidad y la letalidad se diferencian territorialmente. Universidad de Costa Rica 2024-11-20 info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion Text Article texto application/pdf https://revistas.ucr.ac.cr/index.php/psm/article/view/59255 10.15517/psm.v22i1.59255 Población y Salud en Mesoamérica; Volume 22, Issue 1: july-december 2024 Población y Salud en Mesoamérica; Volumen 22, Número 1: julio-diciembre 2024 Población y Salud en Mesoamérica; Volume 22, Issue 1: july-december 2024 1659-0201 spa https://revistas.ucr.ac.cr/index.php/psm/article/view/59255/62049 Copyright (c) 2024 Horacio Alejandro Chamizo, Juan José Romero Zúñiga, Suyén Alonso Ubieta, Lilliam Quirós Arias https://creativecommons.org/licenses/by-nc-sa/4.0 |