105327 by UNIGIS América Latina

Master Thesis ǀ Tesis de Maestría submitted within the UNIGIS MSc programme presentada para el Programa UNIGIS MSc at/en

Interfaculty Department of Geoinformatics- Z_GIS Departamento de Geomática – Z_GIS University of Salzburg ǀ Universidad de Salzburg

Evolución Temporal y Distribución Geográfica del Covid 19 en Territorios Indígenas de la Amazonía Ecuatoriana Temporal Evolution and Geographic Distribution of Covid 19 in Indigenous Territories of the Ecuadorian Amazon by/por

Carlos Santiago Mazabanda Calles u105327 A thesis submitted in partial fulfilment of the requirements of the degree of Master of Science (Geographical Information Science & Systems) – MSc (GIS) Advisor ǀ Supervisor: (Unigis completará aquí)

Quito - Ecuador, 2021

COMPROMISO DE CIENCIA Por medio del presente documento, incluyendo mi firma personal certifico y aseguro que mi tesis es completamente resultado de mi propio trabajo. He citado todas las fuentes que he usado en mi tesis y en todos los casos he indicado su origen.

Quito, XX de XXX de 2021 (Lugar, Fecha)

Firma

AGRADECIMIENTO Al Consejo de Gobierno de la Confederación de Nacionalidades Indígenas de la Amazonía (CONFENIAE), en especial al Dirigente de Comunicación, Andrés Tapia (Sacha Cristo), por habernos otorgado acceso a la información que recopilaron oportunamente sobre la situación del Covid-19 en la pueblos y nacionalidades indígenas de la Amazonía ecuatoriana sin la cual el presente trabajo de investigación hubiera sido imposible realizarse. Al Departamento de Geografía de la Universidad San Francisco, en su Director, Phd. Carlos Mena, al profesor investigador Phd. Leo Zurita Arthos y al profesor investigador MSC. Marcelo Landívar, quienes con su asistencia técnica permitieron desarrollar e implementar el “Sistema de Monitoreo del COVID-19 en las nacionalidades de la Amazonía”. A Amazon Watch, institución en la cual me siento honrado en laborar, y que me ha dado todas las facilidades para llevar a cabo está Tesis de Maestría, cuya información recopilada en “Sistema de Monitoreo” fue determinante para canalizar asistencia humanitaria y médica a las poblaciones indígenas que fueron padeciendo el embate de Covid-19. A mi familia, en especial mi esposa e hija, quienes han sido un gran aliciente para que este proceso concluya.

DEDICATORIA A los pueblos y nacionalidades indígenas de la Amazonía ecuatoriana quienes han sufrido la pandemia, pero también han dilucidado como hacerla frente con su sabiduría y medicina tradicional; Demostrando una vez más, que a pesar de la sistemática desatención del Estado, su resiliencia es su mayor fortaleza. A los líderes y lideresas indígenas que han tenido la ardua tarea de buscar aplacar los impactos del Covid-19 en sus comunidades.

RESUMEN Ha transcurrido 1 año y 3 meses desde que el Covid -19 fue declarado por la Organización Mundial de la Salud como pandemia. En la mayoría de los países desarrollados se ven escenarios prometedores con tendencia a la disminución de casos positivos y fallecimientos, que están en relación con extensivas campañas de vacunación. Sin embargo, el panorama no es prometedor en los países en vías de desarrollo que no han podido acceder al número de vacunas adecuado, mientras los casos positivos siguen en aumento con el consecuente colapso de los sistemas sanitarios; Ecuador se mantiene inmerso en este contexto. En la región amazónica ecuatoriana los primeros casos de Covid-19 se reportaron para finales de marzo de 2020. Aquí habitan 11 nacionalidades indígenas, en 22 unidades territoriales, sin embargo, la información oficial gubernamental no desagregaba los casos positivos de coronavirus desde esta perspectiva cultura, lo cual era imprescindible para determinar tendencias evolución temporal y distribución geográfica y con ello tomar medidas paliativas contra la propagación y de asistencia sanitaria. Para ello se desarrolló una base de datos, con la que se implementó un Tablero de Control en la Nube Geoespacial de ESRI, para que los usuarios puedan acceder a información según esta se actualizada. Esta información fue posteriormente analizada aplicando métodos estadísticos de epidemiología denominados medidas de frecuencia, como la prevalencia e incidencia, los cual permite establecer relación entre el tamaño de población de donde provienen los casos y al periodo de tiempo en el cual estos fueron identificados, con ello se determinó la Evolución Temporal y Distribución Espacial. Palabras claves: Covid-19, Distribución Espacial, Evolución Temporal, Incidencia, Prevalencia, Pueblos Indígenas.

ABSTRACT It has been 1 year and 3 months since Covid -19 was declared by the World Health Organization as a pandemic. In most developed countries, promising scenarios are seen with a tendency to decrease positive cases and deaths, which are related to extensive vaccination campaigns. However, the perspective is not promising in developing countries that have not been able to access the adequate number of vaccines, while positive cases continue to increase with the consequent collapse of health systems; Ecuador remains immersed in this context. In the Ecuadorian Amazon region, the first cases of Covid-19 were reported by the end of March 2020. 11 indigenous nationalities live here, in 22 territorial units, however, official government information did not disaggregate positive cases of coronavirus from this cultural perspective, which was essential to determine trends, temporal evolution and geographical distribution and thereby take palliative measures against the spread and health care. Thus, a database was developed which was used to implement a Control Panel in the ESRI Geospatial Cloud, so that users can access information according to it was updating. This information was subsequently analyzed by applying statistical methods of epidemiology called frequency measures, such as prevalence and incidence, which allow establishing a relationship between the size of the population from which the cases come and the period in which they were identified, thereby, the Temporal Evolution and Spatial Distribution were determined.

Keywords: Covid-19, Spatial Distribution, Incidence, Indigenous Peoples, Temporal Evolution, Prevalence.

TABLA DE CONTENIDO RESUMEN ........................................................................................................................ 5 ABSTRACT ...................................................................................................................... 6 1.

INTRODUCCIÓN ......................................................................................................13 1.1.

ANTECEDENTES..............................................................................................14

1.2.

OBJETIVO GENERAL .......................................................................................16

1.3.

OBJETIVO ESPECÍFICOS ................................................................................16

1.4.

PREGUNTAS DE INVESTIGACIÓN ..................................................................16

1.5.

HIPÓTESIS .......................................................................................................17

1.6.

JUSTIFICACION ...............................................................................................17

1.7.

ALCANCE .........................................................................................................19

REVISIÓN DE LITERATURA....................................................................................20 2.1.

MARCO TEÓRICO ............................................................................................20

2.1.1.

PUEBLO O NACIONALIDADES INDÍGENAS ................................................20

2.1.2.

GEOGRAFÍA MÉDICA O DE LA SALUD .......................................................21

2.1.3.1. 2.1.4.

TABLEROS DE CONTROL O DASHBOARDS DE ESRI ............................22 EPIDEMIOLOGÍA...........................................................................................23

2.1.4.1.

PROPORCIONES ......................................................................................23

2.1.4.2.

TASAS........................................................................................................23

2.1.4.3.

MEDIDAS DE FRECUENCIA .....................................................................24

2.1.4.3.1.

INCIDENCIA ...........................................................................................24

2.1.4.3.2.

PREVALENCIA .......................................................................................24

2.1.4.4.

DIAGNÓSTICO PARA COVID-19...............................................................25

2.2.

MARCO HISTORICO ........................................................................................26

2.3.

MARCO METODOLÓGICO ...............................................................................29

2.3.1.

TABLEROS DE CONTROL PARA MONITOREO DE COVID-19 ...................29

2.3.2.

EVOLUCIÓN TEMPORAL .............................................................................30

2.3.3.

DISTRIBUCIÓN ESPACIAL ...........................................................................30

2.3.4.

DIFUSIÓN TEMPORAL .................................................................................30

2.3.4.1.

MAPA DE ISOCRONAS .............................................................................31

2.3.5. POBLACIÓN Y SITUACIÓN SOCIOECONÓMICA EN LA PROPAGACIÓN DEL COVID-19.............................................................................................................32 3.

METODOLOGÍA .......................................................................................................33

3.1.

ÁREA DE ESTUDIO..............................................................................................33

3.2.

FLUJOGRAMA DE LA METODOLÓGIA ...............................................................37

3.3.

DESARROLLO METODOLÓGICO .......................................................................38 7

3.3.1.

ESTRUCTURA DE DATOS ...............................................................................38

3.3.2.

DISEÑO DE DASHBOARD ...............................................................................39

3.3.3.

INGRESO Y ACTUALIZACIÓN DE LOS REGISTROS ......................................42

3.3.4.

PROCESAMIENTO Y ANÁLISIS .......................................................................42

3.3.4.1.

EVOLUCIÓN TEMPORAL A ESCALA NACIONAL ........................................44

3.3.4.2. EVOLUCIÓN TEMPORAL DE LAS PROVINCIAS A LOS TERRITORIOS INDÍGENAS .....................................................................................................................44 3.3.4.3. 3.4. 4.

EVOLUCIÓN TEMPORAL EN LOS TERRITORIOS INDÍGENAS ..................45

JUSTIFICACIÓN DE LA METODOLOGÍA.............................................................46 RESULTADOS Y DISCUSIÓN .................................................................................49

4.1.

RESULTADOS ......................................................................................................49

4.1.1.

DIFUSIÓN TEMPORAL .....................................................................................49

4.1.1.1.

A ESCALA NACIONAL ..................................................................................49

4.1.1.2.

DE LAS PROVINCIAS A LOS TERRITORIOS INDÍGENAS...........................51

4.2. 4.2.1.

DISCUSIÓN.......................................................................................................57 ANÁLISIS DE LA EVOLUCIÓN TEMPORAL A ESCALA NACIONAL ............57

4.2.2. ANALISIS DE LA EVOLUCIÓN TEMPORAL DESDE LAS PROVINCIAS AMAZÓNICAS A LOS TERRITORIOS INDÍGENAS.....................................................58 4.2.3. ANALISIS DE LA EVOLUCIÓN TEMPORAL EN LOS TERRITORIOS INDÍGENAS .................................................................................................................59 4.2.4.

ANALISIS DE LA DISTRIBUCIÓN GEOGRÁFICA A ESCALA PROVINCIAL 60

4.2.5.

ANÁLISIS DE LA TASA DE PREVALENCIA ..................................................62

4.2.6.

ANÁLISIS DE LA TASA DE INCIDENCIA ......................................................64

5. CONCLUSIONES Y RECOMENDACIONES ...............................................................66 5.1. CONCLUSIONES ..................................................................................................66 5.2. RECOMENDACIONES .........................................................................................69 6. REFERENCIAS ...........................................................................................................70

GLOSARIO ABS

Áreas Básicas de Salud

AQR

Anàlisi Quantitativa Regional Universitat de Barcelona

AZDHS

Arizona Department of Health Services Confederación

Nacionalidad

Indígenas

CONFENIAE

Amazonia Ecuatoriana

CRE

Constitución de la República de Ecuador

Covid-19

Coronavirus 2019

ESRI

Environmental Systems Research Institute

IDW

Ponderación de Distancia Inversa

MSP

Ministerio de Salud Pública

OMS

Organización Mundial de la Salud

SARS-CoV2

Síndrome Respiratorio Agudo Grave Coronavirus 2

SHP

Shapefile

SIG

Sistemas de Información Geográfica

TICs

Tecnologías

Digitales

Información

Comunicación UC3M

Universidad Carlos III Madrid

WEB

World Wide Web

WHO

World Health Organization

LISTA DE FIGURAS Figura 1. Ejemplo de Esquema Difusión temporal de los casos confirmados de COVID-19 en Argentina ....................................................................................... 31 Figura 2. Flujograma de la Metodología .............................................................. 37 Figura 3. Elementos Del Dashboard Monitoreo De Covid-19 En Nacionalidades Indígenas De La Amazonía Ecuatoriana .............................................................. 40 Figura 4. Evolución por Nacionalidadn En El Dashboard Monitoreo De Covid-19 En Nacionalidades Indígenas De La Amazonía Ecuatoriana ............................... 41 Figura 5. Ejemplo de la Aplicación de Filtros En El Dashboard Monitoreo De Covid-19 En Nacionalidades Indígenas De La Amazonía Ecuatoriana ................ 42 Figura 6. Número de Registros Ingresados Según Rango de Fechas ................ 43 Figura 7. Casos Acumulados de Covid-19 en Pueblos Indígenas Por Provincia. 61

LISTA DE TABLAS Tabla 1. Territorios de las Nacionalidades Indígenas en relación con las Provincias Amazónicas .....................................................................................................................33 Tabla 2. Organizaciones y Población de las Nacionalidades Indígenas de la Amazonía Ecuatoriana .....................................................................................................................35 Tabla 3. Esquema de Difusión Temporal del Covid-19 en los Territorios Indígena de la Amazonía Ecuatoriana...................................................................................................522 Tabla 4. Casos Positivos de Covid-19 En Provincias Amazónicas y en Población Indígenas a Mayo de 2020 ..............................................................................................60 Tabla 5. Casos Positivos de Covid-19 En Provincias Amazónicas y en Población Indígenas a Agosto de 2020 ..........................................................................................622

LISTA DE MAPAS Mapa 1. Área De Estudio: Territorios De Las Nacionalidades Indígenas De La Amazonía Ecuatoriana .....................................................................................................................34 Mapa 2. Difusión Temporal de Covid – 19 a Escala Nacional ........................................509 Mapa 3. Difusión Temporal de Covid – 19 de la entre las Provincias Amazónicas y los Territorios Indígenas ........................................................................................................50 Mapa 4. Difusión Temporal de Covid – 19 de los Territorios Indígenas de la Amazonía Ecuatoriana .....................................................................................................................51 Mapa 5. Distribución Geográfica de Casos Acumulados de Covid – 19 en los Territorios Indígenas de la Amazonía Ecuatoriana .........................................................................533 Mapa 6. Tasa de Prevalencia de Casos Acumulados de Covid – 19 en relación con la Población Total en los Territorios Indígenas de la Amazonía Ecuatoriana .....................555 Mapa 7. Tasa de Incidencia de Covid – 19 en los Territorios Indígenas de la Amazonía Ecuatoriana .....................................................................................................................56

1. INTRODUCCIÓN El nuevo coronavirus SARS-CoV2 (Síndrome Respiratorio Agudo Grave Coronavirus 2) causante de la enfermedad Coronavirus 2019 (Covid-19), tuvo su origen en la ciudad de Wuhan, en China, a mediados del mes de diciembre de 2019 (Speth et al., 2020). Tres meses después el síndrome se esparcía alrededor del mundo, los casos se incrementaron a más de 150.000 y se registraban más 6.000 decesos según los datos recopilados por el Centro Europeo para el Control de Enfermedades (Redacción Médica, 2020b). El 11 de marzo la Organización Mundial de la Salud (OMS) declara Covid-19 como pandemia, a esta fecha el número de casos en China se había multiplicado por 13, y el número de países afectados se habían triplicado (OMS, 2020a). En Ecuador el primer caso de Covid-19 fue confirmado por el Ministerio de Salud Pública (MSP) el 29 de febrero del año 2020 el cual correspondía a una persona de 71 años que provino de España, el 14 de febrero, y que arribo a la ciudad de Guayaquil, Provincia del Guayas (SGCP, 2020). El virus se expandió rápidamente en la provincia, para el 19 de abril el Ministerio de Salud reporta 9.468 casos positivos y 474 fallecidos, de los cuales, el 68% de correspondían a la provincia del Guayas. Solo en Guayaquil, la ciudad capital de la provincia se concentraban 4.822 casos, tendencia que se mantuvo por varios semanas y convirtió a la ciudad en el epicentro de la pandemia en Ecuador y en la región (El Universo, 2020). Para el mes de mayo Ecuador llegó a tener la tasa de letalidad por coronavirus más alta de Sudamérica con el 7.19, superando inclusivo la tasa mundial promedio para ese mes de 6.95. Las cifras del Registro Civil del Ecuador evidencian la situación dramática de la Provincia de Guayas que tan solo en el mes de abril tuvo 9.101 fallecidos que equivale a un incremento del 488% en los decesos en relación al mismo mes del año 2019 (EL Comercio, 2020). A pesar de que en el resto del país los casos iban en aumento estaban muy por debajo de la situación de la provincia del Guayas. Para el 31 de abril, Pichincha ocupada el segundo lugar, con 1.447 casos positivos, es decir, el 13,5% del total de la provincia del Guayas.

