## 1.  Muertes totales por COVID-19

## Source details

**Canonical URL:** [1.  Muertes totales por COVID-19](https://www.imf.org/-/media/files/publications/reo/whd/2020/oct/spanish/covid-spa.pdf)

## Other formats

- [Markdown version](/-/media/files/publications/reo/whd/2020/oct/spanish/covid-spa.pdf.md)
- [Structured JSON version](/-/media/files/publications/reo/whd/2020/oct/spanish/covid-spa.pdf.json)

---

### Datos y alcance
- Fuentes: Universidad Johns Hopkins; y cálculos del personal técnico del FMI.
- Últimos datos: 1 de octubre de 2020.
- Indicadores presentados:
  - Muertes totales por COVID-19 (Por millón de habitantes).
  - Nuevas muertes por COVID-19 (Por millón de habitantes; promedio móvil de 7 días).

### Hallazgos sobre confinamientos, movilidad y patrones temporales
- Confinamientos en América Latina y el Caribe (ALC):
  - Comenzaron cerca de las mismas fechas que los confinamientos europeos, pero han sido más rigurosos (según los indicadores de rigor de Oxford) y prolongados.
  - En Perú la movilidad se redujo hasta un 80 por ciento con respecto a la habitual en el momento álgido.
- Patrones temporales:
  - Europa occidental (ej.: Francia y España): explosión de muertes diarias en marzo–abril seguida de un rápido descenso (“incendio forestal”).
  - América Latina: dinámica de “combustión lenta”; en Brasil y México las muertes diarias aumentaron sostenidamente entre marzo y junio y luego se estabilizaron a un nivel alto durante meses.
  - Perú tiene la cifra más alta de muertes per cápita del mundo.
  - Brasil, México y Chile presentan cifras de fallecimientos parecidas a las de España y Estados Unidos.
- Efectividad temporal de confinamientos:
  - Confinamientos tempranos y rigurosos ayudaron a evitar una explosión inmediata de casos y muertes que habría saturado sistemas sanitarios, pero no lograron reducir el número total de muertes en muchos países.
  - En Perú, el número diario de muertes dos semanas después del confinamiento seguía siendo muy bajo (indicación de confinamiento temprano).
  - En varios países europeos la cifra diaria de muertes dos semanas después del inicio del confinamiento era muy superior (confinamientos implementados más tarde).

### Resultados del modelo SEIR y R efectivo
- Resultados conceptuales del modelo SEIR:
  - Sin medidas ni cambios de comportamiento: explosión de muertes seguida por un rápido descenso.
  - Reducción temprana de la tasa de contactos por debajo de un umbral específico: erradicación de la enfermedad (“extinción”).
  - Reducción temprana por encima de ese umbral: combustión lenta.
  - Intervención tardía: efecto similar a un incendio forestal; cuanto más tarde la intervención, más grave el incendio forestal y mayor la cifra máxima de muertes.
- R efectivo:
  - Definición: R < 1: contención de la pandemia. R > 1: expansión de la pandemia.
  - En ALC los confinamientos no lograron reducir el R efectivo por debajo de 1 en muchos casos; ejemplo: en Perú el R efectivo se redujo, pero permaneció por encima de 1.

### Factores estructurales y de comportamiento que limitaron la efectividad de las medidas
- Factores señalados que pudieron menoscabar la efectividad de los confinamientos:
  - Alta informalidad laboral.
  - Condiciones de vivienda: comunidades pobres densamente pobladas, hacinamiento.
  - Débil capacidad institucional y baja efectividad gubernamental.
  - Limitada inclusión financiera (obligó a desplazamientos a bancos y uso de efectivo).
  - Fatiga de confinamiento y necesidad de actividad económica en hogares de bajos ingresos; repunte de la movilidad a partir de abril.
    - En ALC el repunte de la movilidad se produjo cuando la cifra de muertes diarias todavía estaba aumentando; en Europa el aumento de movilidad se dio cuando las muertes diarias ya descendían.

