Covid19 y determinantes sociales, por Alma Antoñanzas

El coronavirus ha ido por barrios, con mayor incidencia en los de menor renta. Por ejemplo, en Madrid el pasado verano Vallecas alcanzaba máximos mientras que Moncloa apenas se enteraba (aquí). En Barcelona, en plena primera ola, se comprobó también mayor incidencia en los barrios más pobres: Nou Barris era el más afectado y Sant Gervasi el que menos. Los médicos de familia, conocedores del entorno en el que ejercen, ya tenían la explicación: las desigualdades sociales son determinantes para la salud y la precariedad laboral dificultaba el aislamiento (aquí). Usama Bidal, epidemiólogo asturiano afincado en EEUU y primer autor de este estudio (aquí), comprobó que los barrios más deprimidos de Chicago, Nueva York y Philadelphia acumulaban mayor incidencia y mortalidad por covid19. Ahora mismo estamos viendo que los barrios de menor renta son también los que menos cobertura vacunal anti-covid19 alcanzan en Barcelona (aquí). Todo esto es cosa de los determinantes sociales de la salud, de las "condiciones" de vida más que de los "estilos" de vida. Esto suele llamar poco la atención a los estudiantes de medicina, más preocupados por el MIR que por otras cosas. Pero la zaragozana Alma Antoñanzas ha sido una excepción: en su trabajo de fin de grado se ha ocupado de los determinantes de la salud y su influencia en la pandemia de covid19 (aquí y aquí). Le he pedido a Alma que preparara una entrada para el blog con un resumen de su trabajo. A continuación, lo que ha mandado.

Los determinantes sociales de la salud y su influencia en la incidencia de COVID-19

Alma Antoñanzas Serrano

JUSTIFICACIÓN Y OBJETIVOS

La prevalencia de enfermedades y el estado de salud están influidos por las condiciones de vida de las poblaciones. Las características de nuestro hogar, cómo y dónde nos educamos, el tipo de trabajo que desempeñamos, el tipo de sistema sanitario, nuestro lugar de procedencia y nuestro entorno- entre un sinfín de ítems más- condicionan un estado de salud concreto. Esto puede desembocar, por un lado, en la aparición de enfermedades o, por otro, en un mejor estado de salud. Las características anteriormente citadas se conocen como determinantes sociales de la salud- DDSS- y las vulnerabilidades que derivan de ellas tienden a concentrarse de forma acumulativa en las mismas personas a lo largo de toda la vida. Este fenómeno se conoce como pendiente o gradiente social en salud: tiende a haber una peor salud mantenida a lo largo del tiempo en las clases sociales más bajas y en colectivos vulnerables frente a los estratos poblacionales socioeconómicamente favorecidos. Los DDSS han sido estudiados en profundidad por diversos autores. El tratado de Wilkinson y Marmot “Los hechos probados”, que leí hace años, breve pero conciso y muy esclarecedor, me motivó a aprender más y es una de las razones por las que elegí los DDSS como tema para mi TFG de Medicina. Mi trabajo “Los determinantes sociales de la salud y su influencia en la incidencia de Covid-19”, tutorizado por el Dr. Luis Gimeno Feliu- médico de familia en el C.S. San Pablo, Zaragoza- pretende acercarse a conocer si los determinantes sociales influyen en la distribución de esta enfermedad.

 

Método

Se llevó a cabo una revisión sistemática exploratoria en PubMed mediante cuatro búsquedas bibliográficas internacionales y añadiendo posteriormente tres artículos provenientes de literatura gris. En total, se seleccionaron 15 estudios de seis países- EE.UU., Brasil, China, India, Alemania y España- de tipo ecológico y transversal.

 

Principales hallazgos y discusión

La incidencia de Covid-19 estaba influenciada por las condiciones de vida de las poblaciones estudiadas.

Por ejemplo, en la macro-ciudad de Chennai, India¹ los distritos con peores condiciones de vivienda o acceso restringido al agua potable presentaban una incidencia más elevada que áreas con mejores condiciones estructurales. Quizás, las familias de las áreas más deprimidas se vean obligadas a desplazarse a diario hasta una fuente de agua municipal, donde entren en contacto con otras personas, lo que posiblemente aumenta la transmisión del virus y su incidencia. 

