Español (pdf)
Articulo en XML
Referencias del artículo
Traducción automática
Enviar articulo por email
Citado por SciELO 
Similares en
SciELO 
Permalink
PUNTOS CLAVE:
Conocimiento actual
• Existen desigualdades en salud relaciona das con determinantes sociales y territo riales en poblaciones afectadas por CO VID-19. Estudios previos han demostrado la asociación entre condiciones precarias de vivienda, nivel socioeconómico y letalidad. Aunque algunos estudios han abordado la cuestión, aún queda mucho por explorar en cuanto a la vulnerabilidad territorial y su relación con la letalidad por COVID-19.
Contribución del artículo al conocimiento actual
• Este estudio analiza la relación entre la vulnerabilidad territorial y la letalidad por COVID-19 en la ciudad de San Carlos de Bariloche. Se encontró que determinados territorios con peores condiciones socioe conómicas, acceso deficitario a servicios y viviendas precarias tienen mayor letalidad por COVID-19. Estos hallazgos destacan la importancia de considerar la vulnerabilidad territorial en la planificación de medidas de salud pública para reducir las desigual dades en salud en general y en especial durante una pandemia.
Las inequidades sanitarias son las diferen cias sistemáticas observadas en el estado de salud de los distintos grupos de población, con un importante costo social y económico tanto para las personas como para la sociedad1,2. Los factores sociales, como la educación, la situa ción laboral, el nivel de ingresos, el sexo y el origen étnico, tienen una clara influencia en la salud de una persona1,2. En todos los países, ya sean de ingresos bajos, medios o altos, exis ten grandes diferencias en cuanto al estado de salud entre los distintos grupos sociales1,2. Las inequidades sanitarias se podrían reducir con una correcta combinación de políticas públi cas1,2.
La ciudad de San Carlos de Bariloche, en la provincia de Río Negro, Argentina, tiene como principal fuente de ingresos el turismo, que presenta un gradiente económico muy marcado dentro de su territorio, en el contexto de una transformación urbana que, en muchos espa cios, se encuentra en proceso de densificación, con un gradiente de desigualdades estructurales y relaciones con las condiciones de hábitat y vi vienda3-5. Esta ciudad fue particularmente afec tada por la pandemia de coronavirus durante los años 2020 y 2021, con una constante incidencia de casos y mortalidad asociada con la enferme dad por coronavirus6. Los sistemas de informa ción y los análisis de la situación de salud, en ocasiones, no toman en cuenta la evaluación de las desigualdades6. Medir las desigualdades en las condiciones de vida y salud constituye el pri mer paso hacia la identificación de inequidades en el campo de salud7,8.
Abordamos la variabilidad inapropiada en sa lud, la variabilidad geográfica de una selección de determinantes sociales de salud, la geo-co dificación y la asociación a través de un marco analítico adaptado para evaluar inequidades. Esto nos permite ajustar la carga de enferme dad de acuerdo con las desigualdades en salud, particularmente en las poblaciones de radios censales con mayor vulnerabilidad, y predecir la infección por SARS-CoV-2 y la mortalidad por COVID-19. Nuestro objetivo es proporcionar in formación potencialmente importante para los tomadores de decisiones y la gestión estratégica de recursos, contribuyendo así a la formulación y ejecución de políticas públicas adecuadas6.
Materiales y métodos
Estudio ecológico con metodología cuantitativa de di seño descriptivo de tipo transversal.
Población de muestra
Estuvo conformada por todas las personas (niños y adultos), habitantes permanentes (domicilio estable en la ciudad) de la ciudad de San Carlos de Bariloche y que ha yan sido casos positivos (criterio clínico, epidemiológico o de laboratorio) para SARS-CoV-2 durante los años 2020 y 2021, registrados en el Sistema Nacional de Vigilancia Epidemiológica (SNVS). La muestra es no probabilística: 25 386 personas se encuentran registradas en el SNVS con algunos de los criterios diagnósticos, fueron diagnostica dos en la ciudad y residen en forma permanente de ella. Se excluyeron 366 registros por no contarse con la direc ción que permita geo-codificar el registro.
Comité de Ética
El presente estudio presenta la aprobación del Comité de Ética de la Provincia de Río Negro, Argentina.
Variables (Anexo, Tabla 1)
La variable dependiente, es la letalidad (número de muertes por casos por radio censal o por delegación te rritorial) en el período 2020 y 2021, distribuida de acuer do con el radio censal utilizado, como proporción de la población del radio censal, y la proporción de infectados en relación con la proyección poblacional para ese radio correspondiente al año 2020.