### Determinantes asociados a niveles más altos de muertes por COVID-19
- En regresiones entre países, factores asociados en promedio con más muertes:
  - Tamaño de la población.
  - Baja capacidad hospitalaria (número de camas de hospital por 1.000 personas).
  - Mayor vejez de la población.
  - Falta de vacunación sistemática contra la tuberculosis (vacuna BCG).
- Notas empíricas:
  - Región con población relativamente joven y uso sistemático de la vacuna BCG, pero sistemas sanitarios mal preparados.
  - Residuos excesivamente grandes en Perú, Brasil, Chile, Bolivia y México (muertes por encima de lo esperado por esos determinantes).
- Análisis subnacional:
  - A finales de abril, aproximadamente tres cuartos de las regiones latinoamericanas tenían menos de 20 muertes por millón de habitantes; para julio, menos de un cuarto.
  - Municipalidades: mayor cifra total de muertes en aquellas con mayor densidad poblacional y en lugares más alejados del ecuador.
- Evidencia anecdótica (Perú):
  - Hacinamiento en viviendas; aglomeraciones en mercados y bancos; limitada inclusión financiera y necesidad de desplazamientos para recibir transferencias.

### Propagación subnacional y cifras indicativas
- Algunas regiones acumulan hasta hoy más de 2.000 muertes por millón de habitantes, mientras otras tienen menos de 20.
- Brasil:
  - A mediados de mayo solo el 20 por ciento de Brasil tenía una cifra de muertes superior a 100 por millón; para mediados de julio, este porcentaje había aumentado hasta el 100 por ciento.
- México (nivel municipal):
  - En abril, prácticamente todo México registró menos de 20 muertes por millón.
  - A julio, la cifra era de menos del 10 por ciento.
  - Una décima parte de las municipalidades ha registrado entre 1.000 y 2.000 muertes por millón.
  - El 7 por ciento de las municipalidades tiene menos de 100 muertes por millón.

### Impacto de confinamientos y cambios de comportamiento en la actividad económica
- Enfoques empíricos:
  - Sección transversal global (datos trimestrales) que incorpora muertes por millón y rigor del confinamiento.
  - Panel mensual de 17 países de ALC (febrero a junio) con índice de actividad económica mensual y efectos fijos.
- Resultados (sección transversal):
  - Conjunto de variables explica más de la mitad de la variación del crecimiento interanual del segundo trimestre de 2020.
  - Elasticidades y efectos cuantificados:
    - Un endurecimiento del índice de rigor de Oxford de 50 a 100 reduce el crecimiento del PIB en 6 puntos porcentuales.
    - Un aumento en las muertes diarias de 2 a 5 por millón reduce el crecimiento interanual en casi 2,5 puntos porcentuales (columna (b)).
  - Interacción con PIB per cápita: en los países más pobres, el impacto negativo de un aumento de las muertes es más pronunciado.
  - Ejemplos de coeficientes (Cuadro 1; variable dependiente: crecimiento interanual del PIB de 2020T2):
    - Crecimiento pasado: 1.599*** (columna (a)).
    - Rigor: -0.179*** (columna (a)); otros valores reportados: -0.157***, -0.145***, -0.125***, -0.120**.
    - Nuevas muertes: -0.829** (columna (a)); -3.686*** (columna (b)); -4.788***, -4.615*** en otras columnas.
    - Nuevas muertes*PIB per cápita: 0.0001** y 0.0001*** en columnas seleccionadas.
    - Observaciones: 59 en varias especificaciones; R² entre 0.353 y 0.567; R² ajustado entre 0.318 y 0.506.
- Resultados (panel ALC, mensual):
  - Modelo explica en torno al 80 por ciento de la variación de las tasas mensuales de crecimiento de la actividad real.
  - Ambos factores —rigor de las medidas y muertes (componente de comportamiento)— tuvieron incidencia significativa sobre el crecimiento económico.
  - Efectos temporales (debilitamiento con el tiempo):
    - Para junio (T=6) el efecto del comportamiento pasa a ser indistinguible de cero según estimaciones puntuales: -2,8*(T=6) - 16,9 = -0,1.
    - Impacto del rigor en abril (T=4), mayo (T=5) y junio (T=6): -0,25, -0,22, -0,20 respectivamente.
    - Pasar de un índice de rigor de 50 a 100 causaría una disminución del crecimiento de aproximadamente 10 por ciento (elasticidad elevada).
  - Coeficientes del Cuadro 2 (panel; variable dependiente: tasa de crecimiento interanual de la actividad mensual en los seis primeros meses de 2020):
    - Rigor: -0.264***, -0.231***, -0.348***, -0.336*** en distintas especificaciones.
    - Nuevas muertes: -18.881***, -16.586***, -16.884***.
    - Nuevas muertes*T: 3.291***, 2.791***, 2.835***.
    - Rigor*T: 0.023**, 0.023**.
    - Observaciones: 61, 57, 57, 57 según columnas; R² entre 0.701 y 0.809; R² ajustado entre 0.592 y 0.710.