Respecto a la región amazónica, donde se centra la presente investigación, los primeros casos se registraron en las provincias de Morona Santiago y Sucumbíos, que para el 24 de marzo registraban 7 y 6 casos positivos respectivamente de un total de 1.196 a nivel nacional (SNGR, 2020). Para el 31 de mayo el Covid 19, está presente en las 6 provincias amazónicas, siendo la provincia de Pastaza, donde se ubican los territorios de 7 de las 11 nacionalidades indígenas presente en la Amazonía, la que reporta más casos con 268; le sigue Orellana con 252; Zamora Chinchipe con 221; Napo con 216; Morona Santiago, y Sucumbíos con 123 (SNGR, 2020). Las autoridades gubernamentales como el MSP y la SNGR no realizaron un registro de los casos positivos del Covid-19 con un enfoque intercultural que brindará información sobre la situación en cada una de las 11 nacionalidades indígenas presentes en la Amazonía ecuatoriana.

1.1.

ANTECEDENTES

La pandemia del coronavirus ha puesto en grave amenaza a la supervivencia de la humanidad y con ello se ha afectado los ámbitos político, económico, social y cultural de la civilización, que no estuvo preparada para dar una respuesta a una crisis sanitaria de escala mundial (Junta de Vigilancia Mundial de la Preparación, 2020). Las consecuencias negativas del coronavirus en estos ámbitos han afectado con mayor fuerza a aquellos países cuyas economías venían en decrecimiento y donde las brechas sociales se iban acentuando. Esto ha determinado que la pandemia y las medidas paliativas tomadas por los gobiernos tenga impactos diferenciados en la población. El aislamiento y posteriores restricciones de movilidad fueron insuficientes para contrarrestar los contagios efectivamente, lo cual, resultó en el colapso de los sistemas de salud y con ello se complejizó la atención a la emergencia sanitaria, siendo el estrato de población de bajos recursos económicos los más afectados al no poder costear atención de salud privada como alternativa al sistema de salud público. En este estrato de la economía se encuentran las comunidades indígenas, campesinas y afrodescendientes, destacan aquí las 11 nacionalidades indígenas 14

distribuidas en las 6 provincias en la Amazonía ecuatoriana, las cuales tienen particularidades culturales, sociales y económicas que están influenciadas por la relación que tienen con sus territorios, así como por la ubicación geográfica de estos. La población indígena tiene un limitado intercambio con las ciudades y centros poblados, lo que en gran medida ha aportado a que estos pueblos y nacionalidades mantengan su cosmovisión y prácticas culturales. Sin embargo, este aislamiento geográfico, que ha asegurado el buen estado de conservación de la selva tropical y que ha beneficiado a su subsistencia cultural, ha tenido también efectos adversos, ya que el Estado no ha logrado diseñar políticas de atención que cubran a estas poblaciones lo que ha conllevado a que carezcan de servicios básicos, como agua potable y saneamiento, que en estos momentos son claves para prevenir la propagación del coronavirus y otro tipo de enfermedades. Esa situación es más lamentable, si tomamos en cuenta que en estas comunidades no se dispone de hospitales próximos; Existen pequeños centros de salud, muy dispersos, con poco personal profesional capacitado y carentes de equipamiento, por lo que en casos de emergencia es necesario evacuar a los pacientes vía terrestre, fluvial o área a las ciudades más cercanas. Las comunidades indígenas basan su sustento en la agricultura de subsistencia, la recolección, la caza y la pesca; Se les hace necesario acceder a los centros poblados para abastecerse de productos que no disponen en sus territorios, como de otros bienes y servicios que han hecho que la última década proliferen obras de infraestructura vial que facilitan el acceso a una extensa zona de estos territorios. De manera más limitada se puede acceder a estos territorios a través de vía fluvial y a áreas muy alejadas en pequeñas avionetas. Esta conectividad con los centros poblados ha sido un factor de riesgo para la propagación del virus en la población indígena a lo que se suma la ausencia de información oportuna y culturalmente apropiada sobre medidas de prevención para el contagio del coronavirus, lo que conllevó a que el virus se propague rápidamente desde los centros poblados hacia las comunidades.

1.2.

OBJETIVO GENERAL •

Describir la evolución temporal y distribución geográfica en la propagación del coronavirus Covid 19 en los territorios indígenas de Amazonía ecuatoriana entre los meses de mayo y agosto de 2020.

1.3.

OBJETIVO ESPECÍFICOS •

Diseñar una base de datos georreferenciada que permita realizar el monitoreo sobre la evolución temporal y distribución geográfica del Covid 19 en del área de estudio entre mayo y agosto del 2020.

•

Recopilar información georreferenciada base y temática de los territorios de pueblos indígenas en la Amazonía ecuatoriana que permitan diseñar un SIG para implementar herramientas de análisis espacial.

•

Establecer con uso de herramientas de análisis espacial de SIG un modelo para la evolución temporal y distribución geográfica del Covid-19 en los territorios de pueblos indígenas amazónicos.

•

Determinar mecanismos de difusión apropiada de los resultados tanto para tomadores de decisiones, como gobiernos locales, organizaciones y comunidades indígenas, y público en general.

1.4.

PREGUNTAS DE INVESTIGACIÓN •

¿Utilizando herramientas de Sistemas de Información Geográfica (SIG) se puede determinar tendencias en evolución temporal y distribución geográfica Covid-19 en los territorios de pueblos indígenas de la Amazonía ecuatoriana?

•

¿Cuáles han sido las nacionalidades indígenas de la Amazonía ecuatoriana que en el periodo de análisis han sido mayormente afectadas por el Covid-19? 16

•

¿Cuáles podrían ser las principales causas de que haya habido mayor incidencia de casos de Covi-19 en ciertas nacionalidades indígenas de la Amazonía ecuatoriana?

•

¿Cuáles podrían ser las principales causas de que el Covi-19 se haya difundido más rápidamente en ciertas nacionalidades indígenas de la Amazonía ecuatoriana?

1.5.

HIPÓTESIS

La aplicación de herramientas SIG de análisis espacial permite desarrollar una metodología para determinar tendencias evolución temporal y distribución geográfica del Covid-19 en los territorios de los pueblos indígenas de la Amazonía ecuatoriana.

1.6.

JUSTIFICACION

Desde el primer contacto con la civilización occidental los pueblos indígenas han sido

vulnerables

enfermedades

introducidas

debido

las

carencias

inmunológicas que permitieron que estás desarrollaran de manera agresiva diezmando considerablemente su población (Lovell, s. f.). La actual pandemia ha evidenciado que esta vulnerabilidad persiste y se ve agravada por las condiciones de exclusión socio económica en la que viven las poblaciones indígenas, lo que se traduce que en sus territorios exista una carencia de servicios médicos, básicos y de saneamiento. Los patrones culturales también han aportado en alguna medida al impacto de la pandemia en las poblaciones indígenas ya que es un factor intrínseco de estas culturas el tener un núcleo familiar ampliado, intergeneracional, donde además es muy importante la relación entre familias y el intercambio comunal (Degawan, 2020). En Ecuador las ciudades amazónicas fueron las últimas en tener presencia del virus, sin embargo, el avance ha sido constante, afectando a población general y 17

con ello a la población indígena que vive en ciudades, y subsecuentemente propagando el Covid-19 hacia las comunidades en sus territorios, selva adentro. Desde el anunció de los primeros casos en país, las organizaciones indígenas fueron estableciendo sus propios protocolos de restricción de movilidad hacia y desde el territorio, en esto tuvo un rol relevante la organización que las representa a nivel regional, la Confederación de Nacionalidad Indígenas de la Amazonia Ecuatoriana (CONFENIAE) debido a su amplia capacidad de difusión en redes de comunicación tradicionales y comunitarias. Estas medidas de restricción tuvieron resultados positivos al inicio de la crisis, no obstante, con el progresivo incremento de casos en las ciudades, la enfermedad se propago a territorios indígenas. Las autoridades gubernamentales reportan los casos positivos de Covid-19 pero no han realizado una desagregación de las cifras tomando en cuenta la variable cultural, lo cual es imprescindible para contener la propagación hacia nuevos sectores de territorios indígenas y dar asistencia médica oportuna. La CONFENIAE, de cuenta propia, empezó a indagar y sistematizar esta información de fuentes oficiales para generar infografías periódicas que dieron cuenta de cómo avanzaba el Covid-19 en los territorios indígenas. Surgió entonces la necesidad de complementar este esfuerzo y apoyar en la gestión de la información con la implementación de un SIG. A más de organizar la información en un SIG sea hace imprescindible analizar esta con el fin de establecer como se dio la evolución del coronavirus en los territorios indígenas amazónicos y establecer posibles explicaciones de como el virus se propago tanto espacial como temporalmente pese a las restricciones de movilidad. Los resultados que esta investigación arrojen podrán ser utilizados para mejorar los protocolos de respuesta, tanto los oficiales como los generados por las organizaciones indígenas, para hacer frente a la presente pandemia o una futura crisis sanitaria que ocurra.

1.7.

ALCANCE

Los SIG actualmente nos permiten compartir datos en tiempo real a través de los denominados dashboards o cuadros de mando, que son una herramienta útil de monitoreo en diferentes temáticas. Respecto a la pandemia del Covid-19 se han desarrollado sinnúmero de plataformas a diferentes escalas: mundial, nacional y regional. Esta herramienta de monitoreo será aplicada con el fin de recopilar, georreferenciar y presentar la información obtenida por la CONFENIAE que se tiene desagregada a escala de organizaciones indígenas provinciales. Tenemos entonces que el área de estudio abarca las 6 provincias amazónicas, donde existen 11 nacionalidades indígenas, representadas por 21 organizaciones. La información a una escala más detallada es inaccesible, de hecho, los registros oficiales de Ecuador presentan la información únicamente hasta nivel de Municipios. Pocos Municipios en el país han establecidos desagregación al nivel de parroquia, el nivel de menor grado político administrativo; En el caso de la Amazonía, ninguno de sus Municipios lo han hecho. CONFENIAE ha podido recopilar información, de manera muy limitada, a escala de comunidades, sin embargo, con esta información y otras variables se buscará definir una metodología aplicable para a través de herramientas de análisis espacial establecer posibles patrones de propagación del Covid-19 en el tiempo y el espacio. Dado que los resultados de los análisis realizados en un SIG están supeditados a la disponibilidad de los datos y tomando en cuenta que desde la comunidad médica no hay certezas sobre algunas variables importantes, como por ejemplo, las tasas de transmisión, utilizar SIG para realizar modelamiento de sobre el Covid-19 será una tarea que podría conllevar a resultados que podrían diferir de la realidad (Binversie, 2020). Reconociendo las limitaciones que los datos suponen para la presente investigación, la certeza está en estructurar una base metodológica que superada la falencia de datos se fiable de aplicación.

2. REVISIÓN DE LITERATURA 2.1.

MARCO TEÓRICO 2.1.1. PUEBLO O NACIONALIDADES INDÍGENAS

El artículo 1 de la Constitución de la República (CRE) se define los principios fundamentales del Estado de Ecuador, entre estos están, el carácter de intercultural y plurinacional (Constitución de la República del Ecuador, 2008). Es decir, estamos en un Estado donde habitan varias culturas las cuales han se han autodefinido como nacionalidades a partir que cada uno de estos grupos humanos comparte una misma identidad histórica, idioma y cultural. (Enríquez, 2019). El carácter de plurinacional también hace referencia que a que estos pueblos indígenas fueron constitutivos previos al Estado ecuatoriano y ocupan un territorio determinado donde ejercen autoridad mediante sus instituciones y formas tradicionales de organización social, económica, jurídica y política. En Ecuador habitan 14 nacionalidades y 18 pueblos. Respecto a los pueblos indígenas en la costa ecuatoriana habitan los Huancavilca y Mantaa. En la Sierra: Chibuleo, Cañari, Karanki, Cayambi, Kisapincha, Kitukara, Panzaleo, Natabuela, Otavalo, Purwá, Palta, Salasaka, Saraguro y Waranka. En la región costa están presentes 4 nacionalidades: Awá, Chachis, Épera y Tsa’chila y en región amazónica 10 nacionalidades: Achuar, Andoa, Cofán, Kichwa, Secoya, Shuar, Shiwiar, Siona, Sápara y Waorani.

