INTRODUCCIÓN

En los países de bajos y medianos ingresos, casi tres cuartas partes de los empleos no agrícolas son informales¹. Esta población, que no cuenta con seguridad social ni protección gubernamental, además de sus bajos recursos y menores oportunidades laborales, depende económicamente del salario diario para cubrir sus necesidades básicas². Sin embargo, debido a las actuales restricciones de movilización social y al escaso apoyo, se han visto obligados a decidir entre trabajar con riesgo de infección o morir de hambre³.

Dependiendo del tipo de ocupación, existen ciertos riesgos de enfermedad por falta de regulación laboral en comparación con los trabajadores formales. Se encontraron ciertas asociaciones entre el empleo informal y las infecciones respiratorias como una alta prevalencia de tuberculosis⁴, lo cual podría verse incrementado por la virulencia del coronavirus.

La emergencia sanitaria llevó a los países a realizar distanciamiento social. Si bien las medidas adoptadas fueron estrictas y tempranas, la salud pública se vio afectada por factores prepandemia como la informalidad y la desigualdad social, siendo el Perú el 7° país con más casos y el primero en mortalidad global.

Además, el gobierno tardó 54 días después de la imposición de la cuarentena en brindar apoyo económico al sector informal, aunque no se incluyeron canastas de alimentos como en sus países vecinos. De esta manera, al inicio de la cuarentena, el 59% de las familias quedaron vulnerables y obligadas a salir a las calles y exponerse al contagio de coronavirus en violación a las medidas de contención y mitigación⁵.

Por tanto, nuestro objetivo fue determinar la asociación entre el empleo informal y los casos positivos de COVID-19 en el territorio peruano.

MÉTODOS

Diseño y área de estudio: Estudio observacional, analítico y transversal de fuentes secundarias. Los autores utilizaron datos del Instituto Nacional de Estadística e Informática del 2018, una encuesta representativa a nivel nacional⁶y la Plataforma Nacional de Datos Abiertos donde se han reportado los casos de COVID-19 desde el 3 de marzo al 17 de noviembre de 2020⁷.

Variables e instrumentos: Las unidades de análisis fueron las regiones geográficas peruanas. La variable dependiente fue el número de casos confirmados (miles de casos positivos de COVID-19), mientras que las variables independientes fueron el número de empleados informales (miles), la densidad de población (habitantes por km²) y la altitud (metros). El empleo informal se definió como los empleadores por cuenta propia cuya unidad productiva pertenece al sector informal; empleados sin seguridad social financiada por su empleador y trabajadores familiares no remunerados⁸. La altitud se clasificó en baja y alta. La región capital, Lima, fue eliminada del análisis por ser un valor extremo por su alta densidad poblacional y número de casos.

Análisis estadístico: Los autores analizaron los datos utilizando el software Stata 16. Se realizó análisis bivariado y multivariado con regresión lineal y se consideró el valor de P<0,05 como significativo.

Aspectos éticos. No son relevantes al trabajar con fuentes secundarias abiertas al lector en general en donde no se registran datos del encuestado o participante del estudio.

RESULTADOS

Se incluyeron 25 regiones geográficas después de excluir a Lima, 16 de las cuales se categorizaron como zonas de baja altitud y 9 como de alta. Las regiones de gran altitud fueron las que tuvieron menor prevalencia de casos positivos. En el análisis bivariado (Fig. 1), se encontró que en las regiones de baja altitud, el número de empleados informales se asoció positivamente con el número de casos positivos (β=4,0x10^-2; p<0,001), mientras que la densidad poblacional no estuvo asociada (β= 2,2x10^-3; p=0,2). En cuanto a las regiones de gran altitud, el número de empleados informales también se asoció positivamente con el número de casos positivos (β=3,0x10^-2; p<0,001); sin embargo, la densidad no obtuvo asociación (β=5,1x10^-1; p=0,08).

Fig. 1: La relación entre el número de trabajadores informales (en miles) y el número de casos positivos de COVID-19 (en miles) hasta el 17 de noviembre de 2020 en regiones de alta y baja altitud. 

En el análisis multivariado, se evidenció que el número de empleados informales (β=3.7x10^-2; p<0.001), la densidad poblacional (β=2.4x10^-3; p<0.001) y la altura de las regiones (β=-12.6; p<0,001) sí se encontraron asociados con el número de casos positivos de COVID-19.

DISCUSIÓN

Nuestros resultados mostraron una relación inversa entre la altitud y el número de casos positivos de COVID-19 como se informó anteriormente en otros estudios⁹. Luego de estratificar las regiones por altitud, el número de empleados informales se asoció positivamente con los casos positivos de COVID-19, por lo que podríamos afirmar que las regiones con mayor informalidad seguirán viéndose afectadas y más ante posibles olas o variantes. En países como India o Sudáfrica, donde las tasas de informalidad son más altas, no se ha reportado un porcentaje de casos por cada 100.000 habitantes tan alto como el de Perú.

Esto podría explicarse porque esta población recibió apoyo temprano de sus gobiernos a través de subvenciones básicas en efectivo y canastas de alimentos; además de equipos de protección personal y un ambiente de trabajo seguro después de la cuarentena¹⁰.

Debido a los bajos salarios, la inexistente cobertura de salud y las malas condiciones laborales que ofrece el empleo informal a las familias económicamente dependientes, estas se vuelven más vulnerables a padecer enfermedades y en consecuencia, tienen que pagar tratamientos, volviéndolas más pobres y más dependientes de su empleo². Podría demostrarse porque más del 50% de las mujeres enfermas continúan trabajando informalmente por necesidad¹. Entonces, en esta situación de pandemia, la necesidad los obliga a salir a las calles y exponerse a ser infectados.

CONCLUSIONES

Por todo lo mencionado, concluimos que es necesario brindar a estas familias planes de asistencia financiera, como reducción de impuestos y brindar facilidades financieras, acompañados de una vigilancia epidemiológica continua. A largo plazo, el Gobierno puede ofrecer empleos a personas de bajos ingresos, así como monitorear las condiciones laborales para integrarlos al sector formal. Esta asociación debería considerarse en países con altas tasas de empleo informal para evitar que este grupo se convierta en una población de alta prevalencia y foco de contagio en futuras emergencias sanitarias.