COVID19 EN POBLACIÓN RESIDENTE DE ZONAS GEOGRÁFICAS A ALTURAS SUPERIORES A 2500
m.s.n.m.
Cardona Rivero Anahí Karina
1a
Montoya Lizárraga Manuel
1b,2c
1 Universidad Nacional de San Antonio Abad del Cusco.
2 Hospital Regional del Cusco
a Docente Farmacia
b Docente Medicina Humana
c Especialista en infectología
RESUMEN. -
El objetivo del estudio fue evaluar las tasas de mortalidad por COVID19 en las regiones a alturas
superiores de 2500 m.s.n.m. en comparación a las tasas de mortalidad por COVID19 de los países
respectivos. Para lo cual se realizó un estudio de tipo descriptivo transversal comparativo, se
revisaron 20 regiones de 7 países con ciudades de más de 100 000 habitantes que se encuentran
por encima de 2500 m.s.n.m. Se registraron los casos de fallecidos por COVID19, cantidad de
población y las tasas de mortalidad al 30 de abril del 2020. Los resultados de las tasas de mortalidad
fueron evaluados con pruebas de normalidad Kolmogorov y Smirnov y Shapiro Wilk. Para evaluar la
diferencia entre las medias de las tasas de mortalidad se utilizó la prueba de Wilcoxon con signos
para muestras relacionadas se trabajó a un nivel de confianza del 95%, obteniendo un valor de p=
0,015 < 0,05; que demuestra la diferencia estadísticamente significativa. Se concluye que el
COVID19 presenta menores tasas de mortalidad en zonas geográficas con alturas superiores a 2500
m.s.n.m.
Palabras clave: altura, 2500 m.s.n.m., COVID19, tasa de mortalidad.
ABSTRACT
The objective of the study was to evaluate the mortality rates by COVID19 in the regions at altitudes
higher than 2500 m.s.n.m., compared to the mortality rates by COVID19 of the respective countries.
For this purpose, a comparative cross-sectional descriptive study was carried out, reviewing 20
regions of 7 countries with cities of more than 100,000 inhabitants that are above 2500 meters
above sea level. Cases of deaths due to COVID19, population numbers and mortality rates as of April
30, 2020 were recorded. The results of the mortality rates were evaluated with Kolmogorov and
Smirnov and Shapiro Wilk normality tests. To evaluate the difference between the means of
mortality rates, the Wilcoxon test with signs for related samples was used at a 95% confidence level,
obtaining a value of p= 0.015 < 0.05; which demonstrates the statistically significant difference. It is
concluded that the COVID19 presents lower mortality rates in geographical areas with altitudes
higher than 2500 meters above sea level
Keywords: altitude, 2500 m.s.n.m., COVID19, mortality rate
SITUA. 2020; 23(1): 19-26 19
INTRODUCCIÓN. -
Una emergencia en salud mundial actual es la pandemia del COVID-19, que se inició en China a fines
del 2019 (1) y se está extendiendo a un ritmo exponencial, con millones de personas en todo el
mundo en riesgo de contraer el síndrome respiratorio agudo severo (SARS-CoV-2) (2). Con alta
mortalidad (3) y consecuencias no completamente conocidas (4).
También se reconoce que las complicaciones graves y consecuente muerte, dependen de múltiples
factores (5), basados en la triada epidemiológica estos pueden ser factores del huésped, del
patógeno y ambientales (6).
En cuanto a los factores ambientales la altura de las diferentes zonas geográficas puede influir en el
curso de algunas patologías (7).
Por lo antes mencionado, el objetivo del presente estudio fue analizar la diferencia de las tasas de
mortalidad de zonas geográficas a alturas superiores a 2500 msnm en relación las de mortalidad de
sus respectivos países.
