Análisis BenMap y VSL - CDMX - Manual - INECC

ESTIMACIÓN DE LA CARGA DE MORTALIDAD Y COSTOS
ASOCIADOS POR LA REDUCCIÓN DE LA CONTAMINACIÓN

Evaluación de Impactos
DEL AIRE EN LA CIUDAD DE MÉXICO. en Salud, Utilizando el
Modelo BenMAP CE
1.5.0
Agosto 2020
MC Miguel Angel Flores Roman

Evaluación de Impactos en Salud
Contenido
CONTEXTO....................................................................................................................................... 2
METODOLOGÍA PARA LA ESTIMACIÓN DE LOS IMPACTOS EN LA SALUD Y VALORACIÓN
ECONÓMICA ASOCIADOS A MEJORAS EN LA CALIDAD DEL AIRE ................................................... 5
INFORMACIÓN GEOGRÁFICA .......................................................................................................... 7
MORTALIDAD .................................................................................................................................. 9
POBLACIÓN ................................................................................................................................... 10
FUNCIONES CONCENTRACIÓN – RESPUESTA (FCR) ...................................................................... 11
VALORACIÓN ECONÓMICA DE LOS BENEFICIOS EN SALUD ......................................................... 13
HERRAMIENTA BENMAP-CE ......................................................................................................... 14
RESULTADOS ANÁLISIS 2018 BENMAP-CE .................................................................................... 15
ANEXO I ......................................................................................................................................... 16
INFORMACIÓN DE CALIDAD DEL AIRE .......................................................................................... 19
ESQUEMA DE ANÁLISIS ................................................................................................................. 36
ANÁLISIS DE MODELACIÓN ........................................................................................................... 36
PROCEDIMIENTO DE CÁLCULO BENMAP-CE ................................................................................ 38
ANEXO II ........................................................................................................................................ 48
BIBLIOGRAFIA ................................................................................................................................ 53
1
CONTEXTO.
La exposición a contaminantes del aire puede causar efectos agudos (corto plazo) y crónicos
(largo plazo) en la salud.
Efectos agudos: Son inmediatos, reversibles cuando cesa la exposición al contaminante.

(Irritación de ojos, dolor de cabeza, náuseas); Efectos crónicos: Tardan en manifestarse, duran
indefinidamente y tienden a ser irreversibles. (Disminución de la capacidad pulmonar, Cáncer a
los pulmones debido a un prolongado período de exposición a contaminantes tóxicos del aire).
World Bank, 2012; World Bank, 2013
Los impactos económicos de los efectos en salud de la contaminación del aire pueden ser
significativos. En los países de América Latina los costos de estos impactos se encuentran entre
el 1.5% y el 3% del PIB, siendo éste un gasto que incide en costos sobre los sistemas de salud y
que puede reducirse para utilizar los recursos en el desarrollo de las ciudades (Ibid.).
La Organización Mundial de la Salud (OMS) como el Programa de Naciones Unidas para el Medio
Ambiente (PNUMA), han resaltado que la contaminación del aire ambiental es una de las áreas
focales estratégicas para combatir causas fundamentales de mortalidad y morbilidad a nivel
mundial. Más allá, los daños causados por la contaminación del aire pueden reducirse y sus
múltiples beneficios superan ampliamente a los costos de su abatimiento.
Los inventarios de emisiones han permitido que conozcamos las contribuciones de emisiones
contaminantes a la atmósfera y, con ello, que sea posible diseñar políticas públicas para su
control. En la Ciudad de México mejoras de cada 10 µg/m3 en el promedio anual de PM2.5 se
asociaron con un incremento de casi 0.9 años (Intervalo de confianza de 94%, IC 95% -0.14 a 1.65
años) en la esperanza de vida (Dockery et al., 2018). Estos hallazgos concuerdan con los estudios
de Correia et al. (2017) y Pope et al. (2009) que reportaron, para condados de EUA, un incremento
en la esperanza de vida de entre 0.4 y 0.6 años (con intervalos de confianza de 95% que llegaron
a 1 año) asociado con cada mejora de 10 µg/m3 en el promedio anual de PM2.5.
En un ejercicio de Mejores Prácticas para la Evaluación de Beneficios en Salud en Planes de

Gestión de la Calidad del Aire, la estimación de la carga de enfermedad y la evaluación de
impactos asociados a la exposición a la contaminación del aire son herramientas comunes para
la evaluación de los planes de gestión integral de la calidad del aire (Anenberg et al 2016) y piezas
clave para la toma de decisiones en política pública. La estimación de la carga de enfermedad y
de los impactos en la salud permiten dimensionar la magnitud de los beneficios que conllevan las
mejoras en la calidad del aire.
2
La estimación de la carga de enfermedad y la evaluación de impactos en salud se basan en la

metodología de evaluación de riesgos. Se pueden resaltar cuatro componentes básicos:
(1) exposición de la población a la contaminación atmosférica (datos de calidad del aire),

(2) indicadores de salud pública (datos poblacionales de morbilidad o mortalidad),
(3) estimación del riesgo con funciones concentración-respuesta provenientes de la literatura
científica internacional, y
(4) la caracterización del riesgo (estimaciones finales de mortalidad atribuible) (ver Figura 1).
Figura 1. Esquema metodológico para la Evaluación de la Carga de Enfermedad y de Evaluación

de Impactos en la Salud (mortalidad atribuible prematura o evitada, respectivamente) por
exposición a contaminantes atmosféricos, Fuente: Dockery D, Rojas-Bracho L, Evans J et al.
(2018).
Para evaluar los beneficios en salud asociados con una mejor calidad del aire en la Ciudad de
México por alcanzar los niveles de la Normatividad Nacional NOM-025-SSA1-2014 que indica
los niveles máximos permisibles para la salud (12 µg/m3, promedio anual), y utilizando la
evaluación de impactos en salud, basada en la metodología de evaluación de riesgos.
Para llevar a cabo esta evaluación se utilizará el software BenMAP (Environmental Benefits
Mapping and Analysis Program). Este software, desarrollado por la US-EPA, permite evaluar los
beneficios en la salud de la población asociados con mejoras en la calidad del aire utilizando las
concentraciones del contaminante a evaluar, datos de mortalidad, de población, estimadores de
riesgo, e indicadores económicos.
3
El uso de esta herramienta, la cual ha sido previamente utilizada en por diferentes países y por
las autoridades ambientales de nuestro país para las estimaciones de la carga de enfermedad por
contaminación del aire, permitirá una mejor replicabilidad de estas estimaciones, así como la
articulación con el modelo de calidad del aire para la evaluación de escenarios futuros.
En la Figura 2 se presenta el esquema general de la metodología propuesta utilizando BenMAP.
Figura 2. Esquema de análisis de impactos en salud utilizando BenMAP-CE.

Fuente: Elaborado a partir de US-EPA (2016).
4
METODOLOGÍA PARA LA ESTIMACIÓN DE LOS IMPACTOS EN LA SALUD Y VALORACIÓN

ECONÓMICA ASOCIADOS A MEJORAS EN LA CALIDAD DEL AIRE
La mejora de la calidad del aire, que podría estar asociada a la implementación de acciones de
mejoramiento de procesos por el cambio de tecnología y acciones de gobierno, puede
relacionarse con la reducción del riesgo en salud de la población. El “análisis de evaluación de
impacto” estima los beneficios en la salud y su valoración económica bajo el escenario de línea
base (que llamaremos BaU, por sus siglas en inglés correspondientes a “business as usual”), es
decir, bajo las condiciones de contaminación del aire sin la implementación de ninguna acción,
versus el escenario de gestión, que representa las condiciones de contaminación del aire si se
cumpliera con la normatividad nacional y la guía de la OMS.
Para el escenario BaU, se utilizan los valores de la red de monitoreo atmosférico para el año de
estudio (2018), que representan las condiciones ambientales de PM2.5, que se anida en el
software BenMAP a treves del menú de agregación de la BD de Monitores.
Figura 3. Pantalla de asignación de la Base de datos de monitoreo atmosférico
Las concentraciones para el escenario de gestión son aquellas que provienen del valor de gestión
que indica la Norma Nacional NOM-025-SSA1-2014 (12 µg/m3, promedio anual) y el Valor de la
guias de la OMS de (10 µg/m3, promedio anual).
5
Los resultados de las evaluaciones de impactos en salud son insumos para estimar los beneficios
económicos de la reducción de emisiones y de la mejor calidad del aire. BenMAP es una
herramienta que permite estimar los impactos en la salud y hacer la valoración económica
asociada, como resultado de los cambios en la contaminación del aire ambiente.
Para la evaluación de impactos en la salud BenMAP asume que la función concentración–

