{"id":11216,"date":"2021-07-15T11:22:51","date_gmt":"2021-07-15T16:22:51","guid":{"rendered":"http:\/\/cienciauanl.uanl.mx\/?p=11216"},"modified":"2021-11-25T15:46:15","modified_gmt":"2021-11-25T21:46:15","slug":"percepcion-de-riesgo-de-contagio-de-covid-19-el-caso-de-los-estudiantes-de-la-uanl","status":"publish","type":"post","link":"https:\/\/cienciauanl.uanl.mx\/?p=11216","title":{"rendered":"Percepci\u00f3n de riesgo de contagio de COVID-19: el caso de los estudiantes de la UANL"},"content":{"rendered":"
\n
\n
\n
\n

Joana Cecilia Chapa Cantu\u0301*, Marco Vinicio Go\u0301mez Meza*,
\nMartha del Pilar Rodri\u0301guez Garci\u0301a*, Klender Aimer Cortez Alejandro*<\/p>\n

\n
\n
\n
\n

CIENCIA UANL \/ AN\u0303O 24, No.109, septiembre-octubre 2021<\/p>\n

DOI: http:\/\/cienciauanl.uanl.mx\/?p=11216<\/a><\/p>\n

\n
\n
\n
\n

<\/h4>\n

RESUMEN<\/h4>\n
\n
\n
\n
\n

Se identifican los determinantes de la probabilidad de que los estudiantes de la UANL crean que se pueden contagiar de COVID-19, mediante la estimacio\u0301n de un modelo Logit, utilizando los resultados del Censo UANL 2020 que fue aplicado durante el periodo septiembre-noviembre de 2020. Factores sociodemogra\u0301ficos, experiencias cercanas con la enfermedad, conocimiento del a\u0301rea de salud, el padecimiento de comorbilidades y el medio de transporte explican, de manera significativa, la probabilidad percibida de los estudiantes de contraer COVID-19.<\/p>\n

Palabras claves: COVID-19, contagio, percepcio\u0301n, riesgo, modelo Logit.<\/p>\n<\/div>\n

\n
\n
\n
\n

ABSTRACT<\/h4>\n
\n
\n
\n
\n

The determinants of the likelihood that UANL students believe that they can contract COVID-19 are identified by estimating a Logit model, using the results of the UANL 2020 Census applied during the period September-November 2020. Sociodemographic factors, personal experiences with the disease, health knowledge, the presence of comorbidities and the use of public transport significantly explain the perceived probability of contracting COVID-19 among students.<\/em><\/p>\n

Keywords: COVID-19, contagion, perception, risk, Logit model.<\/em><\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n

 <\/p>\n

\n
\n
\n
\n

El 11 de marzo de 2020, la Organizacio\u0301n Mundial de la Salud declara que el brote de COVID-19, que inicio\u0301 en China en diciembre de 2019, se convierte en pandemia. Como medidas para detener el contagio, en Nuevo Leo\u0301n, desde el 20 de abril de 2020, hasta el 31 de mayo de 2021, las clases, en todos los niveles, se han impartido en li\u0301nea. A la par, se han mantenido restricciones a actividades que involucran contacto fi\u0301sico. Esta interrupcio\u0301n en la actividad productiva se ha traducido en una pe\u0301rdida de ingreso y empleo para las familias de nuestro estado, de tal magnitud que, segu\u0301n el Instituto Nacional de Estadi\u0301stica y Geografi\u0301a (Inegi), el I\u0301ndice Trimestral de Actividad Econo\u0301mica Estatal de Nuevo Leo\u0301n cayo\u0301 8.9% en 2020.<\/p>\n

Ante este complicado ambiente, la Universidad Auto\u0301noma de Nuevo Leo\u0301n (UANL) aplica el Censo UANL 2020, con el objetivo de obtener una panora\u0301mica de la situacio\u0301n que esta\u0301n enfrentando los estudiantes y sus familias, en los aspectos: econo\u0301mico, de salud, educativo, emocional, entre otros.<\/p>\n