2.1.2. GEOGRAFÍA MÉDICA O DE LA SALUD En todos los países donde se hizo presente el Covid-19 se dio una crisis sanitaria por la imposibilidad de los sistemas de salud públicos y privados por cubrir la demanda de pacientes que requerían atención. La Geografía Médica se encarga de analizar y dar respuesta a este tipo de crisis desde 2 áreas principales de investigación. La primera, la Nosogeografía o Geografía Médica tradicional, encargada de la identificación y análisis de patrones de distribución espacial de enfermedades; Y la segunda, la Geografía de la Salud, referida a la distribución y organización de infraestructura y de recursos humanos para el establecimientos de sistemas de atención médica (Iñiguez, 1998). Para ambas corrientes de la Geografía Médica, la cartografía es una herramienta preponderante, pero su relevancia data de los primeros compendios que hacen referencia a la Geografía Médica, que se realizaron a finales de siglo XVIII (Finke, 1792) como el análisis cartográfico realizado por Jhon Snow sobre los problemas de salubridad

para el estudio de la epidemia de cólera de Londres en 1854

(Snow, 1855).

2.1.3. GEOGRAFÍA MÉDICA Y LOS SIG Un siglo después, en la década de los sesenta (60´s), se dio un salto significativo en las técnicas de cartografía con el desarrollo de los SIG que permitieron a los usuarios o investigadores recopilar y almacenar información geográfica, es decir, aquella que comprende un componente espacial, georreferenciado y sus características o atributos permitiendo que esta información sea consultada, integrada, analizada y representada.

Los SIG entonces apoyan a la Geografía de la Salud en determinar la distribución geográfica de una enfermedad y analizar como esta distribución está asociada a otros factores espaciales sean ambientales, sociales, culturales y de otra índole. El establecer estas relaciones y darles seguimiento en un SIG permite a los 21

tomadores de decisiones diseñar y adoptar medidas oportunas para disminuir el impacto de enfermedades en términos de su distribución espacial estableciendo medidas de control y de prevención e importante también el uso eficiente del talento humano e infraestructura (Mejía, 2019). El desarrollo de las tecnologías digitales de la información y la comunicación (TICs) ha permitido que los SIG evolucionen hacia los SIG en la nube o SIG Cloud, que permite a los usuarios que disponen de una conexión de internet con acceso a una determinada World Wide Web (WEB) utilizar la funcionalidades de análisis, edición y visualización de datos que provee un SIG con el adicional que se proporciona de una serie de aplicaciones para publicar los mapas y datos en la WEB (Climent, 2017) . Entre las principales interfaces de este tipo destaca ArcGIS Online de ESRI que permite crear mapas, analizar datos, colaboración entre usuarios y compartir los resultados en la WEB. Además, a partir de los mapas e información generada ArcGIS Online permite configurar y crear aplicaciones a través de ArcGIS Configurable Apps, ArcGIS Web AppBuilder, ArcGIS Dashboards, ArcGIS StoryMaps o ArcGIS Experience Builder.

2.1.3.1.

TABLEROS DE CONTROL O DASHBOARDS DE ESRI

Los Tableros de Control son parte de la Nube Geoespacial de ESRI, son una aplicación

web

configurable

que

proporciona

visualización

datos

geolocalizados y su análisis a través de la interacción con mapas, gráficos, indicadores, y otros elementos visuales que permitan exponer de manera interactiva la situación que está en estudio (SIGSA, s. f.). Un dashboard es una vista de información geográfica cuyos datos permiten monitorizar eventos, tomar decisiones, informar a otros y ver tendencias. Los cuadros de mando se han diseñado para mostrar varias visualizaciones que trabajan juntas en una sola pantalla. Ofrecen una vista integral de sus datos y proporcionan información clave para tomar decisiones de un vistazo” (ESRI, s. f.). 22

2.1.4. EPIDEMIOLOGÍA La epidemiología es el estudio de la distribución y los determinantes de estados o eventos (en particular de enfermedades) relacionados con la salud y la aplicación de esos estudios al control de enfermedades y otros problemas de salud. Hay diversos métodos para llevar a cabo investigaciones epidemiológicas: la vigilancia y los estudios descriptivos se pueden utilizar para analizar la distribución, y los estudios analíticos permiten analizar los factores determinantes (WHO, s. f.). La medida más elemental de frecuencia de una enfermedad, o de cualquier otro evento en general, es el número de personas que la padecen o lo presentan (por ejemplo, el número de pacientes con hipertensión arterial, el número de fallecidos por accidentes de tráfico o el número de pacientes con algún tipo de cáncer en los que se ha registrado una recidiva). Sin embargo, dicha medida por sí sola carece de utilidad para determinar la importancia de un problema de salud determinado, pues debe referirse siempre al tamaño de la población de donde provienen los casos y al periodo de tiempo en el cual estos fueron identificados. Para este propósito, en epidemiología suele trabajarse con diferentes tipos de fracciones que permiten cuantificar correctamente el impacto de una determinada enfermedad (Pita et al., 2004) . 2.1.4.1.

PROPORCIONES

Las proporciones son medidas que expresan la frecuencia con la que ocurre un evento en relación con la población total en la cual éste puede ocurrir. Esta medida se calcula dividiendo el número de eventos ocurridos entre la población en la que ocurrieron. Como cada elemento de la población puede contribuir únicamente con un evento (Moreno-Altamirano et al., 2000). 2.1.4.2.

TASAS

Las tasas expresan la dinámica de un suceso en una población a lo largo del tiempo. Se pueden definir como la magnitud del cambio de una variable (enfermedad o muerte) por unidad de cambio de otra (usualmente el tiempo) en relación con el tamaño de la población que se encuentra en riesgo de experimentar el suceso. En las tasas, el numerador expresa el número de eventos 23

acaecidos durante un periodo en un número determinado de sujetos observados (Moreno-Altamirano et al., 2000) .

2.1.4.3.

MEDIDAS DE FRECUENCIA

2.1.4.3.1. INCIDENCIA Es el número de casos nuevos de una enfermedad que se desarrollan en una población en riesgo durante un período de tiempo. Se entiende por población en riesgo aquella que puede sufrir el evento. Existen dos tipos de medidas de incidencia: la Incidencia Acumulada (IA) y la Tasa de Incidencia o Densidad de Incidencia (DI). La DI es una proporción representa la probabilidad de enfermarse en una población durante un periodo de tiempo. Es una medida de frecuencia con lo que un evento o caso nuevo ocurre en una población.

Se expresa como:

2.1.4.3.2. PREVALENCIA Establece la proporción de sujetos que tienen una enfermedad o característica en un momento determinado. Se limita a describir la situación en un momento dado, no lo que ocurrirá. Se expresa como:

2.1.4.4.

DIAGNÓSTICO PARA COVID-19

La prueba más efectiva para la detección de casos positivos de Covid-19 es la prueba molecular que detecta el material genético del virus que causa la COVID19 usando una técnica de laboratorio llamada Reacción en Cadena de la Polimerasa (RCP). Para recolectar una muestra de fluido se inserta un hisopo nasal y se obtiene fluido de la parte posterior de la nariz. Si la prueba detecta el Ácido Ribonucleico (ARN) del virus el resultado es positivo (West et al., 2020). Las pruebas PCR son altamente fiables ya que pueden diferenciar entre dos microorganismos muy cercanos evolutivamente, puede detectar cantidades de 20 copias/ml -o incluso menos- de material genético viral y detecta el virus en las primeras fases respiratorias, sin embargo, su desventaja radica en el tiempo de obtención de los resultados puede tomar en pocas horas, no obstante, el colapso de los sistemas de salud, el requerimiento de personal entrenado y la alta demanda puede hacer que el tiempo de obtención de los resultados tome varios días. (Gail, 2020).

2.2.

MARCO HISTORICO 2.2.1. SARS-CoV2 y COVID -19

En la ciudad de Wuhan capital de la provincia de Hubei, la ciudad más poblada en la zona central de la República Popular China, a mediados de diciembre de 2019, se registraron casos atípicos de neumonía que no respondía a tratamientos convencionales. (Koury & Hirschhaut, 2020). A decir del gobierno chino en un comunicado emitido el 31 de diciembre la enfermedad era prevenible y controlable. Así, la movilidad interna no fue limitada para las festividades del Año Nuevo Lunar Chino y se estima que con este propósito desde Whuan salieron alrededor de 175.000 viajeros para el 1 de enero. Así mismo, los viajes internacionales continuaron con normalidad, miles de personas volaron de Wuhan a ciudades alrededor del mundo (Wu et al., 2020). El 7 de enero se identificó que el patógeno denominado como SARS-CoV2 (Severe Acute Respiratory Syndrome Coronavirus 2) es el causante de la nueva enfermedad Covid-19 (Coronavirus Disease 2019). Análisis filogenéticos, que se encargan de establecer la historia evolutiva del virus, establecieron como posible huésped original del nuevo coronavirus a los murciélagos y un posible huésped intermediario a los pangolines (Redacción Médica, 2020b). Es decir, el Covid-19 es una zoonosis, una enfermedad infecciosa que ha pasado de un animal a humanos (OMS, 2020b). Los análisis filogenéticos precisaron el origen del nuevo coronavirus en un mercado de animales en la ciudad de Wuhan.

2.2.2. LA PANDEMIA DEL COVID-19 En el mes de enero de 2020, el Covid-19 se propagaba rápidamente en China: para el día 20 se reportan 139 casos; para el día 22 se reportan 547 infectados y 17 fallecidos (ACNUR, 2020). El 22 de enero el gobierno chino pone en cuarentena a la ciudad de Wuhan cerrando todos los medios de transporte público urbano, el metro, el ferry y el aeropuerto. Luego de 4 días de tomada esta medida, el 26 de enero, los casos son más 2.700 y 80 fallecidos (ACNUR, 2020).

Esta medida de restricción de movilidad buscaba frenar la propagación del Covid19, tomando en cuenta que la ciudad de Wuhan es importante centro de transporte doméstico por las carreteras, autopistas y sistemas de trenes que la conectan con otras ciudades importantes, pero además por su aeropuerto internacional, el más grande y activo de la región, como lo muestran cifras del año 2018, que contabilizaron 24,5 millones de pasajeros internacionales (WUH, s. f.). No obstante, la medida resulto ser ineficaz debido que la incubación del Covid-19 resulto ser muy variable y sus síntomas pueden aparecer desde 2 días hasta luego de 14 días (Redacción Médica, 2020a). Los primeros casos ocurrieron a mediados de diciembre por lo que el Covid-19 estuvo propagándose a nivel local, regional y mundial por casi 3 meses hasta ocurrieran las medidas de aislamiento. Previo al Covid-19, la sociedad mundial vivía en lo que Dumont denomina la era de la hipermovilidad (Dumont, 2020), un contexto en el cual, las barreras espacio temporales han sido superadas ampliamente debido a la creación de redes y sistemas de transporte que permiten movilizar bienes, mercancías y personas de manera muy eficiente (Gutiérrez, 2020).

En el contexto de la crisis sanitaria

provocada por el nuevo coronavirus este tipo de movilidad permitió que las personas infectadas en Wuhan fueran propagadoras del coronavirus proliferando su distribución alrededor del mundo. Si hablamos de movilidad o hipermovilidad, las ciencias geográficas entran en aplicación para dar sentido como el Covid-19 se expandió fuera de la ciudad de Wuhan. Era necesario establecer entonces que medios de transporte utilizaban las personas para movilizarse desde la ciudad origen de la enfermedad hacia otras ciudades y por qué se daba esta movilidad. Esto es lo que la Geografía del Transporte, define como: “el conocimiento de los sistemas de transporte que hacen frente a las necesidades de desplazamiento de los humanos y sus mercancías en un espacio dado: la ciudad, el Estado o continente” (Marcadon & Wolkowitsch, 1993). Dumont realiza con este enfoque su análisis para esgrimir por qué Covid-19 afectó particularmente a ciertas regiones de Europa como marco temporal el primer trimestre de 2020. Señala que en Italia se vio afectada, y particularmente la región norte, por la presencia dispersa de población dispersa en la región y la 27

abundante movilidad hacia Milán. Respeto a Francia el autor señala como factores de movilidad la presencia de varias empresas francesas como Renault, PSA en la ciudad de Wuhan, así mismo las conexiones aéreas diarias a RoissyCharles de Gaulle.

Otro factor que propició la propagación del Covid-19 en

Europa fue la realización de un evento religioso en la ciudad de Mulhouse del 17 al 24 de febrero, que convocó a 2.300 personas de Francia y Alemania. Concluye Dumont que los casos de coronavirus ocurren en como territorios en las regiones fronterizas o en aquellas con conexiones aéreas y ferroviarias internacionales (Dumont, 2020). Era evidente que la movilidad de las personas y los flujos de transporte eran la clave en la rápida propagación del Covid-19, sea hacían necesarias medidas de restricción de movilidad y de aislamiento. El 11 de marzo, el Director de la OMS, detalla que se han registrado 118.000 casos, 4.291 fallecidos, en 114 países, con lo que se declara al Covid-19 como pandemia (OMS, 2020a). Es término define a un “brote epidémico que afecta a más de un continente y que los casos de cada país ya no sean importados sino provocados por trasmisión comunitaria”(Pulido, 2020). La pandemia del Covid-19 continuó su propagación alrededor del mundo y como medida de contención y prevención los gobiernos empezaron a cerrar las fronteras internacionales a todo tipo de transporte, así mismo se restringió la movilidad interna a los mínimos esenciales. No obstante, estas estrictas medidas llegaron tardíamente y fueron ineficientes por la inicial falta de transparencia sobre la gravedad de la enfermedad y posteriormente por la ineficiente coordinación entre los Estados y Bloques Regionales. En retrospectiva, la Junta de Monitoreo de la Preparación Mundial, organismo independiente de la OMS que se encarga de supervisión y rendición de cuentas para garantizar la preparación ante las crisis sanitarias mundiales en su informe emitido en el mes de septiembre con el título: “Un Mundo Desorganizado” se considera como un “fracaso colectivo al no haber tomado en serio la prevención, la preparación y la respuesta ante una pandemia y al no haberle dado la prioridad correspondiente” (Junta de Vigilancia Mundial de la Preparación, 2020).

A un mes de declarada la pandemia, 8 de abril, se había 1.438.290 personas infectadas y el número de fallecidos asciende a 82.726, en 192 países.

2.3.

