Estudiantes: Pablo Andres Cobo Bravo & Santiago Guevara Jaramillo
RESUMEN EJECUTIVO
El análisis de la ECV 2025 encontró una asociación entre los ingresos laborales y la salud general percibida de la población ocupada mayor de 18 años. Esta relación se mantuvo al considerar la edad y la afiliación al sistema de salud, aunque su capacidad explicativa fue limitada. La edad se relacionó con una peor percepción de salud, mientras que la diferencia asociada con la afiliación fue pequeña. Los resultados deben interpretarse con cautela debido a las limitaciones del modelo y a los supuestos estadísticos que no se cumplieron.
01 · PREGUNTA Y ENFOQUE
¿En qué medida el nivel de ingresos laborales y la afiliación a una entidad de seguridad social en salud se asocian con el estado de salud general percibido de la población ocupada mayor de 18 años en Colombia durante 2025?
Esta pregunta es relevante porque las condiciones económicas y el acceso al sistema de salud pueden estar relacionados con las condiciones de vida y la manera en que las personas valoran su propio estado de salud. Los ingresos laborales pueden reflejar diferencias en los recursos disponibles para satisfacer necesidades básicas, mientras que la afiliación al sistema de salud permite aproximarse a las condiciones de vinculación al sistema de protección en salud.
El análisis busca identificar asociaciones entre estas variables, sin asumir que alguna de ellas causa directamente una mejor o peor percepción de la salud.
Expectativa inicial. Se espera encontrar una asociación positiva entre los ingresos laborales y la salud percibida, de manera que las personas con mayores ingresos tiendan a reportar un mejor estado de salud. Asimismo, se espera que las personas afiliadas al sistema de salud presenten una percepción más favorable de su estado de salud que aquellas no afiliadas.
02 · DATOS Y PREPARACIÓN
Para el desarrollo de este análisis se utilizó la base de datos de la Encuesta Nacional de Calidad de Vida (ECV) 2025, producida por el Departamento Administrativo Nacional de Estadística (DANE). La unidad de análisis es la persona y el estudio se concentra en la población ocupada mayor de 18 años en Colombia durante 2025.
A partir de la base original, se seleccionaron las variables necesarias para responder la pregunta de investigación y se asignaron nombres descriptivos para facilitar la lectura del código y la reproducibilidad del procedimiento. Se conservaron los identificadores de persona (DIRECTORIO, SECUENCIA_P y ORDEN), así como la edad (P6040), los ingresos laborales (P8624), la afiliación al sistema de salud (P6090) y el estado de salud percibido (P6127).
Delimitación de la población de estudio
Se incluyeron las personas mayores de 18 años que cumplieran al menos una de las condiciones definidas a partir de las variables de actividad laboral de la encuesta (P6240, P6250, P6260 y P6270). Este procedimiento permitió obtener una base de análisis de 102.908 personas.
Los identificadores se conservaron para reconocer a cada persona y permitir la incorporación de información adicional desde la base original, evitando perder la correspondencia entre registros.
Revisión y construcción de la variable de ingresos laborales
Durante la revisión de los ingresos laborales, se identificó que la
variable ingresos_laborales, correspondiente al ingreso
recibido en el empleo antes de descuentos, presentaba una proporción
considerable de datos faltantes: 66.023 personas (64,16 % de la
población seleccionada).
Por esta razón, se revisó la variable
posicion_ocupacional para determinar si era posible
complementar la información con la variable
ingreso_independiente, que registra la ganancia neta o los
honorarios netos obtenidos durante el mes anterior.
La revisión permitió identificar que las variables de ingreso correspondían a diferentes grupos ocupacionales. La variable ingresos_laborales contenía información para obreros o empleados de empresas particulares, empleados del gobierno, empleados domésticos y jornaleros o peones. Por su parte, ingreso_independiente registraba información para profesionales independientes, trabajadores por cuenta propia, patrones o empleadores y trabajadores de fincas, tierras o parcelas.
A partir de esta distinción, se construyó la variable ingresos_unificados, que integra los valores de ambas variables según la posición ocupacional de cada persona. De esta manera, se amplió la disponibilidad de información sobre los ingresos mensuales.
