Código ISSN 2588-0551
https://www.inspilip.gob.ec
1
Revista cientíca INSPILIP - Volumen 6 - Número 3 - Septiembre - Diciembre 2022
6
6
Lalangui, Karina. Índice de
vulnerabilidad para COVID-19
por medio de análisis espacial
a nivel cantonal en Ecuador.
INSPILIP. 2022; 6 (3).
Revista cientíca INSPILIP.
Volumen 6, número 3; año 2022,
septiembre-diciembre.
El autor declara estar libre de cualquier
asociación personal o comercial que
pueda suponer un conicto de intereses
en conexión con el artículo, así como
el haber respetado los principios éticos
de investigación, como por ejemplo
haber solicitado las autorizaciones
de la institución donde se realizó el
estudio, permiso para utilizar los datos,
consentimientos informados y en caso
de tratarse de estudio observacionales
y ensayos clínicos, autorización de un
CEISH, ARCSA, Medio Ambiente, entre
otros, de acuerdo a la categoría. Además,
la licencia para publicar imágenes de
la o las personas que aparecen en el
manuscrito. Por ello INSPILIP no se
responsabiliza por cualquier afectación a
terceros, tampoco el INSPI como entidad
editora, ni el Editor, la responsabilidad
de la publicación es de absoluta
responsabilidad de los autores.
Patricio Vega Luzuriaga
EDITOR EN JEFE
Cotera-Mantilla,Max,
Sánchez-Murillo,Marco,
Cotera-Mantilla, Max
a
, max_vgom@hotmail.com
Sánchez-Murillo, Marco
a
, ma_sm@hotmail.com
Lalangui, Karina
a
, lalanguik@gmail.com
a. Instituto Nacional de Investigación en Salud Pública, Centro de Investigación EpiSIG, Quito, Ecuador
Correspondencia: Max Cotera Mantilla Email: mcotera@inspi.gob.ec
Identicación de responsabilidad y contribución de los autores: Los autores declaran haber contribuido
en idea original (MC,MS,KL), parte metodológica (MC,MS,KL), redacción del borrador ( MC,MS,KL) y
redacción del artículo (MC,MS,KL).
Fecha de Ingreso: 20/04/2022. Fecha de Aprobación: 02/08/2022. Fecha de Publicación: 05/09/2022.
Índice de vulnerabilidad para COVID-19 por medio de análisis espacial
a nivel cantonal en Ecuador
Vulnerability index for COVID-19 through spatial analysis at the cantonal level in Ecuador
iD
iD
iD
DOI: https://doi.org/10.31790/
Artículo Original
Acceso abierto
Citación
Resumen
El establecimiento de índices de enfermedad a nivel espacial, en áreas geográcas especícas,
con base en indicadores preestablecidos, permite inferir en la población y sustentar la toma
de decisiones. Objetivo: establecer un índice de vulnerabilidad para COVID-19 por medio
de análisis espacial a nivel cantonal en Ecuador. Metodología: por medio de un estudio
exploratorio transversal, se calculó un índice de vulnerabilidad, a nivel cantonal, con un
modelo jerárquico aditivo compuesto y otro por componentes principales, basado en 13
indicadores, en cuatro dimensiones: demográca, epidemiológica, infraestructura de salud y
socioeconómica. Se utilizó un método de clasicación en quintiles, un quintil más alto denota
mayor puntuación de vulnerabilidad relativa y se presentan los resultados por gracación
espacial. Resultados: Se obtuvieron 2 tablas de los 221 cantones en el Ecuador, con las que
se construyeron 2 modelos de vulnerabilidad con distintas valoraciones según cada cantón.
Conclusiones: Se identicó y mapeó las comunidades que probablemente necesitarán un
mayor apoyo durante el transcurso pandémico o endémico del brote actual de COVID-19, con
base en los puntajes obtenidos mediante el análisis espacial. En consecuencia, se consideró
a Azogues, Quilanga, Piñas, Limón Indanza, Guayaquil, Girón, Sucúa, Loja, Machala,
Flavio Alfaro, Quito y Portoviejo, como el 5 % de los cantones con “vulnerabilidad muy
alta”, en el modelo aditivo. Mientras que Quilanga, Limón Indanza, Girón, Guayaquil, La
libertad, Ambato, Catamayo, Guaranda, Olmedo, Durán, Esmeraldas y Pasaje, se presentan,
en el modelo, por análisis de componentes principales, como el 5 % de los cantones de
“vulnerabilidad muy alta”.
Palabras claves: Vulnerabilidad en Salud. COVID-19. Análisis Espacial. Ecuador.
Código ISSN 2588-0551
Índice de vulnerabilidad para COVID-19 por medio de análisis espacial
Cotera-Mantilla, Max
Código ISSN 2588-0551
2
https://www.inspilip.gob.ec
6
Revista cientíca INSPILIP - Volumen 6 - Número 3 - Septiembre - Diciembre 2022
6
Abstract
The establishment of disease indices at a spatial level,
in specic geographic areas, based on pre-established
indicators, allows inferring in the population and
supporting decision-making. Objective: This work
aims to establish a vulnerability index for COVID-19,
through spatial analysis at the cantonal level in Ecuador.
Methodology: A cross-sectional exploratory study was
conducted, It was calculated a vulnerability index, on
a dierent levels, in a specic region (cantón) with a
compound additive hierarchical approach and another
by principal components., based on 13 indicators, in
four dimensions: Demographic, Epidemiological,
Health Infrastructure and Socioeconomic. A quintile
ranking method was used, with a higher quintile
denoting a higher relative vulnerability score and the
results are presented by spatial plotting. Results: 2
tables of the 221 cantons in Ecuador were obtained with
which 2 vulnerability models were built with dierent
indices according to each canton. Conclusions: The
communities that will probably need greater support
during the pandemic or endemic course of the current
COVID-19 outbreak were identied and mapped, based
on the scores obtained through spatial analysis, being
Azogues, Quilanga, Piñas, Limón Indanza, Guayaquil,
Girón, Sucua, Loja, Machala, Flavio Alfaro, Quito
and Portoviejo, 5% of the cantons with “very high
vulnerability” in the additive model, while Quilanga,
Limón Indanza, Girón, Guayaquil, La libertad, Ambato,
Catamayo, Guaranda, Olmedo, Durán, Esmeraldas
and Pasaje are presented, in the principal components
analysis model, as 5% of the cantons with “very high
vulnerability”.