MARCO METODOLÓGICO 2.3.1. TABLEROS DE CONTROL PARA MONITOREO DE COVID19

En el contexto de una enfermedad de rápida propagación como es el caso del Covid-19 las aplicaciones on line han tenido un rol importante para el manejo de la información para las tomas de decisiones, en especial los tableros de mando o dashboards de ESRI. Algunos ejemplos de tableros de mando sobre la pandemia tenemos: Casos de COVID-19 en Ecuador (ESRI Ecuador, 2020); Dashboard Covid 19 of Arizona Department of Health Services (AZDHS, 2020); COVID-19 Data Dashboard in Washington State Department of Health (Washington State Department of Health, 2020); COVID-19: Status of Cases in Toronto (City Goverment of Toronto, 2020) y el Panel COVID-19 por el Centro de Ciencia e Ingeniería de Sistemas (CSSE) de la Universidad Johns Hopkins (Johns Hopkins University, 2020), WHO Coronavirus Disease (COVID-19) Dashboard (WHO, 2020). En diferentes escalas estos tableros interactivos presentan información oficial sobre los casos confirmados, muertes, recuperaciones pruebas aplicadas, gráficos de progreso el tiempo y por supuesto el área o lugar donde esto está ocurriendo en un mapa. En los dashboards interactúa información estadística y geográfica, que para el caso de enfermedades puede aportar variables como hospitales y clínicas con camas disponibles, tiempos de espera para atención, abastecimiento de equipamiento, áreas densamente pobladas, y otros datos importantes, que permiten desarrollar análisis para una mejor toma decisiones para afrontar una crisis sanitaria. Los tableros podrían incorporar también información sobre movilidad de las personas,

medios

transporte,

eventos

programados

para

identificar

aglomeraciones con lo cual según la situación que se encuentre el vector de una enfermedad se puede inferir potenciales riesgos de propagación, información que 29

será útil para las autoridades sanitarias para tomar medidas que reduzcan la exposición y con esto la propagación de la enfermedad. (De la Peña, 2020).

2.3.2. EVOLUCIÓN TEMPORAL Para poder presentar la evolución temporal de un fenómeno es necesario disponer de una serie temporal de datos que es una sucesión de observaciones de una variable tomadas en varios instantes de tiempo. Existen varios tipos de gráficos para mostrar la evaluación temporal, por ejemplo: Por períodos de observación, Boxplot Anual, Boxplot Por Períodos de Observación (UC3M, s. f.). Estos tipos de gráficos han sido ampliamente utilizados para visibilizar la evolución temporal del Covid-19 que han sido insertos también los dashboard con diferentes variables: casos nuevos, casos confirmados, fallecimientos, pruebas realizadas, recuperados, entre otras limitadas a un área geográfica determinada. 2.3.3. DISTRIBUCIÓN ESPACIAL La distribución espacial hace referencia a la disposición de un fenómeno en un territorio determinado. La representación cartográfica es importante para visualizar la distribución espacial de una serie numérica respecto a una variable determinada ambiental, social y cultural. Para mapear la distribución espacial del coronavirus generalmente se ha utilizado mapa temáticos de símbolos proporcionales que muestran la información para un área determinada (Ramírez, 2020). 2.3.4. DIFUSIÓN TEMPORAL La Geografía de la Salud ha definido como difusión de tipo expansiva en cascada aquella describe el contagio por contigüidad de procesos epidemiológico, la cual es aplicable a la enfermedad de Covid-19, siendo que el principal factor de propagación es el contacto cercano de persona a persona con lo que se definen áreas en donde hay núcleos de mayor concentración de casos.

Para representar la difusión temporal podríamos manejar un esquema de difusión temporal como lo muestra la Figura 1. Figura 1. Ejemplo de Esquema Difusión temporal de los casos confirmados de COVID-19 en Argentina

Fuente: (Ramírez, 2020) El esquema consta en el eje vertical las áreas de estudio, en este caso las provincias de Argentina y en el eje horizontal, las fechas de registro. En las casillas donde se cruzan los ejes se ingresa el número de los casos de manera acumulativa lo que ayuda evidenciar como fue la distribución temporal de los casos de Covid-19 en una determinada área.

2.3.4.1.

MAPA DE ISOCRONAS

En el estudio de referencia de Ramírez se tradujo el análisis esquemático a un mapa de isócronas, que son representaciones cartográficas para representar áreas a las cuales se puede acceder en un mismo tiempo. (AlfaGeomatics, 2020). Para el caso del Covid-19 el mapa nos dará de un modelamiento en el cual se podrá analizar cómo fue su propagación (Ramírez, 2020).

2.3.5. POBLACIÓN Y SITUACIÓN SOCIOECONÓMICA EN LA PROPAGACIÓN DEL COVID-19 Como se señaló anteriormente la enfermedad del coronavirus se propaga a partir del contacto con personas infectadas, por lo que se puede inferir, que en zonas con una alta densidad poblacional los casos deben aparecer un mayor número. Esta variable es interesante de analizar ya que la Amazonía ecuatoriana no es una región con alta densidad poblacional y mucho menos los territorios y comunidades de pueblos indígena. En estudios realizados en las Áreas Básica de Salud (ABS) de Cataluña se llega a la conclusión de que podría haber una relación en la distribución espacial de las variables densidad poblacional y casos de Covid-19 (AECR, 2020b). Sin embargo, a pesar de la baja densidad población en la Amazonía, difícil acceso entre comunidades y las medidas de restricción de movilidad los datos parecen indicar que está región no hay una relación entre las variables densidad y casos de coronavirus. La situación anterior se puede explicar por las características sociales y económicas de la población. De acuerdo al analices realizado en las ABS de Cataluña la enfermedad se propago de manera más acelerada en aquellos áreas con población menos acomodada debido a las actividades comerciales que realizan y que requiere el contacto con personas y la utilización de medios masivos de transporte (AECR, 2020a). Para el caso de la Amazonía y la población indígena esto es una realizada ya que las comunidades con acceso vial a los centros poblados acuden a los mercados para vender sus productos, y este puedo ser un factor de contagio y propagación de Covid-19 en sus comunidades, pero también la fuente para que el coronavirus avance hacia zonas más alejas de los territorios indígenas si algún contagiado utilizó el río o la avioneta para transportarse a otro lugar.

3. METODOLOGÍA 3.1. ÁREA DE ESTUDIO El área de estudio corresponde a los territorios indígenas ubicados en la región amazónica ecuatoriana, que abarcan en un 57% de la superficie total de las provincias de Morona Santiago, Napo, Orellana, Pastaza, Sucumbíos y Zamora Chinchipe (Tabla 1). Tabla 1. Territorios de las Nacionalidades Indígenas en relación con las Provincias Amazónicas Provincia

Área (Km2)

Nacionalidad

Achuar 24.029,11 Kichwa Shuar Porcentaje Del Total Kichwa Napo 12.542,42 Waorani Porcentaje Del Total Cofán Kichwa Orellana 21.675,41 Shuar Waorani Porcentaje Del Total Achuar Andoa Kichwa Pastaza 29.628,76 Sapara Shiwiar Shuar Waorani Porcentaje Del Total Cofán Kichwa Sucumbíos 18.146,55 Secoya Shuar Siona Porcentaje Del Total Kichwa Zamora 10.565,78 Chinchipe Shuar Porcentaje Del Total TOTALES 116.588,03 Morona Santiago

Área Porcentaje (Km2) 2.780,34 16 8,64 1 14.082,41 83 70 1.339,49 81,01 313,94 18,99 13 241,14 2 5.361,39 46 107,82 1 5.960,34 51 54 3.994,41 14 663,99 2 8.820,55 32 3.694,58 13 2.238,11 8 823,55 3 7.361,91 27 93 2.472,99 36 2.570,72 37 404,55 6 98,19 1 1.387,30 20 38 812,88 36 1.436,90 64 21 66.976,15 57

Elaborado por Carlos Mazabanda Fuente: Información SIG en (López et al., 2013)

En la provincia de Pastaza existe la mayor extensión de territorios indígenas con 27.597,10 km2 que corresponden al 93% de la superficie de la provincia, así mismo, esta es la de mayor diversidad cultural ya que están presentes 7 de las 10 nacionalidades presentes en la Amazonía ecuatoriana (Figura 2). La nacionalidad Kichwa es la que mayor extensión abarcando el 32% del total de los territorios indígenas presentes en la provincia, seguidos por la nacionalidad Waorani (27%). Le siguen en extensión los territorios ubicados en la provincia de Morona Santiago con 16.871,38 km2 que corresponden al 70% de la superficie de la provincia, donde habitan los Achuar y Shuar, siendo estos últimos los que abarcan la mayor extensión con un 83% de la superficie de los territorios indígenas en Morona Santiago. En tercer lugar, en extensión de territorios de pueblos indígenas, está Orellana donde estos cubren el 54% de la provincia, de esta superficie las principales nacionalidades son la Kichwa (46%) y Waorani (51%). En las 3 provincias restantes los territorios indígenas ocupan un 38% para Sucumbíos, un 21% Zamora Chinchipe y un 13% para Napo. Cabe destacar que en la provincia de Sucumbíos están presentes 3 nacionalidades: Cofán, Siona y Secoya, las cuales no están presentes en otras provincias de la región amazónica; Y de la superficie total de los territorios indígenas en la provincia abarcan un 36%, 20% y 6% respectivamente.

Mapa 1. Área De Estudio: Territorios De Las Nacionalidades Indígenas De La Amazonía Ecuatoriana

Estas

nacionalidades

indígenas

están

representadas

por

organizaciones (Tabla 2), las cuales disponen de su espacio territorial diferenciado (Tabla 1) que comprenden las unidades de análisis del presente estudio y cuya población total es de 219.882 habitantes. La FOIN, ubicada en la provincia del Napo, de la nacionalidad Kichwa y la FICSH de la nacionalidad Shuar ubicada en Morona Santiago, son las que mayor población alcanzan, con el 24,97% y 24,01% del total de la población indígena en la región. Tabla 2. Organizaciones y Población de las Nacionalidades Indígenas de la Amazonía Ecuatoriana Provincia

Nacionalidad

Organización

Siglas

Napo

Kichwa

Federación de Organizaciones Indígenas del Napo

FOIN

Morona Santiago

Shuar

Federación Interprovincial De Centros Shuar

FICSH

Orellana

Kichwa

Federación De Comunas Unión De Nativos De La Amazonía Ecuatoriana

FCUNAE

Pastaza

Kichwa

Nacionalidad Kichwa Originaria De Pastaza

PAKKIRU

Sucumbíos

Kichwa

Federación De Organizaciones De La Nacionalidad Kichwa De Sucumbíos Ecuador

FONAKISE

Morona Santiago

Shuar

Nacionalidad Shuar Del Ecuador

NASHE

Pastaza

Shuar

Federación De La Nacionalidad Shuar De Pastaza

FENASH-P

Zamora

Shuar

Federación De La Nacionalidad Shuar De Zamora Chinchipe

FENASH-ZCH

Morona Santiago

Achuar

Nacionalidad Achuar Del Ecuador

NAE

Pastaza

Achuar

Nacionalidad Achuar Del Ecuador

NAE

Sucumbíos

Shuar

Federación Provincial De Centros Shuar De Sucumbíos

FEPCESH-S

Orellana

Shuar

Federación De La Nacionalidad Shuar De Orellana

FENASHO

Consejo De Coordinación De La Nacionalidad Waorani De CONCONAWEP Pastaza

Pastaza

Waorani

Orellana

Waorani

Nacionalidad Waorani Del Ecuador

NAWE

Sucumbíos

Ai Kofan

Nacionalidad Originaria A'I Kofan Del Ecuador

NOAIKE

Sucumbíos

Siekopai

Nacionalidad Siekopai Del Ecuador

NASIPAE

Pastaza

Sapara

Nación Sapara Del Ecuador

NASE

Población

54.729

24,89

52.630

23,94

35.537

16,16

18.550

8,44

16.125

7,33

10.137

4,61

5.645

2,57

5.475

2,49

3.936

1,79

2.731

1,24

2.018

0,92

1.924

0,88

1.884

0,86

1.785

0,81

1.250

0,57

1.200

0,55

1.200

0,55

Pastaza

Andwa

Nacionalidad Andoa De Pastaza Ecuador

NAPE

Pastaza

Shiwiar

Nacionalidad Shiwiar Del Ecuador

NASHIE

Sucumbíos

Siona

Organización De La Nacionalidad Indígena Siona Del Ecuador

ONISE

Napo

Waorani

Organización De La Nacionalidad Waorani De Napo

ONWAN

TOTAL

1.076

0,49

1.037

0,47

551

0,25

462

0,21

219.882

100,00

Realizado por: Carlos Mazabanda, 2021 Fuente: - Censo de Instituto Nacional de Estadísticas y Censo (INEC), 2009 - Alianza Ceibo, 2021 - Nación Sapara del Ecuador, 2021

En seguida, en tamaño poblacional se ubican la FCUNAE de la provincia de Orellana, PAKKIRU de la provincia de Pastaza y la FONAKISE de la provincia de Sucumbíos, todas de la nacionalidad Kichwa, lo que la convierte en la nacionalidad con mayor población representando el 56,82% del total de la población indígena. A continuación, se encuentran las organizaciones de la nacionalidad Shuar: NASHE, FENASH-P, FENASH-ZCH, ubicadas en las provincias de Morona Santiago, Pastaza y Zamora Chinchipe respectivamente, suman 21.257 habitantes que constituye el 9,67% de la población. La nacionalidad Achuar cuenta con 6.667 habitantes, diseminados en las provincias de Pastaza y Morona Santiago, aunque representados por una sola organización, la NAE. Las restantes 9 organizaciones corresponden a la nacionalidad Waorani, Ai Kofan, Siekopai, Sapara, Andwa, Shiwiar y Siona que

conjuntamente

componen el 4,75% del total poblacional, por lo que cada una de estas nacionalidades son consideradas minorías étnicas y catálogos como grupos vulnerables.

3.2.

FLUJOGRAMA DE LA METODOLÓGIA Figura 2. Flujograma de la Metodología

3.3. DESARROLLO METODOLÓGICO 3.3.1. ESTRUCTURA DE DATOS En la Fase 1 definimos el diseño que tendrá los datos con los que vamos a trabajar, partimos de la información de tipo shapefile (SHP) de los territorios indígenas (López et al., 2013) al cual le hemos subdivido a nivel de organizaciones las cuales corresponden en su mayoría a representaciones provinciales, con esto obtenemos 21 unidades de análisis, las cuales contienen en su tabla de atributos campos sobre Organización, Provincia, y Nacionalidad. Se diseño una base de datos de formato Excel (XLS) la cual contiene la información relacionada a los casos de Covid-19 cuyos campos son: Fecha, Provincia, Organización, Nacionalidad, Casos Positivos, Casos Negativos, Casos Sospechosos,

Casos

Recuperados,

Fallecidos

Confirmados,

Fallecidos

Sintomatología, Pruebas Tomadas. Estos atributos fueron determinados por la CONFENIAE en base a la información que recopilaban de fuentes primerias y de información oficial proporcionada por el MSP, a los cuales se les definió con los siguientes criterios: -

Casos Positivos: Aquellos casos que mediante pruebas PCR o pruebas rápidas han confirmados que el paciente es positivo para Covid 19.

