Spanish (pdf)
Article in xml format
Article references
Automatic translation
Permalink
Introducción
Los siniestros de tránsito son una de las principales causas de morbilidad y mortalidad a nivel global -en particular en grupos de jóvenes- y con un peso mayor en países de menores ingresos1. Son costosos a nivel individual y colectivo, tanto sea por las secuelas y pérdidas en vidas humanas, como también en términos de salud pública, laborales y económicos2,3.
La relación entre el consumo de sustancias (principalmente alcohol) y el tránsito ha sido largamente demostrada a lo largo y ancho del planeta4-7. La forma más utilizada para determinar el nivel de consumo es a través de la cantidad de alcohol en sangre (CAS), medido en gramos por litro de sangre (g/l). Se utilizan en general dos métodos para estimarla: a través de la sangre, o indirectamente con una espirometría (alcoholimetría en aire espirado), que es actualmente el método más común para fiscalizar8. Siguiendo con los lineamientos impulsados desde 1994 con la Ley 16585 y posteriormente por UNASEV como ente regulador de las actividades relativas al tránsito y la seguridad vial del país9, desde 2016 Uruguay tiene vigente una ley que prohíbe el manejo de cualquier tipo de vehículo con CAS positivo10. Esta legislación ha sido bien recibida por la opinión pública11 y se ha mostrado su incidencia en el decremento de la cantidad de fallecidos global en durante sus primeros años de aplicación12, pero aun así parte de la sociedad y de la clase política continúa dispuesta a regresar a la legislación anterior (límite de CAS 0,3 g/l), sin ningún tipo de fundamento científicamente comprobado. Se esgrime como argumento que la denominada “ley cero” impactó directamente a industria de bebidas alcohólicas con pronunciadas caídas en las ventas de dichas bebidas, además de que la caída de la siniestralidad no fue la esperada13. Si bien se ha demostrado su incidencia a la baja en la siniestralidad general12, resta saber si el impacto ha sido similar en distintos grupos de usuarios, algo de lo que parece haber indicios, particularmente en los siniestrados en motos14.
Por ello, los objetivos del presente trabajo son dos: verificar si la venta de alcohol ha sufrido modificaciones desde la sanción de la citada Ley, y determinar si el impacto positivo de dicha normativa -esto es, la disminución comprobada por otros trabajos en la morbimortalidad por siniestros de tránsito- ha sido similar o diferente para distintos grupos de usuarios de las vías.
Material y método
Datos
Se han utilizado tres fuentes de datos secundarios diferentes:
- Fuente 1: series mensuales de consumo de bebidas alcohólicas registradas y analcohólicas (aguas y jugos) gravadas por el Impuesto Específico Interno (IMESI), para el período enero/2013-diciembre/201915. Por su parte, el consumo denominado no registrado (mayoritariamente bebidas alcohólicas de fabricación casera, por ejemplo licores, vinos, bebidas fermentadas, etc.) que se estima entre 15% y 30% del total16, no fue considerado.
- Fuente 2: datos abiertos de 178.184 registros de personas heridas (leves, graves) y/o fallecidas en siniestros de tránsito en Uruguay, entre 01/01/2013 y 31/12/2019. Se cuenta con nivel desagregado de usuario de vía al momento del siniestro (conductor o pasajero separado por vehículo: auto o moto; peatón). En el caso de los fallecidos, se cuentan aquellas defunciones hasta 30 días pasado el momento del siniestro17.
- Fuente 3: estimación poblacional mensual nacional y departamental, usando la proyección más actualizada (2013) en base al último Censo de Población, Hogares y Viviendas18.
La fuente 1 fue analizada directamente. En la misma no se cuenta con el consumo mensual de vinos (más detalles en el (Anexo 1)). Con las fuentes 2 y 3 se creó una serie temporal de tasas de cantidad de siniestrados leves, graves y fatales mensual, separada por región (Interior y Montevideo) y vehículo en el cual se trasladaban las personas siniestradas. Esta separación surge de la percepción de la existencia de diferencias en la fiscalización y las características de los siniestros, algo también sugerido en la bibliografía consultada8. Se dejan fuera otros vehículos como las bicicletas o los vehículos pesados (camiones y ómnibus) porque para los primeros los datos mensuales son muy dispersos (varios valores mensuales son cero) generando así dificultades para construir las series, mientras que para los segundos hay indicios que la ley cero no tiene ningún tipo de incidencia14.