En países del primer mundo, como EEUU, se medía con frecuencia la vulnerabilidad social como clase social o nivel de renta. En condados deprimidos² o con un mayor porcentaje de minorías étnicas existía un mayor riesgo relativo de aparición de brotes y, además, estos duraban más tiempo y eran de mayor tamaño. Las áreas con mayor proporción de hogares en malas condiciones o de hacinamiento presentaban así mismo  un riesgo relativo superior. Esa incidencia mayor podría deberse a la dificultad para mantener una adecuada higiene y distancia interpersonal entre los habitantes del inmueble. A nivel regional, un elevado porcentaje de estos hogares asociaba también una mayor mortalidad. 

En el mismo país, la incidencia era mayor en localidades con mayor porcentaje de residentes bajo el umbral de la pobreza o ingresos por debajo de la media regional y la probabilidad de infección aumentaba con el nivel de deprivación. Esta probabilidad era hasta dos veces mayor en zonas con bajo nivel socioeconómico y tres veces mayor en áreas muy deprimidas. En relación con estos últimos datos, se observó que las áreas más afectadas tenían un mayor porcentaje de población hispana o no blanca, un mayor porcentaje de trabajadores manuales y de hacinamiento en los hogares, mayor inseguridad alimentaria y un mayor porcentaje de residentes sin seguro médico³.

Las vulnerabilidades sociales aparecen de forma acumulativa en los mismos colectivos: los trabajos peor remunerados tienden a estar ejercidos por un mayor porcentaje de personas de minorías étnicas, quienes, a su vez, habitan en áreas “de baja renta” en las que las condiciones de las viviendas pueden ser peores. Este círculo de desigualdad, difícil de romper, puede estar detrás de un mayor número de contagios en estas zonas. 

El estatus migratorio es analizado principalmente en estudios realizados en EE.UU. La incidencia era mayor en condados con un elevado porcentaje de residentes de procedencia extranjera o de población de etnia negra. Es posible que exista una relación entre estos hallazgos y los datos que señalan que la población de etnia negra está sobrerrepresentada en los trabajos manuales y esenciales y presenta mayores niveles de segregación residencial⁴.

De nuevo, los residentes extranjeros de un país tienden a concentrarse en áreas de bajos ingresos, ejercer empleos peor remunerados y habitar en condiciones de hacinamiento, lo que puede convertirles en un colectivo más vulnerable a la infección por aumento de la exposición y menor control de la transmisión. En el colectivo de etnia negra se ha documentado -EEUU- una mayor morbilidad de insuficiencia renal crónica, obesidad, EPOC, DM II y problemas coronarios, lo que también podría explicar su mayor mortalidad por todas las causas, incluida la Covid-19⁴. 

En relación con el empleo, algunos estudios señalaban que la incidencia era mayor en zonas con un mayor porcentaje de trabajadores sanitarios, ejerciendo empleos esenciales o de cara al público^3,5. Otros estudios asociaban el desempleo con una incidencia menor. Sería interesante estudiar si la manera en la que nos desplazamos al trabajo influye en la transmisión del virus. Por ejemplo, la exposición no es la misma cogiendo el metro en hora punta en una gran ciudad o desplazándose en un coche particular o en un autobús de empresa. 

En España, el riesgo relativo de contraer la enfermedad era mayor en los barrios más pobres frente a los más favorecidos. Un estudio llevado a cabo en Barcelona⁶ recogió los casos declarados de Covid en esa ciudad durante las dos primeras olas de la pandemia- de enero a julio y de julio a noviembre de 2020- y analizó la incidencia acumulada para diferentes niveles de renta, género, edad y distribución geográfica por barrios. En las dos olas, las mujeres mostraron una mayor incidencia acumulada de Covid-19, aunque la tendencia se invertía en mayores de 64 años. En algunos barrios pobres, la incidencia fue mayor. El riesgo relativo aumentó en los grupos más pobres en comparación con los más ricos, principalmente en la segunda ola y tanto en hombres como en mujeres, con un RR de 1,67- IC 95%: 1,41-1,96- para ellos y de 1,71- IC 95%: 1,44-1,99- para ellas. 