Instrumentos y técnicos de medición
Los datos de las personas con COVID-19, fueron re colectados a través de un formulario de reporte epide miológico, que posteriormente fue cargado en el Sistema Nacional de Vigilancia Epidemiológica (SISA/SNVS). La estrategia de recolección de datos se observa en la Tabla 2 del Anexo.
Modelo y extracción de datos
Se seleccionaron de la base de datos del Sistema Na cional de Vigilancia Epidemiológica (SNVS/SISA) todos los casos positivos por algún criterio para enfermedad por coronavirus, filtrándose todos los casos desde enero de 2020 hasta diciembre de 2021, que hubieran sido designa dos de acuerdo con los criterios apropiados para cada pe ríodo epidemiológico San Carlos de Bariloche, y tuvieran su residencia estable, y se encontraran dentro del ejido Municipal de la Ciudad.
Estos datos se volcaron en una planilla (Anexo, Tabla 2), articulándose con un mapa callejero actualizado de la ciudad. Sobre la planilla se trabajaron variables que fue ron estandarizadas. Esta capa fue geocodificada a través de la dirección, obteniéndose para cada caso la latitud y longitud correspondiente, de modo que posteriormente fue correspondida por un radio censal.
Planilla (capa) de población, vivienda y hogares
La planilla o capa de casos de COVID-19 se articuló con la planilla de población, vivienda y hogares a través de los radios censales. Esta capa fue obtenida de datos expor tados desde el Instituto Nacional de Estadística y Censos (INDEC), desde donde fueron seleccionados todos los da tos relacionados con hogar, vivienda y población estima da para cada radio censal, pertenecientes a la Ciudad de San Carlos de Bariloche. Se registraron los datos del censo 2010, relacionados con características de población, ho gares y vivienda, con datos de población proyectados a 2020/2021 para obtener parámetros poblaciones basales por edad y sexo. (Anexo, Tablas 3 a 5)
Sistema de Información Geográfica (SIG)
Las dos capas descritas anteriormente, fueron incor poradas en un sistema de información geográfica (SIG) a través del cual se realizó el almacenamiento, la manipu lación, el análisis y modelización de los datos vinculados a una referencia espacial, facilitando la incorporación de aspectos sociales-culturales, económicos y ambientales. La localización del dato se describe mediante un Sistema de Referencia de Coordenadas (SRC). Esta información del SIG se organiza en capas; cada capa con un tipo específico de datos se procesa por separado, para finalmente com binarlas en un mapa. Se utiliza el SIG para analizar las relaciones entre capas. Se estableció un marco de análisis en 3 pasos para medir la inequidad en salud, basado en la distribución desigual de vivienda y hogar, valorado por el tipo de vivienda, la calidad de los materiales y el acceso a los servicios de saneamiento. Este marco teórico tiene un primer paso que comprende la medición univariada de los parámetros utilizados para valorar inequidad, un segundo paso con una medición univariada para valorar desigualdad (variabilidad) y un tercer paso que compren de una medición bivariada de la inequidad. Complemen tamos este marco, con la realización de un análisis multi variado de la inequidad, utilizando parámetros del radio censal. Se utilizaron datos individuales de edad, género, localización geográfica y mortalidad en personas infecta das entre los años 2020 y 2021 que hayan sido testeadas y residan en forma permanente en la ciudad. Se utilizaron datos de hogar y vivienda de los radios censales obteni dos del Censo Nacional 2010 con datos complementarios del Censo Nacional 2022.
Análisis estadístico
Para cada una de las variables independientes en re lación con las variables dependientes (mortalidad y le talidad del radio censal y casos de COVID-19 por radio censal), se consignó el número de personas en cada grupo que presentaron el factor.
Para las variables cualitativas se utilizó frecuencia ab soluta y porcentaje; para las variables cuantitativas, se utilizó media, desvío estándar (DE) y rango intercuartil.
El análisis de mortalidad se basó en el modelo de Pois son, que parte del supuesto de que las muertes por CO VID-19 tienen una distribución, en la que cada área geo gráfica (para cada radio censal) posee el mismo riesgo de presentar muertes por COVID-19.
Se realizó un análisis bivariado utilizando la prueba de chi-cuadrado, con el objetivo de analizar la indepen dencia de las variables e identificar aquellas que tuvieran una asociación estadísticamente significativa. Cuando al menos un valor esperado fue menor que 5, se procedió con el test exacto de Fisher. Se consideró significativo un valor de p < 0.05.
