Fortalecimiento institucional y DATOS, claves para las respuestas al COVID


» Fortalecimiento institucional y datos, claves para las respuestas del gobierno a la pandemia COVID-19
A medida que la pandemia continúa en todo el mundo y los países comienzan sus fases de vacunación y reactivación económica, es clave entender el desempeño del sector público en el manejo de la crisis de COVID-19. La mayoría de los gobiernos de América Latina y el Caribe (ALC) han implementado un número alto de políticas destinadas a combatir la pandemia y las han comunicado a la opinión pública. Sin embargo, el impacto desigual del virus evidencia la necesidad de fortalecer la capacidad institucional de los países para maximizar el impacto de las medidas de los gobiernos.

Datos y fortalecimiento institucional del gobierno frente al COVID-19

Un problema en la evaluación de las respuestas de los gobiernos es la fiabilidad de los datos sobre la incidencia del COVID-19. Aunque se han llevado a cabo diferentes esfuerzos para examinar el desempeño de los gobiernos en el manejo de la pandemia, incluyendo rankings de países como el índice global de COVID-19, índice de Foreign Policy y el índice de Bloomberg, estos análisis están limitados por la naturaleza poco confiable de los datos de casos y muertes confirmados por la pandemia.

Ese problema con los datos se manifiesta en las divergencias entre los países desarrollados y en vías de desarrollo. Aunque todos han sido afectados por el virus, los países desarrollados continúan experimentando un número mucho mayor de casos y muertes. Eso queda en evidencia cuando se constata que los países en desarrollo representan el 85% de la población mundial, pero sólo 21% de las muertes confirmadas por COVID-19.

¿A qué se debe esa discrepancia? Aunque los factores demográficos, temporales y ambientales pueden explicar una mayor concentración de casos y muertes en los países industrializados, hay razones para intuir que la situación en el mundo en desarrollo es peor de lo que señalan las estadísticas disponibles. Entre ellas están:

  1. La posibilidad de que los países en desarrollo aún se encuentren en las primeras etapas de la pandemia;
  2. El problema de la mala calidad de los datos, algo que se da en todos los países, tanto desarrollados como en desarrollo. Dado que un estudio muestra que el número de muertos por COVID-19 podría ser 60% mayor que lo reportado en datos oficiales en países desarrollados, podría argumentarse que los datos oficiales en los países en desarrollo también están subestimando los casos y muertes. Las razones podrían ser pruebas deficientes, informes inconsistentes de los organismos públicos y deficiencias en los sistemas de recolección de los datos. El problema de los datos poco confiables es importante, porque dificulta realizar comparaciones significativas, precisas y consistentes de las respuestas de los gobiernos al COVID-19.

¿Qué nos dicen los datos en América Latina y el Caribe?

La pandemia ha afectado desproporcionalmente a los países de la región. El 31 de diciembre de 2020, los países de la región habían reportado más de 15.6 millones de casos confirmados y 500,000 muertes por COVID-19. Aunque el nivel de casos y muertes confirmados por millón de habitantes no es el más alto del mundo, pero el número de muertes en relación con el de casos sí lo es (figura 1).

Los datos existentes muestran que la estrategia de pruebas en ALC ha sido inadecuadaA la fecha, la región ha implementado en promedio uno de los niveles más bajos de pruebas del mundo (figura 2). Algunos factores que afectan negativamente a las pruebas en la región son:

  1.  La falta de planificación estratégica;
  2. La limitada capacidad de los sistemas de salud;
  3. La ineficiencia en los procesos de adquisición de material para realizar las pruebas;
  4. El acceso limitado a las cadenas de suministro internacionales;
  5. La alta dependencia de la ayuda internacional.

Un indicador que mide qué tan adecuada ha sido la estrategia de pruebas es la tasa de positividad, es decir, la proporción de pruebas realizadas que son positivas. Los datos muestran que la tasa de positividad de América Latina es de las más altas del mundo. Dado que los casos confirmados en los países de ALC son más bajos que en otras regiones, esto  evidencia que los niveles de pruebas no son adecuados y, por tanto, los datos generados por las pruebas no permiten a los gobiernos de la región identificar cuántas personas tienen COVID-19 y dónde se encuentran.

Los datos muestran que, en los países donde se ha seguido un “enfoque adaptativo” para implementar restricciones de movilidad, se evidenciaron tiempos más largos para alcanzar el pico de nuevos casos diarios. Eso significa que el “enfoque adaptativo” es exitoso para ralentizar la expansión de la pandemia.

Un indicador proxy de la rigurosidad de las restricciones es el Índice de rigurosidad gubernamental de Oxford, que mide diariamente qué tan estrictas son las políticas de movilidad en un país, con independencia del número de casos de COVID-19 que tenga. Cuando se compara el índice de rigurosidad con los nuevos casos diarios de COVID-19, se observa una correlación positiva en las economías avanzadas y negativa en ALC (figura 3).