MATERIALES Y MÉTODOS. -
Se realizó un estudio descriptivo transversal comparativo de las tasas de mortalidad por COVID19
de las regiones y sus países respectivos. Para lo cual se usó la aplicación Google earth (8) para
georreferenciar las regiones o departamentos. Los criterios de inclusión considerados son regiones
de países con alturas superiores a 2500 msnm en América, Asia y África, que tengan ciudades
grandes con más de 100,000 habitantes para lo cual se revisaron los últimos censos de población,
sin considerar otras medidas de contención y mitigación que se estén desarrollando para frenar la
pandemia.
Se revisaron los casos y fallecidos por COVID19 para lo cual se utilizó el app the coronavirus (9) y la
información de organismos de salud oficiales. Los datos se exportaron a una base Excel con la cual
se calculó la tasa de mortalidad acumulada por 10000 habitantes al 30 de abril del 2020 de la región
y del país correspondiente.
Para el análisis estadístico se utilizó el programa estadístico SPSS versión 18. Para la estadística
bivariada se comparó la tasa de mortalidad de cada región con la tasa de mortalidad del país. Se
aplicó la prueba de Kolmogorov y Smirnov y Shapiro Wilk para revisar la normalidad de las tasas de
mortalidad, luego se usó la prueba no paramétrica de Wilcoxon prueba con signos para muestras
relacionadas el cual se trabajó a un nivel de confianza del 95% y obteniendo un valor de p= 0,015 <
0,05; que demuestra la diferencia estadísticamente significativa.
RESULTADOS. -
En la tabla 1, se observa la población total, el numero de fallecidos y las respectivas tasas de
mortalidad al 30 de abril del 2020 de 7 países. En el caso de Perú se seleccionaron 6 regiones que
cumplen con los criterios de inclusión, en Bolivia 5 regiones, en Ecuador 3, en Colombia 2 y México
2, en Chile y China 1.
Tabla 1. Distribución de regiones con ciudades de más de 100,000 habitantes a una altura
superior a los 2500 msnm según tasa de mortalidad por COVID 19
CONTINENTE
PAÍS
Población
1
Fallecidos
2
Tasa de
mortalidad x
10000 hab.
REGIÓN/
DEPARTAMENTO
ALTITUD
3
Falle
cidos
2
Tasa de
mortalid
ad x
10000
hab.
América del
Sur
Perú
33 430 992
1051
0.314
Ancash
3052
1 083 519
56
0.517
Ayacucho
2761
616 176
0
0.000
Cajamarca
2750
1 341 012
3
0.022
Cusco
3399
1 205 527
3
0.025
Junín
4107
1 246 038
4
0.032
Puno
3810
1 172 697
0
0.000
Bolivia
11 560 300
59
0.051
Chuquisaca
2554
58 1347
0
0.000
Cochabamba
2574
1 930 143
4
0.021
La Paz
3640
2 719 344
11
0.040
Oruro
3729
494 587
2
0.040
Potosí
3977
823 517
1
0.012
Ecuador
17 398 999
900
0.517
Chimborazo
3900
502 004
37
0.737
Pichincha
2953
3 228 233
75
0.232
Tungurahua
2500
590 600
19
0.322
Colombia
50 575 099
293
0.058
Boyacá
3427
1 242 731
10
0.080
Cundinamarca
3341
3 242 999
10
0.031
Chile
18 894 941
227
0.120
Arica y
Parinacota
3753
226 068
4
0.177
Asia
China
1410 929 134
4633
0.033
Tibet
4900
3 180 000
1
0.003
América del
Norte
México
135 684 001
1930
0.142
Chiapas
4080
5217908
6
0.011
Estado México
2605
16187608
159
0.098
TOTAL
20
1
https://countrymeters.info/es (10)
2
https://coronavirus.app/tracking/ (9). INS Y MINSA Perú (11). MINSALUD Colombia (12). Ministerio de Salud Pública Ecuador (13).
