Recepción: 20 Septiembre 2021
Aprobación: 10 Octubre 2022
Resumen: En esta investigación se analiza el efecto del retorno a clases presenciales entre febrero y marzo de 2021 en Argentina en los niveles inicial, primario y secundario sobre el nivel de contagios por Covid–19 en 57 departamentos del país. La hipótesis es que las clases presenciales producen un incremento de los casos confirmados por Covid–19 desde dos frentes: por un lado, directamente dentro de las instituciones educativas. Por otro, a través del aumento en la movilidad que el traslado de los estudiantes hacia y desde las instituciones educativas produce. Para evidenciarlo, se utiliza aquí un modelo econométrico de Diferencias en Diferencias. A la vista de los resultados, no se encuentra evidencia estadísticamente significativa de que el regreso a clases presenciales haya afectado, ya sea de forma positiva o negativa, a la cantidad de casos confirmados por Covid–19 en el total de la población ni en los grupos etarios de 18 a 34 años, 35 a 59 años y 60 años en adelante entre el 2 de febrero de 2021 y el 18 de abril de 2021 en los departamentos estudiados. Por otro lado, las estimaciones del modelo indican que el regreso a clases presenciales en los niveles inicial, primario y secundario han tenido un efecto positivo y significativo de 0,58 casos en la media móvil semanal de casos confirmados por fecha de inicio de síntomas cada 100 000 habitantes de ese grupo etario luego de 30 días de haber retomado la educación presencial.
Palabras clave: educación presencial, Covid–19, efectos Covid–19.
Abstract: This research analyzes the effects of the return to face–to–face lessons between February and March 2021 in Argentina at three levels of education (kindergarten, primary and secondary) on the number of Covid–19 infections in 57 departments of the country. The hypothesis states that face–to–face lessons bring about an increase in confirmed cases of Covid–19 for two reasons: first, the number of confirmed cases increases within educational institutions; second, students’ mobility from and to these educational institutions also has an impact on this number. In order to demonstrate this, a Difference–in–Differences econometric model is used. The results obtained show that there is no statistically significant evidence which could support that the return to face–to–face lessons has had either a positive or negative impact on the number of Covid–19 confirmed cases, considering both population as a whole and the specific age groups (18–34, 35–59 and 60–over) between February 2, 2021 and April 18, 2021 in the departments observed. Moreover, the model estimates indicate that the return to face–to–face lessons at the abovementioned educational levels has had a positive and significant effect of 0.58 cases/100,000 inhabitants on the weekly moving average of confirmed cases within that age group after 30 days of having resumed face–to–face education.
Keywords: classroom education, Covid–19, Covid–19 effects.
Resumo: Esta pesquisa analisa o efeito da volta às aulas presenciais entre fevereiro e março de 2021 na Argentina nos níveis inicial, primário e secundário sobre o nível de infecções por Covid–19 em 57 departamentos do país. A hipótese é que as aulas presenciais produzam um aumento de casos confirmados de Covid–19 em duas frentes: por um lado, diretamente dentro das instituições de ensino. Por outro, pelo aumento da mobilidade que a transferência de estudantes de e para instituições de ensino produz. Para demonstrar isso, aqui é usado um modelo econométrico de Diferenças em Diferenças. Diante dos resultados, não há evidências estatisticamente significativas de que o retorno às aulas presenciais tenha afetado, positiva ou negativamente, o número de casos confirmados por Covid–19 na população total ou nos grupos etários de 18 a 34 anos, 35 a 59 anos e 60 anos e mais entre 2 de fevereiro de 2021 e 18 de abril de 2021 nos departamentos estudados. Por outro lado, as estimativas do modelo indicam que o retorno às aulas presenciais nos níveis inicial, primário e secundário teve um efeito positivo e significativo de 0,58 casos na média móvel semanal de casos confirmados por data de início de sintomas a cada 100 000 habitantes dessa faixa etária após 30 dias da retomada do ensino presencial.
Palavras-chave: educação presencial, Covid–19, efeitos da Covid–19.
1. Introducción
Durante la primera mitad de 2020, el virus SARS–CoV–2 logró extenderse por casi todos los países del mundo y el epicentro de la pandemia se trasladó de Asia a Europa y, finalmente, a América.
Con la finalidad de mitigar la expansión del Covid–19, los gobiernos han ido ordenando el cierre de establecimientos que no fueran esenciales y que los ciudadanos se mantengan en sus casas en la medida de lo posible, abandonando su residencia solo para adquirir medicamentos y alimentos e ir a su lugar de trabajo, en caso de ser trabajador esencial.