### Movilidad: identificaciones y resultados subnacionales
- Ventajas de datos de movilidad: disponibilidad diaria, rezagos cortos, cobertura subnacional; buena proxy de actividad económica.
- Vínculo observado en 1S 2020: reducción de la movilidad estrechamente ligada a la caída de la actividad económica.
- Dificultad de identificación: tanto confinamientos como componente de comportamiento (miedo) influyeron en la caída de la movilidad; la regresión de diferencias entre países no zanja la causalidad.
- Resultados dentro de países (Argentina y Perú; movilidad semanal por región):
  - Regiones con más muertes diarias por millón tenían niveles más bajos de movilidad.
  - Coeficiente de interacción de tiempo con muertes diarias es positivo: el impacto de nuevas muertes sobre la movilidad se redujo con el tiempo.
  - Rigor de aislamiento reduce movilidad, pero su impacto también disminuye con el tiempo (interacción de rigor con tiempo positiva y significativa).
  - Coeficientes resumen (ejemplos Perú / Argentina):
    - Nuevas muertes (con rezago): -0.74***; -3.06***; -1.01***; -0.53***.
    - Nuevas muertes (con rezago) * T: 0.19***; 0.09***; 0.02*; 1.25***.
    - Rigor de aislamiento: -0.84***; -0.88***; -0.70***; -0.86***.
    - Rigor de aislamiento * T: 0.01***; 0.02***.
    - Observaciones por modelo entre 608 y 648; R² ajustado varía según especificación (ej.: 0.89, 0.90, 0.74, 0.91).

### Reaperturas, movilidad y actividad económica
- Relajación gradual de medidas en ALC, pero la mayor parte de la región mantiene niveles de rigor altos; Caribe es la única región con descenso notable del rigor.
- Ejemplos:
  - Brasil a mediados de agosto: índice de rigor 17 puntos por debajo de su máximo; desviación de la movilidad respecto al escenario base 35 puntos porcentuales más baja que en su nivel más alto.
  - Muestra de 17 países de ALC:
    - Movilidad media se recuperó de -60 por ciento (interanual) en abril hasta -44 por ciento (interanual) en junio.
    - La contracción económica media se redujo de -20 por ciento a -   10 por ciento (interanual).
- Contrapartida de reaperturas: repunte de nuevas muertes por COVID-19 asociado a mayor movilidad; rebrotes observados en varios países (ejemplos: Argentina, Colombia, Paraguay, Costa Rica, Suriname; menciona también Estados Unidos e Indonesia).

### Pruebas, subestimación de casos y exceso de mortalidad
- Capacidad de realización de pruebas en ALC muy inferior a la de otras regiones.
- Relación casos positivos/número de pruebas:
  - En Estados Unidos, Asia, OMNA y Europa: por debajo de 20 por ciento.
  - En ALC: entre 50 por ciento y 100 por ciento.
- Escasez de pruebas afecta especialmente a México, Perú, Ecuador, Argentina y Bolivia; Chile parece haber desarrollado capacidad de pruebas apropiada.
- Exceso de mortalidad:
  - En Perú, el “exceso de mortalidad” casi ha triplicado el número de muertes por COVID-19 registradas oficialmente.
  - En México, el exceso de mortalidad al final de julio era prácticamente el triple de la cifra oficial.
  - En Brasil y Chile, el exceso de mortalidad se aproxima al recuento oficial de muertes por COVID-19.
- Conclusión: la suma de casos y muertes no incluidos en los registros oficiales apunta a un impacto en la salud en ALC aún más significativo que las cifras oficiales.