Ministerio de Salud Chile (14)
3
https://earth.google.com/web/@0,-152.42910138,0a,22251752.77375655d,35y,0h,0t,0r (8)
En la tabla 2 se observa las pruebas de normalidad. La prueba de Kolmogorov Smirnov se obtiene
para el G1 p=0,016 < 0,05 y G2 p=0,000 < 0,05 y para la prueba de Shapiro -Wilk G1 p=0,002 < 0,05
y G2 p=0,000 < 0,05. En base a los resultados obtenidos los datos no tienen distribución normal. En
consecuencias para evaluar la variación de las tasas de mortalidad se aplicó la prueba de Wilcoxon
de los rangos con signos para muestras relacionadas, obteniendo un valor p= 0,015 < 0,05; que
demostraría la diferencia estadísticamente significativa.
Tabla Nª 2. Pruebas estadísticas de normalidad y comparación de medias para muestra
relacionadas
Kolmogorov-Smirnov
Shapiro-Wilk
Prueba de Wilcoxon
Estadístico
gl
Sig.
Estadístico
gl
Sig.
Sig.
Tasa mortalidad
país (G1)
0,215
20
0,016
0,827
20
0,002
0.015
Tasas mortalidad
región o
departamento
(G2)
0,308
20
0,000
0,653
20
0,000
DISCUSIÓN
La diferencia significativa encontrada en la tabla 2 sugiere que las tasas de mortalidad en las
regiones con altitud mayor a 2500 msnm en relación la tasa de mortalidad global del país. La
variación de las tasas de mortalidad del G1 (país) en relación a (G2) (regiones), evidencian una
diferencia significativa el valor p= 0.015 < 0,05 obtenido mediante la prueba no paramétrica de
Wilcoxon de los rangos con signo para muestras relacionadas.
Con más de 100 días de declarada pandemia (15), que afecta a más de 120 países (16), se puede
percibir que la incidencia de casos es diferente en las regiones dentro de un país relacionada con
la altura. En los primeros días de la pandemia en muchas regiones los casos no fueron detectados
oportunamente por falta de pruebas diagnósticas lo cual significó un sub registro lo que pudo sesgar
las estadísticas, después de más de 3 meses desde el inicio de los primeros casos, se observa que la
diferencia es significativa en los casos de COVID19 a nivel en ciudades grandes (más de 100 000
habitantes) a más de 2500 msnm frente a la tasa de sus países respectivos. Los informes iniciales
sugieren que la hipertensión, la diabetes y las enfermedades cardiovasculares fueron las
comorbilidades más frecuentes en los pacientes afectados, y las tasas de letalidad tienden a ser altas
en individuos afectados por el COVID-19 (17). En la evaluación podemos evidenciar que las
complicaciones con subsecuente fallecimiento no son elevadas en regiones con alturas superiores
a 2500 msnm.
El presente estudio coincide con los hallazgos de Arias y col. (18), que evaluaron las regiones de
mayor altura el Tibet en China, Bolivia y Ecuador donde se observó correlación entre la mayor altura
y menos casos positivos de COVID19.
Cerca de 140 millones de personas en el mundo viven a alturas mayores a los 2500 msnm (19),
siendo este el punto de corte que se considera a poblaciones sujetas a hipoxia hipobárica por lo que
son pobladores que se han adaptado durante milenios patrones fenotípicos que los protegen de
efectos deletéreos por la hipoxia crónica (20). Una condición del habitante de altura son sus
características genéticas y su relación con el Sistema Renina Angiotensina con menor presencia de
receptores ECA2 en las células principalmente en el sistema respiratorio (21). Si esta condición se
correlaciona con el comportamiento del virus, se observa que el agente tiene tropismo por los
receptores ECA2, uniéndose el virus mediante su proteína S viral, accediendo a las células del
huésped para cumplir su ciclo de replicación (22)
Es importante considerar en nuestro análisis que los pacientes repartidos en ciudades capitales de
países como Quito (Pichincha Ecuador) con 800 casos y 40 decesos por COVID19 tienen más de dos
millones de habitantes, lo mismo sucede con Bogotá (Cundinamarca Colombia) con 1883 casos y 73
decesos por COVID19 con más de siete millones de habitantes. Los establecimientos de salud de
estas ciudades son sitios de referencia para pacientes críticos pueden incluir pacientes importados
graves dentro de sus cifras de casos.
