9 minute read
Investigación
EEUU: ENCONTRANDO LA MEJOR HABA DE CULTIVOS DE COBERTURA EN EL OESTE
Advertisement
Fuente: NRCS - USDA, 29/04/2021
La haba (Vicia faba), también conocida como ´bell bean’ o ‘horse bean’, es una de las muchas leguminosas fijadoras de nitrógeno que se utilizan como cultivo de cobertura. Es tolerante a las heladas, a la salinidad, tiene variedades que se pueden cultivar en estaciones frías y cálidas, produce abundante biomasa y tiene una forma de crecimiento robusta y erecta que funciona bien en mezclas de cultivos de cobertura que incluyen especies de enredaderas como la vicia peluda (Vicia villosa) o guisantes de invierno austriacos (Pisum sativum). Hay miles de cultivares y razas terrestres de habas adaptadas a una impresionante variedad de suelos y condiciones climáticas. Esto puede deberse al uso generalizado de las habas y a la larga historia de cultivo. Históricamente se cultivó como un alimento básico en toda Eurasia y el norte de África, y la evidencia más temprana de cultivo fue hace más de 11,000 años en el Medio Oriente. La colección de germoplasma de habas de los Estados Unidos, administrada por la Unidad de Investigación de Introducción y Pruebas de Germoplasma de Plantas del Servicio de Investigación Agrícola (ARS), tiene casi 700 accesiones de habas de sesenta países, lo que brinda a los fitomejoradores un amplio espectro de formas y rasgos genéticos con los que trabajar. Con todas las opciones disponibles, encontrar la variedad de habas más adaptada para una ubicación específica puede ser un poco complicado. Además, la semilla de habas varía considerablemente en tamaño, por lo que encontrar una variedad de habas más pequeña que se pueda plantar mecánicamente fácilmente y que funcione bien como cultivo de cobertura presenta desafíos adicionales.
Para identificar las variedades de habas con mayor potencial para cultivos de cobertura en el oeste de los Estados Unidos, se llevó a cabo una prueba de adaptación en cuatro Centros de Materiales Vegetales (PMC) de NRCS (Natural Resources Conservation Service - USDA) en California, Nevada, Arizona y Oregón. El estudio comparó cultivares de habas disponibles comercialmente y nueve líneas de mejora de élite desarrolladas por el ARS. Las cuatro PMC fueron adecuadas para esta evaluación porque la diversidad en sus temperaturas invernales, precipitación y suelos son representativas de las condiciones variables de crecimiento en el oeste. Cada PMC plantó las habas en el otoño y registró la emergencia, el vigor en invierno y primavera, la altura, la biomasa y el contenido de nitrógeno. Varias de las líneas de mejoramiento ARS fueron superiores en biomasa aérea y contenido de nitrógeno en comparación con las variedades comerciales, incluida Bell Bean, que es una variedad con semillas más pequeñas.
Foto: Flickr
Las líneas de mejor desempeño de estos ensayos se registrarán con la imagen del enlace externo de la Red de información de recursos de germoplasma del ARS para su posterior investigación y comercialización. Los investigadores de la Universidad Estatal de California, Chico, también continúan el trabajo de evaluar las habas pequeñas sembradas con la esperanza de lograr un equilibrio más óptimo de las características deseadas para un cultivo de cobertura y el tamaño de semilla necesario para la siembra mecánica.
HACIA LOS DETERMINANTES DEL COVID-19 EN EL PERÚ: EL IMPACTO DEL PERSONAL DE SALUD
Autores: José Grozo y Nikolai Alva.
En este artículo se continúa con la identi cación de variables relevantes respecto al grado de incidencia en la cantidad de contagios y letalidad del Covid 19 en los departamentos del país, aspecto que es analizado con regresiones bivariadas. El presente artículo se centra en las variables correspondientes a la cantidad de personal de salud disponible por departamentos.
LAS VARIABLES
La tabla 1 presenta las variables utilizadas para el análisis a nivel regional. Los datos de Número de habitantes por médico, y Número de habitantes por enfermera/o son del año 2019, fuente INEI. Los Contagios es el porcentaje de contagiados por región reportado por el MINSA al 17 de abril de 2021 respecto a la población del año 2020. La Letalidad es el porcentaje de defunciones reportado por el MINSA al 17 de abril de 2021 respecto al número de contagiados reportados por el MINSA a dicha fecha.
TABLA 1: VARIABLES DEL MODELO, ESTRUCTURA DEPARTAMENTAL
Fuente: INEI, MINSA (Contagios, Letalidad). Elaboración: Propia.
VARIABLE DEPENDIENTE
Como variable dependiente para la regresión de los determinantes del Covid-19 se consideró dos opciones: (1) Porcentaje de Contagios y (2) Porcentaje de Letalidad. Ambas variables tienen un determinado grado de subvaluación debido a di cultades para un registro exacto de la cifra de contagios y fallecimientos a causa del Covid 19.
VARIABLE INDEPENDIENTE
Para el análisis bivariado se exploraron variables que tuvieran una adecuada desagregación geográ ca y que sean un buen indicador de la cantidad de personal de salud disponible en dichas regiones, siendo las elegidas: número de habitantes por médico, y número de habitantes por enfermera/o como posibles variables independientes. La hipótesis que subyace en esta exploración es que a mayor número de habitantes por personal de salud, y por ende más escasez de dicho personal, habría mayor gravedad de la pandemia, medida ésta en Porcentaje de Contagios y en Porcentaje de letalidad.
