Discusión:Índice sintético de vulnerabilidad en Barcelona y Madrid - Historial de revisiones

Usr18 en 12:26 24 ene 2022

2022-01-24T12:26:15Z

Usr18 en 13:26 28 dic 2021

2021-12-28T13:26:28Z

Usr17 en 08:23 14 dic 2021

2021-12-14T08:23:46Z

Usr20 en 07:56 10 dic 2021

2021-12-10T07:56:46Z

Usr20 en 07:55 10 dic 2021

2021-12-10T07:55:21Z

Usr17 en 12:09 17 nov 2021

2021-11-17T12:09:31Z

Usr17 en 12:05 17 nov 2021

2021-11-17T12:05:40Z

Usr17 en 11:48 28 oct 2021

2021-10-28T11:48:39Z

Usr17 en 12:34 25 oct 2021

2021-10-25T12:34:52Z

Usr17 en 12:30 25 oct 2021

2021-10-25T12:30:34Z

@@ Línea 46: / Línea 46: @@
 Una vez recogida y tratada la información, se procedió a la elaboración de un índice sintético de vulnerabilidad mediante la técnica de análisis de componentes principales, que se representó en forma de matriz respecto de las variables. Estas se representan en filas y los componentes principales en columnas. Lo ideal es que cada componente se relacione de forma positiva con pocas variables (con unos coeficientes de correlación próximos a 1 o -1) y mal con el resto de las variables (con coeficientes próximos a 0). En este caso, de los dos componentes obtenidos, se optó por escoger el primero, al considerar que era el más representativo. Finalmente, se dio traslado de los resultados a un sistema de información geográfica, donde se optó por clasificarlos según el método de clasificación en intervalos naturales (''natural breaks'').
-[[Archivo:Barcelona_Indice-de-vulnerabilidad.-Ciudad-de-Barcelona_2017_mapa_18011_spa.jpg|left|thumb|none|300px|Mapa: Índice de vulnerabilidad. Ciudad de Barcelona. 2017. Barcelona. [//centrodedescargas.cnig.es/CentroDescargas/busquedaRedirigida.do?ruta=PUBLICACION_CNIG_DATOS_VARIOS/aneTematico/Barcelona_Indice-de-vulnerabilidad.-Ciudad-de-Barcelona_2017_mapa_18011_spa.pdf PDF]. [//centrodedescargas.cnig.es/CentroDescargas/busquedaRedirigida.do?ruta=PUBLICACION_CNIG_DATOS_VARIOS/aneTematico/Barcelona_Indice-de-vulnerabilidad.-Ciudad-de-Barcelona_2017_mapa_18011_spa.zip Datos]. [SUSTITUIR_POR_URL_GEOCLIP_O_BORRAR_ENLACE Interactivo].]][[Archivo:Madrid_Indice-de-vulnerabilidad.-Ciudad-de-Madrid_2017_mapa_18012_spa.jpg|left|thumb|none|300px|Mapa: Índice de vulnerabilidad. Ciudad de Madrid. 2017. Madrid. [//centrodedescargas.cnig.es/CentroDescargas/busquedaRedirigida.do?ruta=PUBLICACION_CNIG_DATOS_VARIOS/aneTematico/Madrid_Indice-de-vulnerabilidad.-Ciudad-de-Madrid_2017_mapa_18012_spa.pdf PDF]. [//centrodedescargas.cnig.es/CentroDescargas/busquedaRedirigida.do?ruta=PUBLICACION_CNIG_DATOS_VARIOS/aneTematico/Madrid_Indice-de-vulnerabilidad.-Ciudad-de-Madrid_2017_mapa_18012_spa.zip Datos]. [SUSTITUIR_POR_URL_GEOCLIP_O_BORRAR_ENLACE Interactivo].]]
+[[Archivo:Barcelona_Indice-de-vulnerabilidad.-Ciudad-de-Barcelona_2017_mapa_18011_spa.jpg|left|thumb|none|300px|Mapa: Índice de vulnerabilidad. Ciudad de Barcelona. 2017. Barcelona. [//centrodedescargas.cnig.es/CentroDescargas/busquedaRedirigida.do?ruta=PUBLICACION_CNIG_DATOS_VARIOS/aneTematico/Barcelona_Indice-de-vulnerabilidad.-Ciudad-de-Barcelona_2017_mapa_18011_spa.pdf PDF]. [//centrodedescargas.cnig.es/CentroDescargas/busquedaRedirigida.do?ruta=PUBLICACION_CNIG_DATOS_VARIOS/aneTematico/Barcelona_Indice-de-vulnerabilidad.-Ciudad-de-Barcelona_2017_mapa_18011_spa.zip Datos].]][[Archivo:Madrid_Indice-de-vulnerabilidad.-Ciudad-de-Madrid_2017_mapa_18012_spa.jpg|left|thumb|none|300px|Mapa: Índice de vulnerabilidad. Ciudad de Madrid. 2017. Madrid. [//centrodedescargas.cnig.es/CentroDescargas/busquedaRedirigida.do?ruta=PUBLICACION_CNIG_DATOS_VARIOS/aneTematico/Madrid_Indice-de-vulnerabilidad.-Ciudad-de-Madrid_2017_mapa_18012_spa.pdf PDF]. [//centrodedescargas.cnig.es/CentroDescargas/busquedaRedirigida.do?ruta=PUBLICACION_CNIG_DATOS_VARIOS/aneTematico/Madrid_Indice-de-vulnerabilidad.-Ciudad-de-Madrid_2017_mapa_18012_spa.zip Datos].]]
 Como ya se demostró hace más de cien años, la cartografía médica es una herramienta fundamental para la visualización de los procesos de difusión de las enfermedades, la gestión de las crisis epidemiológicas y la toma de decisiones. Los estudios clásicos sobre salud pública y ciudad recuperan un espacio que hasta hace poco parecía impensable introducir en el debate urbano del siglo XXI. La pandemia de la COVID-19 obliga a una reformulación de los estudios urbanos, recuperando antiguos debates que propicien la reflexión sobre problemas urbanos no satisfactoriamente superados. Entre ellos, los referidos a las desigualdades en la ciudad. La enfermedad, precisamente, se está mostrando como un indicador principal y muy expresivo de las desigualdades urbanas. El descuido sistemático de las necesidades humanas universales de refugio, salud y seguridad parece que están provocando que los barrios con rentas más bajas sean desproporcionadamente más vulnerables, en este caso, a la pandemia COVID-19, no sólo en términos de salud, sino también en pérdida de renta, aumento del desempleo, menor protección social, etc. El incremento de la pobreza y el aumento multiescalar de la desigualdad socioespacial cristalizan en lo que se viene a denominar injusticia espacial. No resulta arriesgado manifestar, aunque sea como hipótesis plausible, que la pobreza y precariedad están provocando más contagios y víctimas entre los más vulnerables (González y Piñeira, 2020).