En muchos países el impacto de la gravedad del COVID19, se enfoca en áreas que tienen mayor
cantidad de casos, lo cual es lógico. Cuando se realizan estimaciones más precisas sobre la
localización, identificación y seguimiento de casos son variables de un país a otro y están
influenciados por la fase de la epidemia que puede ser de contención o de diseminación
comunitaria. Por lo que recaudar la información de casos es difícil con exactitud. Como sucedió en
el presente estudio donde se tuvo que contrastar cifras nacionales oficiales y la información local.
Fuentes de financiamiento: autofinanciado.
Conflictos de interés: la autora declara que no hay ningún conflicto de interés en la publicación del
presente artículo.
REFERENCIAS BIBLIOGRÁFICAS
1. Chen N, Zhou M, Dong X, Qu J, Gong F, Han Y, et al. Epidemiological and clinical
characteristics of 99 cases of 2019 novel coronavirus pneumonia in Wuhan, China: a
descriptive study. Lancet [Internet]. 2020 Feb 15 [cited 2020 Apr 16];395(10223):507–13.
Available from: https://www.sciencedirect.com/science/article/pii/S0140673620302117
2. Ghosal S, Sengupta S, Majumder M, Sinha B. Linear Regression Analysis to predict the
number of deaths in India due to SARS-CoV-2 at 6 weeks from day 0 (100 cases - March
14th 2020). Diabetes Metab Syndr Clin Res Rev [Internet]. 2020 Jul 1 [cited 2020 Apr
16];14(4):311–5. Available from:
https://www.sciencedirect.com/science/article/pii/S1871402120300576
3. Sohrabi C, Alsafi Z, O’Neill N, Khan M, Kerwan A, Al-Jabir A, et al. World Health Organization
declares global emergency: A review of the 2019 novel coronavirus (COVID-19). Int J Surg
[Internet]. 2020 Apr 1 [cited 2020 Apr 16];76:71–6. Available from:
https://www.sciencedirect.com/science/article/pii/S1743919120301977
4. Troyer EA, Kohn JN, Hong S. Are we facing a crashing wave of neuropsychiatric sequelae of
COVID-19? Neuropsychiatric symptoms and potential immunologic mechanisms. Brain
Behav Immun [Internet]. 2020 Apr 13 [cited 2020 Apr 16]; Available from:
https://www.sciencedirect.com/science/article/pii/S088915912030489X
5. Zhou F, Yu T, Du R, Fan G, Liu Y, Liu Z, et al. Clinical course and risk factors for mortality of
adult inpatients with COVID-19 in Wuhan, China: a retrospective cohort study. Lancet
[Internet]. 2020 Mar 28 [cited 2020 Apr 16];395(10229):1054–62. Available from:
https://www.sciencedirect.com/science/article/pii/S0140673620305663
6. Jones KE, Patel NG, Levy MA, Storeygard A, Balk D, Gittleman JL, et al. Global trends in
emerging infectious diseases. Nature. 2008;451(7181):990–3.