\n
\n
\n
\n

A nivel internacional, existe evidencia que apunta la relacio\u0301n cercana entre la percepcio\u0301n de riesgo y la conducta. Bordalo et al<\/em>. (2020) detectan que los individuos que perciben una mayor probabilidad de riesgo de muerte por COVID-19 salen con menos frecuencia, tratan de ir lo menos posible a salas de emergencia y evitan la atencio\u0301n me\u0301dica de rutina. Asi\u0301 tambie\u0301n, Trifiletti et al<\/em>. (2021) encuentran que la percepcio\u0301n de riesgo de contraer COVID-19 es un predictor significativo de mantener una sana distancia, pero no asi\u0301 de lavarse las manos. Kim y Kim (2020) identifican que la autoeficacia, el ge\u0301nero, el conocimiento, el estatus de salud personal, la severidad percibida y el apoyo social son los factores que tienen mayor poder explicativo de la conducta preventiva de las personas. Bundorf et al<\/em>. (2021) reportan que las personas que tienen ma\u0301s riesgo de contagio es ma\u0301s probable que eviten actividades econo\u0301micas. El trabajo realizado por Camacho (2020), para mexicanos de 18 an\u0303os o ma\u0301s, determina que 87.9% de los entrevistados tiene un\u00a0conocimiento adecuado sobre la enfermedad, 40.3% muestra un comportamiento de riesgo y 61.9% un comportamiento preventivo.<\/span><\/p>\n

\n
\n
\n

En la actualidad, no existe un estudio publicado que trate sobre los determinantes de la probabilidad de contraer COVID-19 en una comunidad universitaria, lo cual es el objetivo del presente trabajo de investigacio\u0301n. Para cumplir con el objetivo, se estima un modelo Logit que explica la probabilidad de que los estudiantes de la UANL crean que se pueden contagiar de COVID-19. Se proponen como variables explicativas: factores sociodemogra\u0301ficos, comorbilidades, experiencias cercanas con la enfermedad, conocimiento del a\u0301rea de salud, entre otras. Se concluye que la probabilidad percibida del estudiante de la UANL de contagio se incrementa cuando tiene experiencias cercanas con la enfermedad y cuando la familia presenta antecedentes de enfermedades respiratorias.<\/p>\n<\/div>\n

\n
\n
\n

BASE DE DATOS<\/h4>\n
\n
\n
\n

El Censo UANL 2020 fue levantado durante el periodo septiembre a noviembre de 2020, con los objetivos de: I) identificar la vulnerabilidad y fortaleza de la comunidad UANL para amortiguar los efectos de la COVID-19 y II) disen\u0303ar e implementar estrategias socialmente responsables en los rubros vinculados a salud emocional y bienestar, tecnologi\u0301a, econo\u0301mico y financiero, relaciones sociales, educacio\u0301n digital, salud, movilidad y transporte (se accede al cuestionario en el link https:\/\/deimos.dgi.uanl.mx\/cgi-bin\/encuestas.sh\/dti_Enc_Enc00_2.htm?HTMLCve_Encues- ta=47). Un total de 101,319 alumnos contestaron la encuesta, poco ma\u0301s de la mitad del alumnado de la UANL. Cabe destacar que es la primera encuesta de este tipo que se aplica en la UANL y se tiene la intencio\u0301n de que se realice al menos una vez al an\u0303o. En esta investigacio\u0301n se considera un total de 100,407 estudiantes, debido a la existencia de no respuesta en algunas variables consideradas en el ana\u0301lisis estadi\u0301stico.<\/p>\n

\n
\n
\n

PERCEPCIO\u0301N DEL RIESGO<\/h4>\n
\n
\n
\n

En investigaciones recientes, la percepcio\u0301n de riesgo vinculada a una enfermedad se ha medido utilizando frecuencias e i\u0301ndices (Bordalo et al<\/em>., 2020). Asimismo, varios trabajos miden la percepcio\u0301n del riesgo considerando tres dimensiones: probabilidad percibida, susceptibilidad percibida y severidad percibida (Brewer et al<\/em>., 2007; Trifiletti et al<\/em>., 2021). En nuestro caso, debido a la extensio\u0301n del cuestionario y la gran variedad de temas que se abarcaron no fue posible\u00a0construir un i\u0301ndice. Por ello, la probabilidad percibida del alumno de infectarse de COVID-19 se utiliza como medida de percepcio\u0301n de riesgo. En especi\u0301fico, se utiliza la siguiente pregunta: \u00bfCrees que te puedes contagiar de COVID?<\/span><\/p>\n