### Determinantes estructurales y cuantificaciones relevantes
- Efectos a nivel de países (regresiones):
  - Mejor especificación explica cerca del 30 por ciento de la variación al añadir una variable ficticia de ALC.
  - Variables no significativas: relación comercio/PIB; latitud geográfica; densidad poblacional; porcentaje de población urbana; número de ciudades >1 millón; tasa de mortalidad total en 2018; prevalencia de diabetes; índice de efectividad gubernamental (y corrupción); confianza social (World Value Survey).
  - Hallazgos cuantitativos:
    - Mediana regional de camas de hospital por 10.000 habitantes: 1,5.
    - Argentina: 5 camas por 10.000 habitantes.
    - Disponer de 5 camas por 10.000 habitantes en vez de 1,5 supone una diferencia en el número total de muertes de aproximadamente 50 por millón tras 150 días.
    - Mediana regional del porcentaje de población >70 años: 4,5 por ciento.
    - Uruguay: 10 por ciento.
    - Diferencia entre 4,5 por ciento y 10 por ciento supondría 85 muertes más por millón de habitantes, si las demás condiciones no varían.
  - Observación: el término de error del país es grande, indicando importancia de variables no observables.
- A nivel de municipalidades:
  - Muestra >1.000 municipalidades; ~45 por ciento en ALC.
  - Variables significativas: densidad poblacional y latitud geográfica.
  - Ejemplo: diferencia de densidad entre Cuajimalpa de Morelos (2.322 habitantes por km2) y municipalidad de Sao Paulo (7.940 habitantes por km2) explica 202 muertes por millón de habitantes.
- A nivel de estados:
  - Conclusiones similares a las municipales; estructura de población tiene signo correcto pero no siempre significación estadística.

### Recomendaciones y lecciones de política
- Prioridades de política:
  - Aumentar la capacidad de realización de pruebas.
  - Fortalecer el rastreo de contactos.
  - Mejorar la efectividad gubernamental para que las medidas de contención sean más efectivas.
  - Considerar el alto grado de informalidad y las limitaciones fiscales al diseñar medidas de apoyo que permitan mantener el cumplimiento de confinamientos sin forzar la actividad económica de los hogares de bajos ingresos.
- Mensajes operativos:
  - Aprovechar el período de confinamiento para preparar una reapertura segura; varios países de ALC no lo hicieron adecuadamente.
  - ALC sigue siendo vulnerable a un aumento de contagios si la reapertura se hace demasiado deprisa, debido a factores estructurales y debilidad de las políticas públicas.

*Fondo Monetario Internacional | Octubre de 2020*

### 1.  Muertes totales por COVID-19

### 1.  Muertes totales por COVID-19

### Datos y alcance
- Fuentes: Universidad Johns Hopkins; y cálculos del personal técnico del FMI.
- Los últimos datos corresponden al 1 de octubre de 2020.
- Indicadores presentados: Muertes totales por COVID-19 (Por millón de habitantes); Nuevas muertes por COVID-19 (Por millón de habitantes; promedio móvil de 7 días).

### Hallazgos principales sobre confinamientos y movilidad
- Muchos países de América Latina impusieron confinamientos estrictos y prolongados, asociados con una drástica reducción inicial de la movilidad.
- Los confinamientos en la región:
  - Comenzaron cerca de las mismas fechas que los confinamientos europeos, pero han sido más rigurosos (según los indicadores de rigor de Oxford) y prolongados.
  - En el momento álgido, la movilidad en Perú se redujo hasta un 80 por ciento con respecto a la habitual.
- A nivel agregado, los confinamientos tempranos y rigurosos ayudaron a evitar una explosión inmediata de casos y muertes que habría saturado sistemas sanitarios con capacidad deficiente, pero no lograron reducir el número total de muertes en muchos países.

### Patrones temporales de muertes: “incendio forestal” vs “combustión lenta”
- Europa occidental (ej.: Francia y España):
  - Registró una explosión de muertes diarias en marzo–abril, seguida de un rápido descenso (patrón descrito como un “incendio forestal”).
- América Latina:
  - Ha experimentado una dinámica de “combustión lenta”: en Brasil y México las muertes diarias aumentaron sostenidamente entre marzo y junio, para luego estabilizarse a un nivel alto durante varios meses.
  - Perú tiene la cifra más alta de muertes per cápita del mundo.
  - Brasil, México y Chile presentan cifras de fallecimientos parecidas a las de España y Estados Unidos.

### Resultados del modelo SEIR y cronología de intervenciones
- Según el modelo SEIR expuesto:
  - Sin medidas ni cambios de comportamiento se produce una explosión de muertes seguida por un rápido descenso.
  - Reducción temprana de la tasa de contactos por debajo de un umbral específico erradica la enfermedad (“extinción”).
  - Reducción temprana pero por encima de ese umbral produce una combustión lenta.
  - Una intervención tardía da lugar a un efecto similar a un incendio forestal.
  - Cuanto más tarde la intervención, más grave el incendio forestal y mayor la cifra máxima de muertes.
- Observación empírica:
  - En Perú, el número diario de muertes dos semanas después de la imposición del confinamiento seguía siendo muy bajo, lo que indica que el confinamiento fue temprano.
  - En varios países europeos, la cifra diaria de muertes dos semanas después del inicio del confinamiento era muy superior, lo que refleja confinamientos implementados más tarde.