Sin embargo, es importante señalar que ambas variables no miden exactamente lo mismo. Mientras ingresos_laborales registra ingresos antes de descuentos, ingreso_independiente recoge ganancias netas u honorarios netos. Por ello, ingresos_unificados se utiliza como una medida operativa de los ingresos laborales mensuales, reconociendo esta diferencia como una limitación metodológica al interpretar los resultados.
03 · ESTADÍSTICAS DESCRIPTIVAS
| variable | casos_validos | faltantes | media | mediana | desviacion_estandar | minimo | maximo | RIC |
|---|---|---|---|---|---|---|---|---|
| Edad (años) | 102908 | 0 | 43.41 | 42 | 14.79 | 19 | 9.9e+01 | 24 |
| Ingresos mensuales (COP) | 101889 | 1019 | 1394697.17 | 1000000 | 2028763.02 | 0 | 2.5e+08 | 1100000 |
Edad. La muestra está compuesta por 102.908 personas, sin datos faltantes en esta variable. La edad promedio es de 43,41 años y la mediana es de 42 años. Las edades van de los 19 a los 99 años, con una desviación estándar de 14,79 años. Estos resultados muestran que la muestra incluye personas adultas de diferentes edades.
Ingresos laborales. Se construyó la variable ingresos_unificados combinando los ingresos laborales de los trabajadores asalariados con las ganancias netas de los trabajadores independientes y otras posiciones ocupacionales. La media mensual es de $1.394.697 COP y la mediana es de $1.000.000 COP. Como la media supera la mediana, es posible que algunos ingresos elevados estén aumentando el promedio. Además, los ingresos van de $0 a $250.000.000 COP, por lo que conviene revisar los valores más altos para comprobar que sean correctos.
Datos faltantes. La variable de ingresos tiene 1.019 datos faltantes, equivalentes al 0,99 % de la muestra. Estos corresponden a 822 trabajadores sin remuneración y 197 ayudantes sin remuneración. Los casos se dejaron como faltantes y no se reemplazaron por cero, pues no contar con un ingreso registrado no significa necesariamente que la persona no reciba ningún ingreso.
| Estado de salud | Frecuencia | Porcentaje (%) |
|---|---|---|
| Muy bueno | 15517 | 15.08 |
| Bueno | 74412 | 72.31 |
| Regular | 12516 | 12.16 |
| Malo | 463 | 0.45 |
Salud general percibida. La mayoría de las personas reporta tener una salud buena (72,31 %), seguida de quienes la consideran muy buena (15,08 %). Por otro lado, el 12,16 % califica su salud como regular y menos del 1 % como mala (0,45 %). En general, la percepción de salud es positiva en la población analizada.
| Afiliación a salud | Frecuencia | Porcentaje (%) |
|---|---|---|
| Sí | 99905 | 97.08 |
| No | 2802 | 2.72 |
| No sabe / no informa | 201 | 0.20 |
Afiliación al sistema de salud. El 97,08 % de las personas reporta estar afiliada a una entidad de seguridad social en salud, mientras que el 2,72 % indica no estarlo. Un 0,20 % no sabe o no informa sobre su afiliación. Esto muestra que la gran mayoría de la población analizada reporta tener afiliación al sistema de salud.
04 · VISUALIZACIÓN
Gráfico 1. Distribución de la variable dependiente
Gráfico 2. Relación entre ingresos y salud percibida
Gráfico 3. Salud percibida según afiliación
El gráfico de barras apiladas al 100% permite comparar las proporciones de salud entre quienes están afiliados y quienes no. A nivel descriptivo visual, la distribución interna entre ambas barras es muy semejante (prevaleciendo el estado “Bueno”).
Aunque visualmente las diferencias porcentuales brutas parecen pequeñas a nivel descriptivo, será fundamental evaluar en el modelo múltiple si la afiliación gana significancia estadística una vez que se controle por el nivel de ingresos y otras variables socioeconómicas.
05 · CORRELACCIONES
Para explorar la relación entre los ingresos laborales y el estado de salud percibido, se estimaron dos modelos de regresión lineal. El primero examina la asociación entre los ingresos y la salud percibida; el segundo incorpora la afiliación al sistema de salud y la edad, con el propósito de considerar otras características que también podrían estar relacionadas con la percepción de salud.