Para determinar la contribución independiente de cada uno de los múltiples factores (variables explicativas o independientes) a un único evento (o variable depen diente), en este caso, la mortalidad y los casos de CO VID-19 por radio censal, se realizó un análisis multivaria ble de tipo regresión logística. De este modo, se plantea un modelo de tipo predictivo con respecto a la variable dependiente del estudio. También se valora una aproxi mación a la predicción de cada variable a través de un análisis de correspondencia múltiple.
Para analizar la relación existente entre las variables que componen las capas de organización, de modo de manipular, analizar y modelar los datos vinculados a una referencia espacial, se utilizó el Sistema de Información Geográfica (SIG) que incluye ambas capas descritas en el procesamiento de datos.
El análisis estadístico se realizó con el programa R, RStudio, versión 1.3.1073. El sistema de información geo gráfica fue procesado y organizado a través del progra ma QGIS.org, 2022 (QGIS Geographic Information System, QGIS Association).
Resultados
Durante los años 2020 y 2021 en la Ciudad de San Carlos Bariloche, un total de 25 020 perso nas fueron diagnosticados como infectados por SARS-COV-2 o con enfermedad por coronavirus, e incluidos en el Sistema Nacional de Vigilan cia Epidemiológica (SISA). La edad media de la población fue de 39.1 años (DE 16.8), 52.2% eran mujeres; se produjeron 530 muertes por corona virus en dicho período, lo cual significó una leta lidad de 2.1% y una mortalidad de 0.37% (N total para el año 2021 = 142 763)
Descripción de las características de personas, hogar y viviendas
Los radios censales se agrupan en delegacio nes territoriales, siendo la Región Centro Sur y Este de la ciudad (El Cóndor, Microcentro, Zona Urbana, Pampa de Huenuleo); en la Región Oes te de la ciudad (Cerro Otto, Catedral y Lago Mo reno).
Las personas habitantes de las delegaciones eran 142 763, y tuvieron una media de edad de 37 años (DS 5) y alrededor del 51% eran mujeres. El porcentaje de personas no alfabetizadas os ciló entre un mínimo del 3% en el microcentro hasta un máximo del 7% en el área de la Pampa de Huenuleo.
Un total de 35 220 hogares componen las de legaciones territoriales. El 90% de los hogares de la región Pampa de Huenuleo y el 78% de los de Zona Urbana, presentan un nivel socioeconómi co bajo o medio bajo, seguidos por El Cóndor, con un 36% de los hogares con esas características. Las regiones del centro de la ciudad (microcen tro) presentan un 10% de los hogares con dichas características, mientras que las delegaciones del Oeste de la Ciudad (Cerro Otto, Catedral y Lago Moreno) presentan este nivel socioeconó mico en entre el 0 y el 11% de los hogares.
En las delegaciones, existían en el año 2010, un total de 42 016 viviendas, de las cuales el por centaje de viviendas precarias (rancho o casillas) osciló entre los barrios del oeste de la ciudad: 1.6% (Cerro Otto), mientras que en el sur de la ciudad este porcentaje representa 13.6% (Pampa de Huenuleo). La calidad constructiva NO satis factoria, varió entre el 4.6% (para el Microcen tro), el 35% para el área de la Pampa de Huenuleo y el 7% en la Zona Urbana.
El acceso a los servicios fue insuficiente en el 6% de las viviendas del área Microcentro, mien tras que en el área Pampa de Huenuleo, ese por centaje alcanzó el 34.2%.
Variabilidad de personas, viviendas, y hogares entre las delegaciones territoriales
La variabilidad entre las características de personas, hogares y viviendas de acuerdo con las delegaciones territoriales, se presenta en la Tabla 1, donde se puede observar que delegacio nes como la Zona Urbana o El Cóndor, pertene cientes a la región sur de la ciudad, presentan porcentajes de desocupación (43% y 47%), no alfabetización (6% y 7%), hogares con Necesi dades básicas insatisfechas (NBI) (13% y 26%), mayor porcentaje de hogares con hacinamiento (3% y 8%), calidad de construcciones insuficiente (16% y 9%) y mala conexión a los servicios (16% y 15%), viéndose graficadas en la Tabla 1 con color rojo/amarillo (proporciones más altas para esas variables). Las diferencias entre estas proporcio nes fueron significativas (p < 0.01).
