J Epidemiol Community Health: publicado por primera vez como 10.1136 / jech-2020-216275 el 4 de marzo de 2021.
Descargado de
► El material adicional es
publicado solo en línea. Para
verlo, visite la revista en línea
(http://dx.doi.org/10.1136/
jech-2020-216275).
Dirección de Epidemiología y
1
Demografía, Gobierno de
Ministerio de Salud y Protección
Social de Colombia, Bogotá,
Colombia
2 Departamento de Salud Pública,
Facultad de Medicina, Universidad estudio de cohorte retrospectivo a nivel nacional de confirmados
Industrial de Santander,
Bucaramanga, Santander,
Colombia
3 Facultad de Medicina,
Universidad Nacional de
Colombia, Bogotá, Colombia
4 Clínica Universitaria, Clínica
Colsanitas, Bogotá, Colombia
Departamento de Público
5
Salud, Universidad del Norte,
Barranquilla, Colombia
Correspondencia a
Dra. Laura Andrea Rodríguez-
Villamizar, Salud Pública,
Universidad Industrial
de Santander, 680002
Bucaramanga, Santander,
Colombia; laurovi@uis.edu.co
Recibido el 17 de diciembre de 2020
Revisado el 11 de febrero de 2021
Aceptado el 20 de febrero de 2021
© Autor (es) (o sus
empleador (es)) 2021. No
reutilización comercial. Ver
derechos y permisos. Publicado
por BMJ.
Citar: MP Cifuentes,
Rodríguez-Villamizar LA,
Rojas-Botero ML, et al. J
Epidemiol Community Health
Publicación electrónica antes de la
impresión: [ Por favor incluya Día
mes año]. doi: 10.1136 / jech-2020-
216275
Desigualdades socioeconómicas asociadas a la mortalidad por
COVID-19 en Colombia: un estudio de cohorte a nivel nacional
Myriam Patricia Cifuentes ,1 Laura Andrea Rodríguez-Villamizar
Maylen Liseth Rojas-Botero ,1 Carlos Arturo Alvarez-Moreno
1,5
Julián Alfredo Fernández-Niño
RESUMEN
Fondo Después de 8 meses de la pandemia de COVID-19, los países
latinoamericanos tienen algunas de las tasas más altas de
mortalidad por COVID-19. A pesar de ser una de las regiones más
desiguales del mundo, existe un escaso reporte del efecto de las
condiciones socioeconómicas en la mortalidad por COVID-19 en
sus países, nuestro objetivo fue identificar el efecto de algunos
factores relacionados con la desigualdad socioeconómica en la
mortalidad por COVID-19. en Colombia.
Métodos Realizamos un análisis de supervivencia en un
casos de COVID-19 en Colombia del 2 de marzo de 2020 al 26 de
octubre de 2020 Se calculó el tiempo hasta la muerte o la
recuperación para cada caso confirmado en la cohorte Utilizamos un
modelo de regresión de Cox dependiente del tiempo multivariable
extendido para estimar la FC por grupos de edad , sexo, etnia, tipo
de seguro médico, área de residencia y estrato socioeconómico.
Resultados Hubo 1 033 218 casos confirmados y 30 565
muertes por COVID-19 en Colombia entre el 2 de marzo y el 26
de octubre. El riesgo de morir por COVID-19 entre los casos
confirmados fue mayor en los hombres (HR 1,68 IC del 95%
1,64 a 1,72), en personas mayores de 60 años (HR
296,58 IC 95% 199,22 a 441,51), en indígenas (HR
1,20 IC del 95%: 1,08 a 1,33), en personas con régimen de
seguro médico subsidiado (HR 1,89 IC del 95%: 1,83 a 1,96) y en
personas que viven en estratos socioeconómicos muy bajos (HR
1,44 IC del 95%: 1,24 a 1,68).
Conclusión Nuestro estudio proporciona evidencia de
desigualdades socioeconómicas en la mortalidad por COVID-19
en términos de grupos de edad, sexo, etnia, tipo de
régimen de seguro médico y nivel socioeconómico.
INTRODUCCIÓN
El COVID-19 es la primera pandemia causada por un
coronavirus humano, el SARS-CoV-2. El primer grupo
de pacientes con neumonía de origen desconocido
se informó en Wuhan, China en enero.
2020. 1 Al 31 de octubre de 2020, había más de 45,5
millones de casos confirmados y 1,1 millones de
muertes que afectaban a 188 países de todo el
mundo. La región de las Américas es la región más
afectada con más de 20,3 millones de casos
confirmados y 636 482 defunciones. 2
Recientemente, se ha declarado que la situación
por COVID-19 corresponde a una sindemia ya que
existe una combinación entre la epidemia por la
infección por SARS-CoV-2 y la epidemia por
enfermedades crónicas no transmisibles (ENT) que
interactuar en un contexto social de pobreza y
MP Cifuentes, et al. J Epidemiol Community Health 2021; 0: 1-6. doi: 10.1136 / jech-2020-216275
Investigacion original
,2
,3,4
falta de equidad. 3 Hay tres crisis que afectan a las
economías y sociedades de la región: el lento
crecimiento económico, la emergencia ambiental y la
creciente desigualdad. 4 La combinación de estas crisis
sociales con la endémica de ENT y la pandemia actual
están afectando de manera desproporcionada a la
región. América Latina tiene actualmente algunas de las
tasas de mortalidad por COVID-19 más altas del mundo
y se enfrenta a una crisis humanitaria impulsada por la
desigualdad de larga data de sus países. 5
COVID-19 ha sido reconocido por algunos gobiernos y
3, cuartos de oficiales médicos. Protegido por derechos de autor.
medios de comunicación como 'el gran igualador' debido a
su capacidad para afectar a personas de diferentes grupos
de edad, condiciones socioeconómicas o prestigio. 6 Si bien
esto es probablemente cierto en términos del riesgo
biológico de infección, no es el caso del riesgo observado de
infección, gravedad y mortalidad por COVID-19. Existe
evidencia de disparidades raciales y socioeconómicas en los
EE. UU. En términos de la población infectada y que muere
por COVID-19. 7 Sin embargo, las características
socioeconómicas no se recopilan ni describen de forma
rutinaria en la mayoría de los análisis de COVID-19. 8 Por lo
tanto, es necesario recopilar y analizar datos sobre los
determinantes socioeconómicos de la salud para
monitorear las inequidades de COVID-19, identificar
poblaciones de alto riesgo y orientar el desarrollo de
intervenciones de salud pública dentro de los países.
http://jech.bmj.com/
Durante la primera ola de la pandemia por infección por
SARS-CoV-2 / COVID-19 en Colombia, Sudamérica, el sistema
nacional de vigilancia de salud pública se adaptó temprano
y se preparó para esta nueva amenaza, pudiendo detectar y
dar seguimiento a los casos en curso. y sus características
demográficas y socioeconómicas. Para identificar el efecto
de algunos factores demográficos y socioeconómicos
relacionados con la desigualdad en la mortalidad por
el 12 de marzo de 2021 en Kwong Wah Hospital Library Flat
COVID-19 durante los primeros 8 meses de la epidemia en
Colombia, realizamos un análisis de supervivencia (tiempo
hasta la muerte para COVID-19) utilizando datos
individuales de una cohorte nacional. .
MÉTODOS
Población de estudio
Colombia está ubicada en la esquina norte de América del
Sur. Según el Departamento Administrativo Nacional de
Estadística (DANE), la población total se proyecta al 2020 en
50 372 424 habitantes. 9 El país está dividido en 33
departamentos y distritos que agrupa a 1122 municipios. La
mitad de la población son mujeres (51,2%), el 77,1% de la
población vive en zonas urbanas y el 68,2% de los
colombianos tiene entre 15 y 15 años.
1
 J Epidemiol Community Health: publicado por primera vez como 10.1136 / jech-2020-216275 el 4 de marzo de 2021. Descargado de
Investigacion original