Si bien se han ido dando diferentes niveles de cuarentena a lo largo de los países (algunos gobiernos nacionales tomaron decisiones de forma centralizada, otros permitieron dejarlo a criterio de cada provincia, estado o región), el trayecto de las cuarentenas, a priori, es similar en los diferentes territorios: al principio un aislamiento severo, para luego ir suavizando las medidas en busca de un retorno a la normalidad, o el ingreso a una nueva.
A raíz de esto es que las clases presenciales en los diferentes niveles educativos se han ido suspendiendo en los diferentes países.
Sin embargo, muchos de ellos fueron retomando la actividad en las aulas de forma progresiva, sabiendo del daño colateral y a futuro que la ausencia de clases presenciales causaría.
En el caso específico de Argentina, el 3 de marzo de 2020 se confirmó el primer caso positivo de Covid–19.
Si bien algunas provincias establecieron cuarentenas para sus territorios desde el 16 de marzo de ese año, el Estado Nacional, a través de un Decreto de Necesidad y Urgencia (DNU), lo hizo el día 20 del mismo mes, con alcance para todo el Territorio Nacional, manteniendo el Aislamiento Obligatorio hasta el 26 de abril inclusive (Boletín Oficial de la República Argentina, DECNU–2020–297–APN–PTE).
El Decreto incluía, en líneas generales, la prohibición de actividades que no fueran esenciales. Es decir, que una persona no podría salir de su lugar de residencia más que para la adquisición de alimentos y medicamentos. Estaban exceptuados aquellos individuos que prestasen servicios esenciales (salud, alimentos).
En el año 2020 casi no ha habido clases presenciales en ninguno de los niveles educativos del país (inicial, primario. secundario, terciario y universitario). Toda actividad educativa se ha llevado a cabo de forma remota.
En ese sentido, es importante mencionar los costos del cierre de las escuelas en el mediano y largo plazo, los cuales podrían ser mucho mayores a la ganancia de corto plazo de suspender las clases presenciales, incrementando aún más la desigualdad en ingreso de la población, la pobreza y el acceso a oportunidades.
Andrabi et al. (2020) mencionan que Pakistán cerró sus escuelas por 4 meses en el año 2005, debido a desastres climáticos. Concluyen que, como consecuencia, los niños perdieron el equivalente a 1,5 años de aprendizaje.
Los padres con educación formal e ingresos altos ayudan a prevenir esa pérdida, pero eso no es posible en hogares pobres. Este atenuante no sería tan significativo en Argentina, que alcanzó un nivel del 42 % de pobreza en su población total, y un 62,9 % en niños y niñas en el 2020 (INDEC).
Engzell et al. (2020) concluyen que, en los Países Bajos, país con el acceso a banda ancha más extendido del mundo, el cierre de escuelas de 8 semanas causó pérdidas de aprendizaje cercanas al 20 % del contenido anual, y el efecto es 60 % mayor en familias de menor nivel educativo.
Spivack (2020) comenta que los alumnos no solamente pierden el adquirir nuevos conocimientos, sino que pierden los ya incorporados cuando no asisten a la escuela.
Maldonado & De Witte (2020) concluyen que el cierre de las escuelas debido a la pandemia del Covid–19 en Bélgica durante 9 semanas ha resultado en una interrupción significativa de la provisión de educación que lleva a pérdidas de aprendizaje y a un aumento de la desigualdad educativa. Encuentran que los estudiantes del último año del primario del año 2020 han experimentado sustanciales pérdidas de aprendizaje en todas las materias, respecto a la cohorte anterior.
La pregunta que surge entonces es, ¿realmente vale la pena sacrificar educación y años futuros de crecimiento a costa de reducir el impacto que las clases presenciales pueden tener en el corto plazo en el avance de la pandemia del Covid–19 en Argentina?
El sábado 13 de febrero de 2021, a través de la Resolución 387/21, el Consejo Federal de Educación, dependiente del Ministerio de Educación de la República Argentina, resolvió la reanudación de clases presenciales en todo el país. Para ese momento, Argentina presentaba una media móvil semanal de 12,95 casos cada 100 000 habitantes.
En la Figura 1 se puede observar la evolución del número de provincias que regresaron a clases presenciales y la evolución de la media móvil semanal del número de casos por FIS (fecha de inicio de síntomas), no evidenciándose en ella una clara relación entre las dos trayectorias durante los primeros días.
Luego, tal como se presenta en la Tabla 1, el promedio de los casos diarios por FIS en el total de la población para el total del período analizado es de 18,38 casos cada 100 000 habitantes, 13,97 casos cada 100 000 habitantes en el período anterior al regreso a la presencialidad, y 21,49 casos por FIS en el período posterior al regreso a la presencialidad.
Respecto a la media móvil semanal de los casos por FIS, el promedio para la población total en todo el período de análisis es de 17,06 casos cada 100 000 habitantes, 12,95 en el período previo a la apertura de escuelas y 19,76 luego del retorno a la educación presencial.