@@ Línea 46: / Línea 46: @@
 Una vez recogida y tratada la información, se procedió a la elaboración de un índice sintético de vulnerabilidad mediante la técnica de análisis de componentes principales, que se representó en forma de matriz respecto de las variables. Estas se representan en filas y los componentes principales en columnas. Lo ideal es que cada componente se relacione de forma positiva con pocas variables (con unos coeficientes de correlación próximos a 1 o -1) y mal con el resto de las variables (con coeficientes próximos a 0). En este caso, de los dos componentes obtenidos, se optó por escoger el primero, al considerar que era el más representativo. Finalmente, se dio traslado de los resultados a un sistema de información geográfica, donde se optó por clasificarlos según el método de clasificación en intervalos naturales (''natural breaks'').
-[[Archivo:Espana Poblacion-y-densidad-de-poblacion 1900 mapa 14663 spa.jpg|left|thumb|none|300px|Mapa de Índice de vulnerabilidad. Municipio de Barcelona. [http://centrodedescargas.cnig.es/CentroDescargas/busquedaRedirigida.do?ruta=PUBLICACION_CNIG_DATOS_VARIOS/aneTematico/Espana_Poblacion-y-densidad-de-poblacion_1900_mapa_14663_spa.pdf PDF]. [http://centrodedescargas.cnig.es/CentroDescargas/busquedaRedirigida.do?ruta=PUBLICACION_CNIG_DATOS_VARIOS/aneTematico/Espana_Poblacion-y-densidad-de-poblacion_1900_mapa_14663_spa.zip Datos] [https://interactivo-atlasnacional.ign.es/index.php#c=indicator&i=r_3_t.r_3_t&i2=c_43_t.c_43_t&s=1900&s2=1900&t=A02&t2=A02&view=map9 Interactivo. ]]][[Archivo:Espana Poblacion-y-densidad-de-poblacion 1900 mapa 14663 spa.jpg|left|thumb|none|300px|Mapa de Índice de vulnerabilidad. Municipio de Madrid. [http://centrodedescargas.cnig.es/CentroDescargas/busquedaRedirigida.do?ruta=PUBLICACION_CNIG_DATOS_VARIOS/aneTematico/Espana_Poblacion-y-densidad-de-poblacion_1900_mapa_14663_spa.pdf PDF]. [http://centrodedescargas.cnig.es/CentroDescargas/busquedaRedirigida.do?ruta=PUBLICACION_CNIG_DATOS_VARIOS/aneTematico/Espana_Poblacion-y-densidad-de-poblacion_1900_mapa_14663_spa.zip Datos] [https://interactivo-atlasnacional.ign.es/index.php#c=indicator&i=r_3_t.r_3_t&i2=c_43_t.c_43_t&s=1900&s2=1900&t=A02&t2=A02&view=map9 Interactivo. ]]]Como ya se demostró hace más de cien años, la cartografía médica es una herramienta fundamental para la visualización de los procesos de difusión de las enfermedades, la gestión de las crisis epidemiológicas y la toma de decisiones. Los estudios clásicos sobre salud pública y ciudad recuperan un espacio que hasta hace poco parecía impensable introducir en el debate urbano del siglo XXI. La pandemia de la COVID-19 obliga a una reformulación de los estudios urbanos, recuperando antiguos debates que propicien la reflexión sobre problemas urbanos no satisfactoriamente superados. Entre ellos, los referidos a las desigualdades en la ciudad. La enfermedad, precisamente, se está mostrando como un indicador principal y muy expresivo de las desigualdades urbanas. El