La tercera fuente de información fue crucial para contar con estimaciones de cantidad de habitantes en las dos regiones propuestas para cada mes del período considerado, construyéndose luego las tasas mensuales de heridos y fallecidos cada cien mil habitantes que se utilizaron en el resto del trabajo (más información en el (Anexo 2)).
Métodos estadísticos
Para ambos grupos de series, el procedimiento se dividió en tres etapas. En primera instancia se observaron patrones en gráficos de series temporales para cada uno de los conjuntos de datos, para decidir si era necesario continuar o no con análisis más profundos. Aquellos que presentaban caídas en su tendencia -esto es, el componente de progresión a largo plazo de la serie- eran considerados para profundizar su análisis; en el caso de las bebidas se avanzó con ambos conjuntos de datos. En la segunda etapa se calculó la diferencia de promedios entre el período previo y posterior para cada una de las series, buscando en cada caso diferencias significativas entre períodos, particularmente negativas (por ejemplo menor cantidad de personas cada 100.000 habitantes lesionadas o fallecidas en período posterior a la intervención o cambio respecto al período anterior). Se usó una prueba t de diferencia de medias con la variante propuesta por Welch para varianzas diferentes entre grupos de datos19. Se tomaron dos posibles momentos de intervención: la entrada en vigor de la ley (enero de 2016)20 y el momento estimado de su puesta en práctica (enero de 2017)21. En la tercera y última etapa, particularmente para las series de siniestralidad vial, se trabajó con las series que mostraron diferencias significativas en cada caso, y para cada una de ellas se las modeló bajo el enfoque ARIMA, incluyendo variables escalón (step) que valen 1 desde un determinado momento y cero en el resto. Se usaron las fechas mencionados anteriormente (enero de 2016 y enero de 2017) como momentos de cambio estructural en todos los casos. En caso de verificar que el parámetro de la variable escalón era significativo (se consideró así a todo valor p<0,05), el efecto queda confirmado.
El análisis de intervención en series temporales sirve para cuantificar el cambio en el valor medio de una serie de datos luego de introducir un nuevo procedimiento, nueva regulación o política que tiene la intención de cambiar de forma deliberada al comportamiento de esa serie. Se asume que la misma estructura ARIMA se cumple antes y después de la mencionada intervención22.
El enfoque ARIMA es una herramienta de modelización de series temporales de datos, a través de dos términos polinómicos: uno de autorregresión (esto es, un dato regresado sobre sí mismo) y el otro de medias móviles (o promedio de datos en una determinada ventana de tiempo). Una versión más general, denominada (S)ARIMA, permite incorporar en la modelización tanto la tendencia como la estacionalidad, limitantes del modelo ARIMA original. En ambos casos se requiere que los datos sean estacionarios, es decir que su variabilidad no cambie a lo largo del tiempo. En caso de no cumplir dichos supuestos, se pueden transformar los datos (por ejemplo diferenciación para estacionalizar, logaritmación para suavizar) para utilizar este enfoque. La expresión ARIMA(p,d,q)(P,D,Q) muestra los parámetros del modelo. El primer paréntesis (p,d,q) refiere a los parámetros regulares del modelo (en general enteros positivos): diferenciación (d), estructura de errores autorregresiva AR (p) o de medias móviles MA (q), mientras que el segundo refiere a la parte estacional del modelo: diferenciación (D), y errores estacionales correspondientes (AR: P, MA: Q)23. Para decidir el modelo final se utiliza un procedimiento iterativo, el denominado método de Box Jenkins, que consta de tres pasos: identificación y selección del modelo más adecuado, estimación de los parámetros de ese modelo y chequeo de supuestos mediante diferentes pruebas de hipótesis. Se utilizaron para los dos primeros pasos la función auto.arima del paquete forecast del software estadístico R24. Esta función determina el mejor modelo ARIMA ajustado a cada serie, en base a una búsqueda exhaustiva automática25. Los parámetros se estiman por máxima verosimilitud y los modelos son seleccionados utilizando los criterios de Akaike (AICc) y Bayesiano (BIC)26. En el tercer paso se utilizaron distintos chequeos: autocorrelación total y parcial para detectar raíz unitaria, independencia (prueba Q de Ljung-Box) y normalidad (pruebas de Shapiro-Wilk y Jarque-Bera) de residuos, significancia de parámetros estimados (pruebas de Wald); todos ellos incluidos en los paquetes forecast, tseries 27 y astsa 28 de R.
