COVID-19 EN RELACION A LA MOVILIDAD URBANA Y CALIDAD DEL AIRE - MEXICO

Introducción

El desarrollo del coronavirus alrededor del territorio mexicano durante el tiempo que llevamos de pandemia ha sido bastante peculiar, bastantes picos en el crecimiento de los casos confirmados y una gran cantidad de altas y bajas en la cantidad de decesos ocasionados por este virus. Al pensar en COVID-19 como una enfermedad mortal de la cual te puedes contagiar o tu contagiar por el simple contacto social que tengas con cualquier persona, pero ¿será ese el único factor que influye en la cantidad de contagios que hay en el país? ¿solo el contacto social?, si bien podemos confirmar que es el principal factor de contagio no podemos decir que sea el único, es claro que existen gran cantidad de factores que manipulan este dato.

En esta extensión de caso de estudio sobre el caso práctico anterior de COVID-19 en México realizaremos un análisis más extenso sobre los números de casos confirmados de COVID-19 en el país, pero ahora en relación con ciertos datos de contaminación atmosférica y de movilidad urbana, esto para llegar a una conclusión sobre qué efecto tiene la movilidad urbana sobre el aumento de contagios de COVID-19 y la calidad del aire, las principales razones por las cuales los números de casos confirmados se incrementan en relación a estos datos y ¿qué variables de movilidad urbana afectan más a la alza o baja de contagios de COVID?.

Análisis de series de tiempo

  • Para este análisis de series tiempo utilizaremos los siguientes datos:

  • Datos de Contaminantes atmosféricos (O3, SO2, PM10) ERNO UNAM

  • _Datos de movilidad urbana - https://www.google.com/covid19/mobility/?hl=es_

  • Datos de COVID en Mexico

  • Importamos los datos

setwd("~/ESTADISTICA")
library(readr)
Concentracion_Mov2 <- read_csv("Concentracion_Mov2.csv")
## Rows: 447 Columns: 11
## -- Column specification --------------------------------------------------------
## Delimiter: ","
## chr  (1): Fecha
## dbl (10): O3, SO2, PM10, Reactivacion_Comercial, Supermercado_Farmacia, Parq...
## 
## i Use `spec()` to retrieve the full column specification for this data.
## i Specify the column types or set `show_col_types = FALSE` to quiet this message.
View(Concentracion_Mov2)
  • Para tratar este vector numérico como una serie de tiempo, se utilizará el comando ts (time-series objects).
Concentracion_Mov3.ts<-ts(Concentracion_Mov2[,"covid"],start=c(2020,45),frequency=365) # Grafica de casos confirmados de COVID.
Concentracion_Mov2.ts<-ts(Concentracion_Mov2[,2:11],start=c(2020,45),frequency=365) 
# Serie de tiempo de cada una de las variables atmosféricas y de movilidad urbana.
  • Ahora que la variable es un objeto orientado a tiempo, se puede hacer una gráfica en la cual se entienda la periodicidad de los aumentos del consumo de gas.
plot(Concentracion_Mov2.ts)

  • Grafica 1.0 - Serie de tiempo de todas las variables.

En este conjunto de graficas muestra la evolución de las variables desde que comenzó la pandemia, esto con la finalidad de que se relacionar los picos de crecimiento de cada una de las variables con respecto a los picos de contagios de COVID-19 y forjar una idea de los factores que influyen más o influyen menos en los contagios, que picos de cada variable coincide con los picos del coronavirus con respecto a la fecha en la que se registra el incremento dentro de la serie de tiempo.

plot(Concentracion_Mov3.ts)

  • Grafica 1.1 - Casos confirmados de COVID-19 en Mexico.

En esta grafica se recalca más los picos de COVID-19 haciendo énfasis en esa grafica en específico para alcanzar a apreciar los lapsos en los que se generan los picos de manera detallada.