La ilustración 1 muestra la cantidad de habitantes por médico, y la cantidad de habitantes por enfermera/o según región, ordenados de mayor a menor de acuerdo al número de habitantes por médico. Llama la atención la apreciable diferencia de magnitud en los datos, en especial en el caso de número de habitantes por médico que va desde un máximo de 1,599 en Loreto, a un mínimo de 240 en Arequipa. En el caso de número de habitantes por enfermera/o también hay gran dispersión siendo el máximo 864 en San Martín y el mínimo 214 en Arequipa.
ILUSTRACIÓN 1: PERÚ, NÚMERO DE HABITANTES POR MÉDICO O ENFERMERA (NIVEL DEPARTAMENTAL)
RESULTADOS
Se realizaron exploraciones con el número de habitantes por enfermera/o como variable explicativa y los porcentajes de contagios y de letalidad como variables explicadas y no se encontraron correlaciones. Por ejemplo en el caso de número de habitantes por enfermera/o y porcentaje de Contagios se obtuvo un R² = 2E-05, es decir es insigni cante; y en el caso de número de habitantes por enfermera/o y porcentaje de letalidad se halló el R² = 0.0173, es decir muy pequeño para inferir correlaciones.
De manera similar, se realizó un análisis bivariado entre el número de habitantes por médico regional y el porcentaje de contagio de Covid-19 y el R² = 0.0181 es muy bajo, por lo que no se encuentran relaciones, ni directamente proporcionales ni inversamente proporcionales entre ambas variables.
En el caso de número de habitantes por médico y porcentaje de Letalidad, como se muestra en la ilustración 2, tanto grá camente como mediante la ecuación, contrariamente a lo que se esperaría habría una relación inversamente proporcional entre ellas, es decir mientras mayor el número de habitantes por médico menor serían las muertes por Covid-19, ciertamente el R² = 0.2592 no es muy grande pero si denotaría una correlación importante. Por lo tanto este resultado ilógico sería una correlación espuria, es decir el número de habitantes por médico no sería un determinante de la letalidad del Covid-19.
ILUSTRACIÓN 2: PERÚ, NÚMERO DE HABITANTES POR MÉDICO REGIONAL Y % DE LETALIDAD DE COVID-19
CONCLUSIONES
Las principales conclusiones de esta exploración bivariada son que la relación inversamente proporcional entre número de habitantes por médico regional y porcentaje de Letalidad de Covid-19 sería una correlación espuria o no válida, y tampoco habría relación entre número de habitantes por médico regional y porcentaje de contagios de Covid-19. Y que en el caso de número de habitantes por enfermera/o no habría relación de esta variable ni con los contagios ni la letalidad. Ello podría deberse a que al ser el Covid-19 una enfermedad compleja y que se agrava con rapidez, requiere de recibir servicios de salud complejos, por lo cual, la disponibilidad de médicos o de enfermeras no resultaría determinante ante el porcentaje de letalidad, porque tal vez los servicios de salud que ellos brindan, aunque muy valiosos, no resultarían su cientes ante la complejidad que el tratamiento del Covid-19 requiere. La correlación espuria entre más disponibilidad de médicos y el porcentaje de letalidad, se explicaría porque habría más disponibilidad de médicos en las regiones con mayor densidad demográ ca, la cual (como se indicó en una artículo anterior) sí sería un determinante de la letalidad. Por otro lado, que no haya correlaciones entre el porcentaje de contagios ni con el número de habitantes por médico, ni con el número de habitantes por enfermera/o, no resulta en sí sorprendente, pero en cierto modo re ejaría la poca incidencia del personal de salud con respecto a la prevención de contagios. La principal recomendación de política de salud que se desprende de este artículo es un tanto obvia, ya que, es la necesidad de aumentar la disponibilidad de personal de salud, en particular; en las regiones que más lo requieren es notoria la gran brecha existente en los servicios de salud, siendo algunas regiones como Amazonas o San Martín las que mayor apoyo requieren al respecto. Asimismo, hay mayor necesidad de incidencia de medicina preventiva con respecto al Covid-19 y así poder contribuir a la reducción de los porcentajes de contagios.
Trabajadores mineros. / Dimitri Vetsikas - Pixabay
EMPLEO Y REMUNERACIONES A DICIEMBRE 2020
En el grá co 1 se presentan los puestos de trabajo (una persona puede ocupar más de un puesto de trabajo) y la remuneración promedio mensual del sector privado formal registrados en los meses de enero 2018 hasta diciembre 2020.
En enero-diciembre 2020 se registraron en promedio 3,571 puestos de trabajo por mes, lo cual signi có una disminución de -6.0% respecto a los 3,800 puestos de trabajo por mes de enero-diciembre 2019. La remuneración promedio mensual de enero-diciembre 2020 fue S/. 2,663, una disminución de -3.4% respecto a la remuneración promedio mensual de enero-diciembre 2019 (S/. 2,757).
G1. PUESTOS DE TRABAJO PROMEDIO MENSUAL (MILES) Y REMUNERACIONES PROMEDIO MENSUAL (SOLES) DEL SECTOR PRIVADO FORMAL 2018-2020
Fuente: BCRP. Elaboración: Propia.
Respecto al sector formal total (privados más estatales), en enero-diciembre 2020 se registraron en promedio 5,081 miles de puestos de trabajo por mes, lo cual implicó una disminución de -3.5% respecto a los 5,264 miles de puestos de trabajo por mes de enero-diciembre 2019. La remuneración promedio mensual de enero-diciembre 2020 del sector formal total fue S/. 2,778, que respecto a la remuneración promedio mensual de enero-diciembre 2019 (S/. 2,804) signi có una disminución de -0.9%.
La PEA ocupada (según datos promedio móvil de 3 meses del BCRP) registró en 2020 un promedio de 5,257 miles de personas por mes; mientras que en 2019 el registro fue un promedio de 4,368 miles de personas por mes; es decir, disminuyó en -16.9%.