Este patrón (promedio de casos mayores post apertura) se repite para todos los rangos en estudio.
El 16 de abril de 2021, con la publicación del Decreto 241/2021, el Gobierno Nacional estableció el regreso a la virtualidad para los Partidos de la Provincia de Buenos Aires y el Área Metropolitana de Buenos Aires, y recomienda lo mismo para el interior del país. La Ciudad Autónoma de Buenos Aires no adhirió a tal disposición, y de las Provincias del Interior solo lo hicieron Catamarca, Formosa y La Rioja, suspendiendo la presencialidad nuevamente a partir del 19 de abril de 2021. Tener en cuenta que la provincia de Santa Cruz nunca retomó la educación.
De esta forma, CABA y Jujuy reanudaron clases presenciales el 17 de febrero de 2021; Chaco, Chubut, Córdoba, Corrientes, Entre Ríos, Mendoza, Salta, San Juan, San Luis, Tierra del Fuego y Tucumán lo hicieron el 1º de marzo de 2021; Formosa el 2 de marzo; Neuquén y Río Negro el 3 de marzo; Catamarca y La Rioja el 8 de marzo; Misiones el 9 de marzo; La Pampa, Santa Fe y Santiago del Estero, el 15 de marzo; Santa Cruz nunca regresó a clases.
2. Revisión de la literatura
Haciendo una revisión de la literatura, se han encontrado diversas investigaciones sobre el tema, destacándose las siguientes: Courtemanche et al. (2020), Hsiang et al. (2020) y Flaxman et al. (2020) concluyen que, al controlar por restricciones a la movilidad (por ejemplo, cierre de bares y restaurantes y decretos que restringen la circulación), no hay evidencia de que el cierre de las escuelas haya reducido la dinámica de la pandemia del Covid–19.
Sin embargo, Auger et al. (2020) no controla por otras políticas que restrinjan la circulación y encuentra evidencia de que la apertura de las escuelas sí ha tenido efecto en la dinámica de la pandemia.
Courtemanche et al. (2021) utiliza un Modelo de Diferencias en Diferencias a través del Estudio de Eventos para conocer el efecto del regreso a clases presenciales en casos positivos semanales por Covid–19 en los diferentes condados de Texas, EE. UU. Controlan por efectos fijos por condado y semana y testeos semanales. Encuentran evidencia de que abrir las escuelas ha acelerado de forma gradual la expansión del Covid–19, en, al menos, 43 000 casos, en comparación con el escenario contra fáctico en que no se haya retomado la actividad educativa presencial. Las observaciones están ponderadas por la población del condado, y los errores estándar están agrupados por condado.
Por otro lado, Isphording et al. (2020), teniendo en cuenta la variación las fechas de inicio de clases en diferentes condados de Alemania, encontró poca evidencia respecto a los efectos de las clases presenciales sobre la propagación de la pandemia. También utiliza un Modelo de Diferencias en Diferencias a través del Estudio de Eventos para conocer el efecto del regreso a clases presenciales en casos positivos diarios por Covid–19. No encuentran evidencia de un efecto positivo del regreso a clases presenciales en el número de casos. Es más, sus resultados concluyen que los casos confirmados se han reducido en 0,57 cada 100 000 habitantes luego del regreso a la actividad educativa presencial. Controlan por efectos fijos por condado y fecha y por variación en los patrones de movilidad, datos recaudados de Google Mobility.
Finalmente, Harris et al. (2021) han utilizado datos de hospitalización por Covid–19 y reapertura de escuelas en Estados Unidos, y no encuentran asociación entre ambas variables, y Goldhaber et al. (2021) encuentran que en los estados de Washington (EE. UU.) y Michigan (EE. UU.) la modalidad escolar presencial no muestra asociación con un incremento en los casos por Covid–19 en los distritos en que la pandemia llevaba un ritmo lento antes de la reapertura de escuelas, pero encuentran un leve incremento de casos en los distritos en los cuales la pandemia llevaba un ritmo de contagios elevado. Harris et al. (2021) utiliza una estimación de Diferencias en Diferencias, y Goldhaber et al. (2021) una de Mínimos Cuadrados Ordinarios.
3. Objetivo
El propósito de este trabajo es encontrar el efecto, si es que lo hay, del regreso a clases presenciales en el nivel inicial, primario y secundario en los casos positivos por Covid–19 en los departamentos de Argentina estudiados entre el período que va desde el 17 de febrero de 2021 al 18 de abril de 2021. La pregunta principal es: ¿hubo algún impacto?; si lo hubo, ¿cuánto tiempo tarda en ser observado?