Keywords: Health Vulnerability, COVID-19, Spatial
Analysis, Ecuador
Introducción
A nales del año 2019, un nuevo coronavirus de alta
transmisibilidad comenzó a circular en el municipio de
Wuhan, provincia de Hubei, China, el que presentaba
un prolongado período de incubación (de 2 a 14 días),
sin patrón semiológico especíco, pero con un carácter
sindrómico agudo respiratorio severo
1,2
.
Por ello, se lo clasicó como una enfermedad
respiratoria, producida por un agente etiológico de
tipo viral, virus ARN de la familia Coronaviridae
del tipo SARS que, tiempo después, se lo denominó
SARS-CoV-2, mientras que a la enfermedad que
este virus provoca se la denominó “enfermedad por
coronavirus 2019”, abreviándolo como “COVID-19”
(por sus siglas en inglés), y desde entonces no se ha
podido determinar el verdadero origen del virus
3
.
El virus SARS-CoV-2 se diseminó por el resto de
China y alcanzó, en pocas semanas, a otros países y
continentes. En efecto, EE. UU. fue el primer país de
América en conrmar, a mediados de enero, su primer
caso
4
. El 29 de febrero, Ecuador conrmaba su primer
caso y para nales de marzo los contagios ya ascendían
a 2.302
5
.
La rápida propagación, a nivel mundial, de COVID-19
provocó un contagio masivo de la población y la
eventual saturación de los sistemas de salud, lo que
exigió a cada país una respuesta inmediata en busca de
una forma de contención de la enfermedad, inicialmente
por medio de aislamiento, distanciamiento y medidas
de bioseguridad personal
6
.
Actualmente, ya se dispone de vacunas frente a
COVID-19, sin embargo, la imprevisibilidad de
nuevas cepas conlleva nuevos riesgos para la salud de
la población, principalmente en grupos vulnerables,
este es el caso de la variable ómicron que, según la
Organización Mundial de la Salud, tan solo en la
primera semana de enero de 2022 provocó el mayor
número de contagios noticados en una sola semana
desde el inicio de la pandemia
7,8
.
En este período, Ecuador no fue la excepción del resto
de países tras la identicación del ingreso de la variante
ómicron al país, también expuso una tendencia en
aumento de casos
9
.
Sin embargo, la vacunación, las medidas de aislamiento
y distanciamiento social lograron la reducción del
número de ocupación de camas para pacientes
COVID-19. No obstante, la heterogeneidad social,
demográca y económica provocan que el país presente
disparidad en cada una de sus unidades geopolíticas, lo
que se considera un factor potencial para la propagación
de la enfermedad
7
.
La obtención de modelos de vulnerabilidad, mediante el
cálculo de diversos indicadores, ayuda a identicar las
zonas con mayor riesgo y facilita la respuesta en salud
Código ISSN 2588-0551
https://www.inspilip.gob.ec
Índice de vulnerabilidad para COVID-19 por medio de análisis espacial
Cotera-Mantilla, Max
3
6
6
Revista cientíca INSPILIP - Volumen 6 - Número 3 - Septiembre - Diciembre 2022
Código ISSN 2588-0551
pública para la focalización de recursos. Estos indicadores
pueden combinarse para construir indicadores compuestos
o índices, por ejemplo, los índices de vulnerabilidad social,
índices de vulnerabilidad epidemiológica, categorizan,
por análisis espacial, los sitios más vulnerables en la
población, con base en los diversos indicadores de cada
zona
10–12
.
En este contexto, la presente investigación pretende
establecer las etapas de un índice de vulnerabilidad
por medio de selección de indicadores a nivel espacial
cantonal, así como ajustar las escalas de medida de los
indicadores, disminuyendo sesgos que inuyen en la
predicción del índice y permitiendo identicar y mapear,
dentro de la unidad de análisis geoespacial (cantón), las
comunidades que probablemente necesitarán un mayor
apoyo durante el transcurso pandémico o endémico del
brote actual de COVID-19.
Materiales y métodos
Área de estudio
Ecuador se encuentra en América del Sur, limita con
Colombia (norte), Perú (sureste) y el Océano Pacíco
(oeste). Para el 2020, el Instituto Nacional de Estadística
y Censos (INEC) estima que la población supera los 17
millones de habitantes 13. Políticamente, se divide en 24
provincias y 221 cantones.
Selección de indicadores
Se realizó una selección especíca de indicadores para
medir el concepto de vulnerabilidad social. En algunos
estudios se observó cómo algunos indicadores aparecen
repetidamente en los análisis de vulnerabilidad social, por
ello, estos estudios sirvieron como base para la selección
de estos indicadores
14,15
.
Se denieron cuatro dimensiones de vulnerabilidad. La
dimensión demográca asociada a las características
de la población; la dimensión epidemiológica, que
la componen indicadores asociados con el estado de
salud de la población; la dimensión de salud, que se
encuentra integrada por indicadores relacionados con la
infraestructura de salud y el personal médico disponible,
y la dimensión socioeconómica, relacionada con el
bienestar de la población en términos educación y acceso
a servicios básicos.
Para trabajar las cuatro dimensiones de vulnerabilidad se
asumió que sustentan poca variabilidad y se mantienen
constantes durante el período de análisis; la unidad
de medida espacial establecida es el nivel geopolítico
cantonal, en el cual se encuentra dividido el Ecuador.
Las cuatro dimensiones se describen a continuación:
Dimensión Demográca:
Densidad Poblacional (dp).- Varios estudios señalan a la
densidad poblacional, en proporción de los casos/muertes
por COVID-19, como uno de los factores determinantes
entre los indicadores que afectan la pandemia, no obstante,
no se considera un determinante directo, sino más bien,
puede estar asociado al alto índice de hacinamiento, lo
que conlleva problemas asociados principalmente con la
movilidad, acceso a vivienda y medidas sanitarias
16–19
.
Porcentaje de la población de 50 años o más (pp50a).- Se
tomaron datos del Banco Interamericano de Desarrollo
(BID), los cuales señalan que en América Latina y el
Caribe, el 21% de la población presenta al menos un factor
que los hace propensos a un mayor riesgo de experimentar
síntomas graves de COVID-19. La prevalencia de al
menos una de las afecciones es más alta en las personas
mayores de 50 años
20
.
Porcentaje de población urbana (ppu).- En base a la
premisa observada de que el riesgo de infección del
virus SARS-CoV-2 aumenta según el alto grado de
concentración de la población, en áreas urbanas, con
décits de recursos de vivienda y servicios básicos 21,
este indicador representó, de forma indirecta, el grado de
hacinamiento a nivel cantonal.