Casos Negativos: Aquellos casos que mediante pruebas rápidas o PCR han confirmados que el paciente es negativo para Covid 19.

Casos Sospechosos: Aquellos que han presentado sintomatología asociada a Covid 19 y que han sido reportados por las comunidades u organizaciones indígenas, pero no ha sido comprobados a través de pruebas rápidas o PCR.

Casos Recuperados: Aquellos pacientes que luego de haber dado positivo para Covid 19 se han recuperado y son descontados de los Casos Positivos. 38

Fallecidos Confirmados: Aquellos casos en que la persona que falleció dio positivo para la prueba rápidas o PCR.

Fallecidos Sintomatología: Aquellos casos en que la personas que falleció tuvo síntomas asociados a Covid 19, pero no se le realizó una prueba rápidas o PCR.

Ambos archivos son exportados a ArcGis Online, el shapefile de territorios indígenas es una entidad Feature Layer y el archivo XLS es una entidad tipo Tabla Alojada, a estas entidades se les aplicará el geoproceso “joint features” o “entidades de unión”. 3.3.2. DISEÑO DE DASHBOARD La Fase 3 contempla desarrollar en ArcGis Online la aplicación del tipo table de Control o Dashboard con el fin de presentar al público en general de una manera interactiva la información resultante de la Fase 1 y Fase 2. Se debe entonces usar estos datos para generar en ArcGis Online el elemento central del cuadro de mando que es el “Mapa de Covid-19 en Territorios Indígenas”, el cual es alojado como un Web Map. El siguiente momento es crear el Cuadro de Mando que se denomina “Monitoreo de Covid-19 en Nacionalidades Indígenas de la Amazonía Ecuatoriana” (Amazon Watch et al., 2020), para luego con la información de los campos de la Tabla Alojada diseñar los diferentes los diferentes paneles que contendrá el dashboard.

Figura 3. Elementos Del Dashboard Monitoreo De Covid-19 En Nacionalidades Indígenas De La Amazonía Ecuatoriana

4 1 2

A continuación, se describe los elementos que componen el tablero de mando expuesto en la Figura 3. 1. Panel Lateral Izquierdo. Este inicia con la pestaña de “Presentación” y luego las “Definiciones” de cada uno de los atributos como consta en el parágrafo 3.3.1. Las siguientes pestañas muestran información en gráficos de barras de: “Positivos por nacionalidad”, “Positivos por provincia”, “Sospechosos por Nacionalidad”, “Sospechosos por Provincia”, “Fallecidos confirmados por Nacionalidad”, “Fallecidos Confirmados por Provincia”, “Recuperados por Nacionalidad”, “Recuperados Provincia”. Y la pestaña “Nacionalidades con Más Casos” muestra una lista en orden descendente de las nacionalidades que han registrado un mayor número de casos positivos de Covid-19. 2. Panel Central. Este contiene el elemento de mapa en el cual el usuario puede interactuar con la información. Este panel contiene además pestañas de tipo gráfico que muestran en información sobre “Evolución de Casos Positivos”, “Evolución por Nacionalidad” y “Evolución por Provincia” (Figura 4.)

Figura 4. Evolución por Nacionalidadn En El Dashboard Monitoreo De Covid19 En Nacionalidades Indígenas De La Amazonía Ecuatoriana

3. Panel Lateral Derecho. Denominado “Casos” contiene el conteo total de las 7 variables contenida en la “Tabla Alojada”, además de la última fecha de actualización de la información. 4. Encabezado. Este contiene el título del dashboard y un filtro que permite seleccionar dos variables: Nacionalidad y Provincia. Según los datos seleccionados se afectará la información contenida en el Mapa, las pestaña “Nacionalidad Con Más Casos” del Panel Izquierdo y el Panel Derecho, mostrando únicamente la información para una determinada nacionalidad y/o provincia (Figura 4).

Figura 5. Ejemplo de la Aplicación de Filtros En El Dashboard Monitoreo De Covid-19 En Nacionalidades Indígenas De La Amazonía Ecuatoriana

3.3.3. INGRESO Y ACTUALIZACIÓN DE LOS REGISTROS La Fase 3, es el ingreso de la información a cada uno de los registros, según el campo correspondiente. Esto corresponde a la actualización periódica de la información que inicia con la edición del archivo tipo XLS sistematizado y enviado por la CONFENIAE para que la estructura de los campos corresponda al diseño de la “Tabla Alojada” en ArcGis Online. Es necesario además revisar que los datos o atributos sean de tipo “entero” e ingresar la fecha en la cual fue recopilada la información. A continuación, la información de este archivo XLS es trasladada a la Tabla Alojada previamente cargada en ArcGis Online con la función “Actualizar Datos” e “Incorporar Datos a Capa”. 3.3.4. PROCESAMIENTO Y ANÁLISIS Los datos a escala nacional respecto a la situación de la pandemia fueron obtenidos del Observatorio Social de Ecuador quienes han desarrollado un sistema de monitoreo y análisis de la pandemia de Covid-19 en Ecuador en base a la información del Ministerio de Salud Pública y Servicio Nacional de Gestión de Riesgos (SNGR). 42

Para establecer el momento de inicio de la pandemia en cada una de las provincias se indagó en el referido sistema de monitoreo las fechas del primer registro de casos de Covid -19 y se creó una tabla u hoja de cálculo. En el SIG ArcGIS este archivo es unificado a una capa de tipo puntos que contiene la información de las capitales de provincia y se crea un nuevo layer “Covid_en_Provincias” La fuente de información primaria sobre los casos de Covid-19 en los territorios indígenas amazónicos están contenidos en el archivo SHP denominado “Caso Covid Acumulados” que contiene los registros acumulados para cada fecha de actualización respecto los casos positivos de coronavirus en los 21 polígonos que confirman los territorios indígenas de la Amazonía ecuatoriana. Este SHP dispone de 777 registros, los cuales fueron obtenidos en 41 ingresos de información o actualizaciones, el primero del 15/5/2020 y el último del 8/12/2020. Dado el volumen de datos del SHP es conveniente discriminar los datos con los cuales se va a trabajar, por medio de la herramienta “Statistics” en el campo “Fecha”. Se configura los parámetros “Time Binning Options”, este caso 1 meses y se activa “Snap To First Data Point”. El gráfico generado (Figura 4) nos muestra que, para un periodo de 3 meses, es decir, entre 15/5/2020 y 16/08/2020, el SHP consta de 504 registros que corresponden al 62% del total de la información. Los registros para este periodo de 7 meses fueron realizados en 28 actualizaciones de las 41 realizadas.

Figura 6. Número de Registros Ingresados Según Rango de Fechas

A partir de este análisis se crea el SHP “Casos_Estudio” aplicando “Select By Atributes” para los registros de menor fecha que 17/08/2017, este archivo contiene los campos “Provincia”, “Organización”, “Nacionalidad”, “Fecha”, “Casos Positivos” y un total de 504 registros.

3.3.4.1.

EVOLUCIÓN TEMPORAL A ESCALA NACIONAL

En el layer Covid_en_Provincias” se crea un nuevo campo en el cual determinaremos los días que han transcurrido desde la fecha del primer caso de coronavirus registrado 2/3/2020 en relación con las fechas registradas para los primeros casos en cada provincia, para lo cual en el geoproceso calcular campo se aplica el siguiente código def deltadias(mifecha): from datetime import date d0 = date(2020, 3, 12) delta = mifecha.date() - d0 return delta.days

A este campo denominado (Delta_Fecha) se aplica el geoproceso de interpolación de tipo Ponderación de Distancia Inversa (IDW) con lo que obtenemos un ráster que nos muestra cómo se propago el virus en el marco temporal de días a escala nacional. 3.3.4.2.

EVOLUCIÓN TEMPORAL DE LAS PROVINCIAS A LOS TERRITORIOS INDÍGENAS

En el shapefile “Casos_Estudio” se aplicó el geoproceso disolver para los campos “Organización”, “Provincia” usando como campo estadístico “Fecha” y la estadística que nos proporcione los valores mínimos (Fecha_Min) con lo que obtenemos un nuevo layer al que se denominó “Incio_Casos_Estudio”, el cual consta el primer registro de caso de Covid-19 en cada uno de los territorios indígenas y su correspondiente provincia. A este SHP se le agregó un campo 44

(Fecha_Prov) que contiene la fecha que registra el primer caso de coronavirus, en este caso, para las provincias amazónicas. Se efectuó una substracción entre los campos (Fecha_Prov) y (Fecha_Min) con lo que se obtuvo como diferencia los días que le tomo al coronavirus propagarse en cada uno de los territorios indígenas desde el registro del primer caso registrado en su correspondiente provincia. 3.3.4.3.

EVOLUCIÓN TEMPORAL EN LOS TERRITORIOS INDÍGENAS

Para determinar cómo se dio la difusión del coronavirus en tiempo, al interior de los territorios indígenas, desde el reporte del primer en estos, aplicamos el procedimiento realizado en el título 3.3.4.1 para el SHP “Incio_Casos_Estudio” para el campo (Fecha_Min). Para precisar la propagación temporal en función de cada una de las fechas para las que se realizó una actualización de datos se realiza un “Esquema de Difusión Temporal” a partir del SHP “Casos_Estudio” para lo cual se aplicó la herramienta de Administración de Datos: Tabla Pivote. Se utiliza como campo pivote a al campo (Fecha) y campo de valor (Casos Positivos). La tabla resultante es exportada a formato DBF para poder ser editada en un software de hoja de cálculo donde se aplica un formato condicional de escala de color que nos permite identificar patrones o tendencias en la de cálculo en medida avanza el tiempo y el registro de casos positivos.

3.3.4.4.

DISTRIBUCIÓN GEOGRÁFICA Y MEDIDAS DE FRECUENCIA

La distribución geográfica será presentada a través del mapeo de los casos acumulados de Covid-19 para cada unidad de análisis al final del periodo de estudio, es decir, 16/08/2020, para lo cual se utilizará la herramienta de símbolos proporcionales (Ramírez, 2020). Este mapa nos presentará valores absolutos sobre los casos de Covid-19 en un territorio determinado, sin embargo, es preciso analizar estos valores en 45

combinación de otras variables que permitan dilucidar en que unidad de análisis el impacto de coronavirus fue mayor o menor. Para esto aplicaremos las medidas de frecuencia de epidemiología que utilizan las variables de población y tiempo para determinar la prevalencia e incidencia de una enfermedad según las fórmulas detalladas en el marco teórico título 2.2.4.3.

3.4.

JUSTIFICACIÓN DE LA METODOLOGÍA

El punto de partida fue la definición de la escala a la cual se iba a de realizar la presentación de los resultados y esta elección fue determinada por la disponibilidad de los datos, es decir, a que escala se nos era proporcionada la información oficial sobre la situación del Covid-19. Idealmente esta información debería haber alcanzado la escala de comunidades, sin embargo, esto no fue posible ya que los datos proporcionados por el MSP hacían referencia únicamente al pueblo/nacionalidad y provincia. Esto determinó que las unidades de análisis sean los territorios de los pueblos indígenas circunscritos a los limites provinciales que definen organizaciones individuales. Al haber establecido el componente espacial de la base de datos se debe definió los campos, los cuales de igual manera definidos en función de la información disponible y otorgada por las autoridades oficiales. Para el presente estudio de todas las variables disponibles en relación con el Covid-19, se eligió para ser analizada, la variable “Casos Positivos” ya que está tiene una veracidad científica sostenida en los resultados de las pruebas PCR realizadas por el MSP. Es esencial desde un inicio definir claramente la estructura de la base de datos especial ya que evitará posteriores complicaciones al actualizar los registros, ya que la necesidad de incluir una nueva unidad territorial o un campo demandaría de realizar ediciones manuales en las tablas, lo que no es deseable ya que demandaría de tiempo y se perdería la posibilidad de que el flujo de trabajo sea automatizado. La siguiente decisión importante fue el definir como se almacenarían y actualizarían los datos. Debemos tomar en cuenta que en este momento de la investigación disponíamos de la información sobre la situación del Coivd-19 en un 46

archivo de formato XLS, al cual se lo vinculaba en el SIG en función de las unidades

territoriales

indígenas.

primera

opción

para

fase

almacenamiento y actualización era ir actualizando la base de datos XLS en el software SIG, lo cual supuso un obstáculo, como presentar la información de los casos acumulados según se iban realizando las actualizaciones. Un segundo obstáculo fue como presentar estos datos, sin tener que realizar un layout para cada vez que la información era actualizada. Resolver ambas cuestiones utilizando herramientas tradicionales en el software SIG hubiera conllevado a que cada vez que se requiera actualizar la información de la base de datos se deba realizar varios geo-procesos que permitan obtener un desangramiento de los datos que permita proporcionar información pertinente de análisis sobre los casos acumulados positivos de Covid-19, por ejemplo, por nacionalidad, por provincia, y por organización; Además, esto conllevaba un arduo trabajo cartográfico para la presentación de estos resultados. Es aquí donde se optó por el desarrollo de un dashboard de ARCGIS. Está aplicación daba solución a los obstáculos planteados anteriormente, ya que, su razón de ser es precisamente mostrar información numérica geo-referenciada, y presentarla con elementos de gráficos estadísticos dando posibilidades a que las variables presenten interactúen entre sí, así, por ejemplo, se podría mostrar la evolución del Covid-19 en función del tiempo y las diferentes unidades de análisis territorial. Además, que proporcionó una interesante solución al componente cartográfico ya que el elemento central del panel del control es un mapa interactivo, en el cual el usuario puede navegar y acceder a la información de una determinada unidad geográfica. El dashboard a más de dar la posibilidad de presentar la información estadística y cartográfica, brinda la posibilidad de realizar una gestión sencilla de los datos, ya que para la carga de nuevos datos se requería un sencillo paso de actualizar los datos incorporando datos a la capa. Luego esta información es tratada en función de las herramientas estadísticas que nos proporciona el dashboard, en el caso de la presente investigación, la principal operación realizada sobre los datos fue “sum”, ya que lo que se requería es mostrar el incremento acumulado de los

casos para las diferentes unidades espaciales: provincia, nacionalidad y organización.