respuesta (FCR) es logarítmica lineal; esta función relaciona la concentración promedio anual de
PM2.5 y el estimador del riesgo (se denomina coeficiente beta, β) según la siguiente fórmula:
∆Y=Y_0*(1-e^(-β*∆PM2.5)) *Pob
Donde:
∆Y: cambio en mortalidad (puede ser total o por causas específicas)
Y_0: tasa de mortalidad (incidencia) base (puede ser total o por causas específicas)
β: coeficiente de riesgo unitario
Así, es posible caracterizar de manera cuantitativa la relación entre la exposición a un

contaminante atmosférico (por ejemplo, PM2.5) y los efectos en la salud.
Las pautas para la preparación de análisis económicos establecen un marco científico sólido para
realizar análisis económicos de regulaciones y políticas ambientales. La US-EPA utiliza BenMAP
para los análisis de impacto regulatorio en los Estados Unidos (Fann, et al., 2012; Fann et al.,
2013).
La valoración económica se realiza utilizando la estimación de los impactos en salud (como puede
ser la mortalidad atribuible evitada) para valorarlos en términos económicos, a partir del valor
estadístico de la vida.
Datos de entrada para el uso del modelo BenMAP
• Información geográfica: INEGI

• Definición de contaminante: PM2.5
• Información de calidad del aire: Datos del Monitoreo Atmosférico 2018
• Tasa de incidencia (mortalidad) Secretaría de Salud Cubos INEGI 2018
https://www.inegi.org.mx/programas/mortalidad/
• Datos de población INEGI Proyección CONAPO POP 2018
https://www.inegi.org.mx/app/tabulados/interactivos/default?px=Poblacion_01&bd=P
oblacion
• Funciones concentración respuesta Literatura Internacional -estudios epidemiológicos de
cohorte y metaanálisis.
• Datos de Inflación: Fondo Monetario Internacional.
• Funciones de valoración económica: Literatura Internacional.
• Crecimiento del PIB: INEGI.
Fuente: Elaborado a partir de US-EPA (2016).
6
A continuación, se describen los datos de entrada del modelo BenMAP
INFORMACIÓN GEOGRÁFICA
La información geográfica es la unidad de análisis para la generación de reportes y resultados de

BenMAP. Se requieren los archivos georreferenciados de la Ciudad de México.
El archivos deberán estar en formato Shapefile, se agregan a la configuración del modelo.
CALIDAD DEL AIRE
Como se mencionó previamente, con el software BenMAP se evalúan los efectos en la salud por
la exposición a PM2.5, para lo que se debe estimar la exposición a este contaminante.
La exposición a PM2.5 se estima con base en la información validada de los datos de modelación
designándola para el escenario base las condiciones atmosféricas actuales para el año de
7
modelación sin que se haya implementado la política de reducción o cambio tecnológico. Este
escenario se llamará, Línea Base (BaU)
La métrica de exposición que utiliza el modelo es la concentración promedio anual estimada a

partir de los promedios de 24 horas, que resultan de las Concentraciones ambientales
monitoreadas de PM2.5 en 2018.
En la siguiente tabla, se presenta un ejemplo de la información y localización de las

concentraciones de las PM2.5 que del escenario BaU, utilizadas para el análisis. (Tabla 1).
Monitor Name Monitor Description Latitude Longitude Metric Seasonal Met Statistic Values
MER Merced 19.4249992 -99.1194458 D24HourMean 46, 21, 33, 48, 43, 31, 33, 34, 33, 4
TLA Tlalnepantla 19.5290775 -99.2045975 D24HourMean 42, 27, 34, 43, 30, 30, 29, 26, .,
40,
UIZ UAM Iztapalapa 19.3627777 -99.0713882 D24HourMean .,
.,
.,
.,
.,
.,
.,
.,
.,
.,
.,
.,
.,
.,
.,
.,
.,
.,
.,
.,
.,
.,
.,
SAG San Agust?n 19.5330563 -99.0302811 D24HourMean 38, 29, 37, 48, 53, 32, 29, 36, 30, .,
NEZ Nezahualc?yotl 19.3936119 -99.0280533 D24HourMean 56, 31, 42, 47, 48, 36, 31, 42, 50, 6
CAM Camarones 19.4683323 -99.1694412 D24HourMean .,
.,
.,
.,
.,
.,
.,
.,
.,
.,
.,
.,
.,
.,
.,
.,
24, 38, 34
XAL Xalostoc 19.5283337 -99.0766678 D24HourMean 39, 28, 45, 54, 49, 38, 35, 42, 41, 6
AJU Ajusco 19.1542854 -99.1626129 D24HourMean 45, 22, 27, 27, 55, 30, 23, 25, 26, 3
HGM Hospital General de M?xico 19.4113884 -99.1513901 D24HourMean 47, 27, 38, 46, 42, 32, 28, 30, 33, 4
SFE Santa Fe 19.3572216 -99.2627792 D24HourMean 37, 30, 30, 40, 33, 26, 25, 21, 16, 2
UAX UAM Xochimilco 19.3044434 -99.1036148 D24HourMean 59, 26, 36, 44, 42, 32, 27, 34, 33, 4
CCA Centro de Ciencias de la Atm?sfera 19.3255558 -99.1758347 D24HourMean 51, 25, 34, 42, 40, 29, 23, 26, 24, 3
AJM Ajusco Medio 19.2720833 -99.2075806 D24HourMean 50, 25, 30, .,
.,
29, 24, 22, 22, .,
.,
25
BJU Benito Ju?rez 19.3716125 -99.1589661 D24HourMean 44, 27, 37, 50, 45, 32, 26, 27, 30, 4
GAM Gustavo A. Madero 19.4827003 -99.0945206 D24HourMean 53, 24, 42, 55, 50, 37, 34, .,
43, 50,
INN Investigaciones Nucleares 19.2919674 -99.3805237 D24HourMean 35, 25, 29, 25, 24, 20, 22, 18, 11, 2
MGH Miguel Hidalgo 19.4039993 -99.2027206 D24HourMean 47, 29, 40, 53, 41, 32, 29, 31, 29, 3
Tabla 1. Línea Base Ejemplo del archivo formato para BenMAP del escenario Base.
8
MORTALIDAD
Los contaminantes atmosféricos a nivel comunitario, se han asociado con un incremento en la

mortalidad en adultos y en niños. Es por ello, que este análisis toma como indicador de los
impactos en salud a la mortalidad total. Entre las causas de mortalidad con mayor evidencia en
cuanto a su posible relación causal con la exposición a PM2.5 para la población de adultos.
Las tasas de incidencia de la mortalidad general que se utilizan se obtienen de las Secretaría de
Salud de las alcaldias de la Ciudad de México.
https://www.inegi.org.mx/sistemas/olap/Proyectos/bd/continuas/mortalidad/MortalidadGene
ral.asp
Los datos originales están desagregados por género y grupo de edad para cada alcaldía para el
año 2018.
Tabla 3 se presenta la información para el procesamiento en el modelo BENMAP.
Cada tasa de incidencia se debe asociar a una alcaldía, que tiene un identificador de fila y
columna. En caso de tener una mayor definición espacial para las tasas de incidencia o población
(por ejemplo, por agebs, éstas se podrían incluir con esa mayor desagregación en el modelo.
Tabla 3. Ejemplo de tasas de incidencia de mortalidad por todas las causas y municipio 2018
(formato de BenMAP).
9
POBLACIÓN
La información poblacional para la evaluación se obtiene de las proyecciones del Censo

Poblacional de INEGI (INEGI 2015) y se valida con la información estadística de los municipios de
la Cuenca del Valle de México.
https://www.inegi.org.mx/programas/intercensal/2015/default.html#Microdatos
En la Tabla 4 se presenta la información poblacional incluida en el formato para procesamiento

de BenMAP (ejemplo para el año de evaluación 2019).
Tabla 4. Ejemplo de la Información Poblacional - 2018 (formato de BenMAP).