Dimensión Epidemiológica:
Morbilidad relativa de diabetes, cáncer, problemas
respiratorios y circulatorios (id, ic, icr, ir).- El curso de
la pandemia reveló factores epidemiológicos importantes,
como el que las personas con ciertas enfermedades no
transmisibles (ENT), preexistentes, se muestran más
susceptibles a enfermarse gravemente con COVID-19
22, siendo este un factor importante, de vulnerabilidad,
a considerar, incluyéndose las ENT tales como:
enfermedades cardiovasculares (hipertensión, personas
que han tenido o están en riesgo de sufrir un ataque
cardíaco o accidente cerebrovascular, etc.), enfermedad
respiratoria crónica, diabetes y cáncer.
Código ISSN 2588-0551
Índice de vulnerabilidad para COVID-19 por medio de análisis espacial
Cotera-Mantilla, Max
Código ISSN 2588-0551
4
https://www.inspilip.gob.ec
6
Revista cientíca INSPILIP - Volumen 6 - Número 3 - Septiembre - Diciembre 2022
6
Dimensión de infraestructura de salud:
Debido a las diferencias propias de cada cantón, la
distribución de recursos se considera distinta, sin embargo,
la pandemia de COVID-19 evidenció las deciencias en
la infraestructura de salud en las poblaciones desatendidas
y vulnerables
23
.
Para esta dimensión se seleccionaron los siguientes
indicadores como representantes para la dimensión de
salud:
• Tasa de médicos generales y especialistas (tmge).
• Tasa de camas hospitalarias (tch).
• Tasa de personal de enfermería (tpe).
Dimensión socioeconómica:
El impacto económico de la pandemia de COVID-19 se
concentra principalmente en el sector más pobre de la
sociedad
7
, por tal motivo, se ha considerado el acceso
al agua y saneamiento, ya que son dos factores que
determinan la situación económica de una población, el
acceso a estos servicios no es equitativo y depende de las
características socioterritoriales, en particular, entre las
poblaciones más pobres
21
.
Otro factor clave que agudiza las condiciones de
desigualdad es la educación, la pérdida de este derecho
restringe el entendimiento que representan las amenazas
biológicas como el caso especíco del SARS-CoV-2
24
.
Por ello, para esta dimensión se utilizaron los siguientes
indicadores:
• Porcentaje de viviendas sin agua potable (pva).
• Porcentaje de viviendas sin alcantarillado (pval).
• Porcentaje de personas que abandonan sus estudios
(ppae).
2.3 Recopilación y preparación de datos
Originalmente se recopilaron 117 variables especícas,
sin procesar, que caracterizaron a los cuatro factores
inuyentes de vulnerabilidad escogidos. Después de
realizar algunos cálculos para formular los indicadores
compuestos que conforman el índice de vulnerabilidad, se
derivó un conjunto de 13 indicadores.
Todas las variables se obtuvieron del INEC. La tabla 1
proporciona los nombres de los indicadores junto con sus
deniciones y la fuente de los datos.
Código ISSN 2588-0551
https://www.inspilip.gob.ec
Índice de vulnerabilidad para COVID-19 por medio de análisis espacial
Cotera-Mantilla, Max
5
6
6
Revista cientíca INSPILIP - Volumen 6 - Número 3 - Septiembre - Diciembre 2022
Código ISSN 2588-0551
Dimensión Indicadores Definición
Fuentes de la s
variables
Demográfica
Densidad poblacional
Total de la población por
unidad de área
Proyección 2020, INEC
Población adulta
Porcentaje de la población
de 50 años o más
Censo de población
2010, INEC
Población urbana
Porcentaje de la población
que vive en áreas urbanas
Epidemiológica
Diabetes - CIE10: E10-
E14
Tasa de morbilidad por
cada 1.000 habitantes
Egresos hospitalarios
2020, INEC
Neoplasma - CIE: C00 -
D09, D37 -D48
Respiratorias – CIE:
J30-J47, J60 -J67, J80 -
J84
Enfermedades del
sistema circulatorio
(cardiovasculares) - CIE:
I00-I99
Infraestructura
de salud
Médicos generales y
especialistas
Tasa de médicos
generales y
especialistas 2018 por
cada mil habitantes
RAS 2018, INEC
Camas hospitalarias
Tasa de camas
hospitalarias 2020, por
cada mil habitantes
Camas hospitalarias
2020, INEC
Personal de enfermería
Tasa de personal de
enfermería, 2018 por
cada mil habitantes
Ac�vidades y recursos
de salud 2018, INEC
Socioeconómica
Viviendas sin
alcantarillado
Porcentaje de viviendas
sin alcantarillado
Asociación de -
Municipalidades del
Ecuador 2019, INEC
Viviendas sin agua
potable
Porcentaje de viviendas
sin agua potable
Personas que abandona
n
sus estudios
Porcentaje de personas
que abandonan sus
estudios
Registro administra�vo
fin 2020, INEC
Tabla 1. Indicadores seleccionados para el análisis de vulnerabilidad
Normalización de indicadores
Los indicadores calculados en cada uno de los dominios
tienen diferentes escalas y diferentes valores mínimos
y máximos, es necesario realizar alguna forma de
estandarización o normalización para asegurar que los
valores sean comparables. Los indicadores se normalizaron
en escala de 0 a 1, utilizando la siguiente fórmula:
X - X
min
=
X - X
min max
Código ISSN 2588-0551
Índice de vulnerabilidad para COVID-19 por medio de análisis espacial
Cotera-Mantilla, Max
Código ISSN 2588-0551
6
https://www.inspilip.gob.ec
6
Revista cientíca INSPILIP - Volumen 6 - Número 3 - Septiembre - Diciembre 2022
6
Donde α es el valor normalizado, X es el valor del
indicador a ser normalizado y X
min
y X
max
son los valores
mínimos y máximos respectivamente de cada indicador.
Construcción del índice de vulnerabilidad
Se calculó un índice compuesto de vulnerabilidad
jerárquico aditivo a nivel cantonal, basado en 13
indicadores, compuesto de cuatro dimensiones:
demográca, epidemiológica, infraestructura de salud
y socioeconómica. También se propuso como segunda
alternativa el uso del modelo de componentes principales
para capturar la mayor parte de la variabilidad de los datos.