\n
\n
\n

MARCO TEO\u0301RICO<\/h4>\n
\n
\n
\n

La percepcio\u0301n de riesgo de los individuos generalmente se analiza bajo dos enfoques: el modelo de aprendizaje bayesiano (Attema et al<\/em>., 2021) y la teori\u0301a del comportamiento o economi\u0301a conductual (Kahneman y Tversky, 1973). El modelo de aprendizaje bayesiano establece que los individuos son racionales y toman sus decisiones con base en tres fuentes de riesgo de informacio\u0301n: la evaluacio\u0301n previa del riesgo, la experiencia del individuo e informacio\u0301n de riesgo provista al individuo. En cuanto a la teori\u0301a del comportamiento, postula que los individuos utilizan sesgos o atajos mentales cuando toman sus decisiones bajo incertidumbre. En el caso del ana\u0301lisis del riesgo de contraer enfermedades, generalmente se observa la presencia de dos sesgos (Attema et al<\/em>., 2021; Qian y Li, 2020): a)<\/em> la heuri\u0301stica de la representatividad, la cual estipula que cuando A<\/em> es altamente representativo de B<\/em>, la probabilidad de que A<\/em> sea de la categori\u0301a B<\/em> es elevada. b)<\/em> La heuri\u0301stica de la disponibilidad establece que los individuos asignan ma\u0301s probabilidad a un evento en funcio\u0301n de la facilidad con que dicho evento puede traerse a la mente. Esta heuri\u0301stica depende de la familiaridad, la prominencia y el afecto.<\/p>\n

\n
\n
\n

METODOLOGI\u0301A<\/h4>\n
\n
\n
\n

Se utiliza un modelo Logit en el que la variable dependiente \"\"<\/a>\u00a0toma el valor de uno, con probabilidad \"\"<\/a>\u00a0si el alumno declara que cree que se puede infectar de COVID-19 y toma el valor de cero, con probabilidad \"\"<\/a>\u00a0si el alumno declara que no cree que se puede infectar (Greene, 2012). Se tiene que \"\"<\/a>donde \"\"<\/a>\u00a0es un vector de 1 x k que contiene las variables explicativas, con el primer elemento igual a la unidad y \u03b2<\/strong> es el vector de para\u0301metros de orden k x 1. Adema\u0301s, considerando que logit\"\"<\/a>y se tiene que el modelo de regresio\u0301n logi\u0301stica a estimar es el siguiente:<\/p>\n

\"\"<\/a><\/p>\n

\n
\n
<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n
\n
\n
\n

La bu\u0301squeda del modelo final inicio\u0301 con el ajuste de un modelo Logit con 50 variables independientes, presentes en el Censo UANL 2020, relacionadas con caracteri\u0301sticas sociodemogra\u0301ficas de los alumnos, aspectos de la familia, salud\u00a0individual y familiar, asi\u0301 como conocimiento y experiencias relacionadas con la COVID. Se implemento\u0301 la te\u0301cnica de seleccio\u0301n de variables \u201chacia atra\u0301s\u201d (Backward)<\/em>, considerando un nivel de significancia de .001 para la permanencia de la(s) variable(s) en el modelo, y posteriormente se realizo\u0301 un ana\u0301lisis de multicolinealidad. Se considero\u0301, dado que se tiene una muestra grande (n = 100,407), que cada una de las variables del modelo final mostrara significancia (p \u02c2 .001) en el estadi\u0301stico BIC, (BICj = estadi\u0301stico de Wald \u2013 ln(n); j = 1, … , k). Todas las variables del modelo final Logit (Probit) alcanzaron el nivel de evidencia muy fuerte<\/em>, segu\u0301n la clasificacio\u0301n de Raftery (1995).<\/span><\/p>\n