Fuente: Elaboración propia a partir de datos de INEGI
10
FUNCIONES CONCENTRACIÓN – RESPUESTA (FCR)
La construcción de las FCR requiere de los coeficientes de riesgo (β) que se estiman en los
estudios epidemiológicos; estos coeficientes reflejan la asociación que existe entre la exposición
a PM2.5 y algún impacto adverso para la salud.
En las últimas décadas la evidencia epidemiológica se ha multiplicado de manera importante lo

que permite describir la relación empírica de la contaminación atmosférica y sus efectos en la
salud. La selección de los coeficientes de riesgo y de las FCR debe hacerse con base en el análisis
riguroso del conjunto de la literatura científica internacional, de tal forma que la evidencia sea
suficiente para asumir una relación de causalidad entre la exposición y el efecto en salud.
Los resultados de los estudios de cohorte realizados en Estados Unidos, Europa, Canadá, China,
Japón, entre otros, han mostrado consistentemente las asociaciones entre la exposición a largo
plazo a PM2.5 y los efectos en la mortalidad.
La magnitud de las asociaciones exposición-respuesta (coeficientes) para PM2.5 muestra cierta

variabilidad entre los estudios. Los métodos para cuantificar un estimador que permita resumir
los coeficientes de riesgo de diversos estudios de cohorte (método que se conoce como meta-
análisis) se han sumado a la evidencia sobre las asociaciones adversas entre la exposición a largo
plazo a PM2.5 y la mortalidad por todas las causas, mortalidad cardiopulmonar y mortalidad por
cáncer de pulmón.
Para este análisis, la selección de las FCR, se tomó con base en los siguientes criterios: 1) inclusión
de estudios de cohorte con mayores tiempos de seguimiento y mayor número de participantes;
2) inclusión de meta-análisis de estudios de cohorte, cuya selección de los estudios de cohorte
hubiera sido de aquellos con mayor tiempo de seguimiento, mayor número de participantes y
realizados para estimar el efecto de PM2.5 en mortalidad total o por causas específicas de
mortalidad; 3) exclusión de cohortes de grupos específicos de población (v.g. maestros, mineros,
sexo masculino o femenino, entre otras).
Las FCR que se utilizan en el análisis se presentan en la Tabla 5. En ésta se especifica la referencia
del estudio del que proviene la información, que incluye el tipo de impacto (mortalidad total o
por casusas específicas); las causas incluidas de acuerdo con su clasificación en el Código
Internacional de Enfermedades versión 10 (CIE-10); y, el grupo de edad de los participantes del
estudio del que provienen los coeficientes. Los coeficientes de riesgo (el riesgo relativo) con sus
intervalos de confianza al 95% representan la respuesta de un efecto en salud por un cambio en
la concentración de PM2.5 de 10 µg/m3.
11
Tabla 5. Riesgos relativos asociados con exposición a largo plazo a PM2.5
Nota: los estimadores de riesgo se asocian con incrementos de 10 µg/m3de PM2.5.
Mortalidad por causas específicas
Causas cardiopulmonares
Mortalidad general Cardiovasculares Cerebrovasculares Influenza/neumonía Cáncer de pulmón
CIE-10 (A00-R99) (I00–I09, I11,I13,I20–I51) (I60–I69) (J09–J18) (C33–C34)

Estimador Estimador Estimador Estimador Estimador
central IC 95% central IC 95% central IC 95% central IC 95% central IC 95%
Hoek et al., 2013 1.06 (1.04,1.08) 1.11 (1.05,1.16)

Adultos
Pope et al., 2019 1.12 (1.08,1.15) 1.28 (1.21,1.36) 1.26 (1.11,1.43) 1.41 (1.13,1.76) 1.12 (1.00,1.26)
≥ 18 años
Lepeule et al., 2012 1.37 (1.07,1.75)

25-74 años
Fuente: Elaborado con base en literatura internacional cortesía del Clean Air Institute 2019
El estudio de Pope et al. (2019) evalúa la asociación entre la exposición a largo plazo a PM2.5
(concentración promedio anual) y la mortalidad en una cohorte que es representativa de la
población de adultos de Estados Unidos provenientes de las Encuestas de Entrevistas Nacionales
de Salud (National Health Interview Surveys). Los autores reportan evidencia robusta sobre la
contribución de la exposición a largo plazo a PM2.5 y el riesgo de mortalidad, con un incremento
en el riesgo de mortalidad por todas las causas de 12% (IC 95%: 1.08, 1.15), por mortalidad
cardiopulmonar (desagregada en enfermedades cardiovasculares, cerebrovasculares e
influenza/neumonía, véase la Tabla 5) y de cáncer de pulmón de 12% (IC 95%: 0, 26%) asociado
a un cambio de 10 µg/m3 en la concentración de PM2.5.
El estudio de Lepeule et al. (2012), se realizó en la cohorte del estudio de las Seis Ciudades (Six
Cities) de Harvard, con una extensión del seguimiento de 11 años del estudio original (Dockery,
et al., 1993). Los autores incluyeron a más de 8,000 adultos de entre 25 y 74 años, encontrando
una asociación estadísticamente significativa entre la exposición a PM2.5 (promedio anual) y
varias causas de mortalidad.
Para la mortalidad por cáncer de pulmón se encontró que un incremento de 10 μg/m3 en la

concentración promedio anual de PM2.5 se asociaba con un incremento de 37% (IC 95%: 7-75%)
en el riesgo de mortalidad por esta causa.
Con estos coeficientes se obtendrá la función concentración-respuesta para estimar los impactos
en salud atribuibles a la exposición a PM2.5.
12
En este caso, se trata de beneficios asociados con mejoras en la calidad del aire que se
cuantificarán primero como muertes atribuibles evitadas y, después, se asignará un valor
económico como se detalla en la siguiente sección.
VALORACIÓN ECONÓMICA DE LOS BENEFICIOS EN SALUD
La valoración económica asigna un valor monetario a las muertes atribuibles evitadas. La

finalidad de asignar un valor a la mortalidad atribuible evitada es transformar los beneficios a la
salud a una métrica común, en este caso un valor monetario, con lo cual se pueden comparar los
beneficios en salud con los costos de implementación de un programa o de medidas de control;
también, permite la comparación entre los costos de otras políticas públicas.
Para monetizar los beneficios en salud se utiliza el Valor de una Vida Estadística (VSL).
Al tratarse de una valoración de costos en términos propiamente económicos, los indicadores no

deben interpretarse directamente como un impacto directo en las cuentas nacionales (por
ejemplo, en el PIB); la valoración de mortalidad en términos económicos no debe confundirse
con costos netamente financieros, como el gasto erogado por el sector salud en hospitalizaciones
o el pago de un tratamiento o una consulta médica por parte de un individuo. Por el contrario, el
costo económico involucraría la cuantificación del valor que los individuos dan a la pérdida de
aspectos que consideran valiosos, destacando la salud y la vida en sí misma. De tal manera que
la comparación de la valoración de muertes evitables con el PIB debe entenderse sólo en
términos referenciales.
El VSL para México, elegido en este estudio, corresponde a un valor de 1.7 millones de USD (a
precios del 2015). La estimación del VSL se obtuvo después de seguir el método del meta-análisis
de Kochi et al. (2006).
13
HERRAMIENTA BENMAP-CE
En la siguiente figura se presenta la interacción de BenMAP-CE con los datos para realizar el
análisis de impactos en la salud.
Figura 5. Pasos para el análisis de impactos en la salud.

Fuente: EPA BENMAP
A manera de ejemplo en el anexo I, se mostrará la modelación paso a paso para el escenario de

modelación, específicamente para la Ciudad de México como esquema de análisis principal. La
información mostrada, dará certeza sobre la correcta ejecución ya que dicho software valida los
datos introducidos con base en la metáfora de señalización de semáforo, el cual se observa en el
panel de análisis del software BenMAP.
Nota: Este análisis podrá ser comprobado, si así es necesario y requerido por cualquier evaluador
del proyecto presente; siguiendo el siguiente procedimiento con las bases de datos que se
anexan a este documento.
14
RESULTADOS ANÁLISIS 2018 BENMAP-CE
Los resultados sobre la caracterización de la mortalidad atribuible evitada por todas las
causas (no externas) en la población mayor a 18 años en la Ciudad de México durante el
periodo 2018 indican que los estimadores medios y las de los intervalos de confianza al 95%
(Percentiles 2.5 y 97.5) vinculados a la incertidumbre de las FCR utilizadas es:
5,893 muertes atribuibles evitadas en adultos mayores a 18 años en la Ciudad de

