Ayer, el Banco Mundial publicó su primer informe sobre los efectos socioeconómicos del ébola basado en datos de hogares. El informe ofrece varias perspectivas nuevas sobre la crisis en Liberia y muestra, por ejemplo, una resiliencia inesperada en la agricultura y efectos económicos más amplios de lo que se creía anteriormente en zonas fuera de los principales focos de infección. Como se ha informado ampliamente, los precios de los cultivos básicos (como el arroz) han aumentado muy por encima de las subidas estacionales, pero además constatamos un importante efecto sobre los ingresos. También observamos los precios más altos en el remoto sureste del país, una zona relativamente poco afectada por la enfermedad. El enlace al informe completo se encuentra aquí.
Sin embargo, aunque los datos anteriores son interesantes y útiles, no fue fácil obtenerlos. A menudo parece haber una relación inversa entre la utilidad de los datos y las dificultades que implica recopilarlos. Las crisis emergentes requieren información oportuna para orientar las intervenciones, pero estas situaciones también presentan las limitaciones de capacidad más extremas y frecuentes demoras. Los resultados publicados recientemente de la encuesta telefónica de alta frecuencia en Liberia (y los próximos resultados de su proyecto hermano en Sierra Leona) ofrecen un ejemplo de cómo aprovechar la información disponible, además de tomar algunas decisiones poco convencionales, para obtener resultados rápidamente.
Todo proyecto de recopilación de datos tiene tres pasos principales: seleccionar la muestra, realizar la encuesta y analizar los resultados. En Liberia, el equipo tuvo la suerte de contar con un marco muestral representativo ya preparado. El Instituto de Estadística y Servicios de Geoinformación de Liberia (LISGIS) estaba aproximadamente a mitad de la realización de una encuesta nacional representativa y multitemática (HIES) cuando, en agosto, la situación se volvió demasiado inestable para continuar. (Esto se debió tanto al riesgo de infección como a que la decisión anterior de reutilizar vehículos del Ministerio de Salud que habían sobrado de la reciente DHS resultó sumamente peligrosa al entrar en zonas rurales durante los primeros días del brote). La HIES recopiló información de contacto para volver a comunicarse con todos los hogares que tenían teléfonos celulares, de los cuales aproximadamente el 45 por ciento eran urbanos y el resto rurales. Los hogares que informaron números estaban distribuidos de manera desigual por el país, pero, afortunadamente, había al menos cobertura parcial en todas las zonas. Estos números de teléfono constituyeron nuestro marco muestral. La otra opción principal que consideramos, obtener directamente de las empresas de telecomunicaciones listas de números activos, no nos habría permitido comparar directamente a quienes respondían con quienes no respondían, ni vincularlos con datos existentes.
Los desafíos de implementación fueron menos sencillos. El LISGIS no tenía experiencia en establecer un centro de llamadas ni en administrar las encuestas por computadora necesarias para evitar demoras en la entrada de datos. Ningún miembro del personal había recibido capacitación sobre protocolos de devolución de llamadas y verificación. Además, con las prohibiciones de viajar y el éxodo de personal técnico de Monrovia, era imposible encontrar el apoyo necesario. Así que elegimos la siguiente ubicación más lógica… Nebraska. Tras considerar opciones en Ghana, Nigeria, India y Estados Unidos, se decidió contratar la encuesta a los centros de llamadas de la Organización Gallup en Omaha y Lincoln. Tenían amplia experiencia en los aspectos técnicos y el equipo del proyecto estaba convencido de que el choque de acentos entre Liberia y Nebraska no sería más grave que con las otras opciones.
Y así, el 1 de octubre comenzaron las llamadas. Para cuando concluyó la ronda 1, una semana después, se había llamado al menos cinco veces a los 2137 hogares con números de teléfono y teníamos 638 entrevistas completas. Esta cifra fue inferior incluso a nuestras proyecciones más pesimistas. Sin desanimarnos, decidimos que debía tratarse de un problema de información o de incentivos (o de ambos) y enviamos rápidamente mensajes de texto a todos los números elegibles (todos los que no estaban desconectados y aún no habían rechazado participar). Explicamos el propósito de esas extrañas llamadas perdidas que estaban recibiendo desde Estados Unidos y les dijimos que recibirían 1 USD de crédito telefónico por participar. Gracias a este proceso, supimos que poco más de la mitad de los mensajes de texto llegaron a destino durante la semana, lo que indicaba que muchos teléfonos estuvieron apagados todo ese tiempo; un resultado razonable si los hogares habían dejado de pagar para cargar los teléfonos o si las restricciones de viaje habían impedido el suministro de diésel para los generadores. La segunda ronda consiguió 48 nuevos encuestados y 425 de los 648 originales.
Sin opciones para aumentar la tasa de respuesta y cada vez más conscientes de la rapidez con que la información pierde vigencia durante una crisis, recurrimos a la ponderación. Las primeras revisiones de las características de quienes respondían y quienes no mostraron diferencias relativamente pequeñas en las características observables (salvo por las bajas tasas de respuesta en las zonas rurales), pero seguía siendo importante que los resultados fueran lo más representativos posible. En el primer paso de los cálculos de ponderación, aplicamos un ajuste por puntuación de propensión para aumentar el peso de los grupos infrarrepresentados. Luego utilizamos un ajuste de posestratificación para hacer coincidir las proporciones con las del censo de 2008. Repetimos este proceso tres veces para producir dos conjuntos de ponderaciones transversales y un conjunto para el componente de panel. (En el apéndice técnico del informe se ofrecen más detalles, incluidos los resultados de la regresión logit).
A partir de ahí comenzamos a elaborar el informe, con la salvedad de que los resultados eran más informativos que representativos. Siempre que fue posible, verificamos nuestros hallazgos con fuentes complementarias, como la base de datos WFP VAM y los hallazgos de los informes recientes de Mercy Corps (y otros). Aunque sería engañoso afirmar que nuestros resultados son precisos hasta las centésimas, confiamos en que las tendencias reflejan fielmente la realidad y que, hasta la fecha, este estudio es el más cercano al muestreo probabilístico entre los estudios sobre los efectos socioeconómicos del ébola.
Esta publicación apareció primero en el blog del Banco Mundial
Autora: Kristen Himelein es economista especializada en pobreza en Africa PREM, donde trabaja sobre Camerún, Gabón, Liberia y Sierra Leona.
Imagen: Personas hacen fila para recibir kits de desinfección para el hogar de Médicos Sin Fronteras con el fin de prevenir el ébola, en Monrovia, Liberia, 20 de octubre de 2014. REUTERS/James Giahyue.