### R efectivo y efectividad incompleta de los confinamientos
- En ALC los confinamientos no lograron reducir el R efectivo por debajo de 1 en muchos casos:
  - Ejemplo: En Perú el R efectivo se redujo, pero permaneció por encima de 1.
- Definición usada: R efectivo
  - R < 1: contención de la pandemia.
  - R > 1: expansión de la pandemia.

### Factores estructurales y de comportamiento que limitaron la efectividad
- Factores señalados que pudieron menoscabar la efectividad de los confinamientos:
  - Alta informalidad laboral.
  - Condiciones de vivienda (comunidades pobres densamente pobladas, hacinamiento).
  - Débil capacidad institucional y baja efectividad gubernamental.
  - Limitada inclusión financiera (obligó a muchos hogares a acudir físicamente a bancos para recibir transferencias y a usar efectivo en mercados).
  - Fatiga de confinamiento y necesidad de actividad económica en hogares de bajos ingresos, con un repunte de la movilidad a partir de abril.
    - El repunte de la movilidad en América Latina se produjo cuando la cifra de muertes diarias todavía estaba aumentando; en Europa el aumento de movilidad se dio cuando las muertes diarias ya descendían.

### Determinantes asociados a niveles más altos de muertes por COVID-19
- En regresiones entre países, los factores asociados, en promedio, con un número más elevado de muertes fueron:
  - Tamaño de la población.
  - Baja capacidad hospitalaria (número de camas de hospital por 1.000 personas).
  - Mayor vejez de la población.
  - Falta de vacunación sistemática contra la tuberculosis (vacuna BCG).
- Notas empíricas adicionales:
  - Aunque la región tiene una población relativamente joven y administra de forma sistemática la vacuna BCG, el sistema sanitario estaba mal preparado.
  - Incluso controlando por estos determinantes, las regresiones muestran residuos excesivamente grandes en Perú, Brasil, Chile, Bolivia y México (indicación de muertes por encima de lo esperado por esos determinantes).
- Análisis subnacional:
  - A finales de abril, aproximadamente tres cuartos de las regiones latinoamericanas tenían menos de 20 muertes por millón de habitantes; para julio, menos de un cuarto.
  - En municipalidades, la cifra total de muertes es más alta en aquellas con mayor densidad poblacional y en lugares más alejados del ecuador.

### Evidencia anecdótica (ejemplo Perú)
- Factores prácticos que contribuyeron a la propagación y a la menor efectividad de los confinamientos:
  - Hacinamiento en viviendas.
  - Aglomeraciones en mercados de alimentos y bancos.
  - Limitada inclusión financiera y necesidad de desplazamientos para recibir transferencias monetarias.

*Fuente: Universidad Johns Hopkins; y cálculos del personal técnico del FMI. Últimos datos: 1 de octubre de 2020.*

### 1.000 hab.

### 1.000 hab.

### Propagación subnacional de la COVID-19
- Algunas regiones acumulan hasta hoy más de 2.000 muertes por millón de habitantes, mientras que otras tienen menos de 20.
- En países individuales, a mediados de mayo solo el 20 por ciento de Brasil tenía una cifra de muertes superior a 100 por millón, mientras que, para mediados de julio, este porcentaje había aumentado hasta el 100 por ciento.
- México (nivel municipal):
  - En abril, en prácticamente todo México se registraron menos de 20 muertes por millón.
  - A julio, la cifra era de menos del 10 por ciento.
  - Una décima parte de las municipalidades ha registrado entre 1.000 y 2.000 muertes por millón de habitantes.
  - El 7 por ciento de las municipalidades tiene menos de 100 muertes por millón.

### Impacto de confinamientos y cambios de comportamiento en la actividad económica
- La fuerte caída del crecimiento en ALC durante 2020T2 refleja tanto políticas (confinamientos) como cambios de comportamiento; ambos efectos disminuyen con el tiempo.
- Enfoques utilizados:
  - Sección transversal global (datos trimestrales) que incorpora muertes por millón y rigor del confinamiento (restricciones de jure de la movilidad).
  - Panel mensual de 17 países de ALC (febrero a junio) con índice de actividad económica mensual y estimador de efectos fijos para captar dinámica temporal y reducir sesgos por variables omitidas.