Análisis de correlación de todas las variables

Matriz de diagramas de dispersión

pairs (Concentracion_Mov2.ts)

  • Matriz 1.0

En esta matriz de diagrama de dispersión se pueden apreciar que tan dispersos son los datos cuando correlacionamos, con esta matriz podemos ver que entre más correlacionados se encuentren los datos, menos dispersión tienen estos, si la correlación que hay entre los datos es positiva y muy alta, de resultado tendremos una relación lineal entre ambos datos y por ende una gráfica con los datos muy juntos formando una línea recta que tiende hacia arriba como lo es el caso de la correlación que existe entre la reactivación comercial con respecto a los mercados, farmacias, el tránsito o los parques y centros, en caso de que se trate de una correlación negativa, nuestras 2 variables estarán asociadas en sentido inverso por lo que tendremos igual una gráfica con los datos igual de juntos pero formando una línea recta que tiende hacia abajo, esto significa que cuando los datos de una de las 2 variables aumenta, los datos de la segunda variable disminuyen como lo es el caso de la correlación de los datos de residencia, y cuando los datos de ambas variables se encuentran muy dispersos significa que no hay como tal una relación lineal entre ellos por lo que no se sabe que tanto tienen que ver ambas variables estando correlacionadas como lo es el caso de los datos de so2(dióxido de azufre) con los datos de los lugares de trabajo por ejemplo. en palabras más sencillas, si hay una relación lineal positiva entre 2 variables significa que ambas variables tienen mucho que ver entre sí, si hay una relación lineal negativa significa que no tienen mucho que ver, y si no hay una relación lineal significa que es impredecible saber que tanto tienen que ver las 2 variables entre sí.

Matriz de correlaciones

“La matriz de correlación muestra los valores de correlación de Pearson, que miden el grado de relación lineal entre cada par de elementos o variables. Los valores de correlación se pueden ubicar entre -1 y +1”.

cor(Concentracion_Mov2.ts)
##                                 O3         SO2        PM10
## O3                      1.00000000 -0.22046192 -0.22904955
## SO2                    -0.22046192  1.00000000  0.61169793
## PM10                   -0.22904955  0.61169793  1.00000000
## Reactivacion_Comercial -0.19313979  0.40436153  0.28084230
## Supermercado_Farmacia  -0.04677236  0.44278531  0.28031731
## Parques_Centros        -0.18201172  0.01908292  0.06546006
## Estaciones_Transito    -0.17411523  0.39928523  0.26992440
## Lugares_Trabajo        -0.11913738  0.13779670  0.09976078
## Residencia              0.13008239 -0.37100732 -0.23779333
## covid                  -0.38959782  0.48200948  0.31040540
##                        Reactivacion_Comercial Supermercado_Farmacia
## O3                                -0.19313979          -0.046772356
## SO2                                0.40436153           0.442785305
## PM10                               0.28084230           0.280317306
## Reactivacion_Comercial             1.00000000           0.874966807
## Supermercado_Farmacia              0.87496681           1.000000000
## Parques_Centros                    0.81377389           0.655413977
## Estaciones_Transito                0.94440046           0.872197866
## Lugares_Trabajo                    0.58099030           0.492416003
## Residencia                        -0.84203106          -0.729294678
## covid                              0.01805416          -0.006328053
##                        Parques_Centros Estaciones_Transito Lugares_Trabajo
## O3                         -0.18201172          -0.1741152     -0.11913738
## SO2                         0.01908292           0.3992852      0.13779670
## PM10                        0.06546006           0.2699244      0.09976078
## Reactivacion_Comercial      0.81377389           0.9444005      0.58099030
## Supermercado_Farmacia       0.65541398           0.8721979      0.49241600
## Parques_Centros             1.00000000           0.7703343      0.37121486
## Estaciones_Transito         0.77033431           1.0000000      0.47409617
## Lugares_Trabajo             0.37121486           0.4740962      1.00000000
## Residencia                 -0.61722623          -0.7576539     -0.85264903
## covid                      -0.20863439           0.0777640     -0.27360287
##                        Residencia        covid
## O3                      0.1300824 -0.389597825
## SO2                    -0.3710073  0.482009481
## PM10                   -0.2377933  0.310405396
## Reactivacion_Comercial -0.8420311  0.018054165
## Supermercado_Farmacia  -0.7292947 -0.006328053
## Parques_Centros        -0.6172262 -0.208634385
## Estaciones_Transito    -0.7576539  0.077764000
## Lugares_Trabajo        -0.8526490 -0.273602875
## Residencia              1.0000000  0.182802493
## covid                   0.1828025  1.000000000
  • Matriz 1.1