Posteriormente, se utilizó un método de clasicación
de quintiles para evaluar la puntuación relativa de la
vulnerabilidad, un quintil más alto denota una mayor
puntuación de vulnerabilidad relativa y un quintil más
bajo una menor puntuación de vulnerabilidad relativa; los
resultados se presentaron de forma espacial a través del
software QGIS 3.16.14, lo cual se amplía en el apartado
“Representación espacial”.
La gura 1 resume los datos de entrada y los métodos
usados para denir los índices utilizados para los modelos
de vulnerabilidad. Todos los cálculos de indicadores y
análisis estadísticos se realizaron con R versión 4.0.4.
Diabetes: E10-E14
Neoplasma:
C00-D09, D37 - D48
Respiratorias:
J30-J47, J60-J67,
J80-J84
Enfermedades
cardiovasculares;
100-199
Indicadores
epidemiológicos
Médicos generales
y especialistas
Camas
hospitalarias
Personal de
enfermería
Indicadores de salud
Indicadores
socioeconómicos
Viviendas sin
alcantarillado
Viviendas sin agua
potable
Personas que
abandonan sus
estudios
Indicadores
demográficos
Densidad
poblacional
Selección de
indicadores
1)
2)
3)
Recopilación
y preparación
de datos
Normalización
4) Aplicación de
modelos
Jerárquico adi�vo
compuesto
Análisis de Componentes
Principales [ACP]
Población adulta
Población urbana
Figura 1. Representación esquemá�ca de las capas de datos y los modelos u�lizados para definir el
Índice de Vulnerabilidad Social (IVS) y el análisis de componentes principales (PCA) a nivel cantonal en Ecuador
Código ISSN 2588-0551
https://www.inspilip.gob.ec
Índice de vulnerabilidad para COVID-19 por medio de análisis espacial
Cotera-Mantilla, Max
7
6
6
Revista cientíca INSPILIP - Volumen 6 - Número 3 - Septiembre - Diciembre 2022
Código ISSN 2588-0551
Modelo jerárquico aditivo
Los índices aditivos basados en indicadores normalizados
y sumados son útiles para identicar puntos críticos
donde ocurren múltiples aspectos de vulnerabilidad.
Primero, cada uno de los indicadores se calculó a partir
de las respectivas fuentes de datos. Luego, debido a la
inconmensurabilidad de las unidades en las que se miden
los indicadores, se procedió a la normalización de los
mismos, reajustando los valores entre 0 y 1. Finalmente,
se calculó el promedio de cada una de las dimensiones
de todos los cantones para conformar el índice de
vulnerabilidad social.
La ecuación general que resume el modelo que se empleó
para el índice de vulnerabilidad de cada cantón es:
Donde
• ID: índice demográfico
• IE: índice epidemiológico.
• IS: índice de salud.
• ISE: índice socioeconómico
Cada uno es un subíndice que representa una dimensión
de vulnerabilidad y son calculados por cada una de las
siguientes fórmulas:
En ausencia de una justicación para usar cualquier
esquema de ponderación, se asignaron pesos iguales a cada
indicador para calcular la vulnerabilidad de la dimensión.
Análisis de componentes principales
Por otra parte, el análisis de componentes principales (PCA)
es una herramienta de exploración de datos estadísticos
multivariados basada en la ordenación, que convierte una
serie de indicadores potencialmente correlacionados (con
algún atributo compartido, como puntos en el espacio o el
tiempo) en un conjunto de indicadores no correlacionados
que capturan la variabilidad en los datos subyacentes
25
.
En este estudio, se utilizó el PCA para reducir la
dimensionalidad de los indicadores seleccionados,
conservando tanta información como sea posible. Este
procedimiento no puede ser realizado con valores
faltantes, por tanto, cualquier registro de cantón que no
posea un valor dentro de los 13 indicadores calculados, se
sustituyó por el valor de cero.
Representación espacial
Para la representación espacial de las cifras de
vulnerabilidad, a nivel cantonal, se lo realizó a través del
software libre QGIS versión 3.16.14, en el cual se ingresó
por adición de texto delimitado por comas, la data (tabla),
en formato “csv”, de los 6 índices y modelos, con 221
entradas (correspondientes a los 221 cantones) y con base
en un sistema de referencia de coordenadas (SRC) de tipo
WGS 84 - EPSG:4326.
La tabla ingresada se unió a la tabla del vector cantonal
mediante el complemento “Unir atributos por valor de
campo”. Se usó como referencia común de campo entre
las dos tablas a la identicación (ID) de la división política
administrativa (DPA) a nivel cantonal, con el tipo de unión
“crear un objeto separado por cada objeto coincidente (uno
a muchos)”, obteniendo una nueva gura de tipo vector,
al cual, dependiendo del índice o modelo, se le adjudicó
una coloración más clara o más oscura según sus valores
a nivel cantonal; esto por medio de graduación a través
del control de propiedades de simbología, con un modo
de conteo igual (cuantil) de 5 clases, de tal modo que se
pudo dar una escala común de color a todos los índices o
modelos, pese a llevar distintos valores cada uno. Se hizo
una composición de imagen de cada índice o modelo por
separado.
+ + +
=
1
4
[ ]
=
=
=
=
tmge + tch + tpe
id + ic + icr + ir
dp + pp50a + ppu
pva + pval + ppae
3
4
3
3
Código ISSN 2588-0551
Índice de vulnerabilidad para COVID-19 por medio de análisis espacial
Cotera-Mantilla, Max
Código ISSN 2588-0551
8
https://www.inspilip.gob.ec
6
Revista cientíca INSPILIP - Volumen 6 - Número 3 - Septiembre - Diciembre 2022
6
Resultados
Índices de vulnerabilidad
La gura 2 muestra la distribución de cada una de las
dimensiones de vulnerabilidad, agrupadas por colores en
3 clases de vulnerabilidad (alta, media y baja). En el caso
de la dimensión demográca (gura 2A) los cantones
más vulnerables se encuentran distribuidos mayormente
al sur y oeste del Ecuador, resaltando los centros con
mayor densidad poblacional a nivel urbano, como son:
La Libertad, Guayaquil, Quito, Cuenca, etc., y debido a
la variable de 50 años y más, los valores altos también
se distribuyen en zonas rurales como Catamayo, Olmedo,
Pasaje, Piñas, entre otros.
El índice epidemiológico (gura 2B) muestra un patrón
territorial más identicable. Los cantones con mayor
valoración se concentran principalmente al sur del
Ecuador, en las provincias de Loja, Morona Santiago,
Cañar, Azuay, El Oro y Zamora Chinchipe, y al oeste en
la provincia de Manabí y Santo Domingo de los Tsáchilas.