La hipótesis en esta investigación es que el regreso a clases presenciales trae como resultado una aceleración de la dinámica de la expansión de la pandemia, teniendo en cuenta la aglomeración de los estudiantes dentro de las instituciones educativas y el movimiento que se genera detrás de su traslado desde y hacia ellas. Consecuentemente, se debería encontrar una asociación positiva y estadísticamente significativa entre el regreso a la presencialidad educativa y el nivel de contagios por Covid–19.
4. Métodos
Utilizando un Modelo de Diferencias en Diferencias y la Metodología de Estudio de Eventos para trabajar sobre las tendencias de grupos de tratamiento y de control. (Isphording et al., 2020, Courtemanche et al., 2021 y Abouk, 2020), se evalúa el efecto del regreso a clases presenciales en el nivel de casos por fecha de inicio de síntomas cada 100 000 habitantes por Covid–19 en 57 jurisdicciones departamentales de Argentina.
Específicamente, se compara la evolución de los casos en los departamentos donde se han habilitado las clases presenciales respecto a aquellos que no lo habían hecho todavía, tomando estos últimos como grupos de control.
Es necesario mencionar que el análisis tiene como supuesto que los casos luego del regreso a clases presenciales se hubiesen comportado de forma similar que en los departamentos de control en el escenario contrafactual (e inobservable) en que las escuelas hubiesen permanecido cerradas, lo cual se conoce como el Supuesto de Identificación o Supuesto de Tendencias Paralelas.
Por definición, es imposible demostrar tal supuesto ya que el escenario contrafactual es inobservable, porque el evento efectivamente ocurrió.
Por ello, suele satisfacerse tal supuesto a través del gráfico de las estimaciones del modelo de Estudio de Eventos, que debe mostrar que los coeficientes de las estimaciones de la variable de evento son iguales a 0 en los períodos que preceden al momento del evento, es decir, en los días anteriores al día de regreso a clases presenciales.
Para verificar formalmente tal formulación existen diversos métodos. Aquí, siguiendo a Clarke (2020), se utiliza el Test de Wald, que establece como hipótesis nula que los coeficientes de la variable de tratamiento sean iguales a 0 en los períodos previos al tratamiento, y como hipótesis alternativa el no cumplimiento de la hipótesis nula, o sea, que no se cumple que los coeficientes del evento sean estadísticamente igual a 0 en los períodos previos al evento, es decir:
donde
es la hipótesis nula,
es la hipótesis alternativa y 
es el coeficiente de la variable de evento en t días anteriores a la fecha del evento.
Si se obtiene un valor p estadísticamente significativo, se rechaza la Hipótesis nula.
Finalmente, es necesario que no exista una sustancial circulación diaria de personas entre las jurisdicciones analizadas, ya que, de lo contrario, se produciría una contaminación en las muestras, producto del traslado de personas entre jurisdicciones. Por ello, es fundamental asegurarse de que haya una distancia considerable entre las zonas geográficas bajo análisis, y es en base a eso que se define el estudio para los 57 departamentos que en la Tabla 6 del Apéndice se especifican, con sus respectivos números de identificación.
Para estimar la relación entre presencialidad y contagios, se ha estimado la siguiente regresión:
donde:
es la media
móvil de 7 días de los casos positivos por fecha de inicio de síntomas cada 100
000 habitantes en el departamento i en la fecha t.
son los efectos
fijos por departamento.
El indicador 
toma un valor
de 1 si el departamento i ha tenido clases presenciales en la fecha t,
y toma un valor igual a 0 cuando las clases son virtuales en la fecha t.
Se limita la ventana del efecto a un número finito de adelantos (leads) y
rezagos (lags), de 14 días antes y 30 días después de
haber retomado la presencialidad, y acumulando los efectos en los puntos
extremos, es decir, en los días –14 y 30 (Schmidheiny,
2019).
es la variable
de control por el número de testeos para Covid–19 en
la provincia a la cual pertenece el departamento en la fecha t.
y 
son los
controles por temperatura y humedad, respectivamente, para cada departamento en
cada fecha, calculadas como las medias móviles del grupo de 5 días que inicia
contando a partir de 4 días anteriores a la fecha t, de forma tal de
capturar el período mediano que va desde la exposición al virus hasta que
aparece el primer síntoma.1
es el set de
control por la media móvil del grupo de 3 días que inicia contando a partir de
4 días anteriores a la fecha t de la variación en los patrones de
movilidad en el departamento. Se tuvo en cuenta la variación en las visitas a
los sectores: zonas residenciales, súper y farmacias, parques, tiendas,
estaciones de tránsito y lugares de trabajo.
son los casos
positivos por fecha de inicio acumulados en los 6 días anteriores a la fecha t
y los de la fecha t.
es el término
de error. Los errores estándar 
están agrupados
a nivel departamental en todas las estimaciones.