Habiendo almacenado los datos adecuadamente, la siguiente fase en la metodología requirió que esta información sea exportada a ARCGIS Pro para proceder con el análisis de la misma, para lo cual fue necesario investigar sobre conceptos de epidemiología y como esta ciencia evaluaba la información de manera estadística para determinar tendencias o impactos de una determinada enfermedad, ya que los datos absolutos si bien son relevantes, no dilucidan el impacto real en una determinada unidad geográfica ya que es necesario evaluar las información de casos positivos de Covid-19 en relación a la población y el tiempo. De esta manera se identificaron las medidas de frecuencia epidemiológica incidencia y prevalencia, las cuales corresponden a fórmulas matemáticas que fueron aplicadas utilizando herramientas de cálculo de campos en ArcGIS Pro. Finalmente, con estos nuevos campos generados se realizó la cartografía temática con la cual se establece la evolución temporal y espacial del Covid-19 en los territorios indígenas de la Amazonía Ecuatoriana.

4. RESULTADOS Y DISCUSIÓN 4.1.

RESULTADOS 4.1.1. DIFUSIÓN TEMPORAL 4.1.1.1.

A ESCALA NACIONAL

El Mapa 2. muestra la difusión temporal del Covid-19 en las provincias de Ecuador de acorde a como este se fue propagando en días a partir del registro de los primeros casos.

Mapa 2. Difusión Temporal de Covid – 19 a Escala Nacional

Realizado por: Carlos Mazabanda Fecha: Marzo, 2021 Fuente: - Información Base: IGM, 2016 - Datos Covid-19: Observatorio Social del Ecuador, 2020

4.1.1.2.

DE LAS PROVINCIAS A LOS TERRITORIOS INDÍGENAS

El Mapa 3 presenta la difusión del Covid-19 en días, relacionando el registro del primer caso registrado en cada una de las provincias amazónicas y el primer caso registrado por parte de la CONFENIAE en cada uno de los territorios indígenas a la correspondiente provincia. Mapa 3. Difusión Temporal de Covid – 19 de la entre las Provincias Amazónicas y los Territorios Indígenas

Realizado por: Carlos Mazabanda Fecha: Marzo, 2021 Fuente: - Información Base: IGM, 2016 - Territorios Indígenas, Ecociencia, 2013 - Datos Covid-19: Observatorio Social del Ecuador, 2020

En el Mapa 4 figura la difusión temporal del coronavirus en los territorios indígenas en días desde el primer caso registrado por la CONFENIAE y relacionando como el Covid-19 fuer apareciendo en las siguientes fechas de registro. Mapa 4. Difusión Temporal de Covid – 19 de los Territorios Indígenas de la Amazonía Ecuatoriana

Realizado por: Carlos Mazabanda Fecha: Marzo, 2021 Fuente: - Información Base: IGM, 2016 - Territorios Indígenas, Ecociencia, 2013 - Datos Covid-19: CONFENIAE, 2020

La Tabla 3 presenta los casos acumulados de Covid-19 recopilados para cada una de las organizaciones indígenas para los 28 correspondientes registros de fechas. La Tabla 3 permite deducir cuales fueron los territorios indígenas en donde el coronavirus se hizo presente a la primera fecha de registro, así como los territorios donde el coronavirus se presentó en última instancia. Se puede apreciar además como se fue ocurriendo el crecimiento de casos de Covid-19 y con ello las organizaciones indígenas que fueron más impactadas con casos positivos. Tabla 3. Esquema de Difusión Temporal del Covid-19 en los Territorios Indígena de la Amazonía Ecuatoriana

Provincia Orellana Napo Morona Santiago Waorani Orellana Pastaza Sucumbios Sucumbios Zamora Chinchipe Morona Santiago Pastaza Pastaza Pastaza Sucumbios Orellana Sucumbios Pastaza Napo Sucumbios Pastaza

Organización 15/05/20 18/05/20 20/05/20 21/05/20 25/05/20 04/06/20 09/06/20 11/06/20 14/06/20 16/06/20 17/06/20 18/06/20 21/06/20 25/06/20 01/07/20 05/07/20 09/07/20 15/07/20 17/07/20 20/07/20 21/07/20 27/07/20 31/07/20 03/08/20 05/08/20 10/08/20 14/08/20 16/08/20 PAKKIRU 15 15 20 20 20 43 58 87 121 147 155 155 155 342 345 345 345 345 347 372 391 394 397 397 399 399 399 399 FOIN 14 24 24 24 24 79 96 96 96 96 96 145 145 218 241 253 253 280 280 303 327 327 364 364 364 379 379 379 FICSH 0 0 0 0 0 10 10 12 12 12 12 12 12 29 46 50 210 210 304 304 304 304 350 350 350 350 350 350 NAWE 0 1 2 2 46 26 26 77 77 77 77 77 77 77 182 184 184 194 194 194 194 194 217 217 217 239 244 249 FCUNAE 0 0 0 0 0 0 0 0 0 30 30 30 30 137 57 63 63 71 71 81 81 81 92 92 92 111 216 226 CONCONAWEP 0 0 0 0 0 15 15 15 106 106 106 106 106 106 106 106 106 106 106 106 106 106 106 106 106 106 106 106 FONAKISE 0 0 0 0 0 1 1 4 21 29 29 29 29 29 32 38 38 57 57 57 57 101 105 105 105 105 105 105 ONISE 0 0 0 0 0 0 0 0 0 0 0 0 0 40 40 40 40 40 40 40 40 40 40 40 100 100 100 100 FENASH-ZCH 1 1 8 8 8 8 8 8 8 7 7 7 6 54 47 48 50 54 54 55 57 57 72 72 72 78 79 83 NASHE 0 0 0 0 0 10 10 11 11 11 11 11 11 11 11 11 11 11 15 15 15 15 15 15 15 37 40 54 NAE 2 2 12 12 12 15 20 21 22 22 22 22 22 22 22 22 22 22 26 26 26 26 26 26 26 35 35 43 FENASH-P 0 0 0 2 2 2 3 3 5 5 5 5 5 5 6 31 31 32 32 32 32 32 32 32 42 42 42 42 NASE 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 20 20 16 16 30 30 30 39 39 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 16 16 39 39 NOAIKE 0 0 0 0 0 0 0 0 FENASHO 0 0 0 0 0 0 0 0 0 1 1 1 1 1 30 32 32 33 33 33 33 33 33 33 33 33 34 34 NASIPAE 0 0 7 7 7 7 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 23 NASHIE 0 0 0 0 7 11 11 11 10 10 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 ONWAN 0 0 0 0 0 5 5 5 5 5 5 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 FEPCESH-S 0 0 0 0 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 5 5 5 NAPE 0 0 0 0 0 0 0 0 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

Realizado por: Carlos Mazabanda, 2021 Fuente: Sistema de Monitoreo del COVID-19 en las Nacionalidades de la Amazonía ecuatoriana

4.1.2. DISTRIBUCIÓN GEOGRÁFICA El Mapa 5 presenta el número de casos de Covid-19 acumulados hasta la fecha 16/8/2020 para cada una de las 21 unidades de análisis, representados a través de la simbología de gráfico de barras. Mapa 5. Distribución Geográfica de Casos Acumulados de Covid – 19 en los Territorios Indígenas de la Amazonía Ecuatoriana

Realizado por: Carlos Mazabanda Fecha: Marzo, 2021 Fuente: - Información Base: IGM, 2016 - Territorios Indígenas, Ecociencia, 2013 - Datos Covid-19: CONFENIAE, 2020

4.1.2.1.

TASA DE PREVALENCIA

El Mapa 6 presenta el valor obtenido al calcular la Tasa de Prevalencia para unidad de análisis, el cual es número entero de entre 1000 habitantes. Para poder analizar esta medida de frecuencia es conveniente relacionarla con la población total, ya que hay una relación directa entre ambas variables. Par lo cual se presenta esta relación a través del uso de simbología de colores bivariados (biavarite colors).

Mapa 6. Tasa de Prevalencia de Casos Acumulados de Covid – 19 en relación con la Población Total en los Territorios Indígenas de la Amazonía Ecuatoriana

4.1.2.2.

TASA DE INCIDENCIA

El Mapa 7 presenta el valor obtenido al calcular la Tasa de Incidencia para cada unidad de análisis, el cual es número entero de entre 1000 habitantes. Mapa 7. Tasa de Incidencia de Covid – 19 en los Territorios Indígenas de la Amazonía Ecuatoriana

Realizado por: Carlos Mazabanda Fecha: Marzo, 2021 Fuente: - Información Base: IGM, 2016 - Territorios Indígenas, Ecociencia, 2013 - Datos Covid-19: CONFENIAE, 2020

4.2.

DISCUSIÓN

El proceso metodológico propuesto para la presente investigación se desarrolló satisfactoriamente. La adecuada interrelación de las fases: Estructura de Datos, Recopilación de Datos y Presentación de Datos permitió disponer de una geodatabase funcional para la administración del abundante flujo de información, lo cual fue determinante para poder aplicar geoprocesos, sustentados en las medidas de frecuencia epidemiológicas, y cuyos resultados al ser cartografiados proporcionaron información pertinente que permiten describir la evolución temporal y distribución geográfica en la propagación del coronavirus en los territorios indígenas de Amazonía ecuatoriana para el periodo propuesto, como se lo expresa a continuación. 4.2.1. ANÁLISIS DE LA EVOLUCIÓN TEMPORAL A ESCALA NACIONAL Los primeros casos de Covid-19 en el país se registraron el 13/3/2020 y afectaron las provincias de Guayas, Pichincha, Los Ríos y Sucumbíos. A partir de la fecha señalada en los siguientes 6 días el coronavirus se expandió en la región costa en las provincias de El Oro, Santa Elena y Manabí, desde esta zona y según presenta la interpolación en el Mapa 2, el Covid-19 se propago hacia las provincias de la sierra Azuay y Bolívar, para luego llegar a la provincia amazónica de Morona Santiago. En el mismo lapso en el norte de la sierra el virus avanzó desde Pichincha hacia Imbabura. Entre los días 7 y 9 posterior al primer caso reportado el Covid-19 alcanzó las provincias de Cañar, Loja, Chimborazo, Santo Domingo y Esmeraldas. Las provincias de Pastaza, Tungurahua y Carchi registraran casos de coronavirus entre los días 11 y 13, luego del reporte de los primeros casos en el país. De las 23 provincias las últimas en registrar casos de Covid-19 fueron las provincias amazónicas Zamora Chinchipe, Orellana y Napo, a los 14, 16 y 19 días del registro del primer caso respectivamente.

4.2.2. ANALISIS DE LA EVOLUCIÓN TEMPORAL DESDE LAS PROVINCIAS AMAZÓNICAS A LOS TERRITORIOS INDÍGENAS

El primer caso de Covid-19 en la Amazonía fue registrado en la provincia de Sucumbíos el 13/3/2020, no obstante, respecto al registro de casos en los territorios indígenas de la provincia, aquí se ubican dos territorios indígenas cuyo registro de casos los ubican entre los últimos en donde apareció el virus, a los 83 días, estos son los territorios de la FONAKISE (Kichwa) y NOAIKE (Cofán). En la provincia le siguen la FEPCESH-S (Shuar) y ONISE (Siona) con registros a los 73 días y finalmente la NASIPAE (Secoya) a los 63 días. La segunda provincia donde se hizo presente el virus fue Morona Santiago, el 17/03/2020, en todos los territorios indígenas de esta provincia, Shuar y Achuar, el virus se hizo presente a los 79 días del registro de los primeros casos. Lo datos mostrados en estas provincias sugieren que no hubo una relación entre el aparecimiento de los primeros casos en la provincia y la evolución temporal hacia los territorios indígenas. En la provincia de Pastaza, la provincia con más número de territorios indígenas, el primer caso de Covid-19 se registro el 25/3/2020. Los primeros casos en nacionalidades indígenas se reportaron a los 51 días en la NAE (Achuar) y PAKKIRU (Kichwa); entre los 57 y 63 días se registran casos en la FENASHP (Shuar) y NASHIE (Shiwiar); entre los 71 y 77 días se registran casos en la CONCONAWEP (Waorani) y NASE 76; y por último a en la NAPE (Andoa) a los 81 días. La siguiente provincia en donde apareció el virus es Zamora, 26/3/2020, y en el único territorio indígena la FENASH-ZCH (Shuar) el virus apareció a los 50 días de ese registro. EL 28/03/2020 el coronavirus se reporta en la provincia de Orellana y a los 48 días se propago a territorio NAWE (Waorani), a los 78 días a territorio FCUNAE (Kichwa) y a los 80 días a territorio FENASHO (Shuar).

La última provincia en donde apareció el Covid-19 es Napo el 31/3/2020 y hacia los territorios indígenas este se propago a los 45 días a FOIN (Kichwa) y a los 65 días a ONWAN (Waorani). 4.2.3. ANALISIS DE LA EVOLUCIÓN TEMPORAL EN LOS TERRITORIOS INDÍGENAS

Los primeros casos de Covid-19 en territorios indígenas se presentaron el 15/05/2020. En la provincia del Napo se presentó en la FOIN (Kichwa); en la provincia Orellana en 1 de 2 nacionalidades, en la NAWE (Waorani); en la provincia de Pastaza se hizo presente en 2 de las 7 nacionalidades presentes, en PAKKIRU (Kichwa) y NAE (Achuar); en la provincia de Sucumbíos, de las 5 nacionalidades, la NASIPAE (Secoya) fue afectada; y en la provincia de Zamora se afectó al único territorio, la FENASH-Z (Shuar). A los 7 días luego de presentado el primer caso de coronavirus (21/06/2020), este se hizo presente en el territorio de la FENASH-P (Shuar) en la provincia de Pastaza. Para el 25/05/2020, a los 11 días, el coronavirus avanzó en la provincia de Sucumbíos en la FEPCESH-S y en la provincia de Pastaza en la NASHIE (Shiwiar), con lo cual ya se veían afectados 4 de las 7 nacionalidades indígenas presentes en la provincia. En Morona Santiago, el Covid-19 se hizo presentante a los de 21 días (17/03/2020) del registro de primero caso en territorios indígenas, afectó a todas las nacionalidades, presentes NAE (Achuar) y de la nacionalidad Shuar la FICSH y NASHE. El coronavirus avanzó además en la provincia de Napo en ONWAN (Waorani), en la provincia de Pastaza en la CONCONWEP (Waorani) y en la provincia de Sucumbíos en FONAKISE (Kichwa) y NOAIKE (Cofán). En la provincia de Pastaza al 9/6/2020 y al 14/6/2020 el coronavirus alcanza las 2 últimas nacionalidades, NASE (Sapara) y NAPE (Andoa) respectivamente. En la provincia de Orellana, al 14/06/2020 y al 16/06/2020, el Covid-19 se hace presente en las 2 últimas nacionalidades respectivamente, FCUNAE (Kichwa) y FENASHO (Orellana).

A los 42 día luego de registrado el primer caso de Covid-19 en los territorios indígenas, el virus ya estaba presente en todos los territorios, siendo el último territorio donde se hizo la aparición en la ONISE (Shuar) de la provincia de Sucumbíos.

4.2.4. ANALISIS DE LA DISTRIBUCIÓN GEOGRÁFICA A ESCALA PROVINCIAL Los primeros casos de COVID-19 en la región amazónica se registraron el 24 de marzo, en las provincias de Morona Santiago y Sucumbíos, con 7 y 6 casos positivos, respectivamente, de un total de 1.196 registrados a nivel nacional. Para el 31 de mayo, el COVID-19 está presente en las 6 provincias amazónicas, acumulando 1.204 casos en total, de los cuales, 128 corresponden a casos en pueblos indígenas. Esto representa el 11% del total de casos en la región (Tabla 4). Tabla 4. Casos Positivos de Covid-19 En Provincias Amazónicas y en Población Indígenas a Mayo de 2020

Realizado por: Carlos Mazabanda, 2021 Fuente: Secretaría Nacional de Gestión de Riesgos (2020) y Sistema de Monitoreo del COVID-19 en las Nacionalidades de la Amazonía ecuatoriana

Para el mes de mayo, del total provincial, los casos positivos en población indígena alcanzaron el 18%, en Orellana; el 15%, en Pastaza; el 11%, en Napo; en Sucumbíos, el 7%; y el 4%, en Zamora Chinchipe. Al mes de junio, los casos aumentaron en un 776%, con 993 nuevos casos. De estos, el incremento más significativo se dio en las provincias de Pastaza, con 446 casos positivos;

seguido de Napo y Orellana, con 201 y 169,

respectivamente. Para el mes de julio, los casos totales se incrementaron en un

71%, con el registro de 794 casos nuevos, presentándose principalmente en Morona Santiago (329), Napo (146) y Orellana (127). Figura 7. Casos Acumulados de Covid-19 en Pueblos Indígenas Por Provincia

Realizado por: Carlos Mazabanda, 2021 Fuente: Sistema Monitoreo del COVID-19 en las Nacionalidades de la Amazonía Ecuatoriana

Para el mes agosto, los casos de coronavirus alcanzaron los 2.818, registrando un incremento del 47% con relación al mes anterior. En este mes, los casos de COVID-19 en población indígena representan el 26% de los casos totales en las provincias amazónicas (Tabla 5).

Tabla 5. Casos Positivos de Covid-19 En Provincias Amazónicas y en Población Indígenas a Agosto de 2020

Realizado por: Carlos Mazabanda, 2021 Fuente: Secretaria Nacional de Gestión de Riesgos, 2020 y Sistema de Monitoreo del COVID-19 en las Nacionalidades de la Amazonía ecuatoriana

De esta información, se destaca la situación en las provincias de Napo, donde los casos de coronavirus alcanzaron el 39%, en Pastaza; el 34, en Orellana el 32% y Morona Santiago el 32%. En estos cuatro meses, se muestra una tendencia importante de crecimiento del COVID-19 en pueblos indígenas en todas las provincias de la Amazonía. Se debe tomar, además, en cuenta que la aplicación de pruebas PCR se han reducido considerablemente, por lo cual los resultados del registro en el Sistema de Monitoreo se han visto afectados. Tenemos así que, desde el 3 de agosto al 7 de diciembre, fecha del último registro en la plataforma, la información nos presenta que los casos se han incrementado tan solo un 15%. 4.2.5. ANÁLISIS DE LA TASA DE PREVALENCIA Ya que la Tasa de Prevalencia nos permite establecer una relación entre los casos de Covid-19 y población total, el objetivo de la simbología usada en Mapa 6, es que nos facilite dilucidar donde se da las correspondencias de una mayor Tasa de Prevalencia y Menor Población, y viceversa. Para tener un marco de referencia comparativo, se aplica el cálculo de la proporción para los valores totales de población y casos positivos de coronavirus en la población indígena de la Amazonía, con lo que obtenemos que la Tasa de Prevalencia Total es de 10 casos de Covid -19 por 1.000 habitantes. Entre las organizaciones que tienen el menor número poblacional de las organizaciones indígenas destacan la Tasa de Prevalencia de la ONISE (Siona) y

la NAWE (Waorani), que es de 180 y 140 casos de Covid -19 de 1.000 habitantes. Estas Tasas de Prevalencia superan por 4 veces a las que prosiguen en la escala descendente lo que muestra que NAWE y ONISE son las nacionalidades más afectadas por el Covid-19, lo que supone que estás poblaciones indígenas están en alto riesgo de no controlar la propagación del virus. Las siguientes organizaciones que se podrían considerar en vulnerabilidad en función de la Tasa de Prevalencia de los casos de Covid-19 son la CONCONAWEP (Waorani), NASIPAE (Secoya), NASE (Sapara) y NOAIKE (Cofán) que ubican esta proporción de casos positivos entre 31 y 56 de 1.000 habitantes. En el siguiente rango se encuentra las nacionalidades que se pueden considerar como de riesgo medio en función de la Tasa de Prevalencia. Así, entre 18 y 15 casos de 1.000 habitantes para NASHIE (Shiwiar), FENASH-O (Shuar), FENASHZCH; Tasas de entre 6 y 7 casos de 1.000 habitantes para la FENASH-P (Shuar) y NAE (Achuar); Tasas de 3 casos de 1.000 habitantes para la NAPE (Andoa); Y en este grupo destaca la ONWAN (Waorani) que tiene una Tasa casos de 15 casos de 1.000

habitantes, con una población de 462, lo cual lo ubica también dentro de una población vulnerable. La organización PAKKIRU que es la cuarta en número poblacional (18.550 habitantes) tiene una Tasa de Prevalencia de 22 casos de 1.000 habitantes, lo que si bien no podría considerarse como una población en riesgo, es una proporción que triplica la que encontramos en las poblaciones que se ubican en este rango con 5 y 7 casos de 1.000 habitantes para la NASHE (Shuar) y FONAKISE (Shuar), respectivamente. Finalmente se encuentran las organizaciones indígenas, FCUNAE (Kichwa), FOIN (Kichwa) y FICSH (Shuar) que tienen el mayor número de habitantes y una Tasa de Prevalencia igual para cada una de 7 casos de 1.000 habitantes, que coloca a estas organizaciones indígenas como las menos impactadas por la presencia del Covid-19.

4.2.6. ANÁLISIS DE LA TASA DE INCIDENCIA Está medida de frecuencia de epidemiológica cuantifica la dinámica de ocurrencia de la enfermedad en un tiempo determinado y en una población específica, con lo cual determinamos el número de casos positivos de Covid-19 ocurrido para el periodo de análisis, que es de 3 meses, en relación a 1.000 habitantes. Se debe tomar en cuenta que el periodo de análisis es igual para todas las unidades de estudio y comprende desde el reporte del primer caso de coronavirus el 15/05/2020 hasta el último reporte el 16/08/2020. La Tasa de Incidencia más alta es para la ONISE (Siona), cuyo valor es interpretado de la siguiente manera: 60 Siona han desarrollado Covid-19 de cada 1.000 habitantes en un periodo de 3 meses. Lo cual es significativo si tomamos en cuenta que la ONISE es el último territorio donde el coronavirus hizo su presencia a los 42 días luego de haber ocurrido el primero caso. Tomando en cuenta está Tasa de Incidencia podemos inferir que, de no existir un control de la propagación de Covid-19 en el territorio de la ONISE, en 28 meses el virus habrá contagiado a los 551 habitantes de la población. La NAWE (Waorani) de la provincia de Pastaza presenta la segunda Tasa de Incidencia más alta, con un valor de 46. Con lo que podemos estimar que el Covid-19 se propagaría en toda la población en un lapso de 116 meses, lo cual es 4 veces el periodo de propagación analizado anteriormente. La tercera Tasa de Incidencia más alta la tiene la NASIPAE con un valor de 14 y que supone que el virus se propagará en 120 meses en toda su población, a pesar, que tiene una población similar a la de la ONISE de 561 habitantes, esto se explica por su bajo numero de casos positivos acumulados que llegaron a 23. La NOAIKE y la NASE tiene una Tasa de Incidencia de 10, así mismo comparten el mismo número de casos positivos acumulados para Coid-19 con 39, y una población que es superado por tan solo 250 individuos a favor de la NOAIKE, lo que da cuenta de porque los valores iguales en los indicadores. A continuación, se encuentra la Tasa de Incidencia de PAKKIRU con un valor de 7, lo cual es destacable si tomamos en cuenta que es la organización indígena

con el cuarto valor más alto en población (18.550 habitantes), ahora bien, se debe tomar en cuenta que la FCUNAE casi duplica su número poblacional, y, la FICSH y la FOIN casi la triplican. Estas 3 organizaciones que poseen el mayor número en población tienen una Tasa de Incidencia de 2 individuos que han desarrollado Covid-19 de cada 1.000 habitantes en un periodo de 3 meses. La FENASHO (Shuar) y NASHIE (Shiwiar) tienen una Tasa de Incidencia de 6 y 5 respectivamente, con una diferencia poblacional de casi 1.000 habitantes a favor de los Shuar y supera en 20 de Covid-19 a los Shiwiar. La FENASH-ZH y ONWAN tienen un Tasa de Prevalencia de 5, sin embargo, la población Shuar y sus casos acumulados de Covid-19 superan en 12 veces a la Waorani. Las siguientes organizaciones tienen una Tasa de Prevalencia de 2: NAE, FOIN, FCUNAE, FONAKISE, FISCH y FENASH-P. De estas destacan la FOIN, la FICSH y FCUNAE que han acumulado 379, 350 y 226 casos positivos de Covi-19 respectivamente, sin embargo, su alto número poblacional los coloca una baja Tasa de Incidencia.

5. CONCLUSIONES Y RECOMENDACIONES 5.1. CONCLUSIONES Respecto a la evolución temporal del Covid-19 en los territorios indígenas de la Amazonía ecuatoriana tenemos que los territorios de las organizaciones FOIN, NAWE, NAE, PAKKIRU, NASIPAE y FENASH-ZCH fue donde se registraron los primeros casos de Covid-19 el 15/05/2020. En los posteriores 14 días el virus avanzó en 3 territorios indígenas FENASHP, NASHIE y FEPCESH-S. A los 21 días, el coronavirus alcanza 7 nuevos territorios (CONCONAWEP, FICSH, FONAKISE, NASHE, NOAIKE y ONWAN), a esta fecha el virus está presente en todas las provincias de la región. La NASE, la FCUNAE, la NAPE y la FENASHO registran casos de Covid-19 entre los 26 y 33 días a partir del primer registro. En la ONISE es último territorio donde el Covid-19 se hace presente luego de 42 días. En relación con la distribución geográfica en función del total de casos acumulados tenemos que el territorio indígena con mayor número de casos de Covid-19 es PAKKIRU con 399, le sigue la FOIN con 379 casos, ambas son de nacionalidad Kichwa y luego la FICSH con 350. En un siguiente rango están las organizaciones con casos entre 100 y 250 casos entre las que constan: NAWE, FCUNAE, CONCONAWEP, FONAKISE y ONISE. La mayoría de organizaciones indígenas, 9 en total, presentan entre 14 y 83 casos acumulados de Covid-19 para el periodo de análisis. Las organizaciones con menor números de casos son ONWAN con 7, FEPCESH-S con 5 y NAPE con 4. Las variables de número de casos aculados de Covid-19 y la evolución temporal por si solas no permiten dilucidar cual ha sido el impacto de la enfermedad en una determinada unidad de estudio. Para esto es necesario correlacionarlas para determinar medidas de frecuencia como Tasa de Prevalencia y Tasa de Incidencia. La nacionalidad mayormente afectada en relación con la proporción de caso acumulados de Covid-19 y su tamaño poblacional, es la ONISE, ya que la Prevalencia de Covid-19 fue de 180 por cada 1.000 habitantes. La Prevalencia en

NAWE también es alta con un valor de 140 por cada 1.000 habitantes, valor que está en función de una relativa baja población y un alto número de casos de coronavirus. Un siguiente grupo de nacionalidades que se las podría considerar como amenazadas son CONONAWEP, NASIPAE, NASE, NOAIKE y PAKKIRU ya que tienen prevalencia que van de entre el 22 al 56 por cada 1.000 habitantes. La Tasa de Incidencia, añade la variable tiempo al análisis epidemiológico, que en este estudio se lo determino de 3 meses. A la luz de esta medida de frecuencia la nacionalidad indígena con mayor afectación es la ONISE donde 60 casos personas Covid-19 de cada 1.000 habitantes en 3 meses en riesgo de contagio. En concordancia con la medida de frecuencia anteriormente presentada la NAWE es la segunda mayormente impactada con 46 casos del virus de cada 1.000 habitantes, para el mismo periodo de tiempo, así mismo las nacionalidades subsiguientes y categorizadas como amenazadas anteriormente se mantienen. Si bien las medidas de frecuencia analizadas no presentan resultados distintos entre cuales son las unidades de estudio más impactadas por el Covid-19, es relevante analizarlas ya que en un frote de rápida propagación como ha sido el del Covid-19, el monitoreo de como el virus afecta a una población y como se expande en el tiempo pude ser determinante para poder tomar las medidas de control adecuadas, y esto afectará de manera determinante los valores de las medidas de frecuencia. A raíz de lo expuesto podemos aseverar como afirmativo lo planteado en la hipótesis del presente trabajo de investigación. La aplicación de herramientas SIG de análisis espacial permitieron desarrollar una metodología para determinar tendencias evolución temporal y distribución geográfica del Covid-19 en los territorios de los pueblos indígenas de la Amazonía ecuatoriana. La metodología diseñada a partir de la información recolectada en una geobase de datos para los casos de Covid-19 en los 21 territorios indígenas de la Amazónica resultó funcional y permitió a través de las aplicaciones de herramientas de análisis espacial determinar la evolución temporal y distribución geográfica con el establecimiento de medidas de frecuencia epidemiológica como la Prevalencia y Tasa de Incidencia.

La aplicación de técnicas estadísticas y cartográficas no son nuevas en el estudio de la Geografía de la Salud, no obstante, las TIC´s y el desarrollo de los SIG Cloud

han permitido la creación de aplicaciones como los Dashboards

Cuadros de Mando que han posibilitado en la situación de la pandemia, por un lado, alojar y actualizar información en tiempo real; Y por otro presentar está información a los interesados a través de mapas y gráficos estadísticos.

5.2. RECOMENDACIONES Ecuador al ser un país plurinacional y pluricultural debe contar con políticas que realizar un monitoreo oportuno y culturalmente apropiado de condiciones de salud como los ocurrido con la pandemia desatada por el Covid-19. Es preciso que las autoridades nacionales como el MSP, la SNGR y los gobiernos locales aprendan del esfuerzo y la experticia de que CONFENIAE y sus organizaciones aliadas desarrollaron en la implementación del “Sistema de Monitoreo de COVID-19 en Nacionalidades Indígenas de la Amazonía Ecuatoriana”, ya que es un modelo que puede ser utilizado para dar seguimiento a la actual pandemia, o incluso aplicarlo a otras enfermedades producidas por vectores epidemiológicos. Se debería por lo tanto establecer entre los diversos actores involucrados, en respeto estricto a mecanismos adecuados de participación y consulta con los pueblos indígenas, Sistemas de Monitoreo que cuenten con información de fuentes oficiales y sobre todo que la información resultante permita a las autoridades competentes brindar la atención adecuada y oportuna para contener la propagación de una enfermedad. Es necesario tomar en cuenta que la actual pandemia ha revelado la necesidad imperante de que se realicen este tipo de estudios con un mayor grado de especialización y equipos multidisciplinarios ya que urge entender las dinámicas epidemiológicas en poblaciones vulnerables como las nacionalidades indígenas, que por un lado contienen in reducido número de población, en cuyo caso un virus sin control podría llegar a constituirse en etnocidio, o por la inherente carencia de servicios de salud que afectan estos territorios, que incluso podrían a afectar a las nacionalidades de mayor rango poblacional, pudiendo constituirse en foco de expansión de un vector infeccioso no solo para la región, si no para la nación.

6. REFERENCIAS ACNUR. (2020, marzo 20). Cronología del coronavirus: Evolución de la pandemia. ACNUR. https://eacnur.org/blog/cronologia-del-coronavirus-evolucion-de-lapandemia-tc_alt45664n_o_pstn_o_pst/ AECR. (2020a, marzo 19). ¿Ha afectado la situación socioeconómica del territorio la propagación del COVID-19? https://www.ub.edu/aqr/covid19/?p=145&lang=es AECR. (2020b, abril 17). El efecto de la densidad de población en la propagación del COVID-19 en el territorio catalán. https://aecr.org/en/la-propagacion-del-covid-ysu-distribucion-geografica-en-areas-pequenas-un-analisis-para-cataluna-idensidad-y-nivel-socioeconomico/ AlfaGeomatics. (2020, mayo 29). ¿QUÉ SON LOS MAPAS DE ISÓCRONAS? – Alfa Geomatics. https://alfageomatics.com/que-son-los-mapas-de-isocronas/ Amazon Watch, Fundación Aldea, & Universidad San Francisco. (2020, julio 2). Monitoreo de COVID-19 en Nacionalidades Indígenas de la Amazonía Ecuatoriana. https://www.arcgis.com/home/item.html?id=63c23d73dc7c4604bcf3cecf29d54850 Constitución de la República del Ecuador, (2008). http://biblioteca.defensoria.gob.ec/handle/37000/823 AZDHS. (2020). COVID-19 in Arizona Department [Dashboard]. Arizona Department of Health Services. http://www.azdhs.gov/preparedness/epidemiology-diseasecontrol/infectious-disease-epidemiology/covid-19/dashboards/index.php Binversie, K. (2020, marzo 5). La tecnología SIG ayuda al monitoreo del Coronavirus. City Goverment of Toronto. (2020, marzo 31). COVID-19: Status of Cases in Toronto (Toronto, Ontario, Canada). City of Toronto; City of Toronto. https://www.toronto.ca/home/covid-19/covid-19-latest-city-of-toronto-news/covid19-status-of-cases-in-toronto/

Climent, P. V. (2017, enero 31). 10 aplicaciones GIS en la nube para publicar mapas. MappingGIS. https://mappinggis.com/2017/01/10-aplicaciones-gis-en-la-nubepara-publicar-mapas-en-la-web/ De la Peña, M. (2020, febrero 27). Aeroterra Blog: Coronavirus, la conectividad global salva vidas. aeroterra.com. https://www.aeroterra.com/es-ar/novedadesnoticias/aeroterra-blog/novedades-eventos/coronavirus Degawan. (2020, junio 25). Pueblos indígenas: La fragilidad a prueba de la crisis. UNESCO. https://es.unesco.org/courier/2020-3/pueblos-indigenas-fragilidadprueba-crisis Dumont, G.-F. (2020). Covid-19: ¿el fin de la geografía de la hipermovilidad ? (COVID-19: The End of the Geography of Hypermobility?) (SSRN Scholarly Paper ID 3614374). Social Science Research Network. https://papers.ssrn.com/abstract=3614374 EL Comercio. (2020, mayo 2). Guayas cierra abril del 2020 con más muertes que en 4 meses del 2019; el contexto del covid-19 en Ecuador. El Comercio. http://www.elcomercio.com/actualidad/record-muertes-guayas-coronavirusecuador.html El Universo. (2020, abril 19). Casos de coronavirus en Ecuador: 19 de abril, 11h00: 9468 contagiados, 474 fallecidos. El Universo. https://www.eluniverso.com/noticias/2020/04/19/nota/7817433/casos-coronavirusecuador-19-abril-11h00-casos-coronavirus-ecuador Enríquez, J. A. (2019, noviembre 26). Plurinacionalidad. DerechoEcuador.com. https://www.derechoecuador.com/plurinacionalidad ESRI. (s. f.). Qué es un cuadro de mando. ArcGis Dashboards. Recuperado 14 de noviembre de 2020, de https://doc.arcgis.com/es/dashboards/get-started/what-isa-dashboard.htm

ESRI Ecuador. (2020). Casos de COVID-19 en Ecuador [Dashboard]. Esri Ecuador. https://www.esri.com.ec/covid-19/ Finke, L. L. (1792). Versuch einer allegemeinen medicinisch-praktischen Geographie, worin der historische Theil der einheimischen Völker- und Staaten-Arzeneykunde vorgetragen wird. http://archive.org/details/b28772325_0001 Gail, M. (2020, marzo 25). ¿Cómo funcionan y en qué se diferencian las PCR y los test rápidos de coronavirus? Gaceta Médica. https://gacetamedica.com/investigacion/como-funcionan-y-en-que-se-diferencianlas-pcr-y-los-test-rapidos-de-coronavirus/ Gutiérrez, A. (2020, enero 15). ¿Qué es la movilidad? Elementos para (re) construir las definiciones básicas del campo del transporte. Bitacora 21. Iñiguez, L. (1998, octubre). Geografía y salud: Temas y perspectivas en América Latina. Cadernos de Saúde Pública; Escola Nacional de Saúde Pública, Fundação Oswaldo Cruz. http://www.scielo.br/scielo.php?script=sci_abstract&pid=S0102311X1998000400012&lng=en&nrm=iso&tlng=es Johns Hopkins University. (2020). COVID-19 Map [Dashboard]. Johns Hopkins Coronavirus Resource Center. https://coronavirus.jhu.edu/map.html Junta de Vigilancia Mundial de la Preparación. (2020, septiembre 14). Un Mundo Desorganizado. Junta de Vigilancia Mundial de la Preparación. https://apps.who.int/gpmb/assets/annual_report/GPMB_AWID_ES_2020_ES.pdf Koury, J., & Hirschhaut, M. (2020, marzo 23). Reseña histórica del COVID-19. ¿Cómo y por qué llegamos a esta pandemia? Acta Odontológica Venezlona. https://www.actaodontologica.com/ediciones/2020/especial/art-2/ López, V., Calles, J., Espíndola, V., & Ulloa, J. (2013). Amazonía Ecuatoriana: Bajo presión. https://biblio.flacsoandes.edu.ec/libros/digital/56384.pdf Lovell, W. G. (s. f.). Las enfermedades del Viejo Mundo y la mortandad indígena: La viruela y el tabardillo en la Sierra de los Cuchumates, Guatemala (1780-1810).

Marcadon, J., & Wolkowitsch, M. (1993). Géographie des transports. Norois; Persée Portail des revues scientifiques en SHS. https://www.persee.fr/doc/noroi_0029182x_1993_num_158_1_6488_t1_0342_0000_1 Mejía, R. (2019, febrero 15). Sistemas de información geográfica y su aporte a la salud pública en El Salvador. Revista Alerta. https://alerta.salud.gob.sv/wpcontent/uploads/2019/04/Revista-ALERTA-Año-2019-Vol.-2-N-1-vf-71-74.pdf Moreno-Altamirano, A., López-Moreno, S., & Corcho-Berdugo, A. (2000, agosto). Principales medidas en epidemiología. Salud Pública de México; Instituto Nacional de Salud Pública. https://scielosp.org/article/spm/2000.v42n4/337-348/ OMS. (2020a, marzo 11). Alocución de apertura del Director General de la OMS en la rueda de prensa sobre la COVID-19 celebrada el 11 de marzo de 2020. Organización Mundial de Salid. https://www.who.int/es/dg/speeches/detail/whodirector-general-s-opening-remarks-at-the-media-briefing-on-covid-19---11-march2020 OMS. (2020b, julio 29). Zoonosis. Organización Mundial de Salud. https://www.who.int/es/news-room/fact-sheets/detail/zoonoses Pita, F. S., Pértegas, D. S., & Valdés, C. F. (2004, abril 20). Medidas de frecuencia de enfermedad: Incidencia y prevalencia. https://www.fisterra.com/mbe/investiga/medidas_frecuencia/med_frec2.pdf Pulido, S. (2020, marzo 12). ¿Cuál es la diferencia entre brote, epidemia y pandemia? Gaceta Médica. https://gacetamedica.com/investigacion/cual-es-la-diferenciaentre-brote-epidemia-y-pandemia/ Ramírez, M. L. (2020, abril 17). Evolución, distribución y difusión del COVID-19 en Argentina: Primer mes (03/03/2020 - 02/04/2020). Posición. http://ri.unlu.edu.ar/xmlui/handle/rediunlu/684 Redacción Médica. (2020a, abril 8). Coronavirus: Síntomas iniciales hasta 5 días después del contagio. Redacción Médica.

https://www.redaccionmedica.com/secciones/sanidad-hoy/coronavirus-sintomasiniciales-hasta-5-dias-despues-contagio-4776 Redacción Médica. (2020b, abril 16). Coronavirus: Origen, evolución y por qué no es igual que el SARS y el MERS. Redacción Médica. https://www.redaccionmedica.com/secciones/sanidad-hoy/coronavirus-origenevolucion-por-que-no-es-igual-sars-mers-1429 SGCP. (2020, febrero 29). Se registra el primer caso de coronavirus en Ecuador – Secretaría General de Comunicación de la Presidencia. Secretaría General de Comunicación de la Presidencia. https://www.comunicacion.gob.ec/se-registra-elprimer-caso-de-coronavirus-en-ecuador/ SIGSA. (s. f.). ArcGIS Dashboards. Recuperado 3 de marzo de 2021, de https://www.sigsa.info/es-mx/arcgis/products/operations-dashboard-forarcgis/introduccion SNGR. (2020, julio 7). Situación coronavirus en Ecuador. El Oriente. http://www.eloriente.com/articulo/infografia-sngre-situacion-coronavirus-enecuador-7-de-julio-de-2020/15169 Snow, J. (1855). On the mode of communication of cholera. http://archive.org/details/b28985266 Speth, M., Singer, T., Oberle, M., Gengler, I., Brockmeier, S., & Sedaghat, A. (2020, julio). Olfactory Dysfunction and Sinonasal Symptomatology in COVID-19: Prevalence, Severity, Timing, and Associated Characteristics. Otolaryngology–Head and Neck Surgery. http://journals.sagepub.com/doi/10.1177/0194599820929185 UC3M. (s. f.). Introducción al Análisis de Series Temporales [Http://halweb.uc3m.es/esp/Personal/personas/amalonso/esp/seriestemporales.pd f]. Universidad Carlos III Madrid.

Washington State Department of Health. (2020). COVID-19 Data Dashboard in Washington State Department of Health. Washington State Department of Health. https://www.doh.wa.gov/Emergencies/COVID19/DataDashboard West, C. P., Montori, V. M., & Sampathkumar, P. (2020, junio). COVID-19 Testing. Mayo Clinic Proceedings. https://linkinghub.elsevier.com/retrieve/pii/S0025619620303657 WHO. (s. f.). Epidemiología. WHO; World Health Organization. Recuperado 4 de marzo de 2021, de https://www.who.int/topics/epidemiology/es/ WHO. (2020). WHO Coronavirus Disease (COVID-19) Dashboard. https://covid19.who.int Wu, J., Cai, W., Watkins, D., & Glanz, J. (2020, marzo 22). How the Virus Got Out. The New York Times. https://www.nytimes.com/interactive/2020/03/22/world/coronavirus-spread.html WUH. (s. f.). Wuhan Airport. Recuperado 9 de noviembre de 2020, de https://www.wuhanairport.com/

105327

Articles inside

Indígenas a Mayo de 2020

DEL COVID-19

3.3. DESARROLLO METODOLÓGICO

2.3.4.1. MAPA DE ISOCRONAS

2.2. MARCO HISTORICO

3.5. POBLACIÓN Y SITUACIÓN SOCIOECONÓMICA EN LA PROPAGACIÓN

2.1.3.1. TABLEROS DE CONTROL O DASHBOARDS DE ESRI

2.1.2. GEOGRAFÍA MÉDICA O DE LA SALUD

1. INTRODUCCIÓN

1.7. ALCANCE

RESUMEN

2.1.4.4. DIAGNÓSTICO PARA COVID-19

1.1. ANTECEDENTES