Por el contrario, el índice de salud (gura 2C) tiene
una distribución más heterogénea, los cantones con la
vulnerabilidad más alta se encuentra en la zona Insular y
Amazonía del Ecuador. Los cantones más vulnerables son
San Cristóbal, Aguarico, Tena, Quijos, Sucúa.
Finalmente, el índice socioeconómico (gura 2D) presenta
una distribución diferente a las demás. Las áreas con una
vulnerabilidad en la categoría alta se concentran en un
60 % en la Costa norte del país y el 28 % en la Sierra.
Los cantones que se muestran, en este índice, como
más vulnerables son: Piñas, Alfredo Baquerizo Moreno,
Salitre, Azogues, Junín y Bolívar.
Modelos de vulnerabilidad
Con base en la metodología empleada, por medio del
análisis espacial geoestadístico, se obtuvieron 2 tablas
(de 221 observaciones cada una) correspondientes a
los 221 cantones del Ecuador, las cuales expresan,
respectivamente, el modelo aditivo de vulnerabilidad y
el modelo de vulnerabilidad por análisis de componentes
principales.
Figura 2. Índice de vulnerabilidad demográco (A), epidemiológico (B), de salud (C) y socioeconómico (D), en los 221
cantones de Ecuador, agrupados en vulnerabilidad baja, media y alta
Código ISSN 2588-0551
https://www.inspilip.gob.ec
Índice de vulnerabilidad para COVID-19 por medio de análisis espacial
Cotera-Mantilla, Max
9
6
6
Revista cientíca INSPILIP - Volumen 6 - Número 3 - Septiembre - Diciembre 2022
Código ISSN 2588-0551
Se observaron 45 unidades geopolíticas en nivel de
“vulnerabilidad muy alta”, tanto para modelo aditivo de
vulnerabilidad como para el modelo de vulnerabilidad por
análisis de componentes principales, siendo coincidentes,
entre los dos modelos, un aproximado del 10 % (9,95 %),
que corresponde a 22 cantones.
Cantón
Vulnerabilidad
adi�vo
Cantón
Vulnerabilidad
PCA
AZOGUES
1
QUILANGA
1
QUILANGA
0,965666089
LIMÓN INDANZA
0,91101666
PIÑAS
0,911023065
GIRÓN
0,862227675
LIMÓN INDANZA
0,829009485
GUAYAQUIL
0,8443765
GUAYAQUIL
0,791055848
LA LIBERTAD
0,818737785
GIRÓN
0,754081561
AMBATO
0,817806341
SUCÚA
0,740277869
CATAMAYO
0,785992932
LOJA
0,739237943
GUARANDA
0,782345656
MACHALA
0,720706509
OLMEDO
0,780914565
FLAVIO ALFARO
0,719489018
DURÁN
0,779966583
QUITO
0,714584149
ESMERALDAS
0,755902201
PORTOVIEJO
0,708101368
PASAJE
0,751382632
MANTA
0,691988784
ZAMORA
0,737590944
AMBATO
0,651768295
DELEG
0,736944516
BOLÍVAR
0,651723012
YANTZAZA
(YANZATZA)
0,731622099
LA LIBERTAD
0,650176219
SALITRE
0,726794535
QUEVEDO
0,640913496
SANTO DOMINGO DE
LOS TSÁCHILAS
0,724851431
SAN CRISTÓBAL
0,640712807
EMPALME
0,724282496
PASAJE
0,637759327
TENA
0,712929138
CUENCA
0,632817468
EL PAN
0,71057722
DURÁN
0,627748683
FLAVIO ALFARO
0,696075785
SAN FERNANDO
0,62502739
QUITO
0,693691531
JUNÍN
0,623334661
SANTA ROSA
0,685288923
CATAMAYO
0,604901739
SAN VICENTE
0,680961049
GUARANDA
0,599528683
ZARUMA
0,675193614
MACARÁ
0,597996231
ATAHUALPA
0,660947854
OLMEDO
0,597420442
QUEVEDO
0,657880263
SANTO DOMINGO DE
LOS TSÁCHILAS
0,594023747
SAN CRISTÓBAL
0,657782709
ESMERALDAS
0,590791689
PALTAS
0,65540806
MUISNE
0,584444508
RUMIÑAHUI
0,652232677
RIOBAMBA
0,579411262
SOZORANGA
0,647360945
CHONE
0,566276256
JIPIJAPA
0,644842183
DELEG
0,561677331
MORONA
0,641785
PASTAZA
0,547249522
SUSCAL
0,641504938
LA CONCORDIA
0,544391815
MACARÁ
0,637018203
SAN MIGUEL
0,541659931
LA TRONCAL
0,62656887
MILAGRO
0,535994412
CALVAS
0,625794359
ALFREDO BAQUERIZO
MORENO (JUJAN)
0,531126111
ISABELA
0,618511555
ZAMORA
0,531073947
BALZAR
0,606037863
AGUARICO
0,530735444
SALINAS
0,605063233
SUCRE
0,529435852
QUIJOS
0,601824112
Tabla 2. Puntajes del IVS y PCA: Quintil de vulnerabilidad muy alta
Código ISSN 2588-0551
Índice de vulnerabilidad para COVID-19 por medio de análisis espacial
Cotera-Mantilla, Max
Código ISSN 2588-0551
10
https://www.inspilip.gob.ec
6
Revista cientíca INSPILIP - Volumen 6 - Número 3 - Septiembre - Diciembre 2022
6
En la gura 3 se puede observar que el modelo aditivo
de vulnerabilidad, bajo la adjudicación de una coloración
más clara o más oscura, logra, en una división político
administrativa de tipo cantonal, una representación
espacial a nivel del Ecuador de la vulnerabilidad por
COVID-19, en una escala expresadas en quintiles (según
su nivel de vulnerabilidad baja, media baja, media alta,
alta y muy alta), estableciendo una vulnerabilidad muy
alta, mayor a 0,514436931 para 45 cantones, de los cuales
el 5 % de estos presentó niveles superiores a 0,708101368,
que corresponde a 12 cantones, los cuales son: Azogues,
Quilanga, Piñas, Limón Indanza, Guayaquil, Girón,
Sucúa, Loja, Machala, Flavio Alfaro, Quito y Portoviejo.
Bajo la adjudicación de una coloración, clara u oscura,
se representa espacialmente la escala de análisis de
componentes principales de vulnerabilidad.