Tabla 1 Variabilidad (%) entre las delegaciones territoriales de acuerdo con características de personas, hogares y vivienda en la Ciudad de San Carlos de Bariloche, años 2020 y 2021 (N = 142 763)
Las áreas del Oeste de la ciudad como Cerro Otto y Lago Moreno, presentaron porcentajes de desocupación (24% y 28%), no alfabetización (5%), hogares con NBI (3% y 5%), porcentaje de hogares con hacinamiento (1%), calidad de cons trucciones insuficiente (9%) y mala conexión a los servicios (15%), viéndose graficadas en la Tabla 1 con verde (proporciones más bajas para estas variables). Las diferencias entre estas pro porciones fueron significativas (p < 0.01).
Con respecto a la edad, las áreas de Microcen tro y Cerro Otto presentaron una proporción ma yor de personas mayores de 65 años (p < 0.01), que varió entre el 8 y el 14%. (Tabla 1).
Letalidad de acuerdo con la delegación territorial
El porcentaje de personas infectadas en re lación con la población del año 2020, tuvo una variación que osciló entre el 13.8% en El Cóndor hasta el 18.4% en el área Catedral.
En el Microcentro y Área Urbana, de un total de 14939 infectados, se registraron 363 muer tes, lo que representa una letalidad del 2.4%. En contraste, para la delegación completa con un N de 142763, hubo 530 muertes de 25 020 infecta dos, arrojando una letalidad del 2.1%. Es crucial señalar que, en base a estos números, la tasa de mortalidad reportada para la Ciudad es del 0.35% (Tabla 2).
Tabla 2 Letalidad por COVID-19 en San Carlos de Bariloche durante los años 2020 y 2021 (por Delegación)
La letalidad (muertes en pacientes con CO VID-19) durante los años 2020-2021 tuvo una variación de más de 2% entre delegaciones. Como se muestra en la Tabla 2, este porcentaje fue del 1% en el área Lago Moreno, cercana al 2% en Catedral y Cerro Otto. En los barrios del área Urbana y Sur de la ciudad, esta cifra fue del 3% (Urbana y Microcentro). En el área Urbana, la diferencia absoluta en la letalidad fue de 1.15% mayor (aumento relativo del 60%), mientras que en el microcentro fue 0.28% mayor (11% aumen to relativo). Esta diferencia en las proporciones de las delegaciones observadas fue significativa (p < 0.001) como puede apreciarse en la Figura 1.
Letalidad y vulnerabilidad
Se definió la vulnerabilidad territorial como aquellas delegaciones que presentaban más de 7 de las 14 características en rojo (consideradas como valores extremos de desigualdad) y menos del 20% de características en verde (considera das como valores extremos de menor desigual dad). De esta manera, se estableció una nueva variable cualitativa dicotómica llamada “vulne rabilidad”, que clasifica los territorios como vul nerables o no vulnerables.
En el análisis bivariado sobre letalidad y ca racterísticas de hogares, personas y viviendas, se identificó una asociación significativa entre la letalidad y la delegación, la edad promedio, la mala calidad de los materiales y la calidad insu ficiente de conexiones a los servicios, todas con un valor p inferior a 0.05. Por otro lado, variables como la vivienda precaria, calidad constructiva no satisfactoria, hacinamiento, hogares con NBI, nivel socioeconómico, nivel educativo (sólo pri maria) y desocupación no mostraron una rela ción significativa con la letalidad en este análi sis. (Tabla 3)
En el análisis multivariado de corresponden cia múltiple, se identificó la variable “Territorio con vulnerabilidad poblacional” (que incluye a las delegaciones de El Cóndor, Pampa de Huenu leo y Catedral) como predictora de la letalidad en la población estudiada. Por otro lado, en la di mensión de menor letalidad se encontraron las delegaciones de Cerro Otto, Lago Moreno y Cate dral, que se incluyen en la variable “Territorios sin vulnerabilidad poblacional”. En cuanto a los grupos de edad (mayores de 80 años, menores de 30 años y entre 30 y 60 años) y el género, se ubicaron en la línea media del análisis, lo que indica que no se corresponden claramente con ninguna de las dos direcciones en la dimensión, como se puede observar en la Figura 2.