Español). El Instituto Nacional de Salud (INS) recopila, verifica y

tabla 1 Características sociodemográficas de los casos confirmados y defunciones
agrega datos de laboratorio y otros criterios para confirmar o
por COVID-19 en Colombia hasta el 26 de octubre de 2020 inclusive
descartar casos y publica registros anonimizados y
Total confirmado
desidentificados como datos abiertos (www.ins.gov.co). El primer
Total confirmado Total confirmado casos
día de aparición de los síntomas para el primer caso confirmado
casos vivos fallecidos (N = 1033 218)
(N = 1002 653) (N = 30 565) (n,% para
fue el 26 de febrero y transcurrieron 245 días hasta el final del
Característica (n,% para filas) (n,% para filas) columnas) período de seguimiento.
Los casos de COVID-19 sintomáticos y asintomáticos se confirman en
Sexo
Colombia mediante PCR de transcripción inversa (RT-PCR). A partir del 23
Masculino 500 820 (96,23) 19613 (3,77) 520 433 (50,37)
de julio de 2020, los casos sintomáticos también se pueden confirmar
Mujer 501 833 (97,86) 10 952 (2,14) 512 785 (49,63)
mediante el uso de pruebas validadas basadas en antígenos. Las
Grupos de edad
defunciones por COVID-19 son notificadas por los servicios de salud a
0 a 5 años 20 892 (99,82) 38 (0,18) 20 930 (2,03) SIVIGILA y DANE y luego un análisis individual de los casos confirma,
6-11 años 23 391 (99,95) 12 (0,05) 23 403 (2,27) descarta o mantiene como sospechosos los reportes de defunciones por

12 a 26 años 203 475 (99,54) 231 (0,11) 203 706 (19,72) COVID-19.
Todos los procedimientos realizados en este estudio siguieron los estándares
27 a 45 años 430 375 (99,54) 2000 (0,46) 432 375 (41,85)
éticos nacionales e internacionales. No se requirió el consentimiento informado
46 a 59 años 193142 (97,48) 5000 (2,52) 198142 (19,18)
debido a la naturaleza del estudio y al uso de datos anonimizados de fuentes de
60 años o más 131378 (84,95) 23 284 (15,05) 154662 (14,97)
datos disponibles públicamente.
Etnicidad

Blanca, mestiza, 942 712 (97,08) 28 366 (2,92) 971078 (93,99)

otro Evaluación de resultados y predictores
Afrocolombiano 37 883 (96,38) 1421 (3,62) 39 304 (3,80) El evento de resultado de interés para el estudio fue la muerte por

3, cuartos de oficiales médicos. Protegido por derechos de autor.

Indígena 22 011 (96,59) 776 (3,41) 22 787 (2,21)
COVID-19 entre los casos confirmados. Para los casos sintomáticos
fallecidos, calculamos el "tiempo transcurrido hasta el evento" como la
Gitano-romano 34 (94,44) 2 (5,56) 36 (0,00)
diferencia entre las fechas de aparición de los síntomas y la fecha de la
Raizal 13 (100,00) 0 (0,00) 13 (0,00)
muerte. Para los casos de fallecidos asintomáticos, el "tiempo transcurrido
Área de Residencia hasta el acontecimiento" se calculó como la diferencia entre la fecha de la
Urbano 861071 (96,87) 27 844 (3,13) 888 915 (86,03) primera cita médica y la fecha del fallecimiento. El tiempo de seguimiento
Semirural (pueblo) 44 586 (97,18) 1296 (2,82) 45 882 (4,44) de los casos recuperados sintomáticos fue la diferencia entre la fecha de
Rural disperso 25 002 (96,19) 991 (3,81) 25 993 (2,52) inicio de los síntomas y la fecha de recuperación (registrada como
recuperación clínica o de laboratorio). Para los casos recuperados
Zona desconocida 71 994 (99,40) 434 (0,60) 72 428 (7,01)
asintomáticos, el tiempo de seguimiento se calculó como la diferencia
Tipo de régimen de seguro médico
entre la fecha de la primera cita médica y la fecha registrada de
Contributivo 646 670 (97,97) 13 415 (2,03) 660 085 (63,89)
recuperación. Definimos casos censurados como casos activos para los
Subvencionado 146290 (92,86) 11 250 (7,14) 157 540 (15,25)
cuales no se confirmó ningún evento (muerte o recuperación) en la última
Especial 16 306 (97,24) 463 (2,76) 16 769 (1,62) fecha de observación (26 de octubre). Para los casos censurados
Excepción 47 490 (97,44) 1247 (2,56) 48 737 (4,72) sintomáticos y asintomáticos, utilizamos el mismo cálculo del tiempo de
Sin seguro 18 447 (97,49) 474 (2,51) 18 921 (1,83) seguimiento descrito anteriormente teniendo en cuenta la fecha de inicio