Resultados
Evolución del consumo de alcohol 2013-2019
En la (figura 1) se muestra la evolución del consumo de dos grupos de bebidas registradas: en la parte (a) bebidas alcohólicas, y en la parte (b) aguas y jugos. El grupo de bebidas analcohólicas se utiliza como “testigo” para determinar si ocurrió un efecto espurio (establecer causalidad cuando en realidad no existe) entre la puesta en marcha de la ley cero y el consumo de bebidas en general.
Figura 1: Consumo mensual de (a) alcohol (excluido vinos) y (b) aguas y jugos, en millones de litros por mes. Se agrega curva de tendencia, estimada por método de regresión local LOESS (línea azul)29.
La (figura 1) (a) muestra picos en todos los años sobre el mes de diciembre, lo que indica un fuerte componente estacional del consumo de alcohol en nuestro país. La bebida que tiene más peso es la cerveza: aproximadamente 6 de cada 10 litros comercializados en Uruguay son de esta bebida. Sin embargo, al interior de cada año hay cambios: las bebidas de “consumo íntimo” (consumidas en el hogar, como por ejemplo muchas de las bebidas blancas) tienen un pico en los meses de otoño e invierno (mayo-agosto). Si se compara con el consumo de aguas y jugos, éste es entre 2 y 3 veces superior al de bebidas alcohólicas, también con picos estacionales pero en meses distintos (alcohol en diciembre, aguas en enero), seguramente más relacionado con la temperatura promedio en cada mes del año30. Se aprecia además para ambas bebidas que luego de la sanción de la ley no han tenido cambios significativos en su comportamiento (aguas y jugos parecen tener una meseta en su crecimiento a partir de 2018).
La (tabla 1) confirma mediante las pruebas de diferencia de medias lo que insinuaba la (figura 1): la ley cero no ha influido en el consumo de bebidas alcohólicas declaradas. Respecto a las bebidas analcohólicas, se muestran diferencias significativas en ambos momentos de intervención estudiados, aunque con una clara meseta en la tendencia a partir de 2018. Una posible lectura es que pudo haber un corrimiento de consumidores hacia bebidas no alcohólicas, pero debería estar acompañado de un descenso significativo en el consumo de bebidas alcohólicas, algo que claramente no ha ocurrido.
Siniestralidad por grupos de usuarios
La (figura 2) muestra por su parte las diferentes tasas mensuales de personas siniestradas cada cien mil habitantes para conductores y pasajeros de automóviles (Au) y motocicletas (Mo), y peatones (Pe), separadas por resultado fatal (Fl), con heridos graves (HG) o leves (HL), para cada una de las dos regiones definidas: Interior (Int) y Montevideo (Mvd). Nótese la diferencia en las magnitudes: si bien la escala de medición es la misma (tasas por cada 100.000 habitantes), las cantidades de fallecidos y heridos son diferentes, siendo las tasas aproximadamente entre 2 y 10 veces mayores según se pasa a niveles de gravedad mayor (por ejemplo la cantidad de heridos graves en auto cada 100.000 habitantes es aproximadamente 2 veces mayor a la de fallecidos, como se aprecia en los ejes verticales).
Figura 2: Comparación de tasas de siniestralidad mensual según región, tipo del vehículo y resultado, período 2013-19. Marcada con línea punteada: sanción de Ley 19360 (2016). Referencia de cada gráfico: Regiones: Interior (Int), Montevideo (Mvd). Forma de movilidad al momento del siniestro: en Automóvil (Au), Motocicleta (Mo), Peatón (Pe). Resultado: Herido Leve (HL), Herido Grave (HG), Fallecido (Fl). Se agrega curva de tendencia (línea azul), estimada por método de regresión local LOESS29.
Si se realiza una lectura por tipo de vehículo involucrado, las tendencias muestran prácticamente sin cambios los distintos tipos de resultado para los pasajeros de automóviles en el Interior del país, mientras que Montevideo aparenta una leve caída solo para los siniestrados graves desde 2016. Para el caso de quienes viajaban en motocicletas, es mucho más claro el descenso de todas las tasas para todos los resultados y en ambas regiones consideradas. Finalmente, los peatones muestran cambios importantes sólo para el caso de los heridos (tanto leves como graves) en ambas regiones.