En la gura 4 se puede observar que el modelo, bajo la
adjudicación de una coloración más clara o más oscura,
logra, en una división político administrativa de tipo
cantonal, una representación espacial, a nivel del Ecuador,
del análisis de componentes principales de vulnerabilidad
Código ISSN 2588-0551
https://www.inspilip.gob.ec
Índice de vulnerabilidad para COVID-19 por medio de análisis espacial
Cotera-Mantilla, Max
11
6
6
Revista cientíca INSPILIP - Volumen 6 - Número 3 - Septiembre - Diciembre 2022
Código ISSN 2588-0551
por COVID-19, basado en una escala expresadas en
quintiles, según su nivel de vulnerabilidad (baja, media
baja, media alta, alta y muy alta), estableciendo una
vulnerabilidad muy alta, es decir, mayor a 0,591429514
para 45 cantones, de los cuales, el 5 % de estos presentó
niveles superiores a 0,751382632, que corresponde a 12
cantones, los cuales son: Quilanga, Limón Indanza, Girón,
Guayaquil, La libertad, Ambato, Catamayo, Guaranda,
Olmedo, Durán, Esmeraldas y Pasaje.
Discusión
Sigue viéndose incierta la forma en que el Ecuador podría
superar la pandemia por COVID-19, sin embargo, se puede
atisbar un escenario plausible de gestión con base en los
antecedentes observados en otras realidades regionales y
aprovechando, además, que el virus demoró unas pocas
semanas más en llegar al Ecuador, en comparación con
otros países de la región, brindando la oportunidad de
aprender de ellos y de otros contextos similares
5
.
Medidas como el distanciamiento social, uso de mascarilla
e higiene frecuente de manos se vieron efectivas para
frenar la rápida propagación del virus
26,27
, así como
la implementación complementaria de un esquema
proláctico vacunal
28
, pero existen factores adicionales,
propios de cada localidad, que se conjugan para que se
presente un escenario de mayor o menor afectación por
COVID-19
10–12
.
En cantones como Quito y Guayaquil, se sostenía, a
inicios de la pandemia, la percepción de que enfrentarían,
con alta operatividad, a las exigencias que derivasen de
la pandemia; sin embargo, ambos cantones se vieron
afectados en niveles no antes observados
29,30
.
En realidad, la percepción del impacto de la pandemia
en cualquier ciudad (cantón) del Ecuador estuvo fuera de
toda certeza, debido al plano subjetivo de afección que
derivó del ingreso de una enfermedad emergente de la
envergadura de COVID-19
31,32
, siendo los índices aditivos
ponderados una valiosa alternativa para la asignación de
un puntaje que permitió medir, relativamente, el grado
de afección de un cantón. A tal modo que, sumando
diversos factores propios de cada cantón, se objetivizó,
en la medida de lo que permitieron los datos existentes,
un índice de vulnerabilidad; sin embargo, no es posible
superar toda subjetividad y es necesario utilizar las cifras
de forma acrítica
10
.
Una apropiada manera de abordar la subjetividad en
el índice obtenido es por medio del desarrollo de un
marco conceptual claro, identicando los “supuestos” y
fuentes de datos, sin dejar de mantener la transparencia
en la elección de indicadores, subíndices y funciones de
agregación
33
.
Por lo tanto, una evaluación de la validez y conabilidad
de los resultados depende tanto del análisis crítico de las
opciones metodológicas en la creación del índice como
de las cifras y las clasicaciones en sí mismas, ya que un
índice es tan bueno como la calidad de las fuentes de datos
que utiliza
12
.
A pesar de la cantidad de datos recopilados a nivel
nacional, la limitación en la disponibilidad de estos datos
jugó un papel importante en la construcción del IVS, que,
sumado a la dicultad de evaluar la durabilidad y robustez
de las fuentes, requirió una selección, casi en su totalidad,
de fuentes con un origen únicamente de instituciones
ociales, con amplia trayectoria en el manejo de data.
A pesar de ser fuentes ociales, mostraron deciencias,
como la falta de algunos cantones en registros generales
en ciertas fuentes o la periodicidad preestablecida, con
fechas formales, para la publicación de nuevos datos,
como por ejemplo los censos ociales, además de otras
discrepancias más en los datos, que puedan estar sujetas
a diversos factores, como por ejemplo, la discontinuidad
en el proceso de recolecta de datos, posiblemente debido
a cambio de autoridades que no priorizan la recopilación
de información como una necesidad para la continuidad
en los estudios de carácter cientíco.
Por otro lado, el conjunto de conocimientos sobre los
factores de riesgo de COVID-19 y cómo podrían afectar
a las poblaciones están aún en desarrollo
10
. Por lo que
se utilizó la igualdad de pesos como la alternativa más
favorable para la construcción del IVS, esperando a futuro
el desarrollo de otras alternativas que establezcan mejores
aproximaciones de las ponderaciones para cada uno de los
modelos analizados y la estandarización de las mismas.
En el caso del índice jerárquico aditivo, la generación de un
único índice de vulnerabilidad compuesto, utilizando un
modelo de normalización/sumatoria, resultó problemático,
porque la información potencialmente importante, con
respecto a las relaciones entre los indicadores originales,
se oscurece en el índice aditivo, sin unidades resultantes
de muchos indicadores a un solo índice.
Código ISSN 2588-0551
Índice de vulnerabilidad para COVID-19 por medio de análisis espacial
Cotera-Mantilla, Max
Código ISSN 2588-0551
12
https://www.inspilip.gob.ec
6
Revista cientíca INSPILIP - Volumen 6 - Número 3 - Septiembre - Diciembre 2022
6
Por lo que se propuso el uso de PCA para resaltar patrones
dentro de los datos, independientemente de la hipótesis
sobre la distribución de probabilidad de los datos, este
modelo proporciona varias ventajas potenciales, como
por ejemplo, reducir la dimensionalidad de los datos
o minimizar la pérdida de la información, como se ha
evidenciado en otros estudios
25
.
Conclusiones
Se establecieron las etapas del índice de vulnerabilidad
a COVID-19 por medio de selección de indicadores,
la unidad de análisis espacial (cantón) y acceso a la
información disponible, obteniendo un diseño estructural
jerárquico aditivo. Además, se ajustaron las escalas
de medida de los indicadores, disminuyendo sesgos
que inuyen en la predicción del índice, logrando así
hacer comparables todos los indicadores, y se las pudo
representar en una misma escala para combinarlas en
un solo índice; tras ellos, se obtuvo un puntaje que nos
muestra un grado de vulnerabilidad relativa para cada
cantón. Se observaron 45 unidades geopolíticas en nivel
de “vulnerabilidad muy alta”, tanto para modelo aditivo de
vulnerabilidad como para el modelo de vulnerabilidad por
análisis de componentes principales, siendo coincidentes,
entre los dos modelos, un aproximado del 10 % (9,95 %),
que corresponde a 22 cantones.