http://jech.bmj.com/
Desconocido o 10 115 (97,41) 269 (2,59) 10 384 (1,01)
de los síntomas o la fecha de la primera cita médica, respectivamente (ver
seguro pendiente figura complementaria en línea S1).
Las variables predictoras de exposición del modelo incluyeron las siguientes variables
No registrado 117 335 (91,15) 3447 (2,85) 120 782 (11,69)
demográficas y socioeconómicas individuales que generalmente conducen a desigualdades en
seguro
salud: edad, sexo, etnia, tipo de seguro médico, área de residencia y estrato socioeconómico.
Estrato socioeconómico
En Colombia, las minorías étnicas incluyen 'indígenas', 'ascendencia africana-colombiana', un
1 muy bajo 183857 (95,51) 8 644 (4,49) 192 501 (18,63)
grupo especial de 'Raizales' que se refiere a los descendientes de los africanos esclavizados
2 bajo 366 446 (96,80) 12 113 (3,20) 378 559 (36,64)
originales y 'GipsyRomany'. El tipo de seguro médico es una variable indirecta del acceso a la

el 12 de marzo de 2021 en Kwong Wah Hospital Library Flat

3 medio bajo 200213 (97,43) 5276 (2,57) 205 489 (19,89) salud. El tipo 'contributivo' se refiere al seguro médico relacionado con el trabajo, el tipo
4 medio 35 339 (97,47) 918 (2,53) 36 257 (3,51) 'subsidiado' cubre a las personas pobres sin trabajos formales que tienen un subsidio pagado

5 medio alto 11 857 (97,61) 290 (2,39) 12 147 (1,18) por el gobierno, el régimen de salud 'especial' cubre a pocos trabajadores sindicalizados y el

6 alto 6126 (96,73) 207 (3,27) 6333 (0,61) régimen de 'excepción' agrupa a los miembros relacionados con el ejército. Se incluyeron seis

grupos de edad según la clasificación del modelo de atención primaria de salud de Colombia
No registrado 198 815 (98,46) 3117 (1,54) 201 932 (19,54)
para las categorías de ciclo de vida: lactantes (0-5 años), niños y edad escolar (6-11 años),
Estratos

adolescentes (12-26 años), adultos jóvenes (27 –45 años), adultos (46-59 años) y personas

mayores (60 años o más). El estrato socioeconómico es una clasificación basada en la

y 64 años. El primer caso de infección por SARS-CoV-2 se estratificación de las propiedades residenciales utilizadas por el DANE según los recursos
confirmó el 6 de marzo en Bogotá. socioeconómicos de un bloque censal que recibió servicios públicos. Esta clasificación divide las

casas (viviendas) en niveles de clase, que van de uno (muy bajo) a seis (alto) siendo uno de los

Diseño del estudio y fuentes de datos estratos con mayor adultos (46-59 años) y personas mayores (60 años o más). El estrato

Realizamos un análisis de supervivencia en un estudio de cohorte retrospectivo a nivel socioeconómico es una clasificación basada en la estratificación de las propiedades

nacional de casos confirmados de COVID-19 en Colombia desde el 2 de marzo de 2020 residenciales utilizadas por el DANE según los recursos socioeconómicos de un bloque censal

al 26 de octubre de 2020. La cohorte a nivel nacional se ensambló utilizando datos que recibió servicios públicos. Esta clasificación divide las casas (viviendas) en niveles de clase,

individuales obtenidos del sistema nacional de vigilancia de salud pública (SIVIGILA, que van de uno (muy bajo) a seis (alto) siendo uno de los estratos con mayor adultos (46-59

para su iniciales en años) y personas mayores (60 años o más). El estrato socioeconómico es una clasificación basada en la estratifica

2 MP Cifuentes, et al. J Epidemiol Community Health 2021; 0: 1-6. doi: 10.1136 / jech-2020-216275
 J Epidemiol Community Health: publicado por primera vez como 10.1136 / jech-2020-216275 el 4 de marzo de 2021. Descargado de
Investigacion original

3, cuartos de oficiales médicos. Protegido por derechos de autor.

Figura 1 Curvas de supervivencia para COVID-19 por condiciones socioeconómicas. (A) sexo; (B) grupos de edad; (C) etnia; (D) área de residencia; (E) régimen de seguro médico; (F) http://jech.bmj.com/
el 12 de marzo de 2021 en Kwong Wah Hospital Library Flat
nivel socioeconómico (NSE).

privación socioeconómica. 10 El estrato socioeconómico se utiliza como
proxy del nivel socioeconómico (NSE) en este estudio y se obtuvo
como una variable autoinformada en SIVIGILA.
análisis estadístico
Todos los casos confirmados de COVID-19 se incluyeron en el análisis utilizando el
tiempo hasta la muerte y la recuperación de la cohorte nacional. Las descripciones
exploratorias habituales para las distribuciones de la variable continua de tiempo hasta
la muerte y todos los predictores categóricos, para los diferentes resultados (muertos,
recuperados y censurados) incluyeron medias, medianas, frecuencias y porcentajes. El
proceso de modelado incluyó la prueba de la suposición de riesgos proporcionales
para todos los predictores utilizando pruebas de hipótesis (valores p de términos
que abordan factores dependientes del tiempo) y gráficos (gráficos log menos
log y gráficos de residuos parciales de modelos sin términos de interacción).
Como todos los predictores, excepto el sexo, dependían del tiempo, utilizamos
un modelo de regresión de Cox dependiente del tiempo multipredictor
extendido. 11 Mediante el uso de este modelo extendido, es posible evaluar
conjuntamente el efecto de múltiples variables dependientes del tiempo y su
papel como posibles factores de confusión o modificadores del efecto. Incluimos
interacciones de productos simples entre estas variables y el tiempo hasta el
evento para estimar un modelo de regresión de Cox extendido que permite
riesgos no proporcionales. Las funciones de supervivencia se calcularon
mediante el método de Kaplan-Meier. Como nuestro objetivo