\n
\n
\n
\n

En el modelo final, dentro de las variables explicativas, se considera un vector de factores sociodemogra\u0301ficos\"\"<\/a>de orden 3×1, uno de indicadores de la experiencia cercana con la enfermedad\"\"<\/a>de dimensio\u0301n 3×1, uno de afecciones de salud que incrementan la probabilidad de complicaciones en caso de contraer la enfermedad\"\"<\/a>de orden 2×1, un indicador del conocimiento del estudiante en el a\u0301rea de salud\"\"<\/a>y el medio de transporte que utilizaba el estudiante para trasladarse a la universidad antes de la pandemia\"\"<\/a>. A continuacio\u0301n, se detalla la construccio\u0301n de las variables del modelo final.<\/p>\n

\n
\n
\n
\n

Factores sociodemogra\u0301ficos<\/em>. (1) Edad del alumno <\/em>en an\u0303os, (2) Sexo<\/em>, con valor de 1 si es mujer y 0 si es hombre, (3)Ingreso_Fam_Men_May_a_7500<\/em>, con valor de 1 si el nivel de ingreso mensual de la familia es mayor a 7,500 pesos y 0 de otra forma.<\/p>\n

\n
\n
\n
\n

Experiencia con la enfermedad<\/em>. (1) Conoce_Contrajo_COVID<\/em>, con valor de 1 si conoce a alguien que contrajo COVID-19 y 0 de otra forma, (2) Conoce_Muere_COVID<\/em>, con valor de 1 si conoce a alguien que ha muerto por COVID-19 y 0 de otra forma, (3) Fam_Con_Coronavirus<\/em>, con valor de 1 si algu\u0301n familiar se contagio\u0301 de coronavirus y 0 si no es asi\u0301.<\/p>\n

\n
\n
\n
\n

Comorbilidades<\/em>. (1) Obesidad<\/em>, con valor de 1 si el alumno presenta obesidad y 0 si no la presenta. (2) Fam_ Con_Enfer_Respiratorias<\/em>, con valor de 1 si su familia tiene antecedentes de enfermedades respiratorias y 0 si no tiene.<\/p>\n

\n
\n
\n
\n

Conocimiento del a\u0301rea de salud<\/em>. (1) Carrera_Rela_ con_Salud<\/em>, con valor de 1 si estudia una carrera vinculada al a\u0301rea de salud y 0 si estudia una carrera de otras a\u0301reas (el nivel 1 cuenta con 11,451 alumnos, de los cuales, ma\u0301s de 99.5% proviene de las carreras: me\u0301dico cirujano y partero,\u00a0me\u0301dico cirujano dentista, Biotecnologi\u0301a Geno\u0301mica, Enfermeri\u0301a, me\u0301dico veterinario y zootecnista, Biologi\u0301a, qui\u0301mico bacterio\u0301logo parasito\u0301logo, qui\u0301mico farmace\u0301utico bio\u0301logo, Nutricio\u0301n, ingeniero ambiental, qui\u0301mico cli\u0301nico bio\u0301logo, Biotecnologi\u0301a, ingeniero biome\u0301dico, BT dental y profesional asociado en enfermeri\u0301a).<\/span><\/p>\n

\n
\n
\n
\n

Medio de transporte<\/em>. (1) Antes_Pandemia_Transporte_ Pub<\/em>, con el valor de 1 si antes de la pandemia usaba transporte pu\u0301blico y 0 si utilizaba otro medio.<\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n