descuido sistemático de las necesidades humanas universales de refugio, salud y seguridad parece que están provocando que los barrios con rentas más bajas sean desproporcionadamente más vulnerables, en este caso, a la pandemia COVID-19, no sólo en términos de salud, sino también en pérdida de renta, aumento del desempleo, menor protección social, etc. El incremento de la pobreza y el aumento multiescalar de la desigualdad socioespacial cristalizan en lo que se viene a denominar injusticia espacial. No resulta arriesgado manifestar, aunque sea como hipótesis plausible, que la pobreza y precariedad están provocando más contagios y víctimas entre los más vulnerables (González y Piñeira, 2020).
+[[Archivo:Barcelona_Indice-de-vulnerabilidad.-Ciudad-de-Barcelona_2017_mapa_18011_spa.jpg|left|thumb|none|300px|Mapa: Índice de vulnerabilidad. Ciudad de Barcelona. 2017. Barcelona. [//centrodedescargas.cnig.es/CentroDescargas/busquedaRedirigida.do?ruta=PUBLICACION_CNIG_DATOS_VARIOS/aneTematico/Barcelona_Indice-de-vulnerabilidad.-Ciudad-de-Barcelona_2017_mapa_18011_spa.pdf PDF]. [//centrodedescargas.cnig.es/CentroDescargas/busquedaRedirigida.do?ruta=PUBLICACION_CNIG_DATOS_VARIOS/aneTematico/Barcelona_Indice-de-vulnerabilidad.-Ciudad-de-Barcelona_2017_mapa_18011_spa.zip Datos]. [SUSTITUIR_POR_URL_GEOCLIP_O_BORRAR_ENLACE Interactivo].]][[Archivo:Madrid_Indice-de-vulnerabilidad.-Ciudad-de-Madrid_2017_mapa_18012_spa.jpg|left|thumb|none|300px|Mapa: Índice de vulnerabilidad. Ciudad de Madrid. 2017. Madrid. [//centrodedescargas.cnig.es/CentroDescargas/busquedaRedirigida.do?ruta=PUBLICACION_CNIG_DATOS_VARIOS/aneTematico/Madrid_Indice-de-vulnerabilidad.-Ciudad-de-Madrid_2017_mapa_18012_spa.pdf PDF]. [//centrodedescargas.cnig.es/CentroDescargas/busquedaRedirigida.do?ruta=PUBLICACION_CNIG_DATOS_VARIOS/aneTematico/Madrid_Indice-de-vulnerabilidad.-Ciudad-de-Madrid_2017_mapa_18012_spa.zip Datos]. [SUSTITUIR_POR_URL_GEOCLIP_O_BORRAR_ENLACE Interactivo].]]
 La vulnerabilidad en Barcelona y Madrid castiga especialmente a las periferias urbanas, sobre todo aquellas construidas durante el desarrollismo (1960-1970), con alta presencia de vivienda social, altas densidades y que sirven como lugar de residencia de población inmigrante (primero de la emigración interior y más recientemente de la extranjera laboral). En Barcelona, la fractura social se percibe en un norte y sur mucho más vulnerables frente al oeste más privilegiado. En Madrid, la relación es claramente sur-norte. En los dos casos, la baja vulnerabilidad es característica común en los espacios centrales (ensanches y centros históricos). En estos últimos, los índices elevados se reducen a puntuales reductos de áreas todavía no rehabilitadas o gentrificadas, como por ejemplo el Raval en Barcelona. En definitiva, la detección de estos contrastes en Madrid y Barcelona parece que han podido favorecer, en general, la existencia de una relación directa entre altas tasas de vulnerabilidad y la incidencia acumulada por la COVID-19.