MP Cifuentes, et al. J Epidemiol Community Health 2021; 0: 1-6. doi: 10.1136 / jech-2020-216275 3
 J Epidemiol Community Health: publicado por primera vez como 10.1136 / jech-2020-216275 el 4 de marzo de 2021. Descargado de
Investigacion original

Para obtener un modelo explicativo, corrimos los modelos de regresión

Tabla 2 Riesgos de muerte por COVID-19 por algunas condiciones
multipredictor por el método Enter, por lo tanto, la ecuación resultante
socioeconómicas en Colombia hasta el 26 de octubre de 2020 inclusive
incluyó todas las variables. Evaluamos los signos de los coeficientes y la
Condición socioeconómica HR (IC del 95%) Valor p
significancia mediante la estadística de Wald y las asociaciones expresadas
como HR con IC del 95%. Todas las pruebas con p <0,05 se consideraron Sexo (femenino como referencia) 1,59 (1,53 hasta 1,65) <0,001

estadísticamente significativas. El análisis estadístico se realizó mediante el Grupos de edad (0-5 años como referencia)

software SPSS V.26. 6-11 años 0,42 (0,22 a 0,81) 0,009

12 a 26 años 1,16 (0,81 a 1,67) 0,414

27 a 45 años 5,67 (4,00 a 8,04) <0,001

RESULTADOS
46 a 59 años 33,70 (23,59 a 48,14) <0,001
Hubo 1 033 218 casos confirmados y 30 565 muertes por COVID-19 en
Colombia desde el primer día de notificación, 2 de marzo al 26 de 60 años o más 214,31 (148,64 a 309,01) <0,001

octubre. tabla 1 resume las características de la cohorte de casos Etnia (blanco / mestizo como referencia)

confirmados de COVID-19. La mayoría de los casos confirmados de Indígena 1,27 (1,13 a 1,43) <0,001

COVID-19 fueron hombres, entre 27 y 45 años, residentes en áreas Gitano-romano 1,56 (0,39 a 6,25) 0.530

urbanas, con el régimen contributivo de seguro de salud, y residentes Raizal 0,00 (0,00 a 3,44) 0,913
en residencias pertenecientes a los dos estratos socioeconómicos más Afrocolombiano 1,01 (0,96 a 1,08) 0,613
bajos. Siete (0.02%) de los 30 565 casos que terminan en muerte Zona de residencia (urbana como referencia)
fueron asintomáticos. De los 914 882 casos confirmados que terminan Semirural (pueblo) 0,88 (0,82 a 0,93) <0,001
en recuperación, el 11,2% eran asintomáticos. El 12,1% de los 87 874
Rural disperso 0,83 (0,76 a 0,91) <0,001
casos confirmados censurados al final del período de seguimiento
Zona desconocida 0,14 (0,12 hasta 0,16) <0,001
eran asintomáticos (véanse las tablas complementarias en línea
Tipo de régimen de seguro médico (régimen contributivo como referencia)
S1-S3).

3, cuartos de oficiales médicos. Protegido por derechos de autor.

Subvencionado 1,97 (1,89 a 2,04) <0,001
Figura 1 muestra las funciones de supervivencia para cada predictor en el
modelo obtenido de la regresión de Cox múltiple sin factores dependientes del Especial 1,29 (1,17 a 1,41) <0,001

tiempo (consulte la tabla complementaria en línea S4 para obtener detalles del Excepción 1,37 (1,29 a 1,45) <0,001

modelo). Como la suposición de riesgos proporcionales no se mantuvo para Sin seguro 1,34 (1,21 a 1,48) <0,001

todos los predictores, excepto el sexo (ver la figura complementaria en línea S2– Desconocido o pendiente 1,22 (1,07 a 1,39) 0,002
seguro
S12), ajustamos la Regresión de Cox multipredictor para las variables
dependientes del tiempo que incluyen los mismos predictores. Este modelo fue Seguro no registrado 2,57 (2,41 a 2,73) <0,001
Estrato socioeconómico (alto NSE como referencia)
estadísticamente significativo (p <0,001). Tabla 2 presenta los resultados de
nuestro modelo final de regresión de Cox dependiente del tiempo multipredictor Muy bajo 1,73 (1,48 a 2,04) <0,001

(consulte las tablas complementarias en línea S5-S6 para obtener más detalles). Bajo 1,61 (1,38 a 1,87) <0,001

El riesgo instantáneo de morir por COVID-19 entre los casos confirmados es 59% Medio bajo 1,34 (1,16 a 1,56) <0,001
mayor en hombres que en mujeres, 27% mayor en indígenas en comparación Medio 1,16 (0,99 a 1,36) 0,059
con blancos / mestizos, y 97% mayor en personas con régimen de seguro de Medio alto 0,94 (0,79 a 1,13) 0.531
salud subsidiado en comparación con contributivo. Hubo evidencia de un patrón Desconocido 1,54 (1,30 a 1,83) <0,001
de dosis-respuesta por grupos de edad a lo largo de la vida y niveles de SES. El
NSE, nivel socioeconómico.
riesgo de morir por COVID-19 entre los casos confirmados para personas
mayores de 60 años es extremadamente mayor que el riesgo para los bebés. El

http://jech.bmj.com/
riesgo instantáneo de muerte para las personas con diagnóstico confirmado de
función y producción incontrolada de citocinas inflamatorias. 13 Nuestro
COVID-19 que viven en un NSE muy bajo aumenta en un 73% en comparación
estudio también encontró un mayor riesgo de muerte en los hombres, lo
con el riesgo de las personas que viven en un NSE alto (HR 1,73; IC del 95%: 1,48
que es consistente con los resultados anteriores. 14 Las diferencias sexuales
a en la mortalidad por COVID-19 probablemente se expliquen por el
2.04). Por el contrario, vivir en una zona rural dispersa redujo el riesgo de aumento de la expresión en los hombres del ACE-2, un factor clave
mortalidad por COVID-19 (HR 0,83; IC del 95%: 0,76 a 0,91). Los términos de involucrado en la patogénesis de COVID-19. 15
interacción entre el tiempo hasta la muerte y todas las variables del
También se han informado disparidades étnicas en una variedad de contextos. Los

el 12 de marzo de 2021 en Kwong Wah Hospital Library Flat

modelo fueron estadísticamente significativas (p <0,001).
afroamericanos y los hispanos en los EE. UU. Son más vulnerables a la mortalidad por
COVID-19 que otros grupos étnicos. 7 En Brasil, después de la edad, la etnia pardo fue el