### Resultados de regresiones (sección transversal)
- El conjunto de variables (incluyendo tasas de crecimiento pasadas 2016T1-2019T4) explica más de la mitad de la variación del crecimiento interanual del segundo trimestre de 2020 en la muestra.
- Elasticidades y efectos cuantificados:
  - Un endurecimiento del índice de rigor de Oxford de 50 a 100 reduce el crecimiento del PIB en 6 puntos porcentuales.
  - Un aumento en las muertes diarias de 2 a 5 por millón reduce el crecimiento interanual en casi 2,5 puntos porcentuales (según la columna (b)).
- Interacciones:
  - Impacto de las muertes sobre la actividad varía con el PIB per cápita: en los países más pobres, el impacto negativo de un aumento de las muertes es más pronunciado.
- Ejemplos de coeficientes del Cuadro 1 (sección transversal; variable dependiente: crecimiento interanual del PIB de 2020T2):
  - Crecimiento pasado: 1.599*** (columna (a)).
  - Rigor: -0.179*** (columna (a)); otros valores reportados: -0.157***, -0.145***, -0.125***, -0.120**.
  - Nuevas muertes: -0.829** (columna (a)); -3.686*** (columna (b)); -4.788***, -4.615*** en otras columnas.
  - Nuevas muertes*PIB per cápita: 0.0001** y 0.0001*** en columnas seleccionadas.
  - Observaciones: 59 en varias especificaciones; R² entre 0.353 y 0.567; R² ajustado entre 0.318 y 0.506.

### Resultados de regresiones de panel (ALC, mensual)
- El modelo explica en torno al 80 por ciento de la variación de las tasas mensuales de crecimiento de la actividad real.
- Ambos factores —rigor de las medidas y muertes (componente de comportamiento)— tuvieron incidencia significativa sobre el crecimiento económico.
- Efectos temporales (debilitamiento con el tiempo):
  - Para junio (T=6) el efecto del comportamiento pasa a ser indistinguible de cero según estimaciones puntuales: -2,8*(T=6) - 16,9 = -0,1.
  - Impacto del rigor en abril (T=4), mayo (T=5) y junio (T=6): -0,25, -0,22, -0,20 respectivamente.
  - Pasar de un índice de rigor de 50 a 100 causaría una disminución del crecimiento de aproximadamente 10 por ciento (elasticidad elevada).
- Coeficientes del Cuadro 2 (panel; variable dependiente: tasa de crecimiento interanual de la actividad mensual en los seis primeros meses de 2020):
  - Rigor: -0.264***, -0.231***, -0.348***, -0.336*** en distintas especificaciones.
  - Nuevas muertes: -18.881***, -16.586***, -16.884***.
  - Nuevas muertes*T: 3.291***, 2.791***, 2.835***.
  - Rigor*T: 0.023**, 0.023**.
  - Observaciones: 61, 57, 57, 57 según columnas; R² entre 0.701 y 0.809; R² ajustado entre 0.592 y 0.710.

### Movilidad: ¿políticas públicas o cambios de comportamiento?
- Ventajas de usar datos de movilidad:
  - Disponibilidad diaria, rezagos cortos y cobertura subnacional; buena proxy de actividad económica.
- Vínculo observado en 1S 2020:
  - Reducción de la movilidad estrechamente ligada a la caída de la actividad económica.
- Dificultad de identificación:
  - Tanto confinamientos como el componente de comportamiento (miedo) influyeron en la caída de la movilidad; la regresión de diferencias entre países no zanja la causalidad.
  - La cifra de muertes era baja cuando ALC se confinó, pero el temor probablemente elevado.
- Resultados de regresiones dentro de países (Argentina y Perú; movilidad semanal por región):
  - Las regiones con más muertes diarias por millón tenían niveles más bajos de movilidad.
  - El coeficiente de la interacción de un índice de tiempo con las muertes diarias es positivo, implicando que el impacto de las nuevas muertes sobre la movilidad se redujo con el tiempo.
  - El rigor de aislamiento es altamente significativo en reducir movilidad, pero su impacto también disminuye con el tiempo (coeficiente de interacción de rigor con tiempo positivo y altamente significativo).
- Coeficientes resumen (Modelos por país):
  - Perú / Argentina ejemplos:
    - Nuevas muertes (con rezago): -0.74***; -3.06***; -1.01***; -0.53*** (varias especificaciones).
    - Nuevas muertes (con rezago) * T: 0.19***; 0.09***; 0.02*; 1.25*** en distintas especificaciones.
    - Rigor de aislamiento: -0.84***; -0.88***; -0.70***; -0.86***.
    - Rigor de aislamiento * T: 0.01***; 0.02***.
  - Observaciones por modelo entre 608 y 648; R² ajustado varía ampliamente según especificación (ej.: 0.89, 0.90, 0.74, 0.91 en distintos modelos y países).