México si se ubieran alcanzado las concentraciones de la normatividad Nacional
para las concentraciones de Partículas PM2.5 en el aire ambiente (IC 95% 4,590 –
7,161)
La valoración económica de las muertes atribuibles evitadas por causas generales presenta un
beneficio social por mejorar la calidad del aire en la Ciudad de México, durante el periodo de
gestión correspondiente a la reducción de PM2.5 con el estimador VSL a precios del 2015 es:
~ 10,107 millones de dólares.
BenMAP, facilita el cálculo de la evaluación de impacto en salud. En los resultados obtenidos se

muestran únicamente para los casos de mortalidad general, con la función de impacto de Pope
et al 2019.
Es importante esta reducción de emisiones, ya que contribuye al mejoramiento de la calidad del

aire y a la reducción de la exposición de la población al aire ambiente, ya que dicha exposición se
asocia con enfermedades como la enfermedad pulmonar obstructiva (EPOC), cáncer de pulmón,
entre otras. La información generada es este estudio sobre la evaluación de impacto, puede ser
utilizada para incidir en las políticas públicas de la región.
15
ANEXO I
Metodología de calculo
Como primer paso, se podrá descargar e instalar el software del siguiente enlace de la US-EPA:
https://www.epa.gov/BenMAP.
Toda vez que se haya instalado y ejecutado el software, se iniciará con una pantalla
completamente vacía. En el panel de modificación de datos se ingresará el espacio de trabajo
que se desea modelar a través de la definición de la malla geográfica.
1. PREPARACIÓN Y CONFIGURACIÓN DE LOS ARCHIVOS
La preparación de las bases de datos y archivos necesarios que el modelo utiliza para procesar y
realizar los escenarios a modelar se presenta en esta sección. En la Tabla 1A, se encuentra un
resumen de la información de entrada del BenMAP para la estimación de los impactos en la salud
y valoración económica asociados a mejoras en la calidad del aire.
Tabla 1A. Datos de entrada BenMAP-CE
Tipo de conjunto de datos Lista de chequeo Tipo de archivo

A. Información geográfica  .shp
B. Contaminantes  PM2.5
C. Información de Calidad del Aire  Excel/csv
datos modelados
D. Tasas de incidencia (mortalidad)  Excel/csv
E. Datos de población  Excel/csv
F. Funciones Concentración Respuesta  Excel/csv
G. Funciones de valoración económica  Excel/csv
A continuación, se presenta en detalle la preparación de los archivos de entrada para llevar a

cabo las estimaciones con el BenMAP-CE.
A1. Información geográfica
Los cálculos en BenMAP-CE están vinculados a áreas geográficas distintas, cada una con una
concentración de contaminantes específicos del aire, edad de la población e incidencia basal. El
primer paso consiste en establecer el área geográfica de estudio, y puede definir una cuadrícula
de la siguiente manera:
1. Subiendo un archivo en formato shape (tipo de archivo utilizado en Sistemas de Información

Geográfica [SIG]) de extensión .shp, o
16
2. Especificando un patrón de cuadrícula de forma regular (generalmente cuadrados definidos
por grados de latitud y longitud o por kilómetros). En BenMAP-CE a esto se le conoce como
Definiciones de cuadrícula Shapefile y Definiciones de cuadrícula regulares, respectivamente.
Si aún no tiene un archivo formateado del área de interés, puede crear uno usando un programa
de software SIG gratuito, como QGIS. Para mayores detalles técnicos sobre el uso de los archivos
ESRI shape, puede consultar el manual “ESRI Shape Technical Description” en el siguiente enlace;
https://www.esri.com/library/whitepapers/pdfs/shapefile.pdf
Preparación de su archivo Shapefile para la Ciudad de México, utilizando QGIS.
1. Inicia con un archivo sin formato que define alcaldías que comprenden ciudad de México.
2. Abra QGIS y use el Panel del navegador para ubicar al archivo titulado “cdmx.shp”.
3. Agregue el archivo de formato ESRI .shp a QGIS arrastrándolo a la ventana principal o
seleccionando desde el menú agregar capa vectorial.
4. Icono de capas ( ) en la parte superior del Panel del navegador, con lo cual podrá ver la
capa del área de interés a nivel municipal, cada municipio está relacionado con las bases de
mortalidad, población y sobre cada uno de estos se distribuirá geográficamente las
concentraciones de contaminantes.
Figura 1A. Ventana principal del QGIS.
5. Se deberá crear en cada uno de las alcaldías un campo especifico llamado Row, Col; que son
los identificadores que se utilizarán en todo el proceso del modelado.
17
Figura 2A. Modificación de la base de datos en QGIS.
La numeración correspondiente al Row y Col (renglón, columna), y está directamente relacionada

con el ID del Municipio y una secuencia numérica como identificador, respectivamente.
Tabla 2A. Ejemplo de los Identificadores de la Columna y Renglón (Col, Row), para alcaldía de la
ciudad de México.
18
6. Como se puede apreciar, la base de datos del archivo .shp, no contiene el nombre del
Municipio, por lo que se deberá agregar editando la base de datos del archivo shape.
Figura 3A. Ventana de edición de la base de datos de la cobertura en QGIS.
7. Este procedimiento, se repite reproduciendo exactamente los mismos pasos para agregar el
ROW y COL, cuando su cobertura no lo contenga.
8. Guarde en una carpeta especifica el shape, el cual utilizará para la configuración del grid
(malla en el modelo).
B1. Contaminantes
Las PM2.5, será el contaminante a estudiar, esta modelación se refiere al beneficio ambiental
por la reducción de partículas suspendidas con diámetro aerodinámico menor a 2.5 micras (μm),
utilizando el promedio anual por estación a partir de la métrica de exposición que consiste en el
promedio diario de 24 horas, con suficiencia de información al 75%. No se requiere preparar un
archivo especifico, únicamente seleccionar este contaminante en la adecuación de los cálculos
del BenMap-CE.
INFORMACIÓN DE CALIDAD DEL AIRE
Los datos deben importarse por contaminante y un año a la vez, como archivos CSV individuales.
Cabe mencionar que se deberá considerar que las estaciones después de la modelación cumplen
con el 75% de la suficiencia de datos.
19
En la siguiente tabla se enumera las variables que deben estar presentes en cada base de datos
por estación de monitoreo atmosférico que se vaya a utilizar en el análisis. Tenga en cuenta que,
si bien los datos no son requeridos para cada campo, todos los campos/ encabezados de
columna, deben estar presentes en la base de datos del archivo.
Tabla 3A. Formato requerido para las variables de la base de datos por estación de monitoreo
atmosférico.
Variable Tipo Requerido Notas
Monitor Name (nombre del monitor) Texto Si Nombre único del monitor
Longitude (Longitud) Numérico Si Los valores deben estar en formato de grado decimal. Valores en el
hemisferio oriental son positivos, y los del hemisferio oeste son
negativos.
Latitude (Latitud) Numérico Si Los valores deben estar en formato de grado decimal. Valores en el
hemisferio norte son positivos, y los del sur hemisferio sur son
negativos.
Metric (Métrica) Texto Si Debe hacer referencia a una métrica ya definida (por ejemplo, un
máximo diario de 1 hora) para el contaminante apropiado.
Seasonal Metric (Métrica estacional) Texto No Esta variable está en blanco (lo que significa que los valores no son
valores de métrica estacional) o debe hacer referencia a una métrica
estacional ya definida para la métrica (por ejemplo, la media de los
valores máximos de 1 hora para los meses de junio a agosto).
Statistic (Estadística) Texto Si Esta es una métrica anual, deberán ser uno de: los siguientes, Media,
Mediana, Máx, Mín, Suma. (p. ej., con respecto a los promedios de 24
horas para el año)
Values (Valores) Text SI Los valores se proporcionan como una cadena de valores delimitados
por comas para el año [por ejemplo, 365 valores o 366 (año bisiesto)
para datos diarios, 8760 valores u 8784 (año bisiesto) para datos por
hora]. Los valores faltantes se indican con un punto (".").
Las métricas de exposición, están referidas a las bases de datos de las funciones de impacto
seleccionadas. En el caso de las PM2.5 la métrica de exposición, es el promedio de 24 horas diario
(D24HourMean), la preparación de las bases de datos para ingresar al BenMap-CE deberá estar
en formato CSV, valores separados por comas, y debe quedar de la siguiente manera:
Figura 4A. Archivo de concentraciones promedio anuales para el escenario BaU con datos
modelados, archivo de ejemplo para datos de modelación
20
C1. Tasas de incidencia (mortalidad)
La función de impacto en la salud se estima a través del cambio en la incidencia del efecto en la
salud asociado con el cambio en la concentración de contaminantes. Para estimar el cambio
absoluto en la incidencia utilizando estas funciones, se necesitan tasas de incidencia basales (y
en algunos casos tasas de prevalencia) del efecto adverso sobre la salud.
La tasa de incidencia corresponde al número de casos en salud por persona en la población por
unidad de tiempo. Por ejemplo, la tasa de incidencia de los ataques de asma puede ser de 25
casos por persona asmática por año, y la tasa de prevalencia (que mide el porcentaje de la
población asmática) podría ser del 6% de la población total.
Los encabezados de las columnas deben estar relacionados con las Funciones de Concentración
Respuesta (FCR), los municipios de la incidencia están calculados como tasa de mortalidad por
cada 100 mil hab.
Las tasas de incidencia deben importarse como archivo CSV, de la siguiente manera:
Figura 5A. Ejemplo del archivo de incidencia anual por edad y alcaldía de la Ciudad de México
D1. Datos de población
Los datos de población deben estar asociados con una configuración de población, definida a
partir de la razas, etnias, géneros y rangos de edad presentes en los datos. Los datos de población
también deben estar asociados con una definición de cuadrícula que especifique los municipios
para las que están disponibles los datos.
21
A partir de las bases de CONAPO, se selecciona la población por rango de edad y se configura
como se muestra en la Figura 6, en un archivo CSV.
El rango de edad en toda la población de 0 a 99 años de cada municipio se incluye en el primer