DISCUSIÓN
Nuestros resultados proporcionan evidencia de desigualdades socioeconómicas
y demográficas en la mortalidad por COVID-19 en Colombia. Además del riesgo
diferencial bien documentado de mortalidad relacionado con los grupos de
mayor edad y el sexo masculino, este estudio proporciona evidencia de las
desigualdades socioeconómicas y étnicas en la mortalidad por COVID-19.
Identificamos mayores riesgos de mortalidad para los pueblos indígenas, las
personas en el régimen de salud subsidiado y los que viven en áreas clasificadas
como NSE muy bajo y bajo. Los riesgos de mortalidad para los grupos de edad y
los niveles de SES siguieron un patrón constante de dosis-respuesta. Nuestros
hallazgos de asociación entre la mortalidad por COVID-19 y la edad avanzada (60
años o más) y el sexo masculino son consistentes con informes anteriores. 12 La
explicación más plausible de este hallazgo es la respuesta relacionada con la
edad a la sepsis en adultos mayores con deterioro de la función de las células
inmunes, inmunidad humoral reducida.
segundo factor de riesgo más importante de muerte y las explicaciones probables son
el acceso diferencial a la atención médica o la susceptibilidad a la infección por
COVID-19. dieciséis
Nuestro estudio encontró un mayor riesgo de mortalidad por COVID-19
entre los pueblos indígenas. Leticia, la capital del departamento de
Amazonas con una frontera viva con Brasil, tiene la tasa de mortalidad por
COVID-19 más alta en todos los departamentos de Colombia. Se estima
que al menos 163 comunidades indígenas han sido infectadas por el
SARS-CoV-2 en América Latina. Las malas condiciones sanitarias y de vida
combinadas con la carga de enfermedades infecciosas anteriores y la
desnutrición imponen un mayor riesgo para la salud de las personas y de
comunidades enteras. 17
Hay evidencia de desigualdades socioeconómicas históricas en pandemias
anteriores. Durante la pandemia de influenza española de 1918, hubo informes que
mostraron que las tasas de mortalidad en algunos países