La variable dependiente corresponde a una escala de salud percibida de 1 a 4, donde 1 representa un estado de salud muy bueno y 4 uno malo. Por tanto, los coeficientes negativos indican una asociación con una percepción más favorable de la salud, mientras que los positivos indican una asociación con una percepción menos favorable. Los ingresos se expresan en millones de pesos colombianos para facilitar la interpretación de los coeficientes.
El modelo simple permite examinar si los ingresos laborales se relacionan con la percepción del estado general de salud, sin incorporar otras variables explicativas.
##
## Call:
## lm(formula = salud_numerica ~ ingresos_millones, data = base_modelos)
##
## Residuals:
## Min 1Q Median 3Q Max
## -1.0111 -0.0042 0.0119 0.0349 5.7321
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 2.0110815 0.0020389 986.38 <2e-16 ***
## ingresos_millones -0.0229725 0.0008276 -27.76 <2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.5358 on 101688 degrees of freedom
## Multiple R-squared: 0.007521, Adjusted R-squared: 0.007511
## F-statistic: 770.6 on 1 and 101688 DF, p-value: < 2.2e-16
Los resultados muestran una asociación negativa y estadísticamente significativa entre los ingresos y la puntuación de salud percibida ((\beta=-0,02297); (p<0,001)). En promedio, un aumento de un millón de pesos en los ingresos se asocia con una disminución de aproximadamente 0,023 puntos en la escala. Esto indica una relación entre mayores ingresos y una percepción más favorable de la salud.
Sin embargo, el modelo presenta un (R^2=0,0075), lo que significa que
los ingresos explican aproximadamente el 0,75 % de la variación
observada en la puntuación de salud percibida.
Por tanto, aunque la asociación es estadísticamente significativa, su capacidad explicativa por sí sola es limitada.
El segundo modelo incorpora la afiliación al sistema de salud y la edad. La afiliación permite comparar a las personas afiliadas y no afiliadas, mientras que la edad se incluye porque la percepción del estado de salud puede variar a lo largo del ciclo de vida
##
## Call:
## lm(formula = salud_numerica ~ ingresos_millones + afiliacion_salud +
## edad, data = base_modelos)
##
## Residuals:
## Min 1Q Median 3Q Max
## -1.4323 -0.1319 0.0328 0.1594 5.1641
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1.6316545 0.0052486 310.872 <2e-16 ***
## ingresos_millones -0.0213406 0.0008039 -26.547 <2e-16 ***
## afiliacion_saludNo -0.0220250 0.0100206 -2.198 0.028 *
## edad 0.0087005 0.0001107 78.621 <2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.5201 on 101686 degrees of freedom
## Multiple R-squared: 0.06479, Adjusted R-squared: 0.06476
## F-statistic: 2348 on 3 and 101686 DF, p-value: < 2.2e-16
Los resultados muestran que la asociación entre ingresos y salud percibida se mantiene al incorporar las otras variables ((\beta=-0,02134); (p<0,001)). Por cada millón de pesos adicionales, la puntuación estimada disminuye aproximadamente 0,021 puntos, manteniendo constantes la edad y la afiliación.
La edad presenta una asociación positiva y estadísticamente significativa ((\beta=0,00870); (p<0,001)). Esto significa que cada año adicional se asocia con un aumento de aproximadamente 0,009 puntos en la puntuación de salud percibida, manteniendo constantes las demás variables. En consecuencia, una mayor edad se relaciona con una percepción menos favorable de la salud.
Por su parte, el coeficiente de las personas no afiliadas es negativo ((\beta=-0,02203); (p=0,028)). En comparación con las personas afiliadas, las no afiliadas presentan una puntuación estimada ligeramente menor, manteniendo constantes los ingresos y la edad. Aunque esta asociación es estadísticamente significativa al nivel del 5 %, su magnitud es pequeña y no permite concluir que la falta de afiliación produzca una mejor percepción de salud.
| Modelo | Observaciones | R² | R² ajustado | Error residual | Estadístico F | Valor p global |
|---|---|---|---|---|---|---|
| Modelo simple | 101690 | 0.0075 | 0.0075 | 0.5358 | 770.5907 | 0 |
| Modelo múltiple | 101690 | 0.0648 | 0.0648 | 0.5201 | 2348.1621 | 0 |
El modelo simple presenta un (R^2) de 0,0075, mientras que el modelo múltiple alcanza un valor de 0,0648. Esto representa un aumento de aproximadamente 5,73 puntos porcentuales en la proporción de variación explicada al incorporar la edad y la afiliación al sistema de salud. Asimismo, el error estándar residual disminuye de 0,5358 a 0,5201.
Ambos modelos son globalmente significativos ((p<0,001)). No obstante, el modelo múltiple presenta un mejor ajuste y una mayor capacidad explicativa que el simple. Aun así, explica alrededor del 6,48 % de la variación observada, por lo que la mayor parte de las diferencias en la percepción de salud permanece sin explicar mediante las variables incluidas
| Modelo | Variable | Coeficiente | Error estándar | Valor t | Valor p |
|---|---|---|---|---|---|
| Modelo simple | Intercepto | 2.0111 | 0.0020 | 986.3795 | < 0,001 |
| Modelo simple | Ingresos (millones de COP) | -0.0230 | 0.0008 | -27.7595 | < 0,001 |
| Modelo múltiple | Intercepto | 1.6317 | 0.0052 | 310.8717 | < 0,001 |
| Modelo múltiple | Ingresos (millones de COP) | -0.0213 | 0.0008 | -26.5469 | < 0,001 |
| Modelo múltiple | No afiliado/a | -0.0220 | 0.0100 | -2.1980 | 0,028 |
| Modelo múltiple | Edad (años) | 0.0087 | 0.0001 | 78.6206 | < 0,001 |
Los resultados muestran que una asociación estadísticamente significativa no necesariamente representa una diferencia de gran magnitud. Aunque los coeficientes de ingresos y edad presentan valores p inferiores a 0,001, sus magnitudes son pequeñas en la escala de salud percibida. La asociación con la afiliación también es pequeña, pese a alcanzar significancia estadística al nivel del 5 %.
En conjunto, los modelos muestran una asociación entre mayores ingresos laborales y una percepción más favorable de la salud, así como una asociación entre mayor edad y una percepción menos favorable. Sin embargo, estos resultados no deben interpretarse como relaciones causales. Además, dado que la salud percibida es una variable ordinal, el uso de regresión lineal supone que las distancias entre sus categorías son equivalentes, por lo que los resultados deben entenderse como una aproximación
06 · Interpretación de los resultados
Los resultados muestran una asociación negativa entre los ingresos laborales y la puntuación de salud percibida, tanto en el modelo simple como en el múltiple. Como una puntuación más baja representa una mejor percepción de salud, los mayores ingresos se relacionan con una valoración más favorable del estado general de salud. Esta asociación invita a considerar que las condiciones económicas pueden formar parte de las experiencias cotidianas desde las cuales las personas evalúan su bienestar. Contar con mayores recursos podría facilitar el acceso a servicios, medicamentos, alimentación adecuada y condiciones de vida más favorables; sin embargo, estos mecanismos no fueron examinados directamente en el modelo y no pueden darse por demostrados a partir de estos resultados.
Al incorporar la edad y la afiliación al sistema de salud, el coeficiente de ingresos pasa de −0,02297 a −0,02134. La asociación conserva su dirección y significancia estadística, aunque su magnitud disminuye ligeramente. Esto sugiere que las diferencias de edad y afiliación incluidas en el análisis no explican por completo la asociación observada entre ingresos y salud percibida. No obstante, la capacidad explicativa del modelo múltiple sigue siendo limitada: las variables consideradas explican aproximadamente el 6,48 % de la variación de la puntuación de salud.
La edad presenta una asociación positiva con la puntuación de salud: por cada año adicional, esta aumenta aproximadamente 0,0087 puntos, manteniendo constantes los ingresos y la afiliación. Este resultado es compatible con una percepción menos favorable de la salud a edades mayores, aunque la edad puede relacionarse con múltiples experiencias y condiciones que el análisis no contempla.