@@ Línea 12: / Línea 12: @@
 {| cellspacing="0" cellpadding="0" style="margin-top: 0; margin-right: 0px; margin-bottom: 0em; margin-left: 0px; float:right; width:350px"
 | style="vertical-align: top; border-style: solid; border-width: 1px; border-color: #ffffff; background-color:#ffffff" |
-<div style="text-align:center; float:right"><div style="color:#DF7401">'''Matriz de componentes'''<span style="color:#636363"><sup>a</sup></span></div>
+<div style="text-align:center; float:right"><div style="color:MediumBlue">'''Matriz de componentes'''<span style="color:#636363"><sup>a</sup></span></div>
 {| cellspacing="0" cellpadding="0" style="margin-top: 0; margin-right: 0px; margin-bottom: 0em; margin-left: 20px; float:right; width:350px"
@@ Línea 21: / Línea 21: @@
 {| style="margin-right: 0px; margin-left: 0px; font-size:12px"
 |-
-| rowspan="2" style="background:#f1d3c0; color:#ef9248; text-align:center; width:250px" | '''VARIABLE''' || colspan="2" style="background:#f1d3c0; color:#ef9248; text-align:center" | '''COMPONENTES'''
+| rowspan="2" style="background:LightGoldenrodYellow; color:MediumBlue; border: solid; border-width: 1px; text-align:center; width:250px" | '''VARIABLE''' || colspan="2" style="background:LightGoldenrodYellow; color:MediumBlue; border: solid; border-width: 1px; text-align:center" | '''COMPONENTES'''
 |-
-| style="background:#f1d3c0; color:#ef9248; text-align:center; width:50px" | '''1''' || style="background:#f1d3c0; color:#ef9248; text-align:center; width:50px" | '''2'''
+| style="background:LightGoldenrodYellow; color:MediumBlue; border: solid; border-width: 1px; text-align:center; width:50px" | '''1''' || style="background:LightGoldenrodYellow; color:MediumBlue; border: solid; border-width: 1px; text-align:center; width:50px" | '''2'''
 |-
-| style="color:#636363; background:#ffffff; text-align:left; border: solid; border-width: 1px" | Renta media por persona || style="background:#ffffff; color:#636363; text-align:center; border: solid; border-width: 1px" | -,899 || style="background:#ffffff; color:#636363; text-align:center; border: solid; border-width: 1px" | ,189
+| style="color:#000000; background:#ffffff; text-align:left; border: solid; border-width: 1px" | Renta media por persona || style="background:#ffffff; color:#000000; text-align:center; border: solid; border-width: 1px" | -,899 || style="background:#ffffff; color:#000000; text-align:center; border: solid; border-width: 1px" | ,189
 |-
-| style="color:#636363; background:#ffffff; text-align:left; border: solid; border-width: 1px" | Población en paro || style="background:#ffffff; color:#636363; text-align:center; border: solid; border-width: 1px" | ,880 || style="background:#ffffff; color:#636363; text-align:center; border: solid; border-width: 1px" | -,137
+| style="color:#000000; background:Ivory; text-align:left; border: solid; border-width: 1px" | Población en paro || style="background:Ivory; color:#000000; text-align:center; border: solid; border-width: 1px" | ,880 || style="background:Ivory; color:#000000; text-align:center; border: solid; border-width: 1px" | -,137
 |-
-| style="color:#636363; background:#ffffff; text-align:left; border: solid; border-width: 1px" | Población con prestaciones || style="background:#ffffff; color:#636363; text-align:center; border: solid; border-width: 1px" | ,830 || style="background:#ffffff; color:#636363; text-align:center; border: solid; border-width: 1px" | -,250
+| style="color:#000000; background:#ffffff; text-align:left; border: solid; border-width: 1px" | Población con prestaciones || style="background:#ffffff; color:#000000; text-align:center; border: solid; border-width: 1px" | ,830 || style="background:#ffffff; color:#000000; text-align:center; border: solid; border-width: 1px" | -,250
 |-
-| style="color:#636363; background:#ffffff; text-align:left; border: solid; border-width: 1px" | Población analfabeta/sin estudios || style="background:#ffffff; color:#636363; text-align:center; border: solid; border-width: 1px" | ,272 || style="background:#ffffff; color:#636363; text-align:center; border: solid; border-width: 1px" | ,810
+| style="color:#000000; background:Ivory; text-align:left; border: solid; border-width: 1px" | Población analfabeta/sin estudios || style="background:Ivory; color:#000000; text-align:center; border: solid; border-width: 1px" | ,272 || style="background:Ivory; color:#000000; text-align:center; border: solid; border-width: 1px" | ,810
 |-
-| style="color:#636363; background:#ffffff; text-align:left; border: solid; border-width: 1px" | Población extranjera || style="background:#ffffff; color:#636363; text-align:center; border: solid; border-width: 1px" | ,513 || style="background:#ffffff; color:#636363; text-align:center; border: solid; border-width: 1px" | ,539
+| style="color:#000000; background:#ffffff; text-align:left; border: solid; border-width: 1px" | Población extranjera || style="background:#ffffff; color:#000000; text-align:center; border: solid; border-width: 1px" | ,513 || style="background:#ffffff; color:#000000; text-align:center; border: solid; border-width: 1px" | ,539
 |}</div>
 </div>

