
3
Revista de Biología Tropical, ISSN: 2215-2075, Vol. 71: e51679, enero-diciembre 2023 (Publicado Mar. 30, 2023)
salud (EBAIS) para cada uno de los cantones
en Costa Rica. Dicha información fue obtenida
del contenido de los indicadores para el Índice
de Progreso Social Cantonal, desarrollado por
la Escuela de Negocios del Instituto Centro-
americano de Administración de Empresas
(INCAE, 2020). Para cada cantón, se dividió la
población entre el área en kilómetros cuadrados
para obtener la densidad poblacional.
Análisis de datos: La mortalidad por
COVID-19 fue medida como el número de
defunciones por COVID-19 en los cantones
de Costa Rica, que fueron compensadas por
la población del cantón (offset). Las variables
explicativas fueron: (1) La densidad poblacio-
nal, que es una variable que aumenta el riesgo
de mortalidad de COVID-19 (Carozzi, 2020;
Kadi & Khelfaoui, 2020; Khavarian-Garmsir
et al., 2021). (2) El índice de bienestar mate-
rial, que puede modificar la mortalidad por
COVID-19 (Carhuapoma-Yance et al., 2021;
Cruz-Castanheira & Monteiro da Silva, 2021;
Dorregaray-Farge et al., 2021; Varotsos, et al.,
2021). (3) Proporción de habitantes cubierta
por unidades de servicios de salud (EBAIS)
definida como el radio de los habitantes entre
el número de EBAIS y es una variable proxy
de la cobertura de salud. (4) La cercanía a los
centros turísticos del Océano Pacífico. Esto
último, es un factor que incrementa el riesgo
de mortalidad por COVID-19 (Bonilla-Carrión,
2022; Bonilla-Carrión & Zapata-Quintanilla,
2021; Bonilla-Carrión et al., 2021). El software
R 4.0.5 (R Core Team, 2021) fue utilizado para
mapear la distribución geográfica de la morta-
lidad por COVID-19 y las variables explicati-
vas por cantón. Los códigos de los cantones, las
defunciones por COVID-19, la población por
cantón, la densidad poblacional, el índice de
bienestar material y la cobertura por EBAIS se
procesaron en una hoja electrónica de Micro-
soft EXCEL exportada al software R 4.0.5 (R
Core Team, 2021). Los códigos de los cantones
fueron obtenidos en el Instituto Geográfico
Nacional y posteriormente la hoja electróni-
ca con los datos fue enlazada al archivo de
mapa para su graficación según los códigos
de los cantones.
El modelo GLM fue realizado con el soft-
ware R 4.0.5 (R Core Team, 2021) basado en el
supuesto que la mortalidad por COVID-19 se
ajusta a la distribución de Poisson. La fórmula
de ajuste del análisis se expresa como:
En donde Oi es la mortalidad por COVID-
19 en el cantón i, β0 es la constante del
modelo, βj (j = 1, 2, 3, 4) son los parámetros
del modelo correspondientes a las variables
explicativas: densidad poblacional, bienestar
material, cobertura por EBAIS y la cercanía
a los centros turísticos. DEN es la densidad
poblacional (habitantes por km2) del cantón
i; IBM es el índice de bienestar material del
cantón i; EBAIS es la proporción de habitantes
cubierta por EBAIS del cantón i; CPAC es una
variable binaria, en donde el cantón i tiene el
valor de 1 si posee costa en el Océano Pacífico
y 0 en el resto de los casos y εi es el término de
error para el cantón i.
En el modelo GWR, los coeficientes cam-
bian según la ubicación geográfica, lo que
significa que el modelo GWR puede captar la
inestabilidad espacial de los datos y encontrar
la asociación local entre la variable dependien-
te y las variables explicativas. La fórmula del
modelo GWR está expresada como:
En donde (ui,vi) son las dos coordenadas
para cada cantón y las definiciones de los otros
parámetros del modelo son similares a los del
modelo GLM mencionado anteriormente. El
software GWR 4.0 (Nakaya et al. 2005) fue
usado para calibrar el modelo GWR con el
método iterativo de mínimos cuadrados re-pon-
derados. Se utilizó un esquema de ponderación