Se identicó y mapeó, dentro de la unidad de análisis
(cantón), las comunidades que probablemente necesitarán
un mayor apoyo durante el transcurso pandémico o
endémico del brote actual de COVID-19, esto con base en
los puntajes obtenidos mediante el análisis espacial, siendo
Azogues, Quilanga, Piñas, Limón Indanza, Guayaquil,
Girón, Sucúa, Loja, Machala, Flavio Alfaro, Quito y
Portoviejo el 5 % de los cantones con “vulnerabilidad
muy alta” en el modelo aditivo; mientras que Quilanga,
Limón Indanza, Girón, Guayaquil, La libertad, Ambato,
Catamayo, Guaranda, Olmedo, Durán, Esmeraldas
y Pasaje se presentan, en el modelo por análisis de
componentes principales, como el 5 % de los cantones de
“vulnerabilidad muy alta”.
Revisión por pares
El manuscrito fue revisado por pares ciegos y fue
aprobado oportunamente por el Equipo Editorial de la
revista INSPILIP.
Disponibilidad de datos y materiales
Los datos que sustentan este manuscrito están disponibles
bajo requisición al autor correspondiente.
Aspectos éticos
Previo a realizar el presente estudio de caso, se efectuó la
rma del respectivo consentimiento informado voluntario
del paciente respetando las normas de bioética y protección
de identidad.
Fuente de nanciamiento
Este estudio es autonanciado.
Conicto de intereses
Los autores declaran no tener conictos en la publicación
del presente manuscrito.
Referencias
1. Bogoch, I. I., Watts, A., Thomas-Bachli, A., Huber, C.,
Kraemer, M. U. G., & Khan, K. (2020). Pneumonia
of unknown aetiology in Wuhan, China: Potential for
international spread via commercial air travel. Journal
of Travel Medicine, 27(2), 1–3. https://doi.org/10.1093/
jtm/taaa008
2. Lu, H., Stratton, C. W., & Tang, Y. W. (2020). Outbreak
of pneumonia of unknown etiology in Wuhan, China:
The mystery and the miracle. Journal of Medical
Virology, 92(4), 401–402. https://doi.org/10.1002/
jmv.25678
3. Rothan, H. A., & Byrareddy, S. N. (2020). The
epidemiology and pathogenesis of coronavirus disease
(COVID-19) outbreak. Journal of Autoimmunity,
109(February), 102433. https://doi.org/10.1016/j.
jaut.2020.102433
4. Holshue, M. L., DeBolt, C., Lindquist, S., Lofy, K.
H., Wiesman, J., Bruce, H., Spitters, C., Ericson, K.,
Wilkerson, S., Tural, A., Diaz, G., Cohn, A., Fox,
L., Patel, A., Gerber, S. I., Kim, L., Tong, S., Lu, X.,
Lindstrom, S., … Pillai, S. K. (2020). First case of 2019
novel coronavirus in the United States. New England
Journal of Medicine, 382(10), 929–936. https://doi.
org/10.1056/nejmoa2001191
Código ISSN 2588-0551
https://www.inspilip.gob.ec
Índice de vulnerabilidad para COVID-19 por medio de análisis espacial
Cotera-Mantilla, Max
13
6
6
Revista cientíca INSPILIP - Volumen 6 - Número 3 - Septiembre - Diciembre 2022
Código ISSN 2588-0551
5. Inca-Ruiz, P., Inca León, A. C., & Inca-Ruiz Patricio,
I. L. A. C. (2020). Evolución de la enfermedad por
coronavirus (COVID-19) en Ecuador | La ciencia
al servicio de la salud. Revista Ciencia al Servicio
de la Salud y la Nutrición, 11(1), 5–15. https://doi.
org/10.47244/cssn.Vol11.Iss1.441
6. Eklund, R., Bondjers, K., Hensler, I., Bragesjö, M.,
Johannesson, K. B., Arnberg, F. K., & Sveen, J. (2022).
Daily uplifts during the COVID-19 pandemic: what
is considered helpful in everyday life? BMC Public
Health, 22(1), 1–10. https://doi.org/10.1186/s12889-
022-12506-4
7. van Dorn, A., Cooney, R. E., & Sabin, M. L. (2020).
COVID-19 exacerbating inequalities in the US.
Lancet (London, England), 395(10232), 1243–1244.
https://doi.org/10.1016/S0140-6736(20)30893-X
8. Adhanom Ghebreyesus, T. (2020). Alocución de
apertura del director general de la OMS en la rueda
de prensa sobre la COVID-19 celebrada el 11 de
marzo de 2020. In Discursos del director general de la
OMS (Issue March 2020, pp. 1–4). https://www.who.
int/es/director-general/speeches/detail/who-director-
general-s-opening-remarks-at-the-media-brieng-on-
covid-19---12-january-2022
9. Carrazco-Montalvo, A., Armendáriz-Castillo, I., Tello,
C. L., Morales, D., Armas-Gonzalez, R., Guizado-
Herrera, D., León-Sosa, A., Ramos-Sarmiento, D.,
Fuertes, B., Cárdenas, P., Márquez, S., Prado-Vivar,
B., Guadalupe, J. J., Gutiérrez, B., Wong, M. B.,
Grunauer, M., Trueba, G., Rojas-Silva, P., Barragán,
V., & Patino, L. (2022). First detection of SARS-
CoV-2 variant B.1.1.529 (Omicron) in Ecuador. New
Microbes and New Infections, 45, 100951. https://doi.
org/10.1016/j.nmni.2022.100951
10. Macharia, P. M., Joseph, N. K., & Okiro, E. A.
(2020). A vulnerability index for COVID-19: spatial
analysis at the subnational level in Kenya. BMJ
Global Health, 5(8), e003014. https://doi.org/10.1136/
bmjgh-2020-003014
11. Suárez Lastra, M., Valdés González, C., Galindo
Pérez, M. C., Salvador Guzmán, L. E., Ruiz Rivera,
N., Alcántara-Ayala, I., López Cervantes, M., Rosales
Tapia, A. R., Lee Alardin, W., Benítez Pérez, H.,
Bringas López, O. A., Oropeza Orozco, O., Peralta
Higuera, A., & Garnica-Peña, R. J. (2020). Índice
de vulnerabilidad ante el COVID-19 en México.