### Reaperturas, movilidad y actividad
- Relajación gradual de medidas en ALC, pero mantienen niveles de rigor altos en la mayor parte de la región; Caribe es la única región con descenso notable del rigor.
- Ejemplos de repuntes y magnitudes:
  - Brasil a mediados de agosto: el índice de rigor se situaba 17 puntos por debajo de su máximo; la desviación de la movilidad respecto al escenario base era 35 puntos porcentuales más baja que en su nivel más alto.
  - Para una muestra de 17 países de ALC:
    - Movilidad media se recuperó de -60 por ciento (en términos interanuales) en abril hasta -44 por ciento (en términos interanuales) en junio.
    - La contracción económica media se redujo de -20 por ciento a -   10 por ciento (en términos interanuales).
- Contrapartida de reaperturas:
  - Repunte de nuevas muertes por COVID-19 asociado a la mayor movilidad, generando disyuntivas difíciles para las autoridades.
  - Países que reabrieron vieron rebrotes (ejemplos en texto: Argentina, Colombia, Paraguay, Costa Rica, Suriname; menciona también Estados Unidos e Indonesia como casos fuera de ALC).

*Fuente: Cálculos del personal técnico del FMI, “LA COVID-19 EN AMÉRICA LATINA Y EL CARIBE”, Octubre de 2020.*

### conclusiones del informe sobre las perspectivas económicas regionales: Europa de octubre de 2020, el que

### conclusiones del informe sobre las perspectivas económicas regionales: Europa de octubre de 2020, el que

### Resumen de hallazgos principales
- Las medidas de reapertura en Europa propiciaron una recuperación de la movilidad, pero a costa de cierto repunte de las infecciones.
- La región de ALC puede haber sido especialmente vulnerable porque su estrategia de contención se basó principalmente en el rigor y fue deficiente en cuanto a pruebas.
- Las limitaciones de realización de pruebas y el rastreo hacen que la región sea vulnerable a segundas olas de la pandemia.
- Los confinamientos tempranos y rigurosos impuestos en ALC fueron útiles para reducir drásticamente la movilidad y evitar una rápida explosión de contagios que habría saturado la capacidad médica deficiente de la región.
- Sin embargo, los confinamientos no fueron plenamente eficaces para contener la propagación de la pandemia ni la cifra total de muertes: desaceleraron la pandemia, pero no la pararon, y su efectividad se redujo con el paso del tiempo al aumentar la movilidad cuando los nuevos casos y las nuevas muertes todavía iban al alza, generando un patrón de muertes de «combustión lenta» que en determinados casos se tradujo en una cifra total de muertes que supera la de países con una rápida explosión inicial (como España e Italia).

### Pruebas, subestimación de casos y exceso de mortalidad
- La limitada capacidad de realización de pruebas en ALC ha sido muy inferior a la de otras regiones.
- Relación casos positivos/número de pruebas:
  - En Estados Unidos, Asia, OMNA y Europa: por debajo de 20 por ciento.
  - En ALC: entre 50 por ciento y 100 por ciento.
- La escasez de pruebas afecta especialmente a México, Perú, Ecuador, Argentina y Bolivia; Chile es el único país que parece haber desarrollado una capacidad de realización de pruebas apropiada.
- Subestimación de muertes:
  - En Perú, el «exceso de mortalidad» casi ha triplicado el número de muertes por COVID-19 registradas oficialmente.
  - En México, el exceso de mortalidad al final de julio era prácticamente el triple de la cifra oficial de fallecimientos por COVID-19.
  - En Brasil y Chile, el exceso de mortalidad se aproxima al recuento oficial de muertes por COVID-19.
- Conclusión estadística: la suma de casos y muertes no incluidos en los registros oficiales apunta a un impacto en la salud en ALC aún más significativo que lo que indican las cifras oficiales.