Figura 2 Análisis de correspondencias múltiples: comportamiento de las variables en individuos que fallecieron al contraer COVID-19 en función de las Delegaciones Territoriales
Como se puede observar en la Figura 3, se lle vó a cabo un análisis de regresión logística para investigar la relación entre la letalidad (núme ro de muertes en relación con el número de ca sos de COVID-19) y la variable de territorio con vulnerabilidad. Este análisis fue ajustado por otras variables que no fueron consideradas en la construcción de la variable “vulnerabilidad”. Los resultados mostraron que pertenecer a un territorio con vulnerabilidad fue un predictor significativo de la letalidad por COVID-19. Espe cíficamente, pertenecer a alguna de estas áreas aumentó cuatro veces la probabilidad de morir por COVID-19 (OR 4.4, IC 95% 0.41-14.3), de ma nera significativa (p < 0.001), independientemen te de otras variables que no fueron incluidas en el modelo.
Discusión
Existe una variabilidad marcada en las ca racterísticas de las personas, los hogares y las viviendas de la ciudad de San Carlos de Barilo che. Delegaciones territoriales potencialmente vulnerables conviven con otras con condiciones diametralmente opuestas. Existen áreas con ele vados porcentajes de desocupación, menos edu cación formal, territorios con viviendas preca rias y acceso deficitario a servicios, porcentajes de necesidades básicas insatisfechas elevados y cerca del 90% de la población con nivel socioe conómico bajo o medio bajo en el área urbana, Pampa de Huenuleo y El Cóndor. Además, hay otras delegaciones, como el área más céntrica de la ciudad, con un mejor nivel socioeconómi co, pero donde la edad, al igual que en el caso de la enfermedad por coronavirus, podría haber jugado un rol protagónico en el impacto en la letalidad.
Estas delegaciones territoriales, compuestas por múltiples barrios, son producto de las ca racterísticas únicas de una ciudad turística de montaña con un proceso de urbanización parti cular. Esto se debe a la combinación de ser uno de los destinos más visitados de Argentina, la migración interna, la migración de países veci nos, el trabajo informal y el déficit en el acceso a la vivienda, entre otras situaciones5,8,13,18,19.
El principal aporte del presente trabajo es in tentar abordar el conjunto de los determinantes de la salud estructurales y no estructurales valorados como potenciales desigualdades en salud. La distribución geográfica de estos determinan tes nos permite presumir que determinados te rritorios podrían considerarse como vulnerables. Encontramos que la letalidad de estos territorios se asoció con características específicas de las personas, como la edad y el pertenecer a algu na de las delegaciones territoriales más vulne rables, así como con la calidad de las viviendas, incluyendo la calidad constructiva, la calidad de los materiales y el acceso a los servicios (gas, luz, agua). Estos hallazgos se han observado en otros estudios realizados en la región9-14,20. Por ejem plo, el estudio de Panduro et al. en Perú9 relacio nó el estrato socioeconómico, la zona geográfica de residencia, el acceso a la salud y la lengua materna con el riesgo de hospitalización por CO VID-19. Encontraron que las personas de zonas rurales con peor nivel socioeconómico y que uti lizaban servicios públicos presentaron un mayor riesgo de hospitalización. En el caso de Boing y col.14, realizaron un análisis en Brasil que tuvo en cuenta las pruebas diagnósticas, la atención hospitalaria y la letalidad de casi dos millones de casos graves de COVID-19 durante los años 2020 y 2021. Encontraron que las localidades con peor Producto Bruto Interno (PBI) e ingresos per cápita tuvieron la peor atención médica y la ma yor letalidad durante la pandemia.
En nuestro estudio, también encontramos que factores como el nivel socioeconómico, las NBI y el hacinamiento no se relacionaron directamen te con la letalidad por COVID-19. Sin embargo, creemos que estos aspectos podrían articularse conjuntamente para constituir la vulnerabilidad de las poblaciones en determinados territorios. Otros estudios, como el realizado por Alencar do Nascimento y col. en Brasil20, abordaron el riesgo de padecer COVID-19 al pertenecer a áreas con indicadores de vulnerabilidad social. Encontra ron que el peor nivel socioeconómico, menor ni vel de ingresos y el hacinamiento se correlacio naron con mayor letalidad. En nuestro estudio, observamos que pertenecer a las delegaciones territoriales con peores condiciones socioeconó micas, mayor probabilidad de NBI y peores con diciones de manejo de residuos domiciliarios y excretas o de acceso a los servicios podría rela cionarse y ser causa de letalidad por COVID-19.