En cuanto a la afiliación, las personas no afiliadas presentan una puntuación estimada 0,022 puntos menor que las afiliadas, manteniendo constantes las otras variables. Aunque la diferencia es estadísticamente significativa al nivel del 5 %, su magnitud es pequeña y no permite concluir que carecer de afiliación favorezca la salud. El resultado también podría estar relacionado con diferencias entre los grupos que el modelo no recoge.
En conjunto, los hallazgos muestran que los ingresos y la edad están asociados con la salud percibida, pero también evidencian que estas variables son insuficientes para comprenderla por sí solas. La percepción de salud se sitúa en un contexto social más amplio, en el que podrían intervenir las condiciones laborales, la educación, el territorio, la estabilidad económica y la presencia de enfermedades. Como estas dimensiones no se incorporaron al modelo, constituyen posibles líneas de investigación y no explicaciones comprobadas por este análisis. Además, los resultados describen asociaciones en la muestra y no permiten establecer causalidad.
| Variable | Modelo simple | Modelo múltiple | Interpretación |
|---|---|---|---|
| Ingresos (por millón de COP) | -0,02297*** | -0,02134*** | Mayores ingresos se asocian con una mejor percepción de salud |
| No afiliado/a (ref.: afiliado/a) | — | -0,02203* | Diferencia pequeña frente a las personas afiliadas |
| Edad (por año) | — | 0,00870*** | Mayor edad se asocia con una percepción menos favorable |
| R² | 0,0075 | 0,0648 | El modelo múltiple explica una mayor proporción de la variación |
07 · Verificación de supuestos
El modelo múltiple permite examinar la asociación entre los ingresos laborales, la afiliación al sistema de salud y la edad con la salud percibida. Sin embargo, antes de interpretar sus coeficientes, es necesario evaluar si los residuos presentan patrones que puedan afectar la validez de las inferencias estadísticas.
La verificación se realiza mediante gráficos y pruebas estadísticas complementarias. Ninguna prueba aislada garantiza que todos los supuestos se cumplan; por ello, los resultados se interpretarán conjuntamente y se identificarán las limitaciones que deban tenerse en cuenta al presentar las conclusiones
##
## Shapiro-Wilk normality test
##
## data: residuos_muestra
## W = 0.89768, p-value < 2.2e-16
##
## studentized Breusch-Pagan test
##
## data: modelo_multiple
## BP = 1838, df = 3, p-value < 2.2e-16
##
## Durbin-Watson test
##
## data: modelo_multiple
## DW = 1.5819, p-value < 2.2e-16
## alternative hypothesis: true autocorrelation is greater than 0
## ingresos_millones afiliacion_salud edad
## 1.001371 1.003935 1.004046
08 · Análisis de supuestos
Heteroscedasticidad: Confirmada por la prueba de Breusch-Pagan (p<2.2×10−16p<2.2×10−16) y el gráfico de residuos, lo que muestra que la dispersión de los errores no es constante a lo largo de los valores ajustados.
No normalidad: Avalada por la prueba de Shapiro-Wilk y el gráfico Q-Q, evidenciando colas pesadas y sesgos en los residuos.
No linealidad: Manifestada en el gráfico de residuos frente a valores ajustados, donde la línea de tendencia no es plana en torno a cero, reflejando que la relación matemática lineal no captura perfectamente la estructura de los datos (en gran parte, porque la variable dependiente de salud es de naturaleza ordinal).
Casos atípicos e influyentes: Señalados claramente por la Distancia de Cook (observaciones extremas como la 77946 o 24844), que representan valores atípicos de ingresos o características particulares en la población colombiana.
Los errores estándar y los pp-valores (Inferencia estadística): Debido a la heteroscedasticidad, los errores estándar calculados por el modelo clásico están sesgados. Esto significa que las pruebas de significancia individual (valores tt y pp-valores) pueden no ser confiables, llevando potencialmente a conclusiones erróneas sobre la significancia estadística de los predictores.
La precisión de los coeficientes: La presencia de puntos de alta influencia (identificados en la distancia de Cook) puede arrastrar o distorsionar la pendiente de la línea de regresión, haciendo que los coeficientes estimados reflejen desproporcionadamente a un grupo muy reducido de observaciones extremas en lugar de la tendencia general de la población ocupada.