encabezado Row y para cada año correspondiente de modelación deberá existir un archivo
similar configurado.
Figura 6A. Ejemplo del archivo de población estandarizada anual por edad y municipio
E1. Funciones Concentración Respuesta - FCR
Las FCR deben ser seleccionada en relación con el criterio de la valoración en la salud deseada
(mortalidad general o causa especifica). La metodología desarrollada para este estudio estableció
las funciones con base al criterio experto de los especialistas que participaron en el proyecto y
un análisis minucioso de las concentraciones históricas locales, así como los estudios de cohorte
más robustos disponibles en la literatura.
En este sentido, se utilizará en el escenario a modelar la Función de Impacto Respuesta (FCR) más
reciente publicada elaborada por Pope et al (2019), que es el meta-análisis representativo para
la cohorte de Estados Unidos de América (EUA), la que resulta en un incremento de 12% en el
riesgo de mortalidad por causas generales (IC 95%: 4-8%) y de 28% (IC 95%: 21-36%) por causas
cardiovasculares.
22
Tabla 4A. Riesgos relativos asociados con exposición a largo plazo a PM2.5
Causas (CIE-10) Grupo de edad Riesgo Relativo (IC Referencia

95%)
Todas, no externas
(A00 - R99) 18 a 84 años 1.12 (1.08 - 1.15)
Cardiovasculares
(I00 - I99) 18 a 84 años 1.28 (1.21 - 1.36)
Cerebrovascular Pope III et al., 2019

(I60 - I69) 18 a 84 años 1.26 (1.11 – 1.43)
Influenza/neumonía
(J09 - J18) 18 a 84 años 1.41 (1.13 – 1.76)
Cáncer de Pulmón 18 a 84 años 1.12 (1.00 – 1.26)

(C33 - C34)
24 a 74 años 1.37 (1.07 – 1.75) Lepeule et al., 2012
Todas, no externas Adultos 1.06 (1.04 – 1.08)
(A00 - R99) Hoek et al., 2013
Cardiovasculares Adultos 1.11 (1.05 – 1.16)
El archivo que utiliza BenMAP puede subirlo o descargarlo directamente del modelo de los ya
precargados como los escenarios para Estados Unidos, este archivo se prepara elaborando los
Betas a partir de los estimadores centrales de las funciones de impacto, se configura como se
muestra en la Figura 7, en un archivo CSV.
El procesador para cálculo de las betas1 lo podrá descargar del siguiente sitio:
https://www.epa.gov/sites/production/files/2018-02/beta_se_calculator_and_hif_input_file.xlsx
1 Beta. El coeficiente para la función de impacto en la salud. El valor de beta (ß) generalmente representa el cambio porcentual en un impacto
adverso a la salud por unidad de contaminación.
23
Endpoint Group Endpoint Pollutant Metric Metric Statis Study AuthorStudy Year Study LocatioQualifier Reference Race Ethnicity Gender Start Age End Age Function Baseline FunBeta Distribution Parameter 1
Hoek G, Krishnan RM, Beelen R, Peters A,
Ostro B, Brunekreef B, Kaufman JD. Long-
Mortality Mortality, All Cause PM2.5 D24HourMean Mean Hoek et al. 2013 meta-analysiPooled Estim term air pollution exposure and cardio- ALL ALL ALL 15 99 (1-EXP(-Beta Incidence*PO 0.00582689 Normal 0.00095368
Hoek G, Krishnan RM, Beelen R, Peters A,
Mortality Mortality, CVD PM2.5 D24HourMean Mean Hoek et al. 2013 meta-analysiPooled Estim Ostro B, Brunekreef B, Kaufman JD. Long- ALL ALL ALL 15 99 (1-EXP(-Beta Incidence*PO 0.010436 Normal 0.00224796
Lepeulei J, Laden
ll i F, Dockery D, Schwartz
d di J.
Chronic Exposure to Fine Particles and
Mortality Mortality, Lung Cancer PM2.5 D24HourMean Mean Lepeule et al 2012 6 U.S. cities Mortality: An Extended Follow-up of the ALL ALL ALL 25 74 (1-EXP(-Beta Incidence*PO 0.03148107 Normal 0.01249005
Mortality Mortality, All Cause PM2.5 D24HourMean Mean Pope et al. 2019 U.S. ALL ALL ALL 18 84 (1-EXP(-Beta Incidence*PO 0.01133287 Normal 0.00134864
Mortality Mortality, Lung Cancer PM2.5 D24HourMean Mean Pope et al. 2019 U.S. ALL ALL ALL 18 84 (1-EXP(-Beta Incidence*PO 0.01133287 Normal 0.00600934
Mortality Mortality, CVD PM2.5 D24HourMean Mean Pope et al. 2019 U.S. ALL ALL ALL 18 84 (1-EXP(-Beta Incidence*PO 0.02468601 Normal 0.00309309
Mortality Mortality, Cerebrovascular Disease PM2.5 D24HourMean Mean Pope et al. 2019 U.S. ALL ALL ALL 18 84 (1-EXP(-Beta Incidence*PO 0.02311117 Normal 0.00645728
Mortality Mortality, Pneumonia PM2.5 D24HourMean Mean Pope et al. 2019 U.S. ALL ALL ALL 18 84 (1-EXP(-Beta Incidence*PO 0.03435897 Normal 0.01131245
Figura 7A. Archivo de FCR
24
2. CONFIGURACIÓN DEL BenMAP-CE
Para crear una nueva configuración en BenMAP-CE para una nueva área geográfica, primero
seleccione Modificar conjuntos de datos (Modify Datasets, en inglés), en el menú de la barra del
programa, deberá hacer doble clic para abrir esta ventana y crear su escenario.
Figura 8A. Ventana principal del Modelo BenMAP CE y escenario predeterminado.
La ventana Modificar Datasets muestra las entradas asociadas con la configuración activa. Para
cada tipo de dato, los conjuntos de datos asociados se enumeran en la ventana debajo de estos.
Para agregar una nueva configuración, simplemente seleccione Agregar y escriba un nombre de
una nueva configuración (por ejemplo, "CDMX).
25
Figura 9A. Creación del escenario a modelar.
Después de crear la nueva configuración, la ventana Modificar conjuntos de datos, debería

parecerse a la siguiente, ya que no se ha cargado ningún conjunto de datos para la nueva
configuración:
26
Figura 10A. Ventana de creación de escenario.
27
A2. Información geográfica

Los cálculos del BenMAP están organizados geográficamente. Todos los datos ingresados deben
relacionar a la definición de una malla especifica. Este paso se logra haciendo clic en el panel de
modificación de datos de configuración (setup, en inglés).
Figura 11A. Ventana de Modificación de la Serie de Datos (Modify Datasets, en inglés), donde
se establecen los parámetros del escenario a modelar.
Posteriormente, hacer clic en el botón de manejo (Manage, en inglés), para desplegar el menú
donde se definirá la zona de estudio (grid, en inglés).
28
Figura 12A. Menú para la Definición de la zona de estudio (Manage, Grid Definitions, en inglés),
a través del cual se especifica el área geográfica de estudio.
En la ventana de configuración se agrega el área geográfica de estudio, en la cual se trabaja la