\n
\n
\n
\n

RESULTADOS<\/h4>\n
\n
\n
\n
\n

La edad promedio de los alumnos participantes fue 18.3 an\u0303os (Valor Mi\u0301nimo = 14, \"\"<\/a>\u00a0= 16, \"\"<\/a>= 18, \"\"<\/a>= 21, Valor Ma\u0301ximo = 69), con una desviacio\u0301n esta\u0301ndar de 3.56 an\u0303os, 53.7% (53,896) pertenece al sexo femenino. El modelo ajustado predice correctamente 72.1% de la creencia de con- traer COVID-19 que declararon los estudiantes de la UANL. Todas las variables son significativas, tienen una probabilidad de rechazo de \"\"<\/a>\u00a0menor a 0.001, conj = 1,2,…,10. Cabe comentar que, el modelo es robusto, dado que, si se utiliza un modelo Probit, las variables siguen siendo altamente significativas (p \u02c2 0.001) y mantienen el signo. Adema\u0301s, los li\u0301mites de los intervalos de 95% de confianza para los coeficientes del modelo final Logit obtenidos por la te\u0301cnica de remuestreo (Bootstrap<\/em>) se encuentran dentro de los li\u0301mites de los intervalos de 99% de confianza cla\u0301sicos, reportando valores de p<\/em> menores a .001 (ver tabla I).<\/p>\n

\"\"<\/a><\/p>\n

\n
\n
\n
\n

El ana\u0301lisis de multicolinealidad efectuado al modelo final Logit mostro\u0301 que todas las rai\u0301ces caracteri\u0301sticas son mayores a .11, con excepcio\u0301n de la mi\u0301nima (.016); adema\u0301s, solamente uno de los once i\u0301ndices de condicio\u0301n resulto\u0301 ser mayor a 8 (19.01), por lo tanto, es adecuado afirmar que multicolinealidad no es un problema que este\u0301 presente en el modelo ajustado. La tabla I contiene los resultados de las estimaciones y en la figura 1 se presentan diagramas de caja para las probabilidades estimadas por los modelos finales ajustados. Para el modelo Probit, las probabilidades estimadas se ubican entre .337 (mi\u0301nimo) y .999 (ma\u0301ximo), con promedio .709 (\"\"<\/a> = .624, \"\"<\/a>\u00a0= .725, \"\"<\/a>\u00a0= .813) y desviacio\u0301n esta\u0301ndar .137, mientras que para el modelo Logit dichas probabilidades fluctu\u0301an desde .328 (mi\u0301nimo) hasta .997 (ma\u0301ximo), con promedio .709 (\"\"<\/a> = .623, \"\"<\/a>\u00a0= .727, \"\"<\/a>\u00a0= .814) y desviacio\u0301n esta\u0301ndar .138. El coeficiente de correlacio\u0301n muestral de Pearson (Spearman) entre las probabilidades estimadas por los modelos Logit y Probit fue .9995 (.9996). Lo anterior pone en evidencia que los dos modelos son muy similares para explicar el comportamiento de la probabilidad en estudio.<\/p>\n

\"\"<\/a>

Nota: (*) Probabilidad de que el alumno de la UANL crea que s\u00ed se puede contagiar del coronavirus (fuente: elaboraci\u00f3n propia con base en el Censo UANL 2021).<\/p><\/div>\n

\n
\n
\n
\n

Los factores sociodemogra\u0301ficos, la edad, el ge\u0301nero y el nivel de ingreso resultaron ser determinantes para la probabilidad de creer en el contagio. La edad y el nivel de ingreso familiar\u00a0aumentan la probabilidad de que los alumnos crean que se pueden contagiar, mientras que el ser mujer la reduce. En la figura 2 se puede observar que la probabilidad promedio de\u00a0<\/span>los alumnos de creer que se pueden contagiar de COVID-19 se incrementa con la edad a una tasa decreciente. Los resultados de esta investigacio\u0301n son consistentes tanto con el modelo de aprendizaje bayesiano como con los sesgos y atajos mentales que cometen los individuos bajo incertidumbre. Bajo el enfoque bayesiano, como indicadores de la evaluacio\u0301n previa del riesgo resultan determinantes que incrementan la probabilidad de que un estudiante crea que se puede contagiar de COVID-19: el padecimiento de comorbilidades, que potencializan el riesgo de complicaciones (obesidad y familia con antecedentes de enfermedades respiratorias) y el tener conocimiento del a\u0301rea de salud.<\/span><\/p>\n