4 MP Cifuentes, et al. J Epidemiol Community Health 2021; 0: 1-6. doi: 10.1136 / jech-2020-216275

de América del Sur fue 20 veces mayor en comparación con los países de Europa. 18
Las tasas de letalidad en todos los países a principios de la actual pandemia de
COVID-19 mostraron una correlación negativa con el producto interno bruto y el
índice de desarrollo humano de los países. 19 20 En los EE. UU., La pandemia de
COVID-19 está acelerando las inequidades en salud al afectar de manera
desproporcionada a personas de los grupos más desfavorecidos, como
inmigrantes, personas con discapacidades y personas en prisiones y cárceles. 21 Usandocondiciones crónicas se profundizan por la forma en que las personas viven y
datos basados en la población y a nivel individual, hubo evidencia de un mayor trabajan, lo que las hace también más expuestas a la infección y la mortalidad
riesgo de mortalidad asociado con las personas que viven en hogares de
ancianos en Estocolmo. 22 En Brasil, las desigualdades de ingresos y educación se
asociaron positivamente con las tasas de incidencia y mortalidad de COVID-19. 23
24 Nuestros resultados mostraron que vivir en áreas de NSE muy bajo o bajo se
asocia con un mayor riesgo de mortalidad por COVID-19 con un patrón de efecto
dosis-respuesta consistente. Estos resultados son consistentes con un informe
anterior de desigualdades en la mortalidad por niveles de NSE entre los casos
confirmados de COVID-19 en Bogotá. 25 Estos hallazgos también son consistentes
con los resultados de un estudio ecológico a nivel nacional que mostró un mayor
riesgo de mortalidad por COVID-19 asociado con el índice de pobreza
multidimensional de los municipios. 26 Colombia tiene una de las brechas de
ingresos más grandes de América Latina y las desigualdades de ingresos dentro
del país difieren ampliamente según la región geográfica en relación con la
propiedad de la tierra, el mercado laboral y el efecto de la violencia y los
conflictos armados. 27 Estas desigualdades socioeconómicas de referencia se
traducen en un mayor riesgo de exposición y gravedad del COVID-19 que afecta
de manera desproporcionada a las personas en condiciones socioeconómicas
más bajas en Colombia.
El estrés por disrupción social que produce la expresión génica proinflamatoria se
ha descrito como un mecanismo patológico potencial para explicar los resultados de
salud adversos más altos en poblaciones con condiciones socioeconómicas
desfavorecidas. 28 Sin embargo, la explicación más posible de las desigualdades en la
mortalidad por COVID-19 son las desigualdades históricas en términos de condiciones
de vida y de trabajo, y el acceso desigual a los servicios de salud. Las desigualdades en
las condiciones laborales podrían explicar una parte importante de las desigualdades
de la infección y la mortalidad por COVID-19. En nuestro estudio, las personas en el
régimen de seguro médico subsidiado representan personas con trabajo inestable o
informal, o personas desempleadas que necesitan un subsidio del gobierno para
acceder a los servicios de salud. Así, el mayor riesgo de mortalidad observado en este
grupo en comparación con el régimen contributivo de salud podría estar
representando la desigualdad social relacionada con las condiciones laborales en
Colombia. Las personas de los grupos de trabajo más desfavorecidos tienen un trabajo
peor remunerado y es más probable que trabajen en servicios básicos clave
(alimentación, limpieza, 29 Por el contrario, las personas con un trabajo mejor
remunerado tienen más probabilidades de trabajar desde casa con una menor
exposición a la infección por COVID-19. 30
A pesar de tener una cobertura de seguro de salud casi universal, el sistema
de salud colombiano se caracteriza por una fuerte fragmentación en la
prestación de servicios de salud, una atención primaria incipiente y diferencias
en la calidad de los servicios de salud entre regímenes. 31 Por lo tanto, las
diferencias entre los grupos contributivos y subsidiados podrían explicarse no
solo por las condiciones laborales subyacentes, sino también por las
desigualdades crónicas en el acceso a servicios de salud de alta calidad. Los
servicios de salud limitados se brindan en áreas rurales semirrurales y dispersas.
Sin embargo, nuestros hallazgos encontraron un efecto protector potencial de la
mortalidad por COVID-19 para las personas que viven en esas áreas en
comparación con las personas que viven en áreas urbanas. La dirección de esta
asociación podría explicarse por la dinámica de transmisión del SARS-CoV-2 que
comenzó en áreas urbanas y alcanzó áreas rurales dispersas más tarde en el
tiempo, teniendo personas menos expuestas y probadas en áreas rurales
durante el período de estudio.
La pandemia de COVID-19 se produce en presencia de una
epidemia de ENT y en un contexto de desigualdades históricas en los
determinantes sociales de la salud, que se reconoce como sindemia. 30 Allí
MP Cifuentes, et al. J Epidemiol Community Health 2021; 0: 1-6. doi: 10.1136 / jech-2020-216275
J Epidemiol Community Health: publicado por primera vez como 10.1136 / jech-2020-216275 el 4 de marzo de 2021. Descargado de
Investigacion original
Hay conexiones complejas entre las ENT, la dinámica de transmisión de
COVID-19 y las condiciones de vida que dan forma a las disparidades con
mayores efectos adversos para las personas desfavorecidas. Las personas de
grupos étnicos minoritarios, las personas que viven en áreas con mayores
privaciones socioeconómicas, generalmente tienen un mayor número de ENT
coexistentes o más graves o incontroladas. 32 Estas desigualdades en las
por COVID-19. Por lo tanto, existe la necesidad de medir, analizar e informar las
inequidades demográficas y socioeconómicas para identificar grupos con mayor
riesgo de mortalidad por COVID-19 con el fin de orientar intervenciones de salud
pública personalizadas en los países. 8
Nuestro estudio proporciona una fuerte evidencia de las desigualdades socioeconómicas en
la mortalidad por COVID-19 en Colombia mediante el uso de datos de una cohorte nacional de
casos confirmados durante los primeros 8 meses de la epidemia. Sin embargo, las conclusiones
deben interpretarse con cuidado considerando las limitaciones del estudio. Este estudio se basa
en datos notificados a SIVIGILA y es posible que, a pesar de su cobertura nacional, exista algún
grado de subregistro. La probabilidad de subregistro podría ser mayor en las áreas rurales
dispersas (15% de la población total), donde vive la mayoría de las personas desfavorecidas y,
por lo tanto, el subregistro, si estuviera presente, tendría un efecto atenuador de las medidas
de efecto. En Colombia, no existe un programa de pruebas masivas de COVID-19, pero las
pruebas ocurren como parte del sistema de vigilancia SIVIGILA y a partir de agosto como parte
del programa PRASS (prueba, rastreo de contactos y programa de aislamiento). El diagnóstico
3, cuartos de oficiales médicos. Protegido por derechos de autor.
de SARS-CoV-2 se basó exclusivamente en las pruebas de RT-PCR durante los primeros 4 meses
de la epidemia y luego se amplió la capacidad de diagnóstico mediante la introducción de
pruebas de antígeno que permitieron cubrir el diagnóstico en áreas con acceso limitado a la
RT-PCR. Además, durante los primeros meses las pautas para las pruebas se basaron
principalmente en los síntomas y luego se agregaron criterios adicionales relacionados con el
riesgo de contacto que aumentan el acceso a las pruebas. Por lo tanto, la probabilidad de ser
probado cambió durante el período de estudio en áreas urbanas y rurales, pero ocurre más
tarde en el tiempo en áreas rurales debido a la dinámica de transmisión de COVID-19 que
comenzó en el y programa de aislamiento). El diagnóstico de SARS-CoV-2 se basó
exclusivamente en las pruebas de RT-PCR durante los primeros 4 meses de la epidemia y luego
se amplió la capacidad de diagnóstico mediante la introducción de pruebas de antígeno que
permitieron cubrir el diagnóstico en áreas con acceso limitado a la RT-PCR. Además, durante los
primeros meses las pautas para las pruebas se basaron principalmente en los síntomas y luego se agregaron cri
Lo que ya se sabe sobre este tema
http://jech.bmj.com/
► La literatura muestra que la mortalidad por COVID-19 presenta
inequidades socioeconómicas y demográficas.
► La mayoría de los informes sobre disparidades socioeconómicas en la
infección y la mortalidad por COVID-19 pertenecían a los EE. UU.
► A pesar de tener algunas de las tasas más altas de mortalidad por
COVID-19, existe un escaso informe sobre el efecto de las condiciones
el 12 de marzo de 2021 en Kwong Wah Hospital Library Flat
socioeconómicas en la mortalidad por COVID-19 en los países de
América Latina.
Lo que agrega este estudio
► Este es el primer estudio de cohorte a nivel nacional que examina las
disparidades socioeconómicas y demográficas en el tiempo hasta la
mortalidad por COVID-19 en América Latina.
► Ser hombre, mayor de 60 años, pertenecer al régimen de
seguro de salud subsidiado, ser indígena y vivir en una
residencia en un estrato socioeconómico muy bajo o bajo
acortó el tiempo hasta la muerte por COVID-19 entre los casos
confirmados en Colombia.
► Hubo evidencia de un patrón de dosis-respuesta por grupos de
edad y estratos socioeconómicos.
5