distribución de las concentraciones a evaluar del contaminante seleccionado. Se recomienda
utilizar la proyección sugerida “NorthAmerica – ContiguousAlbersEqualAreaConicUSGS- ya que
es el que mejor se adecua para el análisis espacial de América.
El formato solicitado será un archivo cartográfico en formato .shp. (El Shapefile es un formato de
representación vectorial desarrollado por ESRI (Enviromental Systems Research Institute). Consta
de un número variable de archivos, en los que se almacena digitalmente la localización de los
elementos geográficos (archivo shape *.shp), junto con sus atributos o características (tabla
dBase *.dbf).
Nota: Si se quiere elegir otro tipo de proyección (por ejemplo, para la interrelación cartográfica
en otros sistemas geoespaciales), puede marcar la casilla “Mostrar todo” y seleccionar de una
lista ampliada de opciones.
29
Como ya se mencionó, previo a la cartografía del área geográfica de estudio, esta se debe adecuar
con la finalidad de que se interrelacione con las bases de datos de población y las tasas de
mortalidad. Para ello se debe definir una columna y fila con números de 1 a 10 que coincida con
la base geográfica de los municipios de la zona de estudio. Esto se utiliza para distribuir y atribuir
las estimaciones que se ejecutan en BenMAP-CE. Este procedimiento debe ajustarse en un
sistema de información geográfica (conocido con los acrónimos SIG en español o GIS en inglés).
Ver sección 1 de este anexo.
B2. Contaminante
La definición del o los contaminantes a estudiar, deberán coincidir con los datos de monitoreo
disponibles y debe tener concordancia con la FCR seleccionada. En este caso, se elige el
contaminante haciendo clic en el panel de modificación de datos en configuración (setup, en
inglés), utilizando las respectivas métricas de medición (véase Figura 13A).
En este análisis se utiliza las concentraciones medidas de las partículas menores a 2.5 micras. La
métrica para el cálculo utilizado en el modelo BenMAP-CE, fue parametrizada con los valores
medidos para el promedio de 24 horas (D24HourMean), convertidos en archivo CSV y escalados
al formato que requiere BenMAP-CE, esto a partir del año que inicio su monitoreo y hasta el año
actual por cada estación de monitoreo.
Figura 13A. Casillero de elección del contaminante y métrica disponible a ser evaluado que
afecta la salud de la población.
30
C2. Información de Calidad del Aire
Las bases de datos de monitoreo atmosférico con la concentración de los contaminantes deberán
ser los archivos de salidad del modelo (véase Figura 14 y Figura 15).
Figura 14A. Casillero vacío de datos de monitoreo ya que se toma los datos de modelación.
31
Figura 15A. Ventana para agregar la base de datos de monitoreo atmosférico preparado para la
estimación por año.
32
D2. Tasas de incidencia (mortalidad)
Con el archivo preparado para el año 2018 en formato CSV, tal como se presenta en la Figura 5
sección D1, el cual contiene las tasas de incidencia del escenario a evaluar; se deberá subir al
BenMAP-CE. Las tasas utilizadas en el análisis deben ser específicas y acordes con la localización,
así como coincidir con la población. Las tasas de incidencia deben estar representadas por cada
100,000 habitantes.
Figura 16A. Ventana de para configurar y definir los datos de incidencia a utilizar.
E2. Datos de población
Con el archivo adecuado en CSV que se generó tal como se presenta en la Figura 6 sección E1
para la población, el cual contiene el conteo poblacional por grupo etario a evaluar; se deberá
subir al BenMAP-CE. Incluyendo, poblacional especifica por municipio, grupo etario, raza,
etnicidad, y género para los cuales cuenta los datos poblacionales.
33
Figura 17A. Ventana de configuración de la base de datos de población.
F2. Funciones Concentración Respuesta - FCR
Con las funciones de concentración respuesta del estudio seleccionado, se elabora el archivo CSV,
el cual se deberá configurar en el software BenMAP haciendo clic en el menú de configuración.
Figura 18A. Ventana de configuración en BenMAP para agregar base de datos de funciones de Impacto
34
G2. Función de valoración económica
De acuerdo a lo presentado en la guía metodológica y la sección G1, el VSL utilizado en esta

evaluación es de $ 1,715,477 millones de dólares valores referenciado al año 2015 para México.
Como se aprecia en la siguiente figura.
Figura 19A. Configuración del VSL para el cálculo de la valoración económica.
35
ESQUEMA DE ANÁLISIS
Con la configuración completa del BenMAP-CE para la Ciudad de México, se elaborará la

evaluación de impactos a la salud por la mejora de la calidad del aire, el cual consiste en un
procedimiento de evaluación de riesgo que permite estimar el cambio en el número de
incidencias (en este caso muertes atribuibles evitadas) asociadas a un cambio en la calidad del
aire.
ANÁLISIS DE MODELACIÓN
El análisis principal consiste en estimar los beneficios en la salud y su valoración económica bajo
el escenario de línea base (que llamaremos BaU, por sus siglas en inglés correspondientes a
“business as usual”), es decir, bajo las condiciones de contaminación del aire sin la
implementación de ninguna medida, versus el escenario de gestión, que representa las
condiciones de contaminación del aire con el cumplimiento a la Normatividad nacional e
Internacional.
Escenario Línea Base – BaU (Baseline en BenMAP-CE)
Para el escenario BaU se utilizan los datos monitoreados de la las concentraciones de partículas
PM2.5 (BaU sin la implementación de la medida de reducción de emisiones).
A partir del dato modelado de la Línea Base (sin la implementación de la medida) para el año de
estudio seleccionado (2018 para este caso), se debe preparar el archivo similar al de la
Figura 20A.
Una vez obtenido el archivo de modelación, al correr la modelación deberá llamarse el cual no
es necesario insertarlo en la configuración general.
36
Row Column Metric Seasonal Met Annual Metric Values

1 1 D24HourMean Mean 7.206509
Figura 20A. Ejemplo de una sección del archivo de las concentraciones ambientales de PM2.5 2018.
escenario Línea BASE 2018
Escenario de Gestión (Control en BenMAP-CE)
37
PROCEDIMIENTO DE CÁLCULO BENMAP-CE
Para dar inicio a la modelación, se seguirán los pasos pre-establecidos del BenMAP-CE. El paso a
paso sigue una secuencia establecida y categorizada con base en colores que cambian a medidas
que se completa cada paso, oprima OK, (véase Figura 21).
Figura 21A. Inicio de la Modelación en BENMAP
Al continuar, se elige el contaminante a evaluar, en este caso el PM2.5, haciendo clic en el botón
contaminante (pollutans, en inglés).
Figura 22A. Selección del contaminante PM2.5
Una vez se establece el contaminante de estudio con la métrica adecuada, el botón de semáforo
cambia de amarillo a color verde
38
Figura 23A. Contaminante aprobado PM2.5
La siguiente sección, corresponde a los datos de calidad del aire con la elección de la base de
datos para los escenarios BaU (Baseline en BenMAP-CE) y gestión (Control en BenMAP-CE), para
dar estimar el cambio entre los escenarios “Delta” (BaU Vs Gestión).
Figura 24A. Sección de datos de calidad del aire (PM2.5)
Haciendo doble clic en el botón (Baseline), se elige datos de monitores (Monitor Data, en inglés)
como se presenta en el siguiente menú desplegado (Figura 25). En esta parte se define la forma
en que se desea que los datos sean importando al BenMAP-CE de acuerdo a los datos espaciales
cargados del área geográfica (CAMe para este caso).
Se debe seleccionar la zona pre-establecida para cuenca Ciudad de México, como fue configurada
y se utilizaran los datos monitoreados, haciendo clic en el botón siguiente (Next, en inglés).
39
Figura 25A. Selección de forma de importar los datos de calidad del aire para PM2.5.
Una vez realizada la acción anterior se desplegará el siguiente menú, con el cual se elegirá los
datos del escenario BaU, la cual será como ya se mencionó, el archivo relativo a las
concentraciones preparado con la información de los monitores de línea base sin medida para el
año 2018.
Toda vez que se aplica clic al botón siguiente, el software solicita guardar los archivos de entra
resultado de las salidas del modelo debiéndose recolectar en una carpeta de su computador de
su elección, o en su defecto en la carpeta predefinida.
Ruta: (C)/Users/MyDocuments/MyBenMAP-CEFiles/Result/AQG
Este archivo, se recomienda nombrarlo “LB_PM2.5_2018”, el cual contiene los datos de calidad
del aire modelados iniciales. Cada Archivo de salida es recomendable que se especifique de la
mejor manera posible para entender de qué archivo se trata cuando se haga el análisis e
interpretación Exo Software.
40
El escenario de la línea base, se desplegará de la siguiente manera, con los datos homogéneos
por cada estación de monitoreo distribuida por municipio a una concentración homogénea (esto
debido a que se utiliza la misma concentración para toda la cuenca del Valle de México).
Figura 26A. Escenario BaU 2018 Monitoreados.
41
Para el escenario gestión de calidad del aire, se realiza el mismo procedimiento como se muestra
en la sección Rollback to a Stanadard¡Error! No se encuentra el origen de la referencia.,
seleccionando la información de 2018 de las estaciones de monitoreo atmosférico modeladas.
Toda vez seleccionado la secuencia de los pasos siguientes, el resultado consiste en la distribución
de las concentraciones del control.
Y se selecciona la distribución de las estaciones en la zona,
Para determinar la exposición se realiza una interpolación de las concentraciones anuales promedio
a cada uno de las alcaldías.
La interpolación de concentraciones se efectua con el método de promedios de vecinos de Voronoi