Es importante aclarar que el modelo controla por movilidad, teniendo en cuenta que mayor movilidad implicaría mayor nivel de contagios. y por los casos positivos por FIS acumulados en los 6 días anteriores al día t y en el día t, teniendo en cuenta que, si en un lugar no hay individuos infecciosos, no habrá contagios, y viceversa, y que un individuo contagiado puede contagiar a los individuos que conviven con él (por ejemplo, un estudiante que se contagia en la institución educativa, y que luego contagia a los familiares que con él viven).
Además, es clave mencionar el retraso en la carga de datos. Ha sido común observar que durante días consecutivos no se ha registrado ningún caso positivo por FIS en algunos departamentos, y que luego se haya informado un número anómalo, representando un outlier que enturbia la muestra. Es por eso que se ha trabajado con la media móvil de los casos diarios por FIS para descartar ese efecto.
Se ha estimado el modelo para el total de la población, y para los siguientes grupos etarios, siguiendo la división que realiza Isphording et al. (2020) y teniendo en cuenta el grupo de individuos que asiste a las instituciones educativas del nivel inicial, primario y secundario, los jóvenes, los adultos, y los adultos mayores que son considerados personas de riesgo: de 0 a 17 años, de 18 a 34 años, de 35 a 59 años y de 60 años en adelante.
Los departamentos han sido seleccionados de forma tal que todas las provincias estén representadas por al menos un departamento. Son excepción la provincia de San Luis, que presentaba una carga de datos epidemiológicos no condicente al tiempo real (retraso en la carga de casos positivos respecto a su fecha de confirmación real) y la provincia de Formosa, cuya publicación de casos no ha demostrado ser confiable.
Por último, es imperioso mencionar que el ritmo de regreso a clases fue escalonado, diferentes grupos de departamentos fueron regresando en diferentes días, lo cual podría llevar a un desbalance en la composición de la muestra. Sin embargo, como se observa en la Figura 2, se cuenta con cobertura completa en el período de análisis.
Respecto a los casos positivos por Covid–19 por fecha de inicio de síntomas cada 100 000 habitantes a nivel departamental se han tomado de Covid–19 Stats (https://covidstats.com.ar/) para el período que va desde el 2 de febrero de 2021 al 18 de abril de 2021.
Se tuvo acceso a datos de los 57 departamentos analizados, durante el período de 76 días, obteniendo así 4332 observaciones.
Se ha utilizado datos de movilidad diaria derivados de datos agregados y anónimos de teléfonos móviles provistos por el Google Covid–19 Community Mobility Reports, que muestran variaciones de la movilidad de las personas durante la pandemia con respecto a tiempos normales desde el 2 de febrero de 2021 al 18 de abril de 2021 para capturar los patrones de movimiento de las personas en cada departamento estudiado (Covid–19 Community Mobility Reports, 2021).
Los sectores para los cuales el Covid–19 Community Mobility Report de Google captura los patrones de movimiento son: Supermercados y Farmacias, Parques, Estaciones de Tránsito, Lugares Recreativos y Negocios, Zonas Residenciales y Lugares de Trabajo. Sin embargo, se ha utilizado solo las variaciones en los patrones de movilidad de las Zonas Residenciales y Parques, ya que para el resto de las variables no se disponía de suficientes datos para el nivel geográfico de análisis.
Se interpretó esta medida como una proxy del distanciamiento social, asumiendo que cuando los individuos se mueven menos, tienen menor interacción entre ellos (Badr et al., 2020).
No se tuvo en cuenta si las personas utilizan barbijo/tapabocas o no, y en qué sitios, y si éstas llevan a cabo acciones de higiene y, si lo hacen, de qué manera.
Esto representa una gran limitación al momento de evaluar solo la movilidad como única influencia en los contagios, ya que la movilidad puede ir acompañada de métodos preventivos contra el Covid–19 (uso de barbijo/tapaboca y lavado de manos) que son realmente eficaces (OMS, 2020). Sin embargo, al menos por ahora, no existen formas de evaluar estas acciones (Badr y Gardner, 2020).
Los datos para Argentina incluyen tendencias de movilidad a nivel provincial y departamental.
Se tuvo en cuenta la media móvil del grupo de 3 días que inicia contando a partir de 4 días anteriores a la fecha t.
Para controlar el impacto del clima en la variación de movilidad de la gente, se ha tomado en cuenta los datos diarios de temperatura y humedad medias por departamento para el período que va desde el 2 de febrero de 2021 al 18 de abril de 2021, tomados de la base de datos de Covid–19 Stats (https://covidstats.com.ar/). Se ha utilizado la media móvil del grupo de 5 días que inicia contando a partir de 4 días anteriores a la fecha t.