### Factores estructurales y de política que explican la elevada mortalidad
- Factores identificados como contribuyentes probables a la ineficacia de los confinamientos y a la elevada cifra total de muertes:
  - Alto nivel de informalidad.
  - Elevados índices de pobreza.
  - Condiciones de vida en zonas urbanas densamente pobladas.
  - Capacidad insuficiente de los sistemas sanitarios.
  - Escasa efectividad de los gobiernos y su incapacidad para reforzar sistemas de pruebas y de rastreo.
  - Falta de recursos fiscales en determinados casos.
- La significativa incidencia económica de la pandemia en ALC es consecuencia de las políticas de los gobiernos (confinamientos) y de los cambios de comportamiento, aunque el efecto de ambos factores ha disminuido con el tiempo.

### Efectividad de las medidas de contención: el papel de la informalidad y la efectividad gubernamental
- Resultados de estimaciones con método de proyección local:
  - En países con informalidad baja: reducción progresiva de los casos totales hasta aproximadamente 70 por ciento del escenario base 30 días después de introducir medidas más rigurosas de contención.
  - En países con alta informalidad: no se experimenta reducción de los casos totales respecto a los niveles del escenario base.
  - En países con alta efectividad gubernamental: los casos se sitúan 65 por ciento por debajo de los niveles del escenario base 30 días después del aumento del rigor de las medidas de contención.
  - En países con baja efectividad gubernamental: la incidencia no se distingue de cero en términos estadísticos.
- Interpretación: resulta complejo «aplanar la curva» en países con elevada informalidad y baja efectividad gubernamental.

### Determinantes estructurales de las muertes totales per cápita (resultados de regresiones)
- A nivel de países:
  - La mejor especificación explica cerca del 30 por ciento de la variación cuando se añade una variable ficticia de ALC.
  - Variables no significativas incluyeron: relación comercio/PIB; latitud geográfica; densidad poblacional; porcentaje de población urbana; número de ciudades >1 millón; tasa de mortalidad total en 2018; prevalencia de diabetes; índice de efectividad gubernamental (y corrupción); confianza social (World Value Survey).
  - Hallazgos cuantitativos:
    - Mediana regional de camas de hospital por 10.000 habitantes: 1,5.
    - Argentina: 5 camas por 10.000 habitantes.
    - Disponer de 5 camas por 10.000 habitantes en vez de 1,5 supone una diferencia en el número total de muertes de aproximadamente 50 por millón tras 150 días.
    - Mediana regional del porcentaje de población >70 años: 4,5 por ciento.
    - Uruguay: 10 por ciento.
    - Si las demás condiciones no varían, la diferencia entre 4,5 por ciento y 10 por ciento supondría 85 muertes más por millón de habitantes.
  - Observación: el término de error del país es bastante grande, lo que indica que otras variables de país (posiblemente no observables) revisten importancia.
- A nivel de municipalidades:
  - Muestra de más de 1.000 municipalidades; ~45 por ciento en ALC.
  - Variables significativas: densidad poblacional y latitud geográfica.
  - Ejemplo cuantitativo: diferencia de densidad entre Cuajimalpa de Morelos (2.322 habitantes por km2) y la municipalidad de Sao Paulo (7.940 habitantes por km2) explica 202 muertes por millón de habitantes.
- A nivel de estados:
  - Conclusiones similares a las municipales, aunque la calidad de las estimaciones es menor; la estructura de población tiene signo correcto pero no siempre significación estadística.

### Recomendaciones y lecciones de política
- Las autoridades deben aprovechar el período de confinamiento para preparar una reapertura segura; varios países de ALC no lo hicieron adecuadamente.
- Prioridades de política identificadas en el diagnóstico:
  - Aumentar la capacidad de realización de pruebas.
  - Fortalecer el rastreo de contactos.
  - Mejorar la efectividad gubernamental para que las medidas de contención sean más efectivas.
  - Considerar el alto grado de informalidad y las limitaciones fiscales al diseñar medidas de apoyo que permitan mantener el cumplimiento de confinamientos sin forzar la actividad económica de los hogares de bajos ingresos.
- Advertencia práctica: ALC sigue siendo vulnerable a un aumento de contagios si la reapertura se hace demasiado deprisa, debido a la persistencia de factores estructurales y la debilidad de las políticas públicas.

*Fondo Monetario Internacional | Octubre de 2020*

---


_Source: https://www.imf.org/-/media/files/publications/reo/whd/2020/oct/spanish/covid-spa.pdf_