(Voronoi Neigbour Averaging, VNA) con ponderación por inverso de la distancia al cuadrado,
incorporado en el software BenMAP-CE.
42
Figura 27A. Distribución de la concentración
Con la finalidad de identificar a manera de comprobación visual a que municipio le corresponde

la concentración distribuida, se mira la tabla de datos, sin embargo, en el escritorio de trabajo
del GIS, se visualiza una rampa de colores que da una idea en donde se encuentra la mayor
concentración de emisiones distribuida. O bien puede exportar la capa y trabajar en un GIS su
interpretación.
43
Figura 28A. Escenario gestión, visual de la tabla de datos.
Después de realizar el método de reducción y distribución de las concentraciones, el modelo

BenMAP-CE realiza el cálculo del cambio entre el BaU (exposición anual que prevaleciera sin
implementar la acción ) y el escenario de gestión (considera el escenario de las concentraciones
modeladas), creando el escenario delta o escenario del nivel óptimo de calidad del aire, el cual
es utilizado en el proceso estandarizado de la evaluación de riesgo y determina el cambio en la
calidad del aire al que la población está expuesta, como se aprecia en la Figura 29.
Figura 29A. Evaluación de la exposición.
Para el cálculo de los impactos en salud, se utiliza el estudio epidemiológico que contiene la FRC
determinada por el Autor Pope et al (2019), además de utilizar las tasas basales de población e
incidencia respectivas para el año 2018, que indican la ocurrencia base de casos de defunciones
o enfermedades por las causas de enfermedad estudiadas en un periodo específico del año por
cada 100,000 hab. (Mortalidad general por causas no externas del A00 a R99, especificadas en el
Catálogo Internacional de Enfermedades CIE 10).
44
Figura 30A. Selección de la Función de impacto para el cálculo de la mortalidad atribuible

evitada.
Los efectos específicos a la salud, teniendo en cuenta la disponibilidad de datos necesarios para
el año 2018 fueron: Mortalidad a largo plazo en mayores a 18 años, a partir de los cuales se
calcularon las tasas de incidencia para los efectos analizados con la población al mismo año de
estudio.
Finalmente, para la valoración económica se empleó un Valor Estadístico de Vida (VSL por sus
siglas en inglés), determinado con base en la Metodología de Kochi et al. descrita con
anterioridad con un valor del VSL de $ 1,715,477 millones de dólares valores referenciado al año
2015 y calculado para México.
45
Figura 32A. Cálculo de la mortalidad para el año 2018
Todas las bases generadas en el BenMAP-CE, podrán ser exportadas como archivos CSV y ser
utilizadas en formato Excel, si desea exportar dichos archivos debe seleccionar el escenario que
trabajó (Impactos a la salud o Valoración económica) y la ventana del escritorio geográfico
haciendo clic en data y aparecerán los datos y con ello podrá exportar.
46
Figura 33A. Pasos para exportar archivos del modelo en formato CSV.
47
ANEXO II
VSL México
Funciones de valoración económica
El Valor Estadístico de la Vida (Value of a Statistical Life, VSL) corresponde:
• Medio de medición para estimar la disponibilidad a pagar por reducir un riesgo

(mortalidad)
• El valor se puede ajustar al país de estudio tomando como referencia el valor previamente
calculado en otros estudios (meta datos – meta análisis)
• Se recomienda usar la siguiente ecuación:
𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒
𝑌𝑌𝑀𝑀𝑀𝑀𝑀𝑀, 1990 𝐶𝐶𝐶𝐶𝐶𝐶𝑀𝑀𝑀𝑀𝑀𝑀,2015
𝑉𝑉𝑉𝑉𝑉𝑉𝑀𝑀𝐸𝐸𝐸𝐸, 2015 = 𝑉𝑉𝑉𝑉𝑉𝑉𝑈𝑈𝑈𝑈, 1990 ∗ � � ∗ 𝑃𝑃𝑃𝑃𝑃𝑃𝑀𝑀𝑀𝑀𝑀𝑀,1990 ∗
𝑌𝑌𝑈𝑈𝑈𝑈, 1990 𝐶𝐶𝐶𝐶𝐶𝐶𝑀𝑀𝑀𝑀𝑀𝑀,1990
Donde:
• 𝑉𝑉𝑉𝑉𝑉𝑉𝑀𝑀𝑀𝑀𝑀𝑀, 2015 es el valor VSL para México en pesos 2015

• 𝑉𝑉𝑉𝑉𝑉𝑉𝑈𝑈𝑈𝑈, 1990 es el valor VSL para U.S.A. in 1990 U.S. en Dólares
• 𝑌𝑌 es el PIB per cápita del país (USA México) en poder de paridad adquisitiva (PPP-
adjusted) en dólares
• 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 es la elasticidad con respecto al ingreso sobre el VSL (mide el cambio en el VSL
sobre el ingreso
BenMAP default = 0.4
OECD 2012 estimate: 0.8
Kochi = 2
• 𝑃𝑃𝑃𝑃𝑃𝑃𝑀𝑀𝑀𝑀𝑀𝑀,1990 is Es el poder de la paridad adquisitiva en pesos (COP) por dólar internacional
(cuantos pesos colombianos se requieren para comprar la misma cantidad de By S que en
dólares estadunidenses
• 𝐶𝐶𝐶𝐶𝐶𝐶 es el índice de precios al consumidor del país en un año específico.
Fuentes de información, basado en el metanálisis del estudio de Kochi, 2006, que reporta un
valor central de $ 4.8 millones de dólares (1990 dlls) para la población de E.U.
La fuente de información principal deriva del Banco Mundial, del cual se extraen las variables
consideradas en la ecuación anterior.
World Bank (2019). DataBank: https://databank.worldbank.org/home
48
Para determinar el VSl se realizará la:
• Diferencias de ingresos per cápita entre países a precios internacionales.

• GDP en Paridad del poder adquisitivo (PPP) igual a precios internacionales, y
• Inflación para los años de análisis 1990 y 2015.
Como primer paso una vez ingresando a la dirección electrónica del banco mundial, se selecciona
los indicadores de desarrollo mundial figura 43
Figura 43B. Página del Banco Mundial, sobre las Bases de los Indicadores de Desarrollo.
En la página se deberá filtrar y seleccionar las siguientes variables:
- Tipo de base de datos

- País de análisis
- Datos (parámetros de ecuación)
- Año de análisis
49
Tipo de datos:
Deberá seleccionar y aceptar.
En país deberá agregar US y México
En datos se deberán seleccionar los de la Ecuación:
Y finalmente los años de análisis comparativo que es; el año 2015 y el año 1990.
50
Toda vez que se haya seleccionado todos los parámetros se selecciona, aplicar cambios para
generar la base de datos.
Y finalmente en las preferencias se selecciona el tipo de archivo a descargar, preferentemente se

descarga en archivo de Excel, conteniendo los datos abajo descritos los cuales se sustituirán en
la formula del VSL.
Una vez se tenga estimado VSL, el archivo se configura como se muestra en la Figura 434, en un
archivo CSV.
51
Figura 434B. Archivo del VSL
52
BIBLIOGRAFIA
Analysis. Environmental & Resources Economics, Volume 34. USEPA. (2013). Quality Assurance
Handbook for Air Pollution Measurement Systems Volume II Ambient Air Quality Monitoring
Program. North Carolina.
Analysis. Environmental & Resources Economics, Volume 34. USEPA. (2013). Quality Assurance
Handbook for Air Pollution Measurement Systems Volume II Ambient Air Quality Monitoring
Program. North Carolina.
Anenberg S, Horowitz LW, Tong DQ, West JJ. 2016, Estimates of the Global Burden of Ambient
PM2:5, Ozone, and NO2 on Asthma Incidence and Emergency Room Visits. Milken Institute
School of Public Health, George Washington University, Washington, District of Columbia, USA.
Anenberg S, Horowitz LW, Tong DQ, West JJ. 2016, Estimates of the Global Burden of Ambient
PM2:5, Ozone, and NO2 on Asthma Incidence and Emergency Room Visits. Milken Institute
School of Public Health, George Washington University, Washington, District of Columbia, USA.
Anenberg, S. C., Belova, A., Brandt, J., Fann, N., Greco, S., Guttikunda, S et al. (2016). Survey of
ambient air pollution health risk assessment tools. Risk Analysis, 36(9), 1718-1736.
Correia AW, Pope CA, 3rd, Dockery DW, Wang Y, Ezzati M, Dominici F. Effect of air pollution
control on life expectancy in the United States: an analysis of 545 U.S. counties for the period
from 2000 to 2007. Epidemiology (Cambridge, Mass). 2013;24(1):23-31.
Dockery D, Rojas-Bracho L, Evans J, Hammitt J, et al. HISTORICAL ANALYSIS OF AIR QUALITY-