\n
\n
\n
\n

En cuanto a fuentes de experiencia del individuo, incrementan la percepcio\u0301n de riesgo de contagio, el que un familiar haya enfermado de COVID y el conocer a alguien que se haya enfermado o fallecido por COVID-19. La informacio\u0301n difundida por los medios de comunicacio\u0301n, indicando que se enferman y mueren ma\u0301s hombres que mujeres de COVID-19 explicari\u0301a por que\u0301 la probabilidad de que una estudiante mujer crea que se puede contagiar es menor que la de un estudiante varo\u0301n. Asimismo, la experiencia sobre las aglomeraciones en el transporte pu\u0301blico de Nuevo Leo\u0301n podri\u0301a explicar que los estudiantes que utilizaban este medio antes de la pandemia tengan una mayor percepcio\u0301n de riesgo que los estudiantes que usaban otro medio.<\/p>\n

\n
\n
\n

Contrario al modelo racional, los alumnos sobreestiman la probabilidad de contraer COVID-19, dado que alrededor de 70% cree que se puede contagiar, mientras que so\u0301lo 2.8% se habi\u0301a contagiado de COVID-19 y 1.1% de los jo\u0301venes de 15 a 29 an\u0303os, al corte de noviembre de 2020, habi\u0301a sido positivo por COVID-19 en Nuevo Leo\u0301n (tasa calculada con base en las estadi\u0301sticas del gobierno federal, https:\/\/datos. covid-19.conacyt.mx\/#DownZCSV). A este sesgo se le denomina heuri\u0301stica de la representatividad y tambie\u0301n ha sido detectado en Attema et al<\/em>. (2021) para el caso de la tasa de letalidad del COVID en Francia. Asimismo, la heuri\u0301stica de la familiaridad podri\u0301a explicar la relacio\u0301n positiva entre el conocimiento del a\u0301rea de salud y la probabilidad percibida del alumno de que se puede infectar y la heuri\u0301stica del afecto que los principales determinantes de la probabilidad percibida sean las experiencias cercanas al contagio.<\/p>\n

Cabe destacar que las experiencias con la enfermedad son las que generan un mayor incremento en la probabilidad percibida de contagio del estudiante. Las variables que generan un mayor aumento en la probabilidad percibida del estudiante de contraer COVID son: si la familia del alumno contrajo COVID-19 (.1471), si el alumno conoce a alguien que contrajo COVID (.1003) y si la familia del alumno padece de enfermedades respiratorias (.0809) (tabla II).<\/p>\n

\"\"<\/a><\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n

\n
\n
\n

CONCLUSIONES<\/h4>\n
\n
\n
\n

Este ana\u0301lisis provee informacio\u0301n relevante para el disen\u0303o de poli\u0301ticas que incentiven a los alumnos a que tomen decisiones adecuadas vinculadas con sus ha\u0301bitos de proteccio\u0301n, de movilidad y de cuidados de salud. Lo cual consideramos oportuno en estos momentos porque estamos ma\u0301s cerca del regreso a clases en modalidad hi\u0301brida. Por ejemplo, los resultados sugieren que los alumnos ma\u0301s jo\u0301venes son menos propensos a creer que se pueden contagiar, por lo que se debe trabajar en concientizarlos. Asimismo, es muy recomendable realizar una campan\u0303a de informacio\u0301n sobre la enfermedad en la comunidad universitaria, dado que el conocimiento es un factor que resulto\u0301 determinante y significativo en la creencia de contagio.<\/p>\n

Una futura li\u0301nea de investigacio\u0301n consiste en estudiar los determinantes de la probabilidad percibida para subgrupos de intere\u0301s con una regresio\u0301n por cuantiles. Asimismo, analizar co\u0301mo la percepcio\u0301n de riesgo impacta la conducta de los estudiantes, por ejemplo, analizar si la percepcio\u0301n subjetiva del riesgo es un factor determinante de la cantidad de horas a la semana que los alumnos estuvieron fuera de casa durante la pandemia.<\/p>\n

\n
\n
\n
\n

 <\/p>\n

* Universidad Auto\u0301noma de Nuevo Leo\u0301n.
\nContacto: joana.chapacn@uanl.edu.mx<\/p>\n<\/div>\n