7. Shouval DS, Rufo PA. The Role of Environmental Factors in the Pathogenesis of
Inflammatory Bowel Diseases: A Review. JAMA Pediatr [Internet]. 2017 Oct 1;171(10):999–
1005. Available from: https://doi.org/10.1001/jamapediatrics.2017.2571
8. GoogleEarth [Internet]. [cited 2020 Apr 26]. Available from:
https://earth.google.com/web/@1.18327072,-160.42678609,-
27576.55708151a,41450411.0659361d,35y,0h,0t,0r
9. The coronavirus app [Internet]. [cited 2020 Apr 30]. Available from:
https://coronavirus.app/tracking/
10. Countrymeters [Internet]. [cited 2020 Apr 30]. Available from:
https://countrymeters.info/es/
11. Instituto Naciona de Salud y Ministerio de Salud Peru. Sala Situacional COVID 19 Perú
[Internet]. Instituto Naciona de Salud y Ministerio de Salud Peru. 2020. Available from:
https://community.powerbi.com/t5/Data-Stories-Gallery/Perú-Sala-Situacional-COVID-19-
Perú-Covid-19-Report/td-p/1019001
12. MINSALUD (Ministerio de Salud de Colombia). Coronavirus COVID19 [Internet]. Ministerio
de Salud Colombia. 2020. Available from: https://d2jsqrio60m94k.cloudfront.net/
13. Balash E, Judeikyte E. Ministerio de Salud Pública de Ecuador) Comportamiento COVID19
Ecuador [Internet]. 2020 [cited 2020 Apr 30]. Available from:
https://public.tableau.com/profile/publicaciones.dneais.msp#!/vizhome/COVID19ecu_MSP
_15866333883550/COVID-19MSP
14. MINSAL Chile (Ministerio de Salud de Chile). Plan de Acción Coronavirus COVID 19
[Internet]. Ministerio de Salud Chile. 2020 [cited 2020 Apr 30]. Available from:
https://www.minsal.cl/nuevo-coronavirus-2019-ncov/casos-confirmados-en-chile-covid-
19/
15. Eurosurveillance Editorial Team. Note from the editors: World Health Organization declares
novel coronavirus (2019-nCoV) sixth public health emergency of international concern.
Euro Surveill. 2020;25(5):2019–20.
16. WHO. Coronavirus Disease 2019. A & A Practice. 2020;e01218.
17. Belén M, De La Cruz J, Garcia L, Santiango A. Influencia de la altitud sobre la regulaciónde la
presión arterial en el ejercicio físico efectos sobre el sistema renina-angiotensina-
aldosterona Archivos de medicina del deporte. Arch Med del Deport [Internet].
2004;21:287–2965. Available from:
http://archivosdemedicinadeldeporte.com/articulos/upload/Original_influencia_287_102.
pdf
18. Arias-Reyes C, Zubieta-DeUrioste N, Poma-Machicao L, Aliaga-Raduan F, Carvajal-Rodriguez
F, Dutschmann M, et al. Does the pathogenesis of SARS-CoV-2 virus decrease at high-
altitude? Respir Physiol Neurobiol [Internet]. 2020 Jun;277:103443. Available from:
https://linkinghub.elsevier.com/retrieve/pii/S1569904820301014
19. Moore LG, Niermeyer S, Zamudio S. Human adaptation to high altitude: Regional and life-
cycle perspectives. Am J Phys Anthropol. 1998;107(S27):25–64.
20. Bigham AW. Genetics of human origin and evolution: high-altitude adaptations. Curr Opin
Genet Dev [Internet]. 2016;41:8–13. Available from:
http://dx.doi.org/10.1016/j.gde.2016.06.018
21. Cheng H, Wang Y, Wang G-Q. Organ-protective effect of angiotensin-converting enzyme 2
and its effect on the prognosis of COVID-19. J Med Virol. 2020;(March):1–5.
22. Hoffmann M, Kleine-Weber H, Krüger N, Müller M, Drosten C, Pöhlmann S. The novel
coronavirus 2019 (2019-nCoV) uses the SARS-coronavirus receptor ACE2 and the cellular
protease TMPRSS2 for entry into target cells. bioRxiv [Internet]. 2020 Jan
1;2020.01.31.929042. Available from:
http://biorxiv.org/content/early/2020/01/31/2020.01.31.929042.abstract
SITUA. 2020; 23(1): 19-26 26