Se decide a partir de este punto centrar el análisis en los grupos de vehículos considerados (autos y motos), ya que claramente la ley cero no ha sido la principal causante del descenso de los peatones heridos (éste comienza desde que se tienen datos); seguramente sean otros temas de fondo que, con los datos disponibles, no se pueden determinar con certeza.
Como se aprecia en la (tabla 2), las diferencias en el caso de los siniestrados en automóviles no son significativas entre los períodos pre y postvigencia de la ley cero, pero sí lo son para quienes viajaban en motos al momento del siniestro. Por tanto, de las 12 comparaciones posibles sólo 6 de ellas muestran caídas estadísticamente significativas, todas ellas relacionadas a conductores y pasajeros de motos.
La (tabla 3) muestra por su parte los resultados de los modelos ARIMA para cada una de las series de siniestrados en moto separados por región y gravedad. En cada columna figuran las distintas combinaciones de región, vehículo y resultado. En las filas se leen los valores de ajuste del modelo ARIMA, así como los coeficientes de las intervenciones. Al ser los datos en cada caso diferentes, las únicas comparaciones válidas son entre filas de una misma columna.
Tabla 3: (a) Modelos ARIMA con estructura estadísticamente significativa; (b) estadísticos de ajuste (AICc,BIC) comparando el ARIMA original y los que contienen las intervenciones en enero de 2016 (I 2016 ) y enero de 2017 (I 2017 ); (c) valor del parámetro de intervención en 2016 y 2017.
Si se comparan la calidad del ajuste de los modelos a los datos, los que presentan menores valores en los indicadores AICc y BIC son aquellos que incluyen la variable de intervención desde enero de 2016. Esto es un claro indicio de que se mejora la información que explica cada modelo si se incluyen estos términos, lo cual indica que los efectos comienzan una vez sancionada la ley, descartando así el otro momento de intervención establecido (enero de 2017).
Observando los coeficientes de estas variables de intervención, se deducen caídas importantes para los fallecidos en moto en ambas regiones: el índice cae 0,15 cada 100.000 habitantes en el Interior (una caída de 20% respecto al índice previo a la ley) y 0,19 cada 100.000 habitantes en Montevideo (más de 37% de caída), lo cual se traduce en aproximadamente 36 y 20 vidas salvadas por año en cada región.
Las caídas respecto a los heridos graves en motocicletas también fueron importantes, aunque un poco más leves que para los fallecidos: en Montevideo este índice cae un poco más de 1 cada 100.000 mensual (-21,5%) y en el Interior un poco por debajo de 1 cada 100.000 (-0,956, o -10,5%).
Discusión
El consumo de alcohol en Uruguay no ha presentado cambios significativos (ni en incremento ni en decremento), echando por tierra una posible crisis del sector debida en parte a la ley cero. Si bien se sugiere la reducción de consumo de alcohol por distintos medios (limitación a su acceso, control de publicidad, impuestos específicos, etc.) como forma efectiva de reducir la siniestralidad vial14, en el caso de Uruguay hay indicios de un posible cambio de comportamiento social: con más vehículos registrados y un consumo similar de bebidas alcohólicas, la cantidad de siniestros y proporciones de lesionados descienden de forma significativa desde la sanción de la ley (para algunos grupos el descenso comienza incluso antes).
Los cambios introducidos en legislación sobre alcohol han ayudado a disminuir la siniestralidad pero de forma heterogénea: los siniestrados en moto presentan caídas sostenidas incluso poco antes de sancionarse la ley cero, mientras que para los siniestrados en autos los cambios no siguieron la misma tendencia. Se ha demostrado en este artículo que particularmente para los motociclistas la ley ha tenido un impacto importante, y esto es un hecho destacable en la salud pública de nuestro país. Se deduce también un mayor efecto entre fallecidos y heridos graves, de forma similar a otros trabajos consultados que utilizaron metodologías diferentes12. También aparece un efecto regional claro: la lesividad en motos bajó de forma más pronunciada en Montevideo que en el Interior del país, probablemente por motivos mencionados en otros trabajos8, como mayor control de autoridades y cobertura mediática.
Se observan particularmente “pulsos” (o efectos de corto plazo) en estas series: sus caídas son un poco más profundas al comienzo de la intervención (períodos inmediatamente posteriores a la sanción de la ley) y se atenúan con el tiempo; resta saber si el efecto será permanente. Otros grupos, como los vehículos cuyos conductores necesitan libretas profesionales aparentan no tener cambios; esto posiblemente se debe porque el CAS 0 regía para éstos antes de la nueva ley14. Los automóviles presentan una peculiaridad, teniendo incluso picos posteriores a la sanción de la ley. Una posible hipótesis tendría relación con el movimiento turístico estival, ya que muchos turistas de la región utilizan estos vehículos para su desplazamiento. Los peatones merecen un análisis aparte. Si bien las tasas de fallecidos no han cambiado en prácticamente todo el período considerado, con los heridos ocurre algo inesperado: una caída prácticamente lineal desde el comienzo (enero de 2013), en ambas regiones consideradas y para heridos graves y leves. Esto necesariamente necesita una mirada más profunda para determinar los causantes de este comportamiento, desde los patrones de viaje de las personas hasta los posibles impactos de medidas puntuales, como pueden ser la disminución de velocidades máximas en tramos específicos de distintos tipos de vías, tanto urbanas como suburbanas e incluso rurales31.
Creemos entonces que el efecto de esta ley es el más importante de todos los posibles efectos mensurables en este período para explicar el descenso de la siniestralidad. No obstante, y en base a diferentes estudios que muestran a la siniestralidad vial como un problema multifactorial, cuestiones como algunas medidas puntuales de mejora de fiscalización (por ejemplo la creación del Centro de Gestión de Movilidad en Montevideo o la unificación de varios cuerpos policiales en la Policía Nacional de Tránsito en el resto del país) podrían haber contribuido adicionalmente a esta caída estructural. Como fortalezas del trabajo citamos la comparación de consumo de alcohol y de siniestralidad en el mismo período. Contar con esta información de acceso público fue fundamental para derribar algunas percepciones previas. El consumo de alcohol registrado parece tener una tendencia de crecimiento nulo, en claro contraste con la caída por momentos sostenida en la siniestralidad vial.
Las limitaciones del trabajo recaen en tres elementos. Primero, las series de tiempo cortas: no se cuenta aún con suficiente información para tener mejor ajuste de los modelos propuestos, particularmente a sabiendas que la siniestralidad vial es un fenómeno claramente estacional en nuestro país, coincidente con análisis en países templados32. Segundo, los datos de siniestralidad utilizados no tienen registro del posible consumo de alcohol de las personas siniestradas, teniendo como consecuencia el no poder estudiar el efecto directo de la ley sobre aquellos que se accidentaron y tuvieron CAS positivo antes o después de los momentos de intervención señalados. Esto complementaría el análisis y fortalecería (o debilitaría) el argumento planteado. Tercero, si bien el subregistro del tipo de vehículo en que viajan los siniestrados ha disminuido considerablemente desde 2013, esto continúa siendo una limitante para describir con mayor detalle la realidad (el mismo se sitúa entorno de 5% anual). Como los datos utilizados llegaban hasta 2019, tampoco fue posible cuantificar el efecto de la pandemia por COVID-19 en la siniestralidad, el consumo de alcohol y su efecto combinado, donde ya existen varios trabajos a nivel internacional que dan cuenta de diferentes aspectos y resultados33,34.
Este trabajo es un aporte adicional al sinfín de investigaciones que han surgido en la región en los últimos años, además de mostrar peculiarmente la realidad del Uruguay en períodos donde algunos sectores siguen convencidos de la ineficacia de la legislación discutida en este artículo. Es menester continuar con este camino de mejora en la calidad y la información disponible sobre siniestralidad vial, para profundizar en investigaciones que proporcionen información fundamental para toda la sociedad.
Conclusiones
Este trabajo busca ser un aporte más para demostrar con evidencia científica que el consumo de alcohol no sufrió modificaciones importantes a pesar de la ley cero, al mismo tiempo que se deduce un cambio estructural en el comportamiento de los conductores de vehículos respecto al consumo de alcohol antes y durante el manejo. Sin lugar a dudas, los motociclistas (tanto conductores como pasajeros) han sido los más beneficiados con esta legislación, dada la cantidad de vidas salvadas desde la sanción de la ley. Queda por responder el porqué de la importante y persistente caída en la cantidad de peatones heridos en todo el país desde muchísimo antes que la sanción de la ley cero.
Continuar con la mejora en la calidad y cantidad de la información disponible es clave para conocer éste y otros detalles sobre estos complejos fenómenos.