¿A qué se debe esa correlación negativa en ALC entre el índice de rigurosidad y los nuevos casos diarios?

Una respuesta empírica a esta pregunta  se presentó en el reciente blog del BID “COVID-19 Containment measures and trust”,  donde se mostraba la evidencia de que la mayoría de las economías avanzadas han implementado un “enfoque adaptativo de prueba y error” – es decir adaptando la rigurosidad de las políticas a la gravedad del contagio –, y han recurrido a  medidas adicionales para contener la propagación del coronavirus, y al mismo tiempo, reducir los costos económicos causados por esas mismas políticas. Como consecuencia, las economías avanzadas tardaron más tiempo alcanzar el número máximo de nuevos casos diarios (figura 4).

Para la mitad de los países de la región, las medidas más estrictas están asociadas con tiempos más largos para alcanzar el pico de infecciones diarias. No obstante, es importante enfatizar el uso de enfoques adaptativos en lugar de restricciones estrictas, ya que, presumiblemente, el cumplimiento de las restricciones disminuirá con el tiempo debido a los mayores niveles de informalidad y desconfianza hacia las instituciones públicas en ALC.

¿Cómo han sido las respuestas gubernamentales al COVID-19 en ALC comparadas con el resto del mundo? 

Una manera de estimarlo es tomar como base los datos de medidas gubernamentales contra el COVID-19 recolectados por The Assessment Capacities Project (ACAPS), y cuantificar el número total de medidas implementadas que fueron reportadas a nivel global.

Este número de medidas incluye las políticas de distanciamiento social, restricciones de movimiento, salud pública, sociales y económicas, y cierres aplicados a nivel nacional durante el período del 4 de marzo al 9 de diciembre de 2020 en 192 países (China fue excluida, ya que muchas acciones se implementaron antes de ese período). Dado que la base de datos de ACAPS se derivó de las fuentes públicas disponibles, el total también depende de si los gobiernos transmitieron las políticas al público o no. Como tal, el número total es un indicador proxy de qué tan “activo” fue un gobierno al implementar y comunicar las políticas. Cabe resaltar que existen otros esfuerzos de recolección de datos que se pueden examinar como el índice de rigurosidad de Oxford y CoronaNet.

El análisis de los datos indica que el número total de políticas está correlacionado con el indicador de efectividad del gobierno, el cual mide la percepción sobre la calidad de los servicios públicos, el servicio civil, y, la formulación e implementación de política (figura 5). El análisis también evidencia que el número de acciones implementadas por los gobiernos en ALC se encuentra por encima del nivel esperado según el nivel de efectividad del gobierno. Este hallazgo demuestra que, en el contexto de la pandemia, los gobiernos en ALC tuvieron que implementar un mayor número de acciones para compensar por los bajos niveles de capacidad de la administración pública existentes y que este mayor número de iniciativas no necesariamente generaron mejores resultados en la gestión de la pandemia.

Conclusión

Los países en la región enfrentan un desafío importante ante el impacto desigual del COVID-19. Eso significa que no basta con poner en práctica un alto número de políticas, sino que, además, se debe seguir fortaleciendo la capacidad institucional y la toma de decisiones basadas en datos con el fin de maximizar el impacto de estas políticas. Así pues, la lucha contra el COVID-19 requerirá estrategias para introducir políticas y mecanismos para la generación de datos que contribuyan a seguir fortaleciendo la capacidad institucional, de modo que los gobiernos puedan proveer mejores y más eficientes servicios a todos sus ciudadanos. La promoción de instituciones más efectivas contribuirá a conseguir mejores resultados en los programas de vacunación y de recuperación económica que son prioridades de gobierno en toda la región.

Jorge de León Miranda
Jorge de Leon es el consultor de coordinación de conocimiento del clúster para la Transformación de la Administración Pública en el Banco Interamericano de Desarrollo. Jorge coordina el trabajo analítico, incluyendo estudios cuantitativos y cualitativos, y apoya el diseño e implementación de las actividades de cooperación técnica de dicho clúster. Jorge también se desempeñó como analista en la división de investigación del departamento del Medio Oriente y Asia Central en el Fondo Monetario Internacional; y consultor en el departamento de Buen Gobierno del Banco Mundial, la Oficina de Planificación Estratégica y Efectividad en el Desarrollo del BID; y el Programa Nacional de Competitividad del Ministerio de Economía de Guatemala. Jorge es guatemalteco y posee una maestría en Economía y Finanzas Internacionales de la Escuela de Estudios Internacionales Avanzados (SAIS) de la Universidad de Johns Hopkins, una Licenciatura en Economía de Wheaton College Massachusetts, y un certificado profesional en Ciencia de Datos de la Universidad de Georgetown.