\n
\n
\n

<\/h4>\n

REFERENCIAS<\/h4>\n
\n
\n
\n

Attema, A.E., L \u0301Haridon, O., Raude, J., et al<\/em>. (2021). Beliefs and risk perceptions about COVID-19: Evidence from two successive french representative surveys during lockdown. Frontiers in Psychology<\/em>. 12:1-16.
\nBordalo, P., Coffman, K.B., Gennaioli, N., <\/span>et al<\/em>. (2020). Older people are less pessimistic about the health risks of COVID-19 (No. w27494). <\/span>National Bureau of Economic Research<\/em>.
\n<\/span>Brewer, N.T., Chapman, G.B., Gibbons, F.X., <\/span>et al.<\/em> (2007). Meta-analysis of the relationship between risk perception and health behavior: The example of vaccination, <\/span>Health Psychology<\/em>. 26(2):136-145.
\n<\/span>Bundorf, M.K., DeMatteis, J., Miller, G., <\/span>et al<\/em>. (2021). Risk perceptions and protective behaviors: evidence from Covid-19 Pandemic. <\/span>NBER Working Paper Series<\/em>. Working Paper 28741. Abril 2021.
\n<\/span>Efron, B. (1987). Better Bootstrap Confidence Intervals, <\/span>Journal of the American Statistical Association<\/em>, 82(397):171185. DOI: 10.1080\/01621459.1987.10478410.
\n<\/span>Greene, W. (2012). <\/span>Econometric Analysis: International Edition. <\/em>Pearson, Seventh edition.
\n<\/span>Kim, S., y Kim, S. (2020). Analysis of the impact of health beliefs and resource factors on preventive behaviors against the COVID-19 Pandemic. <\/span>International Journal of Environmental Research and Public Health.<\/em> 17, 8666, 1-21.
\n<\/span>Qian, D., y Li, O. (2020). The Relationship between Risk Event Involvement and Risk Perception during the COVID-19 Outbreak in China. <\/span>Applied Psychology: Health and Well-being.<\/em> 12 (4):983-999.
\n<\/span>Raftery, A.E. (1995). Bayesian model selection in social research. In (P.V. Marsden, Ed.) <\/span>Sociological Methodology<\/em> (pp. 111-163). London: Tavistock.
\n<\/span>Trifiletti, E., Shamloo, S., Faccini, M., <\/span>et al<\/em>. (2021). Psychological predictors of protective behaviours during the Covid-19 pandemic: Theory of planned behaviour and risk perception. <\/span>J Community Appl Soc Psychol<\/em>. 1-16.
\n<\/span>Tversky, A., y Kahneman, D. (1974). Judgment under uncertainty: Heuristics and biases. <\/span>Science<\/em>. 185.4157: 1124-1131.<\/span><\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n","protected":false},"excerpt":{"rendered":"

Joana Cecilia Chapa Cantu\u0301*, Marco Vinicio Go\u0301mez Meza*, Martha del Pilar Rodri\u0301guez Garci\u0301a*, Klender Aimer Cortez Alejandro* CIENCIA UANL \/ AN\u0303O 24, No.109, septiembre-octubre 2021 DOI: http:\/\/cienciauanl.uanl.mx\/?p=11216 RESUMEN Se identifican los determinantes de la probabilidad de que los estudiantes de la UANL crean que se pueden contagiar de COVID-19, mediante la estimacio\u0301n de un modelo Logit, utilizando los resultados del […]<\/p>\n","protected":false},"author":4,"featured_media":11234,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"footnotes":""},"categories":[27],"tags":[],"class_list":["post-11216","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-investigacion"],"_links":{"self":[{"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=\/wp\/v2\/posts\/11216","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=11216"}],"version-history":[{"count":2,"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=\/wp\/v2\/posts\/11216\/revisions"}],"predecessor-version":[{"id":11244,"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=\/wp\/v2\/posts\/11216\/revisions\/11244"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=\/wp\/v2\/media\/11234"}],"wp:attachment":[{"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=11216"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=11216"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=11216"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}