Investigacion original
áreas urbanas más grandes. Por otro lado, la distribución de casos confirmados
por SIVIGILA en categorías de NSE muy bajo y bajo es muy cercana a la
estimación de la población por NSE reportada por el Censo 2018 lo que sugiere
una baja probabilidad de sesgo de selección relacionado con NSE en el análisis.
Finalmente, nuestros resultados no están controlados por la presencia de
morbilidades crónicas en los casos confirmados, por lo que no se estimó el
efecto de enfermedades crónicas específicas sobre la mortalidad por COVID-19 y
no se controlan las variables socioeconómicas.
En conclusión, nuestro estudio proporciona evidencia de desigualdades
demográficas y socioeconómicas en la mortalidad por COVID-19 en términos de
grupos de edad, sexo, etnia, tipo de régimen de seguro médico y estratos
socioeconómicos. Los casos confirmados de COVID-19 que son hombres,
mayores de 60 años, indígenas, que tienen un seguro de salud subsidiado por el
gobierno y quienes viven en áreas clasificadas en los estratos socioeconómicos
más bajos tienen un mayor riesgo de morir más rápido por el COVID-19.
Nuestros resultados brindan evidencia para ayudar a respaldar la priorización de
intervenciones de salud pública para la prevención y detección de COVID-19 en
Colombia, tales como pruebas, rastreo de contactos y vacunación dirigida a los
grupos más vulnerables de acuerdo con los riesgos desiguales de mortalidad.
Gorjeo Laura Andrea Rodriguez-Villamizar @ laurarovi1, Carlos Arturo Alvarez-
Moreno @AlvarezMorenoC y Julián Alfredo Fernández-Niño @JFernandeznino
Colaboradores MPC: diseño de metodología, verificación de los datos subyacentes, análisis de datos,
interpretación de datos, redacción del borrador original. LAR-V: investigación bibliográfica, análisis de
datos, interpretación de datos, redacción del borrador original. MLR-B: verificación de los datos
subyacentes, análisis de datos, interpretación de datos, revisión de escritura y edición. CAA-M:
interpretación de datos, redacción-revisión y edición. JAF-N: conceptualización, diseño de metodología,
análisis de datos, interpretación de datos, redacción-revisión y edición.
Fondos Este estudio contó con una subvención de financiación específica. El diseño del estudio, la
recolección de datos, el análisis de datos, la interpretación de los datos y la redacción del informe se
realizaron como parte del trabajo de la Dirección de Epidemiología y Demografía del Ministerio de Salud
y Protección Social de Colombia.
Conflicto de intereses Ninguno declarado.
Consentimiento del paciente para la publicación No requerido.
Procedencia y revisión por pares No encargado; revisado externamente por pares.
Declaración de disponibilidad de datos Los datos están disponibles en un repositorio público de
acceso abierto. Los datos utilizados para el estudio actual están disponibles públicamente como datos
abiertos en el sitio web del gobierno https://www.datos.gov.co/Salud-y-Protecci-n-Social/Casos-
positivos-de-COVID-19-en- Colombia / gt2j-8ykr / data.
Material suplementario Este contenido ha sido proporcionado por los autores. No ha sido
examinado por BMJ Publishing Group Limited (BMJ) y es posible que no haya sido revisado
por pares. Todas las opiniones o recomendaciones discutidas son únicamente de los autores
y no están respaldadas por BMJ. BMJ se exime de toda responsabilidad derivada de la
confianza depositada en el contenido.Cuando el contenido incluye material traducido, BMJ no
garantiza la precisión y confiabilidad de las traducciones (incluidas, entre otras, las
regulaciones locales, las pautas clínicas, la terminología, los nombres de los medicamentos). y
dosis de medicamentos), y no es responsable de ningún error u omisión que surja de la
traducción y adaptación o de otro tipo.
Este artículo está disponible gratuitamente para su uso de acuerdo con los términos y condiciones del
sitio web de BMJ durante la duración de la pandemia de covid-19 o hasta que BMJ determine lo
contrario. Puede usar, descargar e imprimir el artículo para cualquier propósito legal y no comercial
(incluida la extracción de texto y datos) siempre que se conserven todos los avisos de derechos de autor
y las marcas comerciales.
ID de ORCID
Myriam Patricia Cifuentes http://orcid.org/0000-0002-2302-123X
Laura Andrea Rodríguez-Villamizar http://orcid.org/0000-0002-5551-2586
Maylen Liseth Rojas-Botero http://orcid.org/0000-0002-5358-6426
Carlos Arturo Alvarez-Moreno http://orcid.org/0000-0001-5419-4494
Julián Alfredo Fernández-Niño http://orcid.org/0000-0002-8948-8481
REFERENCIAS
1 Zhu N, Zhang D, WangW, et al. Un nuevo coronavirus de pacientes con neumonía en
China, 2019. N Engl J Med 2020; 382: 727–33.
2 Organización Mundial de la Salud Panel de control de la enfermedad por coronavirus (COVID-19), 2020.
Disponible: https://covid19.who.int [Consultado el 17 de noviembre de 2020]. 3 Horton R.
Fuera de línea: COVID-19 no es una pandemia. Lanceta 2020; 396: 874.
6 MP Cifuentes, et al. J Epidemiol Community Health 2021; 0: 1-6. doi: 10.1136 / jech-2020-216275
J Epidemiol Community Health: publicado por primera vez como 10.1136 / jech-2020-216275 el 4 de marzo de 2021. Descargado de
4 Comisión Económica para América Latina y el Caribe (CEPAL). Construyendo un nuevo
futuro: recuperación transformadora con igualdad y sostenibilidad. Santiago, 2020. The
5 Lancet. COVID-19 en América Latina: una crisis humanitaria. Lanceta 2020; 396: 1463. Mein