En esta matriz se puede ver como se correlacionan los datos y que tanto impacto tienen unos con otros entre sí, si la correlación que hay entre 2 datos es menor a 0 significa que tienen una correlación negativa (que cuando uno de los datos aumenta, el otro disminuye) y si la correlación es mayor a 0 significa que tienen una correlación positiva (o ambos aumentan o ambos disminuyen), sabiendo esto podemos ver que la reactivación comercial está muy asociado a las estaciones de transito al igual que con los supermercados y farmacias, incluso los parques y centros también se asocian, esto debido a que una reactivación comercial implica el volver a abrir las farmacias, los mercados, etc… sin embargo estos no se encuentran para nada asociados hacia las residencias, porque estas no son involucradas en la reactivación comercial.

Incógnitas emergentes

  • ¿Qué variable de movilidad urbana aumenta más los casos de covid?

Con la información proporcionada se entiende que los supermercados_Farmacia, hacen que los casos de covid aumenten y disminuyan de una manera significativa, tendiendo por mayoría a aumentar, esto se debe a la concurrencia de personas que ingresan a los mismos, se comparten los carros de supermercado y muchas veces como se recuerda que al inicio de la pandemia solo podía ingresar un integrante por familia al supermercado, muchas personas lo que hacían era entrar individualmente, iban con su pareja y al momento de entrar, ingresaban como si vinieran separados, generando así, mayor riesgo de contagio, sumándole que mucha gente en los estacionamientos se quita el cubre bocas o incluso dentro del lugar, al estar comiendo nieve, etcétera.

  • ¿Qué variable de movilidad urbana aumenta o disminuye más los contaminantes?

O3, aumenta y a su vez disminuye de manera significativa, el O3 (Ozono, consiste en tres átomos de oxígeno), en concentraciones elevadas puede causar problemas respiratorios y exacerbación del asma (la exacerbación se entiende como el aumento de la duración de un síntoma o de alguna enfermedad.), puede causar ligeras irritaciones en las mucosas oculares y del sistema respiratorio, provocando a su vez tos y sequedad de garganta.

El PM10 sigue despues de el O3 con aumentos y decrementos significativos, el PM10 causa numerosas enfermedades respiratorias, problemas cardiovasculares, y cánceres de pulmón. Por otro lado, los estudios sobre efectos a largo plazo han estimado que la exposición a partículas en suspensión puede reducir la esperanza de vida entre varios meses y dos años.

Fuente: \(https://www.ecologistasenaccion.org/5686/particulas-en-suspension-pm10/\)

Conclusiones

  • Conclusion general:

Basándonos en los analizado en este caso y en los datos que arrojaron las series de tiempo de cada variables de movilidad de calidad del aire podemos concluir que los lugares en los que hay más contacto con objetos y que son de uso público pueden multiplicar los riesgos de contagios de coronavirus, zonas como el supermercado, donde todas las personas tienen que ir casi de manera necesaria para poder abastecerse de alimentos u otros artículos personales que además el contacto con los productos se tiene que volver una actividad milimétrica porque no se sabe con qué o quién ha tenido contacto dicho producto, es por eso que ese tipo de ubicaciones se vuelven el epicentro de los picos de contagios. Por otra parte, la calidad del aire se ve afectada por la contaminación y por ende los factores atmosféricos fluctúan de manera notoria, variables como el O3 aumenta y disminuye generando consecuencias para nosotros que a su vez son algo clave para tener más riesgo de contagiarnos, estas variaciones en la normalidad atmosférica pueden ocasionarnos problemas respiratorios que después se vuelve un factor de riesgo para contraer COVID-19. Hay que decir que la calidad del aire es sumamente importante para la salud de los humanos y ahora que esta este virus tenemos que voltear a ver ese tipo de problemas para tratar de contrarrestar esas fluctuaciones en la atmosfera que tanto daño nos causa, también hay que tener más precauciones cuando estamos en áreas publicas donde una gran cantidad de personas tienen contacto entre ellos y con el entorno, entorno que se puede volver el punto de inflexión entre el contagio del virus y nuestra salud.

  • Conclusion individual: