Mortalidad y vulnerabilidad ambiental en los municipios de la cuenca y la ribera del Usumacinta del trienio 2014-2016.

Mortality and Environmental Vulnerability in the Watershed and Riverside Municipalities around the Usumacinta River of the triennium 2014-2016.

Mtra. María del Pilar Ochoa Torres
Subsecretaría de Promoción y Prevención de la Salud
Dr. José Alberto Muños Hernández
Unidad de Ciencias de la Salud de la Universidad Veracruzana
Dra. Graciela Freyermuth Enciso
Centro de Investigaciones y Estudios Superiores en Antropología Social - Unidad Sureste
Recepción:20/05/2019 Aprobación: 11/12/2019 Publicado: 15/06/2020

 

RESUMEN:El objetivo de este artículo es analizar la relación entre la vulnerabilidad ambiental y la mortalidad por causas asociadas a las condiciones medioambientales entre la población de los municipios de Campeche, Chiapas y Tabasco que forman parte de la cuenca del río Usumacinta. Se utilizó un modelo de autocorrelación espacial que permite observar la relación entre el índice de vulnerabilidad ambiental durante 2016, y la tasa de mortalidad por causas asociadas a condiciones medioambientales, variables que interrelacionadas permiten reconocer los efectos del cambio climático en la salud (SSA/INEGI). Se identificó un clúster de municipios con un elevado registro de causas de mortalidad que a su vez se encuentran correlacionados con una elevada vulnerabilidad ambiental a la que está expuesta la población.

PALABRAS CLAVE: Condiciones medioambientales, enfermedades, vecindad geográfica, autocorrelación espacial, clúster.

ABSTRACT: This article seeks to analyze the relationship between environmental vulnerability and mortality associated to environmental conditions in the population of municipalities in the states of Campeche, Chiapas and Tabasco, which are part of the Usumacinta River basin. We used a spatial correlation model that allowed us to observe the relationship between the index of environmental vulnerability and the mortality rate associated to environmental conditions in 2016. The relation of these two variables lets us recognize the effects of climate change on health (SSA/INEGI). We identified a cluster of municipalities with a high record of mortality causes that are correlated with a high environmentally vulnerable population.

KEY WORDS: Environmental conditions, illnesses, geographic vicinity, spatial autocorrelation, cluster.

 

Introducción


De acuerdo con la Organización Mundial de la Salud (oms) y la Organización Meteorológica Mundial (omm) (2012), el estado atmosférico y el clima afectan profundamente la salud de los seres humanos; existe evidencia de que cada año los fenómenos climáticos extremos causan decenas de miles de muertes, así como afectaciones en la salud física y psicológica de millones de personas. Un estudio realizado por la oms (2014) que toma en cuenta solo algunas de las posibles repercusiones del cambio climático, estimó que de 2030 a 2050 habrá 250 000 defunciones anuales adicionales causadas por este fenómeno. Según el Panel Intergubernamental del Cambio Climático (ipcc, por el acrónimo en inglés) (2001), es probable que en América Latina se incrementen los casos de enfermedades trasmitidas por vector (en especial paludismo y malaria), así como los riesgos derivados de la falta de alimentos por causa de las sequías.

Si bien el cambio climático es un problema para todo el planeta, cada país o región experimenta su impacto de forma diferencial. La evidencia muestra que las poblaciones más pobres y vulnerables son quienes sufren mayores afectaciones por este fenómeno. Factores como la urbanización acelerada y no planeada, la contaminación del aire y del agua y otras consecuencias del desarrollo ambiental no sostenible agudizan los efectos del clima en la salud (oms y omm, 2012).

En este sentido, un reto importante para México es contar con evaluaciones sobre las posibles consecuencias del cambio climático en la salud en el actual contexto de transición epidemiológica, donde aún persisten tanto enfermedades infecciosas agudas como crónico-degenerativas (Riojas y Hurtado, 2015). De acuerdo con diversos estudios (Gay, 2000; Magaña y Conde, 2003) en México la vulnerabilidad ante un posible cambio climático tiende a aumentar, en particular en los sectores agrícolas y en los recursos hídricos y forestales, como afirman Conde y Palma (2006). Existe, por consiguiente, una mayor vulnerabilidad ante las enfermedades específicas relacionadas con esta materia. Por ello, es interés de este artículo reconocer la relación entre la vulnerabilidad ambiental y la mortalidad por causas asociadas a las condiciones medioambientales entre la población de los municipios que forman parte de la cuenca del río Usumacinta.

En los estudios mencionados se acude al término vulnerabilidad para aludir a «la susceptibilidad o predisposición intrínseca del medio y los recursos naturales a sufrir un daño o una pérdida, siendo estos elementos físicos o biológicos» (Gaspari, 2011:5). Así, desde esta perspectiva, la vulnerabilidad es vista como un proceso dinámico (Kasperson et. al, 2003) que obedece al contexto y a las condiciones que interactúan con los agentes amenazantes, ya sean naturales o antrópicos (Turner et al., 2003; Ford, 2002; Leichenko y Obrien, 2002), y genera condiciones que amenazan a la población. Lo anterior se traduce como vulnerabilidad ambiental (va) y depende también de otras características que pueden ser sociales, demográficas, económicas y culturales que reflejan el grado de exposición de la población y se han utilizado como variables para su medición (Myers y Patz, 2009; Buch y Turcios, 2003).

En los últimos tiempos se han realizado diversas investigaciones sobre el medio ambiente y la salud de la población en México, en particular para las regiones comprendidas en los estados de Chiapas y Tabasco, donde se ubican las cuencas de los ríos Usumacinta y Grijalva; y en Campeche, con el río Palizada. Un estudio pionero por elaborar un diagnóstico sobre el cambio climático y la salud humana es el de Riojas et al., (2006), que tenía como propósito identificar los efectos del calentamiento global sobre la salud de la población, para lo cual estudiaron una serie de enfermedades consideradas sensibles al cambio climático, como las enfermedades infecciosas trasmitidas por vector, enfermedades trasmitidas por agua y alimentos, enfermedades infecciosas y eventos climáticos extremos y desastres. Como resultado del estudio, los autores no pudieron establecer una relación entre calentamiento climático y ciertas enfermedades como intoxicaciones por marea roja, esto quizá por el subregistro en las fuentes de información; sin embargo, se encontró una asociación significativa entre el incremento en la temperatura y la mortalidad por golpe de calor en los dos estados seleccionados (Baja California y Sonora). Asimismo, se confirmó que un incremento en las temperaturas aumentará la carga de enfermedad por las afecciones diarreicas, la población con mayor riesgo es la infantil menor de cinco años de edad y los mayores de 65 (Riojas et al, 2006:28).

Otro estudio, realizado por Lorenzo et al., (2016), alude al incremento de la concentración de metales pesados en los cuerpos de agua debido a las actividades de la industria; concentración que afecta en mayor medida a la población menor de cinco años que consume alimentos del río. El autor concluye que 2.8% de los menores que habitan en los municipios de la subcuenca del río Grijalva tendrían concentraciones superiores a 5 μg Pb/dL en la sangre, mientras que el porcentaje para los que viven en la subcuenca del río Usumacinta sería de 7.24. Reconoce que es debido a una planeación inadecuada, al uso inapropiado del suelo y al escaso control de los recursos naturales en la cuenca de los ríos Grijalva y Usumacinta. Otro estudio (Escamilla et al., 2014) señala la amenaza que las inundaciones de la microcuenca del río Palizada, en Campeche, representan para el desarrollo socioeconómico debido al inadecuado uso del suelo y la ineficiencia de las autoridades ante estos sucesos. Este estudio concluye que las políticas públicas deben enfocarse a reducir la VA y a incrementar las posibilidades de recuperación o resiliencia en caso de desastres.

Un análisis realizado en San Simón -localidad del estado de Yucatán que sufre un severo rezago social y cuyos servicios de salud están alejados- reportó un gran número de enfermedades diarreicas y respiratorias, las primeras relacionadas con la convivencia de las personas con sus animales, lo cual se traduce en ambientes insalubres y de un alto índice de contaminación (Gullian, 2011).

En términos epidemiológicos, la asociación entre la temperatura y la mortalidad humana ha sido intensamente estudiada (Yang y Jensen, 2017; Gosling et al., 2017; Bell et al., 2008; Lomgden, 2018; Marsha et al., 2018), entre los argumentos se menciona que el calor puede provocar un incremento en la mortalidad, sobre todo en zonas urbanas, debido a la mayor concentración de construcciones y al hacinamiento. Se ha asociado también en zonas donde el calor se relaciona con un incremento de los casos de malaria (Jonathan et al., 2018). Por otro lado, el riesgo relativo de mortalidad se incrementa cuando la temperatura baja en invierno, riesgo atribuido, por lo general, al efecto del frío en el sistema inmune. El frío también se ha asociado con la mortalidad por enfermedad cerebrovascular (Zhang et al., 2014).

Por su parte, Posada de la Paz et al., (2004) considera que la mortalidad infantil, y en todas las edades, causada por enfermedades respiratorias y del sistema circulatorio, es un indicador del impacto de la calidad del aire. Para la radiación, utiliza la incidencia del cáncer de piel y, en lo que respecta a las condiciones de habitabilidad e instalaciones, la mortalidad por causas externas en menores de cinco años. Sobre este grupo de edad, la Organización Panamericana de la Salud (2003) publicó también una serie de indicadores para poner en práctica la Iniciativa Mundial sobre los Indicadores de Salud Ambiental Infantil, dentro de los cuales se encuentra la tasa de mortalidad por enfermedades respiratorias agudas en niños de 0 a 4 años; a esta causa contribuye de manera considerable la exposición ambiental. En el caso de la Ciudad de México, Borja-Aburto (2000) muestra la posibilidad de una relación entre la estacionalidad de la mortalidad en la zona suroeste de la ciudad con picos en los meses de frío, lo que coincide con la temporalidad en el comportamiento de la concentración de material particulado respirable. Yang y Jensen (2017) señalan que las condiciones sociales y el ambiente social no han sido abordados en estos estudios.

Por su parte, el trabajo que presentamos se centra en el área del Usumacinta -conformada por los estados de Campeche, Chiapas y Tabasco- donde, a pesar de la riqueza en biodiversidad que coexiste en la cuenca del río y sus alrededores, las condiciones de vida de la población, la marginación, la degradación medioambiental y los conflictos socioambientales, colocan a esta zona en gran vulnerabilidad frente a los posibles efectos del cambio climático (Fondo Institucional de Fomento Regional para el Desarrollo Científico, Tecnológico y de Innovación -Usumacinta, 2016).

 

Contexto: enfermedades relacionadas a las condiciones medioambientales

El cambio climático puede reconocerse a través de los desastres naturales; es un hecho que las epidemias de enfermedades transmisibles surgidas al inicio de un desastre tienen más probabilidades de ocurrir en países en vías de desarrollo que en países industrializados (Toole, 2000), ya que en los primeros existen factores de riesgo como la pobreza, el escaso acceso al agua potable, el saneamiento deficiente y la vacunación limitada.

Por su vulnerabilidad social, en México, los estados de Chiapas, Guerrero y Oaxaca se consideran con mayor incidencia de enfermedades diarreicas agudas (eda). En Chiapas se ha observado que en verano hay más casos de eda por el aumento de la temperatura, lo cual incrementa la morbilidad por esta causa en 1.07% por grado centígrado de aumento de la temperatura ambiental (Riojas y Hurtado, 2015).

Asimismo, las infecciones respiratorias agudas (ira) y su relación con la contaminación del aire plantean un desafío emergente. El co² (o gases del efecto invernadero) -emitido por el uso de combustibles para generar energía para el transporte, la industria, la cocina y la calefacción doméstica- es el mayor causante del cambio inducido por el ser humano. La contaminación del aire doméstico, generada por el uso de combustibles sólidos para cocinar, ha derivado en cerca de dos millones de muertes prematuras anuales en mujeres y niños en países en desarrollo (oms y omm, 2012). Las estufas rudimentarias o el fuego abierto producen contaminantes de corta vida que afectan la salud. Otro estudio afirma que las ira son causadas, en su mayoría, por virus predispuestos sobre todo por variaciones de temperatura, como los cambios de magnitud y frecuencia de las ondas de calor. Al respecto, las poblaciones con mayor riesgo son los menores de cinco años y los mayores de 65. Dado que la transición demográfica conlleva el envejecimiento de la población, a la larga el número de enfermos por causas respiratorias aumentará. Según el Ministerio de Sanidad, Servicios Sociales e Igualdad (msssi) (2013), los efectos en la salud de la población más envejecida aparecen cada vez a temperaturas menos elevadas. Por otro lado, se ha considerado que las infecciones respiratorias agudas se incrementan en invierno en los municipios situados en latitudes altas, mientras que en las latitudes tropicales esto sucede durante la temporada de lluvias (Correal, et al., 2015).

Finalmente, en cuanto a las deficiencias nutricionales y la va, según el estudio de Martínez et al., (2015), entre 76 y 89% de la población de Chiapas sufre inseguridad alimentaria: en 43% de los hogares es leve, en 25% es moderada y en 15% es severa. En los hogares que sufren inseguridad alimentaria moderada o severa (40%), al menos una persona tuvo que reducir la cantidad de alimentos o dejar de comer un día entero a la semana.

A la hora de enfrentar los desastres naturales, el estado nutricional de la población es un factor determinante en su capacidad para sobrellevar los desajustes en su rutina, y tiene efectos diferenciales por sexo dadas las actividades económicas de uno y otro (oms y omm, 2012) y por las características reproductivas. Si la población sufre inseguridad alimentaria es mayor la dificultad de salir adelante económica, física y psicológicamente. Por otro lado, así como las grandes inundaciones afectan la actividad agrícola, las temporadas de sequía también tienen un efecto negativo en la nutrición, ya que limitan la producción de alimentos e inciden en el aumento de enfermedades infecciosas derivadas de la desnutrición (oms y omm, 2012; msssi, 2013).

En las zonas rurales los cambios en la nutrición de la población infantil menor de cinco años se asocian al cambio climático (Banco Mundial, 2013). En cuanto a las actividades económicas -la agricultura y la pesca, entre los hombres, y la venta de hierbas o alimentos producidos por la tierra, entre las mujeres-, los cambios drásticos de temperatura y los desastres naturales conllevan pérdidas severas, en particular entre los más pobres. Cabe mencionar que también se han observado las implicaciones por género, ya que las deficiencias nutricionales afectan más a las mujeres, en especial durante el embarazo y la lactancia, cuando necesitan más alimentos y agua. Mayor es el impacto si consideramos que en muchas culturas hay una jerarquía para la alimentación que coloca a las mujeres y a las niñas en segundo lugar (oms y omm, 2012). Si de por sí la mortalidad por deficiencias nutricionales es característica de la pobreza, el cambio climático la potencia (Banco Mundial, 2013; Lorenzo et al., 2016).

 

Metodología

Objetivo general

Analizar, con datos disponibles del trienio 2014-2016, la relación territorial entre la va y la mortalidad, asociadas a las condiciones medioambientales en la población de los municipios de Campeche, Chiapas y Tabasco, entidades que forman parte de la cuenca del río Usumacinta. Consideramos los desastres ocurridos como un elemento adicional que interviene en el proceso salud-enfermedad-atención de la población.

 

Método

Se desarrolló un estudio transversal, observacional y descriptivo mediante el cual se analizan las tasas de mortalidad por enfermedades relacionadas a las condiciones medioambientales del trienio 2014-2016 y la va del 2015.

Los datos utilizados para el análisis provienen de las siguientes fuentes de información: de la Comisión Nacional del Agua (conagua) y el Instituto Mexicano de Tecnología del Agua (imta) se obtuvo la va por municipio, correspondiente a 2015, con las siguientes categorías: muy baja, baja, media, alta y muy alta. La clasificación de los índices de va por grado es la siguiente, según valores del percentil: muy baja 0 < va ≤ 20; baja 20 < va ≤ 40; moderada 40 < va ≤ 60; alta 60 < va ≤ 80; muy alta 80 < va ≤ 100. En los estados de Campeche, Chiapas y Tabasco no se observan municipios con categoría muy alta. Para la elaboración del índice, la conagua/imta advierte tres tipos de vulnerabilidad: la económica, a partir de la relación indirecta entre los niveles de ingresos; la social, con referencia al manejo de estrategias familiares y comunitarias para mantener sus condiciones de vida ante los efectos de un evento adverso; y la ambiental, relacionada con la susceptibilidad intrínseca del medio o los recursos naturales a sufrir daños por la falta de agua (conagua, imta, 2015). En el anexo 2 se muestra la clasificación de va de cada municipio.

Otras fuentes de información utilizadas son los registros administrativos de la Secretaría de Salud y del Instituto Nacional de Estadística y Geografía (ssa/inegi) para la mortalidad, agrupada según la lista mexicana (agrupación gbd de 165 causas) del Cubo de defunciones de la Dirección General de Información en Salud (dgis) 1997-2016. De esta fuente se obtuvieron los datos de mortalidad por causas relacionadas a condiciones medioambientales de 2014 a 2016, las cuales se muestran en la tabla 1:

Tabla 1. Enfermedades relacionadas a los cambios medioambientales y su código en la Clasificación Internacional de Enfermedades

 

Nombre del grupo

Clave CIE-10

Enfermedades infecciosas y parasitarias

A00-B99, G00-G09X

Enfermedades respiratorias

H66, J00-J22X

Deficiencias nutricionales

D50-D64, E00, E40-E64

 

Fuente: elaboración propia a partir de OPS (2000).

 

También se emplearon las proyecciones de la población municipal del Consejo Nacional de Población (conapo) de 2010-2018, como denominador para la construcción de tasas de mortalidad. Otra fuente de información es la base de datos con un recopilado de los impactos socioeconómicos de los desastres ocurridos de 2000 a 2015, publicada por el Centro Nacional de Prevención de Desastres (cenapred), que contiene los eventos hidrometeorológicos, geológicos, químicos y sanitarios de Campeche, Chiapas y Tabasco.

En cuanto a la información sobre la mortalidad, las cifras a nivel municipal suelen tener mayor variabilidad aleatoria relativa de las defunciones y pueden presentar valores extremos (ops, 2017), se decidió emplear las cifras de un periodo de tres años para contar con datos más consistentes y disminuir sus posibles oscilaciones y poca representatividad. La fórmula con la cual se estimaron las tasas de mortalidad es la descrita en ops (2017):

 

 

 

Las tasas que se construyeron fueron estandarizadas ya que, como indica la Organización Panamericana de la Salud:

Una tasa de mortalidad general es una media ponderada de los riesgos específicos de los diferentes grupos que forman la población. Estos riesgos corresponden, entre otros, al sexo, la edad y al nivel de instrucción. Cada grupo que forma la población contribuirá proporcionalmente a través de su peso (tamaño) y su riesgo específico al valor de la tasa de mortalidad general. Este aspecto se debe tener en cuenta al comparar tasas de mortalidad general, principalmente en relación a la estructura de edad de las poblaciones involucradas (ops, 2017:69).

Por lo tanto, se utilizó la estandarización directa de acuerdo con el modelo de la Organización Mundial de la Salud (World Health Organization, 2001) que consiste en calcular las tasas para cada grupo de edad, para lo cual se tiene que disponer de datos sobre las defunciones y las poblaciones de cada uno de los grupos etarios. Luego se selecciona una población estándar, en este caso se empleó la que propone la oms, se multiplican las tasas obtenidas por esta población y por último se utiliza la suma de las tasas de todos los grupos de edad. En el anexo 1 se muestran las tasas de mortalidad por municipio y en el anexo 3 los indicadores sociales mencionados en los resultados y discusión.

 

Análisis estadístico

Se aplicó la técnica de autocorrelación espacial (ae) entre las siguientes variables: vulnerabilidad ambiental, tasa de mortalidad por causas relacionadas a las condiciones medioambientales y la vulnerabilidad ambiental; y un tercer análisis con la información de desastres ocurridos en los tres estados de 2000 a 2015.

La importancia de esta técnica radica en que «refleja el grado en que objetos o actividades en una unidad geográfica son similares a otros objetos o actividades en unidades geográficas próximas» (Goodchild en Vilalta, 2005:325). Mediante esta técnica estadística es posible comprobar la primera ley geográfica de Tobler (1970), la cual afirma que «todo está relacionado con todo lo demás, pero las cosas cercanas están más relacionadas que las distantes» (Vilalta, 2005:325). De la ley anterior deriva el concepto de dependencia espacial (de): «el valor de la variable dependiente en una unidad espacial es parcialmente función del valor de la misma variable en unidades vecinas» (Flint, Harrower y Edsall, en Vilalta, 2005:325) donde la ae es la expresión de su cálculo. Por lo anterior, la ae permite explorar e interpretar resultados en un mapa respecto a la dependencia entre variables, sin que dichos resultados sean meramente descriptivos, superficiales o arrojen resultados erróneos.

Esta técnica ha sido poco empleada debido, entre otras razones, a la necesidad de un Sistema de Información Geográfico (sig) para aplicarla, dado que sin él se requiere de un desarrollo estadístico muy complejo. En México se ha empleado en investigaciones sobre temas electorales y desarrollo regional (Vilalta, 2003, 2004; Martínez, 2004), y dado que ha crecido la generación de SIG gratuitos, cada vez es más notoria la necesidad de la enseñanza y aplicación de esta técnica por sus valiosos aportes en las ciencias sociales y naturales.

Para este estudio, el análisis se realizó sobre la ubicación georreferenciada de los municipios y los valores de cada una de las variables mencionadas anteriormente. El nivel de correlación y la significancia se identificaron por medio del Índice de Moran global (IMg) (Moran, 1950); este índice es muy similar al índice de correlación de Pearson, pero lo que otorga los valores en el IMg es una matriz de distancias. Su valor se localiza en el intervalo que va de -1 a 1; si el valor es 1 -lo que no es muy probable-, entonces todos los valores parecidos estarían del lado derecho y todos los valores aleatorios o que no tienen un comportamiento similar al de otros municipios estarían de lado izquierdo. Si resultara -1, entonces ningún municipio tendría cualidades parecidas, con lo que simularía un tablero de ajedrez donde los valores semejantes nunca se limitan unos con otros. Si los valores son intermedios -como -0.5 a 0.5- entonces habría grupos de municipios (clústeres) que además de ser vecinos (limitando unos con otros), comparten cualidades o comportamientos semejantes en sus fenómenos.

De esta manera es posible identificar si hay grupos de municipios que compartan vecindad geográfica y al mismo tiempo tengan valores similares en las variables seleccionadas. Al identificar un clúster de municipios con un patrón territorial que no es aleatorio, se puede argumentar que en esa zona se comparten características similares, así como la evolución de los fenómenos que ahí suceden. De lo contrario, se presentaría un escenario donde la distribución geográfica de los municipios no seguiría un patrón espacial definido, sino que habría casos aislados sin relación alguna con los municipios vecinos.

Para la interpretación de los resultados, las categorías se agruparon así: cuando se habla de valores o valor alto de va en un clúster o grupo, se hace referencia a las categorías de alta y media de esa variable en los municipios; por lo que al hablar de valores o valor bajo de va nos referimos a las categorías baja y muy baja de los mismos. En el caso de la mortalidad, dado que son valores decimales, al formarse los clústeres, mediante el modelo, el algoritmo realiza una comparación que agrupa a las tasas de mortalidad en alta o baja.

 

Resultados

En este apartado se incluyen tres mapas con la interpretación respecto a los clústeres que resultan significativos. En todos se visualiza la delimitación de la cuenca del río Usumacinta, así como de la ribera para mejor referencia, y al pie del mapa el valor p. El mapa 1 expone la vulnerabilidad ambiental en Campeche, Chiapas y Tabasco y la relación entre municipios en 2015. En el mapa 2 se muestra la relación entre municipios respecto a la tasa de mortalidad por enfermedades infecciosas y parasitarias, infecciones respiratorias, y deficiencias nutricionales (trienio 2014-2016) y la vulnerabilidad ambiental de Campeche, Chiapas y Tabasco. Finalmente, el mapa 3 nos muestra la representación de los desastres ocurridos de 2000 a 2015 en Campeche, Chiapas y Tabasco, y la relación entre los municipios.

El mapa 1 muestra cómo los municipios que forman parte de la cuenca y la ribera del río Usumacinta y los restantes municipios de Campeche, Chiapas y Tabasco se relacionan respecto a la variable va. En la parte inferior de la cuenca hay un clúster de ocho municipios (Ocosingo, Las Margaritas, Altamirano, Chilón, Chanal, Oxchuc, Pantelhó y San Juan Cancuc) destacados en color rojo; esto significa que tienen una relación estadísticamente significativa respecto a su valor de VA y este se considera alto. Asimismo, hay un clúster de tres municipios con las mismas características anteriores: Tapachula, Frontera Hidalgo y Metapa.

La vulnerabilidad ambiental, definida por el Instituto Mexicano de Tecnología del Agua (conagua, imta, 2015), implica ciertas características sociodemográficas que la potencian o influyen en su valor; en lo referente a lo ambiental ponen de manifiesto la escasez de agua. Dos de los municipios mencionados en el párrafo anterior (Oxchuc y Chanal) también son de los que padecen mayor rezago social y el conjunto de los diez municipios rebasan 43% de pobreza extrema (coneval, 2015a y 2015b). Asimismo, se han caracterizado por la presencia de tracoma (Herrera, 1997; Salvatierra et al., 2002; López, 2002; García, 2005; Guillén, 2009), una de las enfermedades asociadas con el rezago social y que está relacionada con la escasez de agua.

Estas características en común indican que dichos municipios son más vulnerables cuando son amenazados y expuestos si ocurriese un desastre natural, aunque, como veremos en el mapa 3, en este caso la presencia de desastres no fue estadísticamente significativa. El que estén juntos hace pensar, además, que su recuperación podría ser más lenta, dado que la asistencia tendría que provenir de municipios más lejanos. Los municipios que están en color gris representan la nula asociación entre los mismos, es decir, tienen valores muy variables y no se encontró un clúster de municipios que conjuntara una relación significativa en sus valores de va.

Mapa 1. Vulnerabilidad ambiental en Campeche, Chiapas y Tabasco, relación entre municipios de la cuenca y ribera del Usumacinta, 2015.

 

 

 

lave

Nombre

Clave

Nombre

Clave

Nombre

Clave

Nombre

04007

Palizada

07052

Las Margaritas

27001

Balancán

07032

Escuintla

07004

Altamirano

07059

Ocosingo

27007

Emiliano Zapata

07035

Frontera Hidalgo

07016

Catazajá

07064

Oxchuc

27011

Jonutla

07055

Metapa

07019 Comitán 07065 Palenque 27017 Tenosique 07066 Pantelhó

07024

Chanal

07099

La Trinitaria

04004

Champotón

07089

Tapachula

07038

Huixtán

07114

Benemérito de las A.

04006

Hecelchakán

07093

Tenejapa

07041

La Independencia

07115

Maravilla Tenejapa

04008

Tenabo

07112

San Juan Cancuc

07050

La Libertad

07116

Marqués de Comillas

07031

Chilón

27008

Huimanguillo

IMg=0.385 p<=0.05< /p>

*Nota 1. En este mapa la etiqueta de color lila indica que el municipio tiene va alta y limita con municipios con va baja pero no significativos.
**La etiqueta color rosa, representa que el municipio tiene va baja y limita con municipios con va alta pero no significativos.
Fuente: elaboración propia a partir de conagua, imta (2015).

 

En el mapa 2 se observa un clúster de cuatro municipios de la cuenca y tres del límite de esta (Ocosingo, Las Margaritas, Chanal, Oxchuc, Tenejapa, San Juan Cancuc y Chilón). En este clúster hay una elevada tasa de mortalidad por estas causas específicas, así como una elevada va. En ese mismo mapa, al costado de los municipios mencionados, en colindancia con Guatemala, se encuentra otro clúster en color lila, es decir, cuyos municipios (Altamirano, Maravilla Tenejapa, Marqués de Comillas y Benemérito de las Américas) tienen valores de va elevados, pero mortalidad baja por estas causas. Finalmente, otro clúster del mismo rango está conformado por Pantelhó, Sitalá y Mitontic. Como veremos en el mapa 3, se muestra que en estos últimos municipios en color lila no es significativa la correlación espacial de los desastres ocurridos, es decir, no tienen esta característica en común.

Asimismo, se observa un clúster de dos municipios en color rosa, que son Centla y Macuspana (y Comalcalco muy cercano a estos dos) en Tabasco, con valores de mortalidad alta y de va baja y clasificado con una presencia alta de desastres (véase mapa 3). Para este grupo de causas de mortalidad, en el municipio de Huimanguillo se observan ambos valores elevados, así como en Tapachula. Junto a este municipio, en un clúster color lila (con va alta, pero mortalidad baja) se agrupan Suchiate, Frontera Hidalgo, Metapa y Tuxtla Chico.

Por otro lado, en Campeche se observan dos clústeres anidados, uno con valores altos de mortalidad y baja va (Champotón, Campeche y Calkiní); más adelante se identifica en el mapa 3 que Champotón forma parte de un clúster de cinco municipios con una correlación significativa de presencia alta de desastres. Hecelchakán y Tenabo cuentan con ambos valores bajos (véase mapa 2). Estos dos clústeres vecinos tienen en común la baja va. El que tengan distintos rangos de mortalidad por estas causas deberá estar relacionado a otras características del municipio o de la población.

Mapa 2. Tasa de mortalidad por enfermedades infecciosas y parasitarias, infecciones respiratorias y deficiencias nutricionales 2015 y vulnerabilidad ambiental de Campeche, Chiapas y Tabasco, relación entre municipio

 

 

 

Clave

Nombre

Clave

Nombre

Clave

Nombre

Clave

Nombre

04007

Palizada

07099

La Trinitaria

04008

Tenabo

07082

Sitalá

07004

Altamirano

07114

Benemérito de las A.

07013

Bochil

07087

Suchiate

07016

Catazajá

07115

Maravilla Tenejapa

07031

Chilón

07089

Tapachula

07019

Comitán

07116

Marqués de Comillas

07047

Jitotol

07093

Tenejapa

07024

Chanal

27001

Balancán

07035

Frontera Hidalgo

07102

Tuxtla Chico

07038

Huixtán

27007

Emiliano Zapata

07055

Metapa

07112

San Juan Cancuc

07041

La Independencia

27011

Jonutla

07056

Mitontic

27003

Centla

07050

La Libertad

27017

Tenosique

07066

Pantelhó

27005

Comalcalco

07052

Las Margaritas

04001

Calkiní

07067

Pantepec

27008

Huimanguillo

07059

Ocosingo

04002

Campeche

07069

Pijijiapan

27012

Macuspana

07064

Oxchuc

04004

Champotón

07072

Pueblo Nuevo

07065

Palenque

04006

Hecelchakán

Solistahuacán

IMg=0.035 p<=0.05

Nota 1: Los municipios en negritas en la tabla son los que están fuera de la cuenca del Usumacinta pero resultaron significativos.

Fuente: elaboración propia a partir de conagua,imta (2015); Cubos dinámicos de mortalidad la dgis (2019), ssa/inegi.

 

 

En el mapa 3 se observan tres grandes grupos de municipios, que comparten vecindad, y que presentan un alto índice de desastres. Como puede apreciarse, en la cuenca del Usumacinta resaltan Centla y Champotón con va baja (véase mapa 1) pero está clasificado como un municipio con un número elevado de desastres, estos dos municipios poseen alta mortalidad por enfermedades específicas (véase mapa 2). Por otro lado, los municipios que en el mapa 1 son catalogados con una va elevada, no presentan datos significativos con respecto a los desastres ocurridos entre 2000 y 2015.

Mapa 3. Desastres ocurridos de 2000 a 2015 en Campeche, Chiapas y Tabasco, relación entre municipios

 

 

 

Clave

Nombre

Clave

Nombre

Clave

Nombre

Clave

Nombre

04003

Carmen

07017

Cintalapa

07060

Ocotepec

07087

Suchiate

04004

Champotón

07019

Comitán

07061

Ocozocoautla

07097

Tonalá

04009

Escárcega

de Domínguez

de Espinosa

07103

Tuzantán

04011

Candelaria

07022

Chalchihuitán

07064

Oxchuc

07107

Villa Corzo

07001

Acacoyagua

07026

Chenalhó

07066

Pantelhó

07108

Villaflores

07006

Amatenango

07028

Chiapilla

07067

Pantepec

07113

Aldama

de la Frontera

07029

Chicoasén

07069

Pijijiapan

07119

Santiago el Pinar

07009

Arriaga

07036

La Grandeza

07070

El Porvenir

27002

Cárdenas

07010

Bejucal

07040

Huixtla

07074

Reforma

27003

Centla

de Ocampo

07046

Jiquipilas

27006

Cunduacán

07011

Bella Vista

07047

Jitotol

07078

San Cristóbal

27008

Huimanguillo

07012

Berriozábal

07048

Juárez

de Las Casas

27013

Nacajuca

07013

Bochil

07049

Larráinzar

07081

Simojovel

27016

Teapa

07014

El Bosque

07054

Mazatán

07086

Suchiapa

IMg=0.337 p<=0.05

Nota 1: En este mapa la etiqueta color lila indica que el municipio tiene va alta y limita con municipios con va baja pero no significativos. En cuanto a la etiqueta color rosa, representa que el municipio tiene va baja y limita con municipios con va alta pero no significativos.

Fuente: elaboración propia a partir de conagua, imta (2015).

 

 

Discusión

En los resultados se observa que al analizar la relación entre la vulnerabilidad ambiental y la tasa de mortalidad por causas relacionadas a las condiciones medioambientales (infecciosas y parasitarias, respiratorias y nutricionales) en los 146 municipios de los estados de Campeche, Chiapas y Tabasco, hay un clúster de cinco municipios (Ocosingo, Oxchuc, Chanal, Chilón y Las Margaritas) que resulta significativo en la autocorrelación espacial y presentan ambos valores altos. Estos municipios se distinguen por tener un porcentaje de población hablante de lengua indígena (hli) que oscila entre 78% y hasta 100% (como es el caso de Chanal); asimismo, un analfabetismo que va de 17% en Oxchuc hasta 30% en Chilón, todos con grado de marginación muy alto y porcentaje de población en pobreza de más de 86% (inegi, 2015; coneval, 2015a, 2015b).

Colindante con el clúster mencionado se encuentran los municipios de Mitontic, Pantelhó, Maravilla Tenejapa, Benemérito de las Américas, Altamirano, Sitalá y Marqués de Comillas que, aunque definidos como de va alta, presentan mortalidad baja. En este grupo se tiene un promedio de población hli de 67.9%.

Tanto en México como alrededor del mundo, se ha documentado que la mortalidad es más elevada en población indígena (Comisión Nacional para el Desarrollo de los Pueblos Indígenas y Programa de las Naciones Unidas para el Desarrollo, 2006; Instituto Nacional de las Mujeres, 2006; Hill et al., 2007; cdi, 2008; Armstrong et al., 2018; Sadovsky et al., 2018) y esto puede obedecer a la escasa disponibilidad de infraestructura y a la limitada competencia cultural en la prestación de los servicios de salud (dgplades, 2014). Como parte de los cinco municipios con valores altos, Ocosingo cuenta con servicios de salud en la cabecera municipal, en el resto del municipio se tienen escasas unidades de primer nivel de atención; además, 70.4% de sus localidades rurales son consideradas como aisladas en relación con la cabecera.1 En Oxchuc y Las Margaritas los servicios de hospitalización solo se encuentran en las cabeceras municipales y son unidades que funcionan únicamente por las mañanas. Chanal no cuenta con unidades de segundo nivel de atención, pero sí con cinco unidades médicas de primer nivel que se encuentran en operación (dgis, 2019). Chilón, por otro lado, cuenta con 73 unidades médicas de primer nivel y ninguna de segundo, sin embargo, 63.3% de sus localidades rurales están alejadas de la cabecera municipal, por lo que el acceso geográfico a estas unidades no puede asegurarse.

Altamirano, que presenta mortalidad baja, cuenta con dos hospitales con las cuatro especialidades básicas; entre Maravilla Tenejapa y Marqués de Comillas se concentran 14 unidades de primer nivel de atención y, aun cuando tienen más del 50% de localidades rurales alejadas, también tienen mortalidad por las causas específicas bajas, por lo que las interacciones entre la población y el personal de las unidades médicas y la organización de los servicios de salud podría ser el mecanismo que influye en este resultado.

Los problemas de accesibilidad geográfica y cultural que presentan Chilón, Chanal y Oxchuc, relacionada con el aislamiento de su población rural y alto porcentaje de población hli, podrían ser para estos municipios un elemento clave que incida en la mortalidad. Los únicos hospitales de tercer nivel se encuentran muy alejados de estos clústeres de municipios, dado que se ubican en Tuxtla Gutiérrez y Tapachula.

Hay dos clústeres que llaman la atención, son los que están en Campeche, que incluye a Campeche y Champotón, y el segundo con Macuspana y Centla que tienen va baja y mortalidad alta. La similitud entre Champotón y Centla radica en que estos municipios están en una zona en donde la frecuencia de desastres es alta. Entonces, condiciones de baja vulnerabilidad si se combinan con una alta incidencia de desastres pueden asociarse con alta mortalidad. Campeche es colindante en toda su zona sur con varios municipios que son presa de frecuentes desastres naturales. Las colindancias ponen en riesgo la recuperación de la población en momentos de crisis.

Conclusión

Por medio de la técnica de autocorrelación espacial pudimos identificar un clúster de municipios con un elevado registro de enfermedades típicas de los cambios medioambientales asociadas a la va. Estos municipios coinciden en tener características sociodemográficas que vulneran socialmente a la población, tales como pobreza extrema, analfabetismo y hli, en mayor medida que otros municipios de la cuenca del río Usumacinta. Podría inferirse que, si uno de esos municipios tiene un evento negativo, podría afectar también a los municipios colindantes.

El que otros municipios con valores elevados en la tasa de mortalidad o en la de vulnerabilidad no hayan resultado significativos se debe en particular a que la distribución de las cifras fue aleatoria, y tal vez por otras características no se dio una relación más fuerte y, por lo tanto, no se evidenció una vecindad geográfica. En cambio, el que varios municipios en una zona dada tengan significancia consistente en distintas variables podría implicar poca aleatoriedad en los sucesos ambientales y sociales, en este caso, en los asociados a las causas de mortalidad seleccionadas. La prevención de enfermedades (por mencionar: infecciosas, parasitarias, respiratorias y nutricionales) y su atención tal vez no sea oportuna, quizá debido a ciertas características de los municipios, tales como la lejanía, las vialidades, el aislamiento y la falta de pertinencia cultural en la prestación del servicio. Es decir, se advierten diversas carencias y abandono por parte de los tomadores de decisiones.

Es apremiante aplicar políticas y estrategias para reducir la prevalencia de la mortalidad en un municipio dado, estudiar las repercusiones en los municipios vecinos y comprobar, así, la aleatoriedad de los eventos. Es necesario, asimismo, que los programas para reducir la pobreza consideren la diversidad ambiental de los estados del sureste de México. Las desventajas económicas deben atacarse desde distintos frentes, ya que incrementar los mecanismos de resiliencia frente a los cambios medioambientales o desastres que limitan el desarrollo socioeconómico de la población rural ayudaría a que se esta se mantenga estable y a que la brecha con la población urbana disminuya. Del mismo modo, enfocar las acciones en salud a partir de la territorialización e identificar municipios prioritarios para cada programa de salud contribuiría a la equidad, ya que como se vio en este trabajo, dentro de cada entidad federativa hay una gran heterogeneidad, desde las características sociodemográficas, la distribución de la infraestructura en salud hasta la calidad de los servicios.

 

Limitaciones

Una de las limitaciones de este estudio es que al utilizar el indicador de va se deja de lado la frecuencia y el impacto de los desastres naturales a los que están expuestos, en este caso, los municipios. La inclusión de estas variables podría aportar un aspecto importante al índice para poder dar mayor explicación al comportamiento de los municipios, que aun cuando tienen una va baja, presentan altas tasas de mortalidad. Por lo que los resultados se limitan a ser exploratorios permitiendo únicamente la generación de hipótesis. Solo un trabajo de campo con datos de primera mano permitirá explicar los resultados que se vislumbran en este estudio. Además, se considera importante generar el índice de va con una periodicidad más habitual para tener la posibilidad de comparar a lo largo de los años.

 

 

FUENTES DE CONSULTA


Armstrong, Anderson da Costa, A. Teixeira, J. Marques, D. Matoso, M. da Silva, et al. (2018). Urbanization is Associated with Increased Trends in Cardiovascular Mortality Among Indigenous Populations: the pai Study. Arquivos Brasileiros de Cardiologia,110(3), pp. 240-245.

Banco Mundial. (2013). Las dimensiones sociales del cambio climático, Informe 782790, Washington, dc, usa: Banco Mundial. Disponible en: http://documentos.bancomundial.org/curated/es/509731468049873106/pdf/782790WP0P12010ANISH0web0spa0mex ico.pdf

Bell, Michael, MS. O’Neill, N. Ranjit, VH. Borja-Aburto, LA. Cifuente y Gouveia. (2008). Vulnerability to heat-related mortality in Latin America: a case-crossover study in Sa˜o Paulo, Brazil, Santiago, Chile and Mexico City, Mexico. International Journal of Epidemiology, 37(4), pp. 796-804, doi: 10.1093/ije/dyn094

Borja-Aburto, V. (2000). Estudios ecológicos, Salud Pública de México, noviembre-diciembre, 42(6), 533-538.

Buch, Mario y Marvin Turcios (comps.). (2003). Vulnerabilidad Socio-ambiental: Aplicaciones para Guatemala. Guatemala: Instituto de Agricultura, Recursos Naturales y Ambiente, Universidad Rafael Landívar, Serie de documentos técnicos, núm. 9, pp. 23.

Comisión Nacional del Agua (conagua), Instituto mexicano de Tecnología del Agua (IMTA). (2015). Actualización de los Índices y Mapas de Vulnerabilidad 2015. Disponible en: http://www.pronacose.gob.mx/pronacose14/contenido/documentos/Vulnerabilidad-Programas%20federales-4aVer.pdf (consulta: 12/08/ 2018).

Comisión Nacional para el Desarrollo de los Pueblos Indígenas (cdi). (2008). Informe general de la Consulta sobre Alcoholismo y Pueblos Indígenas. México: Comisión Nacional para el Desarrollo de los Pueblos Indígenas.

Comisión Nacional para el Desarrollo de los Pueblos Indígenas (cdi) / Programa de las Naciones Unidas para el Desarrollo (pnud). (2006). Informe sobre Desarrollo Humano de los Pueblos Indígenas de México 2006. México: cdi-pnud, pp.22.

Conde, Cecilia y Beatriz Palma. (2006). Escenarios de riesgo para el territorio veracruzano ante un posible cambio climático, en Adalberto Tejada (coord.), Inundaciones 2005 en el estado de Veracruz. Xalapa: Universidad Veracruzana.

Consejo Nacional de Evaluación de la Política de Desarrollo Social (coneval). (2015a). Pobreza a nivel municipio 2010 y 2015. Disponible en: http://www.coneval.org.mx/Medicion/Paginas/Pobreza-municipal.aspx (consulta: 10/10/2018).

Consejo Nacional de Evaluación de la Política Social (coneval). (2015b). Índice de Rezago Social 2015 a nivel nacional, estatal y municipal. Disponible en: http://www.coneval.org.mx/Medicion/IRS/Paginas/Indice_Rezago_Social_2015.aspx (consulta: 10/10/2018).

Consejo Nacional de Población (conapo). (2013). Proyecciones de la Población municipal de México 2010 - 2018. Disponible en: http://www.dgis.salud.gob.mx/contenidos/basesdedatos/bdc_poblacion_gobmx.html (consulta: 5/08/2019).

Consejo Nacional de Población (conapo) (2017). La condición de ubicación geográfica de las localidades menores a 2 500 habitantes en México. Disponible en: http://www.gob.mx/conapo/documentos/la-condicion-de-ubicacion-geografica-de-las-localidades-menores-a-2-500-habitantes-en-mexico (consulta: 8/09/2019).

Correal, María, Juan Esteban Marthá y Rodrigo Sarmiento. (2015). Influencia de la variabilidad climática en las enfermedades respiratorias agudas en Bogotá. Biomédica, agosto, 35(2), pp.130-138, doi: 10.7705/biomedica.v35i0.2456

Dirección General de Información en Salud (dgis). (2019). Establecimientos de salud 2019. México: Secretaría de Salud, Instituto Nacional de Estadística y Geografía. Disponible en: http://www.dgis.salud.gob.mx/contenidos/intercambio/clues_gobmx.html (consulta: 3/09/ 2019).

Dirección General de Planeación y Desarrollo en Salud (dgplades). (2014). Interculturalidad en Salud. Experiencias y aportes para el fortalecimiento de los servicios de salud. México, D.F: Secretaría de Salud.

Escamilla, Verenice, José Antonio González-Iturbe Ahumada y Guillermo Villalobos Zapata. (2014). Desarrollo de estrategias para la planeación ambiental y gestión de riesgo en la microcuenca del río Palizada, Campeche, Sociedad y Ambiente, 1 (5), pp. 73-91, doi: 10.31840/sya.v0i5.1551

Ford, James. (2002). Vulnerability: Concepts and Issues. A literature review of the concept of vulnerability, its definition, and application in studies dealing with human-environment interactions, Cuaderno de campo, doctorado. Canadá: University of Guelph.

Fondo Institucional de Fomento Regional para el Desarrollo Científico, Tecnológico y de Innovación (fordecyt)-Usumacinta. (2016). Cambio global y sustentabilidad en la cuenca del rio Usumacinta y zona marina de influencia. Bases para la adaptación al cambio climático desde la ciencia y la gestión del territorio. Resumen ejecutivo del proyecto. Villahermosa, Tabasco: ccgs, conacyt, fordecyt-usumacinta.

García Sosa, Juan Carlos. (2005). Manejo terapéutico de enfermos oculares: el tracoma en una localidad tzeltal del Oxchuc, Chiapas. Tesis de maestría inédita. San Cristóbal de Las Casas, Chiapas, México: Centro de Investigaciones y Estudios Superiores en Antropología Social del Sureste.

Gaspari, Fernanda, A.M Rodríguez, M. Delgado, G. E Senisterra, G.A. Denegri. (2011). Vulnerabilidad ambiental en Cuencas hidrográficas serranas mediante sig. Multequina, 20, pp. 3-13.

Gay, Carlos. (2000). México: una visión hacia el siglo xxi. El cambio climático en México. México: Instituto Nacional de Ecología/Universidad Nacional Autónoma de México, U. S. Country Studies Program/ Secretaría de Medio Ambiente y Recursos Naturales.

Gosling, Simon, D. Hondula, A. Bunker, D. Ibarreta, Junguo Liu, x. Zhang, et al. (2017). Adaptation to Climate Change: A Comparative Analysis of Modeling Methods for Heat-Related Mortality. Environmental Health Perspectives, 125(8), 1-14, doi: 10.1289/EHP634

Guillén Trujillo, Gabriela. (2009). Tracoma y grupos domésticos en los Altos de Chiapas. Tesis de maestría inédita. San Cristóbal de Las Casas, Chiapas, México: El Colegio de la Frontera Sur.

Gullian, Mariel. (2011). Estudio de factores predisponentes de enfermedad diarreica aguda en la comunidad de San Simón, Yucatán en base a un análisis de vulnerabilidad nutricional y ambiental. Población y Salud en Mesoamérica, julio-dic., 9(1), pp. 1-18.

Herrera Jácome, María Judith. (1997). Concepción del tracoma y sus determinantes desde la perspectiva de la comunidad tzeltal de Los Altos de Chiapas, una aportación para el diseño de un programa de intervención educativa en salud. Tesis de maestría inédita. San Cristóbal de Las Casas, Chiapas, México: El Colegio de la Frontera Sur.

Hill, Kenneth, B. Barker y T. Vos. (2007). Excess Indigenous mortality: are Indigenous Australians more severely disadvantaged than other Indigenous populations? International Journal of Epidemiology, 36(3), pp. 580-589, doi: 10.1093/ije/dym011

Instituto Nacional de Estadística y Geografía (inegi). (2015). Encuesta Intercensal 2015. Disponible en: http://www.inegi.org.mx/programas/intercensal/2015/default.html#Tabulados (consulta: 16/04/2018).

Instituto Nacional de las Mujeres (inmujeres). (2006). La población indígena mexicana. Documento, México: inmujeres, p. 16. Disponible en: http://cedoc.inmujeres.gob.mx/documentos_download/100782.pdf

Jonathan, Grandi, N. Ivoke, I.O Aguzie, CD. Nwani. (2018). Effects of climate change on malaria morbidity and mortality in Taraba State, Nigeria. African Zoology, 53(4), 119-126, doi: /10.1080/15627020.2018.1520146

Kasperson Jeanne, R. Kasperson, B. Turner, W. Hsieh y A. Schiller. (2003). Vulnerability to global environmental change. En A. Diekman et al. (eds.), The human dimensions of global environmental change. Cambridge: MIT press.

Leichenko, Robin y K. O’Brien. (2002). The dynamics of rural vulnerability to global change: the case of Southern Africa, Mitigation and Adaptation Strategies for Global Change, 7(1), pp. 1-18, doi: 10.1023/A:1015860421954

Lomgden, Thomas. (2018). Measuring temperature-related mortality using endogenously determined thresholds, Climatic Change, octubre, 150 (3), pp. 343-375, doi: 10.1007/s10584-018-2269-0

López Sánchez, María de Lourdes. (2002). Epidemiología del tracoma en el municipio de Oxchuc, Chiapas. Tesis de licenciatura inédita. Tuxtla Gutiérrez, Chiapas, México: Instituto de Estudios Superiores de Chiapas.

Lorenzo-Márquez, Habacuc, A. Torres, E. Barba, I, Sánchez, C.A Ilizaliturri, R. Martínez, et al. (2016). Estimación de riesgo de exposición a metales pesados por consumo de plecos (Pterygoplichthys spp.) en infantes de comunidades ribereñas de los ríos Grijalva y Usumacinta, México. Revista Internacional de Contaminación Ambiental, 32(2), pp. 153-164, doi: 10.20937/rica.2016.32.02.02

Magaña, Víctor y Cecilia Conde. (2003). Climate variability and Climate Change Impacts on the Freshwater Resources for Northwestern Mexico. Sonora: A case study. En H. F. Diaz y B. Morehouse, B. (eds.), Climate, water and transboundary Challenges in the Americas. Boston: Kluwer Academic Publishers.

Marsha, Amy, S.R Sain, M.J Monaghan, A.J Wilhelmi. (2018). Influences of climatic and population changes on heat-related mortality in Houston, Texas, usa. Climatic Change, 146(3-4), pp. 471-485, doi:10.1007/s10584-016-1775-1

Martínez, Juan Manuel. (2004). Convergencia y divergencia regional en México: 1940-2000. Tesis doctoral inédita. España: Instituto Ortega y Gasset- Universidad Complutense de Madrid.

Martínez, Julio, N. García, L. Trujillo y L. Noriero. (2015). Inseguridad alimentaria y vulnerabilidad social en Chiapas: el rostro de la pobreza. Nutrición Hospitalaria, 31(1), pp. 475-481.

Ministerio de Sanidad, Servicios Sociales e Igualdad (MSSSI). (2013). Impactos del Cambio Climático en la Salud. Resumen ejecutivo, informe. Madrid: Dirección General de Salud Pública.

Moran, Patrick. (1950). Notes on Continuous Stochastic Phenomena. Biometrika, 37(1-2), pp. 17-23.

Myers, S. y J. A. Patz. (2009). Emerging Threats to Human Health from Global Environmental Change. Annual Review of Environment and Resources, 34, pp. 223-252.

Organización Mundial de la Salud (oms) y Organización Meteorológica Mundial (omm). (2012). Atlas de la salud y del clima. Suiza: oms/omm.

Organización Mundial de la Salud (oms). (2014). Quantitative risk assessment of the effects of climate change on selected causes of death, 2030s and 2050s. Geneva: World Health Organization.

Organización Panamericana de la Salud (ops). (2000). La salud y el ambiente en el desarrollo sostenible. Washington, d.c.: ops.

Organización Panamericana de la Salud. (2003). De la teoría a la práctica: Indicadores de Salud Ambiental Infantil. Implementación de una iniciativa lanzada en la Cumbre Mundial sobre el Desarrollo Sostenible. Ginebra: oms.

Organización Panamericana de la Salud. (2017). Lineamientos básicos para el análisis de la mortalidad. Washington, D.C.: Organización Panamericana de la Salud.

Panel Intergubernamental del Cambio Climático (ipcc). (2001). Climate Change 2001: Impacts, Adaptation and Vulnerability Technical Summary. Geneva: Panel Intergubernamental del Cambio Climático

Posada de la Paz, Manuel, M. J. Carroquino y L. Soldevilla. (2004). Indicadores de Salud Ambiental. Revista de Salud Ambiental, 4 (1-2), pp. 1-7.

Riojas Rodríguez, Horacio y Magali Hurtado Díaz. (2015). Cambio climático e impactos regionales en la salud humana en México. Revista Rúbricas, Cambio Climático, (0), pp. 34-41.

Riojas Rodríguez, Horacio, M. Hurtado, J. Idrovo Velandia y H. Vázquez Grameix. (2006). Estudio diagnóstico sobre los efectos del cambio climático en la salud humana de la población en México. Informe final. México: Instituto Nacional de Ecología, Instituto Nacional de Salud Pública. Disponible en: https://www.researchgate.net/publication/242590269_ESTUDIO_DIAGNOSTICO_SOBRE_LOS_EFECTOS_DEL_CAMBIO_CLIMATICO_EN_LA_SALUD_HUMANA_DE_LA_POBLACION_EN_MEXICO (consulta: 21/08/2019).

Sadovsky, Ana Daniela Izoton de, Keila Cristina Mascarello y Angelica Espinosa Miranda. (2018). The associations that income, education, and ethnicity have with birthweight and prematurity: how close are they? Revista Panamericana de Salud Pública, 42, pp. 1-10, doi: 10.26633/RPSP.2018.92

Salvatierra Izaba, Ernesto Benito, René Estrada, Gabriel Torres, Rafael Alarcón, Austreberta Nazar, María del Carmen Herrera y Alied Bencomo. (2002). Pobreza y tracoma en los Altos de Chiapas. ECOfronteras, (15), pp. 22-25.

Tobler, Waldo. (1970). A Computer Movie Simulation Urban Growth in the Detroit Region. Economic Geography, 46(2), pp. 234-240.

Toole, Michael. (2000). Enfermedades transmisibles y su control. En Eric K. Noji (ed.), Impacto de los Desastres en la Salud Pública. Colombia: Organización Panamericana de la Salud.

Turner, Billie, R. Kasperson, P. Matsone, J. McCarthy, R. Corell, L. Christensene, et al. (2003). A framework for vulnerability analysis in sustainability Science. Proceedings of the National Academy of Sciences, julio, 100(14), pp. 8074-8079.

Vilalta, Carlos Javier. (2003). Una aplicación del análisis espacial al estudio de las diferencias regionales del ingreso en México. Economía, Sociedad y Territorio, 4(14), pp. 317-340.

Vilalta, Carlos Javier. (2004). Sobre la espacialidad de los procesos electorales y una comparación entre las técnicas de regresión ols y sam. Estudios Demográficos y Urbanos, 21 (1), pp.83-122, doi: 10.24201/edu.v21i1.1262

Vilalta, Carlos Javier. (2005). Cómo enseñar autocorrelación especial. Economía, Sociedad y Territorio, 5(8), pp. 323-333.

World Health Organization. (2001). Age standarization of rates: a new who standard, gpe, Discussion Paper, Series: No.31. Disponible en: https://www.who.int/healthinfo/paper31.pdf (consulta: 3/07/2018).

Yang, Tse-Chuang y Leif Jensen. (2017). Climatic conditions and human mortality: spatial and regional variation in the United States. Population and Environment, 38(3), pp. 261-285, doi: 10.1007/s11111-016-0262-y

Zhang, Y., S. Li, X. Pan, S. Tong, et al. (2014). The effects of ambient temperature on cerebrovascular mortality: an epidemiologic study in four climatic zones in China. Environmental Health, 13(1), pp. 24, doi: 10.1186/1476-069X-13-24

 

Anexos

 

Anexo 1. Tasas* de mortalidad por causas relacionadas a condiciones medioambientales, Campeche, Chiapas y Tabasco, 2011-2015

Clave

Municipio

Tasa

Clave

Municipio

Tasa

Clave

Municipio

Tasa

04001

Calkiní

156.2

07038

Huixtán

101.6

07088

Sunuapa

1.9

04002

Campeche

531.4

07039

Huitiupán

43

07089

Tapachula

1097.7

04003

Carmen

549.2

07040

Huixtla

185.3

07090

Tapalapa

30.3

04004

Champotón

159.8

07041

La Independencia

34.9

07091

Tapilula

14.8

04005

Hecelchakán

78.0

07042

Ixhuatán

26.4

07092

Tecpatán

73.4

04006

Hopelchén

67.6

07043

Ixtacomitán

31.2

07093

Tenejapa

293.7

04007

Palizada

36.6

07044

Ixtapa

46.9

07094

Teopisca

86.7

04008

Tenabo

15.3

07045

Ixtapangajoya

7.3

07096

Tila

222

04009

Escárcega

82.2

07046

Jiquipilas

80.6

07097

Tonalá

231.1

04010

Calakmul

30.1

07047

Jitotol

126

07098

Totolapa

12.9

04011

Candelaria

56.6

07048

Juárez

44.2

07099

La Trinitaria

200.3

07001

Acacoyagua

46.3

07049

Larráinzar

157.2

07100

Tumbalá

76

07002

Acala

77.8

07050

La Libertad

9.8

07101

Tuxtla Gutiérrez

1556.1

07003

Acapetahua

80.3

07051

Mapastepec

282.3

07102

Tuxtla Chico

66.3

07004

Altamirano

75.4

07052

Las Margaritas

203.1

07103

Tuzantán

114.6

07005

Amatán

73.8

07053

Mazapa

19.1

07104

Tzimol

27.8

07006

Amatenango

30.9

de Madero

07105

Unión Juárez

29.3

de la Frontera

07054

Mazatán

55.1

07106

Venustiano

171.2

07055

Metapa

25.2

Carranza

07007

Amatenango

17.2

07056

Mitontic

52.3

07107

Villa Corzo

139.6

del Valle

07057

Motozintla

190.6

07108

Villaflores

301.2

07008

Angel Albino

77.3

07058

Nicolás Ruíz

6.2

07109

Yajalón

66.9

Corzo

07059

Ocosingo

314.6

07110

San Lucas

26.3

07009

Arriaga

153.2

07060

Ocotepec

98.1

07111

Zinacantán

208.4

07010

Bejucal

14.2

07061

Ocozocoautla

223.2

07112

San Juan Cancuc

160.7

de Ocampo

de Espinosa

07113

Aldama

42.9

07011

Bella Vista

33.5

07062

Ostuacán

24.6

07114

Benemérito

39.5

07012

Berriozábal

136.4

07063

Osumacinta

6.8

de las Américas

07013

Bochil

110.5

07064

Oxchuc

250.5

07115

Maravilla Tenejapa

32.2

07014

El Bosque

56.9

07065

Palenque

205

07116

Marqués

17.5

07015

Cacahoatán

163.9

07066

Pantelhó

59.1

de Comillas

07016

Catazajá

33.7

07067

Pantepec

17.1

07117

Montecristo

10.1

07017

Cintalapa

136.7

07068

Pichucalco

59.2

de Guerrero

07018

Coapilla

6.9

07069

Pijijiapan

115.1

07118

San Andrés Duraznal

5.4

07019

Comitán

231.1

07070

El Porvenir

39.9

07119

Santiago el Pinar

7.3

de Domínguez

07071

Villa Comaltitlán

78.1

27001

Balancán

108.4

07020

La Concordia

118.5

07072

Pueblo Nuevo Solistahuacán

165.6

27002

Cárdenas

490.7

07021

Copainalá

37.9

07073

Rayón

18.9

27003

Centla

213.2

07022

Chalchihuitán

171.6

07074

Reforma

101.9

27004

Centro

1383.6

07023

Chamula

715.9

07075

Las Rosas

54.1

27005

Comalcalco

353.1

07024

Chanal

173.6

07076

Sabanilla

82.3

27006

Cunduacán

299.4

07025

Chapultenango

12.4

07077

Salto de Agua

82.4

27007

Emiliano Zapata

51.6

07026

Chenalhó

269.6

07078

San Cristóbal

421.3

27008

Huimanguillo

374.9

07027

Chiapa de Corzo

466.3

de Las Casas

27009

Jalapa

83

07028

Chiapilla

11.5

07079

San Fernando

90.2

27010

Jalpa

194.6

07029

Chicoasén

8.2

07080

Siltepec

102

de Méndez

07030

Chicomuselo

82

07081

Simojovel

126.8

27011

Jonuta

36.3

07031

Chilón

344

07082

Sitalá

10.6

27012

Macuspana

270

07032

Escuintla

133.9

07083

Socoltenango

31.3

27013

Nacajuca

181.1

07033

Francisco León

9.6

07084

Solosuchiapa

11.5

27014

Paraíso

183.5

07034

Frontera

91.2

07085

Soyaló

41.6

27015

Tacotalpa

99.5

Comalapa

07086

Suchiapa

76.3

27016

Teapa

115.1

07035

Frontera Hidalgo

42.7

07087

Suchiate

81.5

27017

Tenosique

107.5

07036

La Grandeza

34.2

07037

Huehuetán

93.9

Por cada 100,000 habitantes.

Fuente: elaboración propia a partir de cubos dinámicos de mortalidad de la dgis (2019),

ssa/inegi; Cubo proyecciones de la población municipal 2010-2018 de conapo (2013).

 

 

Anexo 2. Vulnerabilidad Ambiental según municipio de Campeche, Chiapas y Tabasco, 2015

Clave Nombre Vulnerabilidad Ambiental Clave Nombre Vulnerabilidad Ambiental Clave Nombre Vulnerabilidad Ambiental

07004

Altamirano

Alta

07071

Villa

Baja

07010

Bejucal

Media

07055

Metapa

Alta

Comaltitlán

de Ocampo

07102

Tuxtla Chico

Alta

07072

Pueblo Nuevo Solistahuacán

Baja

07012

Berriozábal

Media

04001

Calkiní

Baja

07073

Rayón

Baja

07017

Cintalapa

Media

04003

Carmen

Baja

07076

Sabanilla

Baja

07019

Comitán

Media

04004

Champotón

Baja

07077

Salto de Agua

Baja

de Domínguez

04005

Hecelchakán

Baja

07079

San Fernando

Baja

07020

La Concordia

Media

04006

Hopelchén

Baja

07080

Siltepec

Baja

07022

Chalchihuitán

Media

04007

Palizada

Baja

07081

Simojovel

Baja

07023

Chamula

Media

04008

Tenabo

Baja

07083

Socoltenango

Baja

07024

Chanal

Media

04009

Escárcega

Baja

07084

Solosuchiapa

Baja

07026

Chenalhó

Media

04010

Calakmul

Baja

07085

Soyaló

Baja

07030

Chicomuselo

Media

04011

Candelaria

Baja

07086

Suchiapa

Baja

07031

Chilón

Media

07001

Acacoyagua

Baja

07090

Tapalapa

Baja

07035

Frontera

Media

07002

Acala

Baja

07091

Tapilula

Baja

Hidalgo

07003

Acapetahua

Baja

07093

Tenejapa

Baja

07037

Huehuetán

Media

07005

Amatán

Baja

07094

Teopisca

Baja

07045

Ixtapangajoya

Media

07006

Amatenango

Baja

07096

Tila

Baja

07048

Juárez

Media

de la Frontera

07098

Totolapa

Baja

07052

Las Margaritas

Media

07008

Ángel Albino Corzo

Baja

07099

La Trinitaria

Baja

07054

Mazatán

Media

07011

Bella Vista

Baja

07103

Tuzantán

Baja

07056

Mitontic

Media

07013

Bochil

Baja

07104

Tzimol

Baja

07058

Nicolás Ruíz

Media

07014

El Bosque

Baja

07105

Unión Juárez

Baja

07059

Ocosingo

Media

07015

Cacahoatán

Baja

07106

Venustiano Carranza

Baja

07062

Ostuacán

Media

07018

Coapilla

Baja

07108

Villaflores

Baja

07064

Oxchuc

Media

07021

Copainalá

Baja

07110

San Lucas

Baja

07065

Palenque

Media

07025

Chapultenango

Baja

07113

Aldama

Baja

07066

Pantelhó

Media

07027

Chiapa de Corzo

Baja

07117

Montecristo de Guerrero

Baja

07068

Pichucalco

Media

07028

Chiapilla

Baja

07118

San Andrés Duraznal

Baja

07069

Pijijiapan

Media

07029

Chicoasén

Baja

07119

Santiago el Pinar

Baja

07070

El Porvenir

Media

07032

Escuintla

Baja

27001

Balancán

Baja

07074

Reforma

Media

07033

Francisco León

Baja

27002

Cárdenas

Baja

07075

Las Rosas

Media

07034

Frontera Comalapa

Baja

27004

Centro

Baja

07078

San Cristóbal de Las Casas

Media

07036

La Grandeza

Baja

27005

Comalcalco

Baja

07082

Sitalá

Media

07038

Huixtán

Baja

27006

Cunduacán

Baja

07087

Suchiate

Media

07039

Huitiupán

Baja

27007

Emiliano Zapata

Baja

07088

Sunuapa

Media

07040

Huixtla

Baja

27008

Huimanguillo

Baja

07089

Tapachula

Media

07041

La Independencia

Baja

27009

Jalapa

Baja

07092

Tecpatán

Media

07042

Ixhuatán

Baja

27010

Jalpa de

Méndez

Baja

07097

Tonalá

Media

07043

Ixtacomitán

Baja

27011

Jonuta

Baja

07100

Tumbalá

Media

07044

Ixtapa

Baja

27012

Macuspana

Baja

07101

Tuxtla Gutiérrez

Media

07046

Jiquipilas

Baja

27013

Nacajuca

Baja

07107

Villa Corzo

Media

07047

Jitotol

Baja

27014

Paraíso

Baja

07109

Yajalón

Media

07049

Larráinzar

Baja

27015

Tacotalpa

Baja

07111

Zinacantán

Media

07050

La Libertad

Baja

27016

Teapa

Baja

07112

San Juan Cancuc

Media

07051

Mapastepec

Baja

27017

Tenosique

Baja

07114

Benemérito de las Américas

Media

07053

Mazapa de Madero

Baja

07007

Amatenango del Valle

Media

07115

Maravilla Tenejapa

Media

07057

Motozintla

Baja

07009

Arriaga

Media

07116

Marqués de Comillas

Media

07060

Ocotepec

Baja

27003

Centla

Media

07061

Ocozocoautla de Espinoza

Baja

04002

Campeche

Muy baja

07063

Osumacinta

Baja

07016

Catazajá

Muy baja

07067

Pantepec

Baja

Fuente: conagua,imta (2015).

 

 

Anexo 3. Indicadores sociales de los municipios que no forman parte de la Cuenca del Usumacinta, Campeche, Chiapas y Tabasco

Clave

Municipio

Porcentaje

de hablantes

de lengua

indígena 2015

Porcentaje

de analfabetas 2015

Porcentaje

de pobreza extrema 2010

Grado

de rezago social 2015

04001

Calkiní

50.7

11.0

19.3

Bajo

04002

Campeche

6.2

4.0

5.6

Muy bajo

04003

Carmen

1.9

4.1

8.4

Bajo

04004

Champotón

9.5

10.0

13.4

Bajo

04005

Hecelchakán

38.4

9.6

14.8

Bajo

04006

Hopelchén

38.8

10.1

31.2

Medio

04008

Tenabo

20.7

10.9

19.4

Bajo

04009

Escárcega

6.9

9.5

28.4

Bajo

04010

Calakmul

27.1

15.1

46.1

Alto

04011

Candelaria

6.3

12.7

31.2

Alto

07001

Acacoyagua

0.4

11.7

37.9

Medio

07002

Acala

9.7

16.4

34.1

Medio

07003

Acapetahua

0.4

15.2

34.2

Medio

07005

Amatán

19.1

23.2

54.2

Alto

07006

Amatenango de la Frontera

2.0

15.4

39.1

Medio

07007

Amatenango del Valle

76.3

31.1

67.6

Muy alto

07008

Ángel Albino Corzo

3.1

19.5

45.4

Alto

07009

Arriaga

0.4

8.2

17.9

Bajo

07010

Bejucal de Ocampo

0.4

11.4

51.6

Alto

07011

Bella Vista

0.4

11.5

44.3

Alto

07012

Berriozábal

5.0

11.6

29.4

Medio

07013

Bochil

53.8

15.3

51.2

Alto

07014

El Bosque

96.1

25.7

63.5

Alto

07015

Cacahoatán

1.6

11.5

23.7

Medio

07017

Cintalapa

7.6

10.9

30.3

Medio

07018

Coapilla

16.5

15.6

47.2

Alto

07020

La Concordia

7.5

19.2

38.1

Alto

07021

Copainalá

8.4

11.9

22.2

Medio

07022

Chalchihuitán

99.6

31.9

79.8

Muy alto

07023

Chamula

99.5

37.3

69.7

Muy alto

07025

Chapultenango

82.0

15.8

30.7

Alto

07026

Chenalhó

98.6

28.2

72.3

Muy alto

07027

Chiapa de Corzo

5.4

10.5

22.9

Bajo

07028

Chiapilla

2.4

24.4

35.1

Medio

07029

Chicoasén

8.9

10.2

23.3

Bajo

07030

Chicomuselo

0.6

15.6

48.6

Alto

07031

Chilón

95.7

30.0

70.6

Muy alto

07032

Escuintla

0.4

12.0

33.9

Medio

07033

Francisco León

73.7

20.9

40.4

Alto

07034

Frontera Comalapa

1.5

11.6

33.0

Medio

07035

Frontera Hidalgo

0.4

14.3

28.6

Medio

07036

La Grandeza

2.0

11.3

49.1

Alto

07037

Huehuetán

0.4

13.3

30.0

Medio

07039

Huitiupán

51.5

21.5

59.5

Alto

07040

Huixtla

0.4

10.5

18.0

Medio

07042

Ixhuatán

38.8

17.2

42.8

Medio

07043

Ixtacomitán

24.9

12.1

35.0

Medio

07044

Ixtapa

18.3

13.9

45.2

Alto

07045

Ixtapangajoya

13.7

15.3

43.1

Alto

07046

Jiquipilas

6.3

11.2

21.3

Medio

07047

Jitotol

73.1

20.2

64.6

Alto

07048

Juárez

5.5

12.5

23.1

Medio

07049

Larráinzar

99.4

22.1

73.0

Alto

07051

Mapastepec

0.4

13.5

33.2

Medio

07053

Mazapa de Madero

3.1

9.5

38.7

Medio

07054

Mazatán

0.4

13.1

28.5

Alto

07055

Metapa

0.4

10.8

16.5

Bajo

07056

Mitontic

99.6

40.7

71.8

Muy alto

07057

Motozintla

1.4

11.4

34.7

Medio

07058

Nicolás Ruíz

0.4

18.6

55.5

Alto

07060

Ocotepec

97.4

34.8

63.1

Alto

07061

Ocozocoautla de Espinosa

20.7

11.3

37.7

Medio

07062

Ostuacán

2.6

15.5

25.3

Alto

07063

Osumacinta

10.3

10.2

30.0

Bajo

07066

Pantelhó

92.2

37.2

70.3

Muy alto

07067

Pantepec

43.5

26.3

52.4

Alto

07068

Pichucalco

1.3

12.9

15.2

Medio

07069

Pijijiapan

0.4

13.5

36.8

Medio

07070

El Porvenir

2.9

10.0

38.6

Alto

07071

Villa Comaltitlán

0.4

13.8

37.3

Medio

07072

Pueblo Nuevo Solistahuacán

51.0

23.9

54.3

Alto

07073

Rayón

31.1

19.8

48.8

Alto

07074

Reforma

0.4

6.9

15.5

Bajo

07075

Las Rosas

5.9

25.7

43.9

Alto

07076

Sabanilla

77.6

21.8

66.3

Alto

07077

Salto de Agua

84.4

23.8

39.1

Alto

07078

San Cristóbal de Las Casas

32.2

10.0

21.3

Medio

07079

San Fernando

1.7

13.4

26.5

Medio

07080

Siltepec

0.4

15.4

40.3

Alto

07081

Simojovel

76.1

27.3

68.6

Alto

07082

Sitalá

95.4

42.1

74.6

Muy alto

07083

Socoltenango

8.7

19.3

37.6

Medio

07084

Solosuchiapa

17.4

19.0

34.0

Alto

07085

Soyaló

32.1

16.6

30.6

Medio

07086

Suchiapa

0.4

14.4

31.4

Medio

07087

Suchiate

0.4

14.5

32.4

Medio

07088

Sunuapa

0.4

14.4

36.0

Medio

07089

Tapachula

1.6

6.6

17.5

Bajo

07090

Tapalapa

95.0

14.6

44.7

Alto

07091

Tapilula

6.8

15.2

26.9

Medio

07092

Tecpatán

19.0

15.3

39.1

Alto

07093

Tenejapa

99.2

21.9

65.2

Alto

07094

Teopisca

46.6

25.5

48.0

Alto

07096

Tila

95.1

24.6

69.3

Alto

07097

Tonalá

0.7

10.3

26.1

Bajo

07098

Totolapa

10.9

29.3

55.0

Alto

07100

Tumbalá

97.1

29.1

65.6

Muy alto

07101

Tuxtla Gutiérrez

3.0

4.3

8.0

Muy bajo

07102

Tuxtla Chico

0.4

11.2

17.8

Medio

07103

Tuzantán

0.4

11.7

40.0

Medio

07104

Tzimol

2.4

18.1

34.0

Medio

07105

Unión Juárez

1.8

12.6

25.7

Medio

07106

Venustiano Carranza

21.6

20.6

43.0

Medio

07107

Villa Corzo

7.2

17.6

40.4

Medio

07108

Villaflores

2.4

13.1

27.9

Medio

07109

Yajalón

66.8

26.7

56.2

Alto

07110

San Lucas

9.1

24.1

50.0

Alto

07111

Zinacantán

99.0

36.5

64.8

Muy alto

07112

San Juan Cancuc

99.8

34.3

80.5

Muy alto

07113

Aldama

99.5

24.1

78.8

Alto

07117

Montecristo de Guerrero

0.4

17.2

43.0

Alto

07118

San Andrés Duraznal

96.8

30.1

56.1

Alto

07119

Santiago el Pinar

99.9

38.3

69.2

Muy alto

27002

Cárdenas

0.4

5.9

20.4

Bajo

27004

Centro

2.4

3.1

5.3

Muy bajo

27005

Comalcalco

0.4

5.4

18.9

Bajo

27006

Cunduacán

0.4

6.8

12.7

Bajo

27008

Huimanguillo

0.4

6.9

23.7

Bajo

27009

Jalapa

0.4

6.6

9.9

Bajo

27010

Jalpa de Méndez

1.3

5.2

10.8

Bajo

27012

Macuspana

3.3

6.1

15.7

Bajo

27013

Nacajuca

10.5

4.8

8.5

Muy bajo

27014

Paraíso

0.4

4.2

13.9

Muy bajo

27015

Tacotalpa

26.5

7.7

21.6

Medio

27016

Teapa

1.2

9.7

10.9

Bajo

Fuente: Elaboración propia a partir de inegi (2015); coneval (2015a, 2015b).