Investigaciones Geográcas, 0–2. https://doi.
org/10.14350/rig.60140
12. Acharya, R., & Porwal, A. (2020). A vulnerability
index for the management of and response to the
COVID-19 epidemic in India: an ecological study.
The Lancet Global Health, 8(9), e1142–e1151. https://
doi.org/10.1016/S2214-109X(20)30300-4
13. INEC. (2010). Proyecciones Poblacionales |.
In Proyecciones Poblacionales (p. 1). https://
www.ecuadorencifras.gob.ec/documentos/web-
inec/Poblacion_y_Demografia/Proyecciones_
Poblacionales/PROYECCION_PROVINCIAS_
SEXOS_Y_AREAS_2010_2020.xlsx
14. Rygel, L., O’Sullivan, D., & Yarnal, B. (2006).
A method for constructing a social vulnerability
index: An application to hurricane storm surges
in a developed country. Mitigation and adaptation
strategies for global change, 11(3), 741–764. https://
doi.org/10.1007/s11027-006-0265-6
15. Cutter, S.L.; Carolina, S.; Boru, B.J.; Carolina, S.;
Shirley, W.L.; Carolina, S. (2003). Cutter et al 2003.
In Soc.Sci (Vol. 84, pp. 242–261).
16. ARAL, N., & BAKIR, H. (2022). Spatiotemporal
analysis of COVID 19 in Turkey. Sustainable Cities
and Society, 76(September 2021), 0–2. https://doi.
org/10.1016/j.scs.2021.103421
17. Eryando, T., Sipahutar, T., & Rahardiantoro, S.
(2020). The risk distribution of COVID-19 in
Indonesia: A spatial analysis. Asia-Pacic Journal
of Public Health, 32(8), 450–452. https://doi.
org/10.1177/1010539520962940
18. Hafner, C. M. (2020). The spread of the COVID-19
pandemic in time and space. International Journal of
Environmental Research and Public Health, 17(11).
https://doi.org/10.3390/ijerph17113827
Índice de vulnerabilidad para COVID-19 por medio de análisis espacial
Cotera-Mantilla, Max
Código ISSN 2588-0551
14
https://www.inspilip.gob.ec
6
Revista cientíca INSPILIP - Volumen 6 - Número 3 - Septiembre - Diciembre 2022
6
19. Selcuk, M., Gormus, S., & Guven, M. (2021). Impact
of weather parameters and population density on the
COVID-19 Transmission: Evidence from 81 provinces
of Turkey. Earth Systems and Environment, 5(1), 87–
100. https://doi.org/10.1007/s41748-020-00197-z
20. Banco Interamericano de Desarrollo (BID). (2020,
May 25). Los problemas de salud, la pobreza y los
desafíos de COVID-19 en América Latina y el Caribe
- Ideas que cuentan. https://blogs.iadb.org/ideas-que-
cuentan/es/los-problemas-de-salud-la-pobreza-y-los-
desaos-de-covid-19-en-america-latina-y-el-caribe/
21. CEPAL, C. E. para A. L. y el C. (2020). Desafíos
para la protección de las personas mayores y sus
derechos frente a la pandemia de COVID-19.
Informes COVID-19, 35. https://www.un.org/
development/desa/disabilities/wp-content/uploads/
sites/15/2020/04/Versión2-
22. Organization, W. H. (2020). Clinical management
of severe acute respiratory infection when novel
coronavirus (2019-nCoV) infection is suspected:
interim guidance, 28 January 2020. World Health
Organization.
23. Ferraz, D., Mariano, E. B., Manzine, P. R., Moralles,
H. F., Morceiro, P. C., Torres, B. G., de Almeida,
M. R., Soares de Mello, J. C., & Rebelatto, D. A.
do N. (2021). COVID Health Structure Index: The
Vulnerability of Brazilian Microregions. Social
Indicators Research, 158(1), 197–215. https://doi.
org/10.1007/s11205-021-02699-3
24. CEPAL, N. U. (2020). La educación en tiempos de la
pandemia de COVID-19.
25. Abson, D. J., Dougill, A. J., & Stringer, L. C. (2012).
Using principal component analysis for information-
rich socio-ecological vulnerability mapping in
Southern Africa. Applied Geography, 35(1–2), 515–
524. https://doi.org/10.1016/j.apgeog.2012.08.004
26. Brooks, J. T., Butler, J. C., & Redeld, R. R.
(2020). Universal masking to prevent SARS-CoV-2
transmission—The Time Is Now. JAMA, 324(7), 635.
https://doi.org/10.1001/jama.2020.13107
27. Taiwan Centers for Disease Control - COVID-
19(Wuhan pneumonia information on self-nanced
inspection fees is made public for the convenience of
the public. 2020. https://www.cdc.gov.tw/En
28. Brüssow, H., & Zuber, S. (2022). Can a combination
of vaccination and face mask wearing contain the
COVID-19 pandemic? Microbial Biotechnology,
15(3), 721–737. https://doi.org/10.1111/1751-
7915.13997
29. FLACSO, Carrión, F., & Cepeda, P. (2021). Quito:
la ciudad que se disuelve: Covid 19 (F. Carrion &
P. Cepeda (Eds.)). Polis. tic Lab; FLACSO Ecuador.
https://biblio.acsoandes.edu.ec/libros/digital/58354.
pdf
30. OCDE, O. para la C. y D. E. (2020). Impacto social
del COVID-19 en Ecuador: desafíos y respuestas
[Social impact of COVID-19 in Ecuador: challenges
and responses]. Making Development Happen, 4,
2–21. https://n9.cl/snykx
31. Correa-Quezada, R., Izquierdo-Montoya, L., & García-
Vélez, D. (2020). Impacto del COVID-19 en Ecuador.
Ecuador: Círculo de Estudios Latinoamericanos.
32. Molina Prendes, N., & Mejias Herrera, M. L.
(2020). Impacto social de la COVID-19 en Brasil y
Ecuador: donde la realidad supera las estadísticas .
EDUMECENTRO, 12(3), 277–283.
33. Patterson, M., & Jollands, N. (2004). The power of one:
Developing a headline indicator for tracking progress
to sustainability in New Zealand. International Journal
of Environment and Sustainable Development, 3(3–4),
316–338. https://doi.org/10.1504/ijesd.2004.005078