Las condiciones precarias de vivienda, la ca lidad constructiva de los materiales y el acceso deficitario a los servicios son factores que po drían asociarse con mayor letalidad, como se ha observado en otros estudios realizados en Amé rica Latina y particularmente en Argentina21-23. Las condiciones precarias de vivienda afectan la calidad de vida y son indicadores de la salud de las personas. Según la Organización Hábitat para la Humanidad Argentina, la vivienda inadecua da se caracteriza por la baja calidad de la cons trucción, la carencia o el acceso inapropiado a servicios básicos, la inseguridad de la tenencia y la precariedad de los atributos urbanos de los barrios. Estas condiciones generan una alta vul nerabilidad social y económica frente a distintos riesgos naturales como las pandemias22. Un es tudio realizado por Dadamio y col. en la Ciudad Autónoma de Buenos Aires, Argentina21, infor ma cómo estos asentamientos aumentaron en cantidad y densidad habitacional en la región, lo cual ha resultado en precarias condiciones de vivienda, como malas condiciones habitaciona les y hacinamiento. Este fenómeno se replica en todo el país, especialmente en las zonas donde se concentra la pobreza y las NBI, y contribuye a una mayor vulnerabilidad social.
En nuestro estudio, encontramos que la cali dad constructiva de la vivienda se asoció con la letalidad. La calidad de los materiales y la cali dad constructiva fueron factores que mostraron una asociación significativa con mayor mortali dad entre las personas que padecieron corona virus. En Argentina, en el año 2020 y sobre los datos de 48 barrios de la Ciudad Autónoma de Buenos Aires, se observó que las zonas con po breza estructural, especialmente los barrios del sur de la ciudad, tuvieron la mayor mortalidad y se asociaron con un mayor porcentaje de NBI16.
Otro aporte relevante de nuestro estudio es la construcción de una variable que valora la vulnerabilidad de un territorio. Esta variable tiene en cuenta los factores que contribuyen o podrían contribuir de manera independiente a la letalidad. La variable de “territorios con vul nerabilidad” predijo clínica y estadísticamente la muerte en personas infectadas por corona virus en la ciudad de San Carlos de Bariloche. Estos hallazgos son similares a los encontrados en la región metropolitana de Lima, Perú, du rante el mismo periodo, donde las poblaciones pertenecientes a los quintiles de mayor pobreza tuvieron el doble de mortalidad por COVID-1915. A pesar de estas coincidencias, nuestro enfoque de la vulnerabilidad no se basó únicamente en un índice de pobreza, sino que consideró una comprensión integral de la vulnerabilidad de la población en los radios censales, teniendo en cuenta datos de personas, hogares y viviendas. La vulnerabilidad territorial también ha sido abordada en otros estudios, como uno realizado en los EE.UU., que mostró cómo las zonas con al tas concentraciones de poblaciones vulnerables fueron afectadas de manera desproporcionada por la pandemia24. Otros estudios han analizado la distribución espacial de la incidencia y preva lencia de casos de acuerdo con la vulnerabilidad de los territorios en EE.UU. y España24-27. Estos trabajos suelen utilizar el índice de vulnerabili dad social-territorial, que considera parámetros como el nivel socioeconómico, la composición del hogar, la condición de minoría e idioma, la vivienda y el transporte28,29. Otros parámetros relacionados con el exceso de mortalidad y CO VID-19 en otros países han sido la adolescencia, la niñez30, la indigencia31, la ruralidad32 y la condición de migrantes33, entre otras condiciones.
Una de las fortalezas de nuestro trabajo fue contar con datos sobre edad, género, desenlace clínico y radio censal de más de 20 mil personas, lo que nos permitió relacionarlos con las carac terísticas del radio censal de su vivienda perma nente. Sin embargo, una limitación del estudio, al ser ecológico, es que algunos datos relaciona dos con las características de los radios censa les, como las condiciones de vivienda, estaban desactualizados, ya que se obtuvieron del censo realizado hace más de 10 años. Para abordar esta limitación, planeamos actualizar este trabajo con los datos provenientes del censo realizado en 2022, en cuanto estén disponibles.
En conclusión, este estudio destaca la amplia variabilidad de los determinantes de salud rela cionados con las personas, los hogares y las vi viendas en la ciudad de San Carlos de Bariloche. Además, propone una variable de vulnerabilidad territorial que se asoció de manera significativa con la letalidad por COVID-19. Estos hallazgos contribuyen a la comprensión de las desigualdades en salud y pueden tener implicaciones im portantes para el diseño de políticas y la imple mentación de intervenciones dirigidas a reducir estas desigualdades.