RELATED HEALTH BENEFITS IN THE POPULATION IN MEXICO CITY FROM 1990 TO 2012. Secretaría
del Medio Ambiente, Gobierno de la Ciudad de México y Harvard T.H. Chan School of Public
Health, Ciudad de México, octubre, 2018.
Dockery DW, Pope CA III, Xu X, Spengler JD, Ware JH, Fay ME, et al. (1993). An association
between air pollution and mortality in six U.S. cities. N Engl J Med 329(24):1753–1759,PMID:
8179653, https://doi.org/10.1056/NEJM199312093292401.
EPA; US Environmental Protection Agency. Environmental Benefits Mapping and Analysis

Program—Community Edition, User’s Manual. Research Triangle Park, NC: Office of Air Quality
Planning and Standards, US Environmental Protection Agency; March 2015.
EPA; US Environmental Protection Agency. Environmental Benefits Mapping and Analysis

Program—Community Edition, User’s Manual. Research Triangle Park, NC: Office of Air Quality
53
Planning and Standards, US Environmental Protection Agency; March 2015.

https://www3.epa.gov/ttnamti1/files/ambient/pm25/qa/QA-Handbook-Vol-II.pdf
Hoek G, Krishnan RM, Beelen R, et al. 2013. Long-term air pollution exposure and
cardiorespiratory mortality: a review. Environmental Health, 12(1), 43.
https://www3.epa.gov/ttnamti1/files/ambient/pm25/qa/QA-Handbook-Vol-II.pdf
INECC (2016). Estimación de impactos en salud por contaminación atmosférica en la región

centro del país y alternativas de control Instituto Nacional de Ecología y Cambio Climático.
Kochi, I., Hubbel, B. & Kramer, R., 2006. An Empirical Bayes Approach to Combining and
Comparing Estimates of the Value of Statistical Life for Environmental Policy
Lepeule J, Laden F, Dockery D, Schwartz J. Chronic exposure to fine particles and mortality: an
extended follow-up of the Harvard Six Cities study from 1974 to 2009. Environ Health Perspect
2012; 120(7):965–970, PMID: 22456598, https://doi.org/10.1289/ehp.1104660.
Pope CA III, Lefler JS, Ezzati M, Higbee JD, Marshall JD, et al., Mortality Risk and Fine Particulate
Air Pollution in a Large, Representative Cohort of U.S. Adults. Environ Health Perspect 2019;
127(7):077007-1 - 077007-9, https://doi.org/10.1289/EHP443.
Pope CA, III, Ezzati M, Dockery DW. Fine-Particulate Air Pollution and Life Expectancy in the
United States. N Engl J Med 2009; 360:376-386, DOI: 10.1056/NEJMsa0805646.
WHO. (August de 2018). World Health Organization. Obtenido de Air Pollution:

https://www.who.int/airpollution/en/
WHO. (August de 2018). World Health Organization. Obtenido de Air Pollution:

https://www.who.int/airpollution/en/
54

Análisis BenMap y VSL - CDMX - Manual - INECC

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Análisis BenMap y VSL - CDMX - Manual - INECC

Cargado por

Copyright:

Formatos disponibles

ESTIMACIÓN DE LA CARGA DE MORTALIDAD Y COSTOS

ASOCIADOS POR LA REDUCCIÓN DE LA CONTAMINACIÓN

MC Miguel Angel Flores Roman

Efectos agudos: Son inmediatos, reversibles cuando cesa la exposición al contaminante.

En un ejercicio de Mejores Prácticas para la Evaluación de Beneficios en Salud en Planes de

La estimación de la carga de enfermedad y la evaluación de impactos en salud se basan en la

(1) exposición de la población a la contaminación atmosférica (datos de calidad del aire),

Figura 1. Esquema metodológico para la Evaluación de la Carga de Enfermedad y de Evaluación

En la Figura 2 se presenta el esquema general de la metodología propuesta utilizando BenMAP.

Figura 2. Esquema de análisis de impactos en salud utilizando BenMAP-CE.

METODOLOGÍA PARA LA ESTIMACIÓN DE LOS IMPACTOS EN LA SALUD Y VALORACIÓN

Figura 3. Pantalla de asignación de la Base de datos de monitoreo atmosférico

Para la evaluación de impactos en la salud BenMAP asume que la función concentración–

Así, es posible caracterizar de manera cuantitativa la relación entre la exposición a un

Datos de entrada para el uso del modelo BenMAP

• Información geográfica: INEGI

A continuación, se describen los datos de entrada del modelo BenMAP

La información geográfica es la unidad de análisis para la generación de reportes y resultados de

El archivos deberán estar en formato Shapefile, se agregan a la configuración del modelo.

CALIDAD DEL AIRE

La métrica de exposición que utiliza el modelo es la concentración promedio anual estimada a

En la siguiente tabla, se presenta un ejemplo de la información y localización de las

Los contaminantes atmosféricos a nivel comunitario, se han asociado con un incremento en la

Tabla 3 se presenta la información para el procesamiento en el modelo BENMAP.

La información poblacional para la evaluación se obtiene de las proyecciones del Censo

En la Tabla 4 se presenta la información poblacional incluida en el formato para procesamiento

Tabla 4. Ejemplo de la Información Poblacional - 2018 (formato de BenMAP).

FUNCIONES CONCENTRACIÓN – RESPUESTA (FCR)

En las últimas décadas la evidencia epidemiológica se ha multiplicado de manera importante lo

La magnitud de las asociaciones exposición-respuesta (coeficientes) para PM2.5 muestra cierta

Mortalidad por causas específicas

Mortalidad general Cardiovasculares Cerebrovasculares Influenza/neumonía Cáncer de pulmón

CIE-10 (A00-R99) (I00–I09, I11,I13,I20–I51) (I60–I69) (J09–J18) (C33–C34)

Hoek et al., 2013 1.06 (1.04,1.08) 1.11 (1.05,1.16)

Lepeule et al., 2012 1.37 (1.07,1.75)

Para la mortalidad por cáncer de pulmón se encontró que un incremento de 10 μg/m3 en la

VALORACIÓN ECONÓMICA DE LOS BENEFICIOS EN SALUD

La valoración económica asigna un valor monetario a las muertes atribuibles evitadas. La

Al tratarse de una valoración de costos en términos propiamente económicos, los indicadores no

Figura 5. Pasos para el análisis de impactos en la salud.

A manera de ejemplo en el anexo I, se mostrará la modelación paso a paso para el escenario de

RESULTADOS ANÁLISIS 2018 BENMAP-CE

5,893 muertes atribuibles evitadas en adultos mayores a 18 años en la Ciudad de

~ 10,107 millones de dólares.

BenMAP, facilita el cálculo de la evaluación de impacto en salud. En los resultados obtenidos se

Es importante esta reducción de emisiones, ya que contribuye al mejoramiento de la calidad del

1. PREPARACIÓN Y CONFIGURACIÓN DE LOS ARCHIVOS

Tabla 1A. Datos de entrada BenMAP-CE

Tipo de conjunto de datos Lista de chequeo Tipo de archivo

A continuación, se presenta en detalle la preparación de los archivos de entrada para llevar a

A1. Información geográfica

1. Subiendo un archivo en formato shape (tipo de archivo utilizado en Sistemas de Información

Preparación de su archivo Shapefile para la Ciudad de México, utilizando QGIS.

Figura 1A. Ventana principal del QGIS.

Figura 2A. Modificación de la base de datos en QGIS.

La numeración correspondiente al Row y Col (renglón, columna), y está directamente relacionada

Figura 3A. Ventana de edición de la base de datos de la cobertura en QGIS.

INFORMACIÓN DE CALIDAD DEL AIRE

D1. Datos de población

El rango de edad en toda la población de 0 a 99 años de cada municipio se incluye en el primer

E1. Funciones Concentración Respuesta - FCR

Causas (CIE-10) Grupo de edad Riesgo Relativo (IC Referencia