Se ha recopilado información sobre las fechas del primer regreso a clases presenciales y sobre su eventual primera suspensión para todos los departamentos estudiados del Calendario Escolar 2021 establecido por la Secretaría del Consejo Federal de Educación, dependiente del Ministerio de Educación de la Nación (https://www.argentina.gob.ar/educacion/consejofederal/calendario2021), y de fuentes de internet diversas, desde Boletines Oficiales Nacionales y Provinciales hasta portales de noticias provinciales y nacionales.
5. Resultados
Considerando los resultados del modelo para el total
de la población, se observa en la Figura 3 que, en los períodos anteriores al
momento del tratamiento, los coeficientes de la variable de tratamiento
muestran tendencia clara, es decir, que los coeficientes de los rezagos de la
variable de tratamiento no son estadísticamente iguales a 0, condición que se
considera importante para llevar a cabo y analizar un Estudio de Eventos. En la
Figura 3, donde el gráfico muestra las estimaciones puntuales del coeficiente
de la variable del evento (
∈ [–14; 30]) y sus
correspondientes intervalos de confianza al 95 % del Modelo de Estudio de
Eventos tal como se define en la Ecuación (1). La línea vertical en el día indica el
regreso a las clases presenciales. La regresión incluye efectos fijos a nivel
departamental. Los errores estándar se agrupan a nivel departamental.
A priori, la condición de Tendencias Paralelas no se cumple para el total de la población porque los coeficientes de la variable del evento no parecen ser iguales a 0 en los momentos pretratamiento, pero se verifica formalmente a través del Test de Wald, cuyos resultados resultan ser significativos y se presentan en la Tabla 2. No es posible aceptar la hipótesis nula del Test.
De esta forma, no se considera que los resultados de la estimación proporcionen evidencia de que el regreso de clases presenciales haya afectado, ya sea de forma positiva o negativa, a la media móvil de 7 días de los casos por fecha de inicio de síntomas cada 100 000 habitantes, realizando el análisis para la totalidad de la población, ya que no se satisfacen los requisitos que el modelo estila solicitar, es decir, el supuesto de tendencias paralelas, necesario para realizar un Estudio de Eventos.
Luego, al momento de realizar la estimación discriminando por los grupos etarios de 18–34 años, 35–59 años y de 60 años en adelante (Isphording et al., 2020), se observa en los gráficos de las Figuras 5, 6 y 7 que muestran las estimaciones puntuales del coeficiente de la variable del evento en los períodos anteriores al momento del tratamiento que el coeficiente de la variable de tratamiento no muestra una falta de tendencia clara, es decir, que los coeficientes de los rezagos de la variable de tratamiento no son estadísticamente iguales a 0, lo cual es suele considerarse fundamental para el análisis de Estudio de Eventos, como se mencionó anteriormente.
Primero, el gráfico de la Figura 4 muestra las estimaciones puntuales del coeficiente de la variable del evento ( 
∈ [–14; 30]) y sus correspondientes intervalos de confianza al 95 % del Modelo de Estudio de Eventos tal como se define en las Ecuación (1) para el grupo de 18 a 34 años. La línea vertical en el día indica el regreso a las clases presenciales. Las regresiones incluyen efectos fijos a nivel departamental. Los errores estándar se agrupan a nivel departamental.
En este caso, la condición de Tendencias Paralelas no se cumple porque los coeficientes de la variable del evento no parecen ser iguales a 0 en los momentos pretratamiento, pero se verifica formalmente a través del Test de Wald, cuyos resultados resultan ser significativos y se presentan en la Tabla 3. No es posible aceptar la hipótesis nula del Test.
Es por ello que los resultados del grupo 18–34 años no proporcionan evidencia de que el regreso de clases presenciales haya afectado, ya sea de forma positiva o negativa, al nivel de casos por fecha de inicio de síntomas cada 100 000 habitantes ni a la media móvil de 7 días de los casos por fecha de inicio de síntomas cada 100 000 habitantes, no se satisfacen los requisitos necesarios para realizar un Estudio de Eventos.
Posteriormente, se realiza el análisis para los grupos etarios de 35 a 59, y de 60 años en adelante. En los gráficos de la Figura 5 y Figura 6, donde se observan las estimaciones puntuales del coeficiente de la variable del evento ( 
∈ [–14; 30]) y sus correspondientes intervalos de confianza al 95 % del Modelo de Estudio de Eventos tal como se define en la Ecuación (1) para el grupo de 35–59 años, y de 60 en adelante, respectivamente. La línea vertical en el día 
indica el regreso a las clases presenciales. Las regresiones incluyen efectos fijos a nivel departamental. Los errores estándar se agrupan a nivel departamental.