Ante este diagnóstico y teniendo en cuenta que no se busca un modelo perfecto sino un ejercicio analítico riguroso, la decisión más sensata y defendible desde el punto de vista metodológico combina dos acciones clave:
Revisar la especificación y limitar las conclusiones: Reconocer de manera transparente que hay limitaciones estructurales evidentes debido a la naturaleza de la variable dependiente y al incumplimiento de la homocedasticidad y la normalidad. Por lo tanto, las conclusiones deben limitarse a un carácter exploratorio y descriptivo-asociativo, aclarando que los resultados sugieren tendencias generales pero que se beneficiarían en el futuro de técnicas especializadas (como modelos de regresión ordinal).
Aplicar un análisis de sensibilidad frente a los casos atípicos: Una decisión razonable consiste en documentar la presencia de las observaciones extremas (como la 77946) y realizar un análisis de sensibilidad (es decir, verificar brevemente si el signo o la magnitud de los coeficientes cambian de forma drástica al incluir o excluir dichos puntos). Si los resultados globales se mantienen estables, se fortalece la validez del análisis a pesar de los valores atípicos; si cambian, se discute el peso de la heterogeneidad del mercado laboral colombiano en los extremos de ingreso.
09 · Conclusión
El análisis de la ECV 2025 permitió explorar la asociación entre los ingresos laborales, la afiliación al sistema de salud y la salud general percibida de la población ocupada mayor de 18 años incluida en la muestra. Los resultados muestran una asociación estadísticamente significativa entre los ingresos y la salud percibida. En el modelo simple, un aumento de un millón de pesos en los ingresos mensuales se relacionó con una disminución de 0,023 puntos en la escala de salud, donde los valores más altos representan una peor percepción. Al incorporar la edad y la afiliación al modelo, esta asociación se mantuvo, con un coeficiente de −0,021 puntos. Sin embargo, el modelo simple explicó apenas el 0,75 % de la variación observada, mientras que el modelo múltiple alcanzó un R² de 6,48 %. Esto indica que, aunque se identifican asociaciones, gran parte de las diferencias en la salud percibida no se explican mediante las variables incluidas.
La edad presentó una asociación positiva con la puntuación de salud: por cada año adicional, esta aumentó aproximadamente 0,009 puntos, manteniendo constantes los demás predictores. Por su parte, la falta de afiliación se asoció con una puntuación ligeramente menor que la de las personas afiliadas. Esta diferencia fue estadísticamente significativa, pero pequeña, por lo que no permite concluir que carecer de afiliación favorezca la salud.
Los diagnósticos identificaron heterocedasticidad, desviaciones de la normalidad de los residuos y posibles observaciones influyentes. Además, la naturaleza ordinal de la variable dependiente limita la adecuación de la regresión lineal. Estas condiciones aconsejan interpretar los resultados con cautela y revisar la inferencia mediante errores estándar robustos.
Entre las principales limitaciones se encuentran el uso de una aproximación lineal para una variable ordinal y la posible falta de representatividad poblacional de las estimaciones al no incorporar el diseño muestral de la encuesta. Asimismo, los ingresos laborales se construyeron a partir de variables con criterios de medición diferentes. Como extensión, se propone estimar un modelo de regresión logística ordinal, incorporar los factores de expansión y las características del diseño muestral, y realizar un análisis de sensibilidad frente a las observaciones influyentes. En conjunto, los hallazgos describen asociaciones en la muestra analizada, pero no permiten establecer relaciones causales.
Este análisis presenta tres limitaciones principales:
Primero, la regresión lineal se utilizó para estudiar una variable de salud percibida de naturaleza ordinal, por lo que sería conveniente contrastar los resultados con un modelo de regresión logística ordinal.
Segundo, las pruebas de diagnóstico identificaron heterocedasticidad, desviaciones de la normalidad de los residuos y observaciones potencialmente influyentes, aspectos que requieren cautela al interpretar la significancia estadística.
Finalmente, las variables incluidas explican una proporción limitada de la variación en la salud percibida y no incorporan otras dimensiones sociales relevantes, como las condiciones laborales, el nivel educativo o la presencia de enfermedades. Además, al no incorporar el diseño muestral de la ECV, los resultados deben interpretarse como asociaciones observadas en la muestra analizada, sin generalizarlos automáticamente a toda la población colombiana.