Otro estudio en nuestro país centrado en el género señala que la incidencia de Covid fue mayor entre las mujeres en todas las olas⁷. Se trata de un análisis transversal en base a los casos Covid notificados por la Red Nacional de Vigilancia Epidemiológica (RENAVE) y otras fuentes. La tasa de infección por Covid-19 fue superior en mujeres en las tres olas de la pandemia, representando un 65% de las infecciones durante abril y mayo de 2020. Se ha sugerido que esta incidencia superior en mujeres sea resultado de su rol de cuidadoras, tanto a nivel profesional- al representar una proporción importante de trabajadoras del sistema sanitario- como doméstico, estando ellas mayoritariamente al cargo de niños o personas vulnerables, lo que pudo exacerbarse durante los meses de pandemia⁷. Este fenómeno se había descrito con anterioridad en la crisis del Ébola en 2016, donde la incidencia entre mujeres también había sido superior⁸. 

En China también se han declarado más casos entre mujeres⁹ aunque el gradiente entre sexos era aún mayor en otros países asiáticos, como Corea del Sur- dos mujeres por cada hombre contagiado.

 

 

Conclusión

En definitiva, los DDSS condicionan la distribución de la Covid-19. Los colectivos en situación económica desfavorecida- baja renta y/o pobreza material- menor nivel educativo, peores condiciones de vivienda y ejerciendo empleos de cara al público son los más expuestos. Las mujeres son especialmente vulnerables, muy posiblemente por su rol de cuidadoras.

Bibliografía

1. Das A, Ghosh S, Das K, Basu T, Das M, Dutta I. Modeling the effect of area deprivation on COVID-19 incidences: a study of Chennai megacity, India. Public Health [Internet]. 2020;185:266-9. (aquí)  
2. Dasgupta S, Bowen VB, Leidner A, Fletcher K, Musial T, Rose C, et al. Association Between Social Vulnerability and a County’s Risk for Becoming a COVID-19 Hotspot — United States, June 1–July 25, 2020. MMWR Morb Mortal Wkly Rep [Internet]. 2020;69(42):1535-41. (aquí)  
3. Hawkins D. Social determinants of covid-19 in massachusetts, United States: An ecological study. J Prev Med Public Heal [Internet]. 2020;53(4):220-7. (aquí)  
4. Strully K, Yang TC, Liu H. Regional variation in COVID-19 disparities: connections with immigrant and Latinx communities in U.S. counties. Ann Epidemiol. 2021;53:56-62.e2. (aquí)  
5. Lewis NM, Friedrichs M, Wagstaff S, Sage K, LaCross N, Bui D, et al. Disparities in COVID-19 Incidence, Hospitalizations, and Testing, by Area-Level Deprivation — Utah, March 3–July 9, 2020. MMWR Morb Mortal Wkly Rep [Internet]. 2020;69(38):1369-73. (aquí)  
6. Marí-Dell’olmo M, Gotsens M, Pasarín MI, Rodríguez-Sanz M, Artazcoz L, de Olalla PG, et al. Socioeconomic inequalities in COVID-19 in a European urban area: Two waves, two patterns [Internet]. Vol. 18, International Journal of Environmental Research and Public Health. 2021. p. 1-12. (aquí)  
7. Martín U, Bacigalupe A, Jiménez Carrillo MJ. Covid-19 y género: certezas e incertidumbres en la monitorización de la pandemia. Rev Esp Salud Publica [Internet]. 2021;95:1-11. (aquí)  
8. Davies SE, Bennett B. A gendered human rights analysis of Ebola and Zika: Locating gender in global health emergencies. Int Aff. 1 de septiembre de 2016;92(5):1041-60. (aquí)  
9. Qian J, Zhao L, Ye RZ, Li XJ, Liu YL. Age-dependent Gender Differences in COVID-19 in Mainland China: Comparative Study. Clin Infect Dis [Internet]. 2020;71(9):2488-94. (aquí) 
   

 

 

 

Para suscribirte al blog, escribe tu dirección de correo en el siguiente recuadro:


Tras escribirla, clica en "Suscribirse". Recibirás enseguida en tu correo un mensaje de confirmación de FeedBuner. Si no aparece en la bandeja de entrada, mira en otras bandejas (spam, por ejemplo). Es imprescindible responder a dicho correo de confirmación para estar correctamente suscrito.