6 SA. COVID-19 y disparidades en salud: la realidad del "gran igualador". Médico interno de J
Gen 2020; 35: 2439–40.
7 Abedi V, Olulana O, Avula V. Desigualdad racial, económica y de salud e infección por COVID-19 en
los Estados Unidos. J Disparidades de salud por etnias raciales 2020: 1–11. Khalatbari-Soltani S,
8 Cumming RC, Delpierre C, et al. Importancia de recopilar datos sobre los determinantes
socioeconómicos desde la etapa inicial del brote de COVID-19 en adelante.
J Epidemiol Community Health 2020; 74: jech-2020-214297–3. Departamento Nacional de
9 Estadística. Proyecciones de población, 2020. Departamento Nacional de Estadística.
10 Estratificación socioeconómica, 2019. Disponible:
https://www.dane.gov.co/index.php/sistema-estadistico-nacional-sen/69espanol/geoestadistica/estratificac
[Consultado el 26 de octubre de 2020].
11 Vittinghoff E, Glidden DV, Shiboski SC. Métodos de regresión en bioestadística. modelos lineales,
logísticos, de supervivencia y de medidas repetidas. Nueva York: Springer Science Business Media,
2012.
12 Mehraeen E, Karimi A, Barzegary A, et al. Predictores de mortalidad en pacientes con
COVID-19: una revisión sistemática. Eur J Integr Med 2020; 40: 101226.
13 Opal SM, Girard TD, Ely EW. La inmunopatogénesis de la sepsis en pacientes ancianos.
Clin Infect Dis 2005; 41 Suppl 7: S504–12. Nasiri MJ, Haddadi S, Tahvildari A, et al. Características
14 clínicas de COVID-19 y riesgo de mortalidad específico por sexo: revisión sistemática y
metanálisis. Frente Med
2020; 7: 1–10.
15 Maleki Dana P, Sadoughi F, Hallajzadeh J, et al. Una idea de las diferencias de sexo en los pacientes con
COVID-19: ¿cuáles son las posibles causas? Prehospitalario en caso de desastre
2020; 35: 438–41.
3, cuartos de oficiales médicos. Protegido por derechos de autor.
Baqui
dieciséis P, Bica I, Marra V, et al. Variaciones étnicas y regionales en la mortalidad hospitalaria por
COVID-19 en Brasil: un estudio observacional transversal. Lancet Glob Health
2020; 8: e1018–26.
17 Filac Y Fiay. Fondo para El Desarrollo de Los Pueblos Indígenas de América Latina Y El
Caribe. Los Pueblos Indígenas ante La pandemia del COVID-19. La PAZ, Bolivia, 2020.
Disponible: https://indigenascovid19.red/wp-content/uploads/2020/05/FILAC_FIAY_
primer-informe-PI_COVID19.pdf
18 Murray CJL, Lopez AD, Chin B, et al. Estimación de la posible mortalidad mundial por influenza
pandémica sobre la base de datos de registros vitales de la pandemia de 1918-20: un análisis
cuantitativo. Lanceta 2006; 368: 2211–8.
19 Shahbazi F, Khazaei S. Desigualdad socioeconómica en la incidencia global y las tasas de mortalidad por la
enfermedad del coronavirus 2019: un estudio ecológico. Nuevos microbios New Infect
2020; 38: 100762.
20 Asfahan S, Shahul A, Chawla G, et al. Tendencias tempranas de los indicadores socioeconómicos y de salud
que influyen en la tasa de letalidad de la pandemia de COVID-19. Cofre de arco Monaldi Dis 2020; 90:
451–7.
21 Okonkwo NE, Aguwa UT, Jang M, et al. COVID-19 y la respuesta de Estados Unidos: acelerando las
inequidades en salud. BMJ Evid Based Med 2020. doi: 10.1136 / bmjebm-2020-111426. [Publicación
electrónica antes de impresión: 03 de junio de 2020].
22 Brandén M, Aradhya S, Kolk M, et al. Contexto residencial y mortalidad por COVID-19 entre adultos
http://jech.bmj.com/
de 70 años o más en Estocolmo: un estudio observacional basado en la población que utiliza datos
a nivel individual. Lancet Healthy Longev 2020; 1: e80–8. Demenech LM, Dumith SdeC, Vieira MECD, et
23 al. Desigualdade econômica E risco de infecção E morte POR COVID-19 no Brasil. Rev Bras
Epidemiol 2020; 23: e200095. Wollenstein-Betech S, Silva AAB, Fleck JL, et al. Las características
24 fisiológicas y socioeconómicas predicen la mortalidad por COVID-19 y la utilización de recursos en
Brasil. Más uno
2020; 15: e0240346–15.
25 Economia. Grupo de Investigación en Macroeconomía de la Facultad de Economía U de Los A. El
patrón socioeconómico del COVID. El caso de Bogotá, 2020. Disponible:
el 12 de marzo de 2021 en Kwong Wah Hospital Library Flat
https://economia.uniandes.edu.co/components/com_booklibrary/ebooks/BM 23.pdf [Consultado
el 27 de octubre de 2020].
26 Rodriguez-Villamizar LA, Belalcázar-Ceron LC, Fernández-Niño JA, et al. Efectos de la contaminación
atmosférica, sociodemográficos y de las condiciones de salud en la mortalidad por COVID-19 en Colombia: un
estudio ecológico. Sci Total Environ 2021; 756: 144020.
27 Sánchez-Torres RM, Sánchez R. Desigualdad del ingreso en Colombia: un Estudio POR
departamentos. Cuad Econ 2017; 36: 139–78.
28 Mattos Dos Santos R. Aislamiento, estrés social, bajo nivel socioeconómico y su relación con la
respuesta inmune en el contexto de la pandemia de Covid-19. Cerebro Behav Immun Health 2020;
7: 100103.
29 Ribeiro F, Leist A. ¿Quién va a pagar el precio del Covid-19? reflexiones sobre un Brasil
desigual. Int J Equity Health 2020; 19: 19–21. Bambra C, Riordan R, Ford J, et al. La
30 pandemia de COVID-19 y las desigualdades en salud. J Epidemiol Community Health 2020;
74: jech-2020-214401–8.
31 Giovanella L, Vega R, Tejerina-Silva H. ¿Es La atención primaria de salud integral parte de la
respuesta a la pandemia de Covid-19 en Latinoamérica? Trab Educ e Saúde
2021; 19.
32 Di Cesare M, Khang YH, Asaria P, et al. Desigualdades en enfermedades no transmisibles y
respuestas efectivas. Lanceta 2013; 381: 585–97.