Nuevamente, no se cumple la condición de Tendencias Paralelas ya que los coeficientes de la variable del evento no parecen ser iguales a 0 en los momentos pretratamiento. Al verificarlo formalmente con el Test de Wald, cuyos resultados para los grupos 35–59 años y de 60 en adelante, presentados en las Tablas 4 y 5 respectivamente, resultan ser significativos, no es posible aceptar la hipótesis nula del Test.
Efecto del regreso a clases presenciales en la media móvil de 7 días de los casos positivos por fecha de inicio de síntomas en el grupo de 60 años en adelante.
Elaboración propia
De esta forma, los resultados de las estimaciones para los grupos 18–34 años y de 60 años y más no proporcionan evidencia de que el regreso de clases presenciales haya afectado, ya sea de forma positiva o negativa, a la media móvil de 7 días de los casos por fecha de inicio de síntomas cada 100 000.
Finalmente, para la estimación realizada para el grupo etario de entre 0 y 17 años, que son los individuos que asisten a los niveles educativos inicial, primario y secundario, la Figura 7 muestra el gráfico de estimaciones del modelo de Estudio de Eventos.
Allí se observan las estimaciones puntuales del coeficiente de la variable del evento (
∈ [–14; 30]) y sus correspondientes intervalos de confianza al 95 % del Modelo de Estudio de Eventos tal como se define en las Ecuación (1). La línea vertical en el día 
indica el regreso a las clases presenciales. Las regresiones incluyen efectos fijos a nivel departamental. Los errores estándar se agrupan a nivel departamental.
Ahora si, a priori, se cumple la condición de Tendencias Paralelas porque los coeficientes de la variable del evento parecen ser iguales a 0 en los momentos pretratamiento. Al verificarlo formalmente con el Test de Wald, se acepta hipótesis nula, ya que los resultados de la prueba son significativos, y se presentan en la Tabla 6.
Una vez satisfecha la condición para el Estudio de Eventos, de que las tendencias previas al tratamiento sean paralelas, es posible continuar al análisis de la relación entre la variable contagios y presencialidad en aulas para el grupo etario de 0 a 17 años. Se encuentra que el regreso a clases presenciales no ha tenido efecto en la media móvil semanal de los casos por Covid–19 por fecha de inicio de síntomas para el grupo de 0 a 17 años en el corto plazo, puntualmente, en los primeros 13 días después de la reapertura de las escuelas. Luego del día 14 de haberse llevado a cabo el tratamiento, los coeficientes de la variable del evento son positivos y estadísticamente significativos para los días 18, 19, 24, 25 y del 26 al 30 posteriores a la reapertura de las instituciones educativas. Específicamente, luego de 30 días de haber regresado a la presencialidad, los casos han aumentado en 0,58 cada 100 000 habitantes, como se observa en la Figura 7.
Teniendo en cuenta los resultados de la especificación para el grupo etario 0–17, consideramos que los valores obtenidos son razonables y confirman en parte nuestra hipótesis, ya que el promedio de la media móvil semanal de los casos diarios por FIS cada 100 000 habitantes para el período posapertura de las escuelas es de 6,37, por lo que, según el modelo, el regreso a clases presenciales explica el 9,10 % de ese promedio. El porcentaje de incremento es razonable.
6. Conclusiones
En este trabajo se estudió el impacto del regreso a clases presenciales en el nivel de contagios por Covid–19 para 57 departamentos de Argentina entre el 17 febrero de 2021 y el 18 de abril de 2021 a través de un modelo de Diferencias en Diferencias, utilizando el Enfoque de Estudio de Eventos.
No es posible encontrar evidencia de que la vuelta a clases presenciales haya repercutido en la media móvil semanal en los casos positivos por Covid–19 por fecha de inicio de síntomas cada 100 000 habitantes para el total de la población y para los grupos etarios de 18 a 34 años, 35 a 59 años y de 60 años en adelante.
Luego, los resultados de la estimación del Modelo de Estudio de Eventos para el grupo etario de 0 a 17 años, que son los individuos que han asistido a clases presenciales de los niveles inicial, primario y secundario, indican que el regreso a la presencialidad ha tenido un efecto positivo y significativo de 0,58 casos cada 100 000 habitantes en la media móvil semanal de los casos diarios por FIS cada 100 000 habitantes.
Finalmente, teniendo en cuenta que las personas de 0 a 17 años son las más «expuestas» a los contagios a causa de la presencialidad en las escuelas ¿Qué tan expuestas están? ¿Es el nivel de contagios lo suficientemente alto para suspender la presencialidad? ¿Qué tan grave es ese nivel de contagios? Un aumento de 0,58 casos cada 100 000 habitantes o de 9,10 % al promedio de casos por FIS cada 100 000 habitantes, ¿Es realmente considerable?
Queda por pensar, tal vez en futuras investigaciones, por qué no es posible encontrar conclusiones para el total de la población, ni para los grupos etarios de 18 a 35 años, 34 a 59 años y 60 años en adelante, y solo es posible hacerlo para el grupo de 0 a 17 años.
Referencias bibliográficas
Abouk R. y Heydari B. (2020). The Immediate Effect of Covid–19 Policies on Social Distancing Behavior in the United States. Public Health Rep. Mar–Apr 021;136(2):245–252. doi: 10.1177/0033354920976575.
Andrabi, T., Daniels, B. y Das, J. (2020). Human Capital Accumulation and Disasters: Evidence from the Pakistan Earthquake of 2005. RISE Working Paper Series. 20/039. https://doi.org/10.35489/BSG–RISEWP_2020/039
Auger et al. Association Between Statewide School Closure and COVID-19 Incidence and Mortality in the US. JAMA. 2020 Sep 1;324(9):859-870. doi: 10.1001/jama.2020.14348.
Badr H.S., Du, H., Marshall, M., Dong, E., Squire, M.M. y Gardner, L.M. (2020). Association between mobility patterns and Covid–19 transmission in the USA: a mathematical modelling study. Lancet Infect Dis 2020; 20: 1247–54.
Badr, H.S. y Gardner, L.M. (2020). Limitations of using mobile phone data to model Covid–19 transmission in the USA. Lancet Infect Dis 2020.
Courtemanche, C.J. et al. (2021). School Reopenings, Mobility, and Covid–19 Spread: Evidence from Texas. NBER Working Paper No. 28753; May 2021; JEL No. I18,I28.
Center for Disease Control and Prevention (CDC). 2021.
Clarke, D., y Schythe, K. Implementing the Panel Event Study. IZA Discussion Paper No. 13524, Available at SSRN: https://ssrn.com/abstract=3660271.
Covid–19 Stats (2021). https://covidstats.com.ar/
Engzell, P., Frey, A. and Verhagen, M.D. (2020). The Collateral Damage to Children’s Education During Lockdown. VoxEU.
Flaxman, S., Mishra, S., Gandy, A. et al. (2020) Estimating the effects of non-pharmaceutical interventions on COVID-19 in Europe. Nature 584, 257–261 (2020). https://doi.org/10.1038/s41586-020-2405-7
Gatalo, O., Tseng, K., Hamilton, A., Lin, G. y Klein, E. (2020). Associations between phone mobility data and Covid–19 cases. Lancet Infect Dis 2020.
Goldhaber D. et al. (2021) To What Extent Does In-Person Schooling Contribute to the Spread of COVID-19? Evidence from Michigan and Washington. NBER Working Paper No. 28455
Google, LLC (2020). Covid–19 Community Mobility Reports. https://www.google.com/covid19/mobility/.
Harris et al. (2021) The Effects of School Reopenings on COVID-19 Hospitalizations. National Center for Research on Education Access and Choice
Hsiang, S. et al. (2020) The effect of large-scale anti-contagion policies on the COVID-19 pandemic. Nature https:/doi.org/10.1038/s41586-020-2404-8
Isphording, I.E., Lipfert, M. y Pestel, N. (2020). School Re–Openings after Summer Breaks in Germany Did Not Increase SARS–CoV–2 Cases. IZA DP No. 13790.
Maldonado, J. ands De Witte, K. (2020). The effect of school closures on standardised student test outcomes. British Educational Research Journal DOI:10.1002/berj.3754.
OMS (2020). Brote de enfermedad por coronavirus (Covid–19): orientaciones para el público.
Schmidheiny, K. and Siegloch, S. (2019). On Event Study Designs and Distributed–Lag Models: Equivalence, Generalization and Practical Implications. CESifo Working Paper Series 7481, CESifo.
Secretaría del Consejo Federal de Educación. Ministerio de Educación. Calendario Escolar 2021. https://www.argentina.gob.ar/educacion/consejofederal/calendario2021
Spivack, M. (2020). To mitigate the effects of Covid–19 on education outcomes, systems should prioritise foundational skills and adapt instruction to children’s learning levels. Research on Improving Systems of Education (RISE). Issue Brief 20/01. https://doi.org/10.35489/BSG–RISE–IB_2020/01.
Registro bibliográfico
Seidán Boquete, D.I, Gomez Alonso, B. (2022). El efecto del regreso a clases presenciales durante la Pandemia del Covid–19 en los casos confirmados en Argentina. Revista Ciencias Económicas, 18 (02), pp[AdB1] –pp.
Apéndice
Apéndice
Apéndice
Notas