@@ Línea 44: / Línea 44: @@
 La selección de variables de cariz más económico se justifica por la importancia numérica de personas con bajos ingresos y que continúan atrapadas por el desempleo y la pobreza laboral. La falta de ingresos, sobre todo cuando la prolongación en el tiempo es significativa, conlleva la dependencia de prestaciones no contributivas. Por su parte, los inmigrantes y personas analfabetas o sin estudios se encuentran entre los colectivos de población potencialmente más expuestos a una situación de pobreza tal y como se constata en el VIII Informe Foessa ''Exclusión y desarrollo social en España 2019'', o en la publicación de Oxfam Intermón ''Una reconstrucción justa es posible y necesaria. No es momento para la austeridad, elijamos dignidad'' (2020). Asimismo, cabe señalar que dichas variables aparecen recogidas y analizadas en obras tan señaladas para el estudio de la vulnerabilidad como el ''Atlas de la Vulnerabilidad Urbana y el Análisis urbanístico de Barrios Vulnerables en España'' publicadas por el Ministerio de Fomento (2012, 2015).
-Una vez recogida y tratada la información, se procedió a la elaboración de un índice sintético de vulnerabilidad mediante la técnica de análisis de componentes principales, que se representó en forma de matriz respecto de las variables. Estas se representan en filas y los componentes principales en columnas. Lo ideal es que cada componente se relacione de forma positiva con pocas variables (con unos coeficientes de correlación próximos a 1 o -1) y mal con el resto (con coeficientes próximos a 0). En este caso, de los dos componentes obtenidos, se optó por escoger el primero, al considerar que era el más representativo. Finalmente, se dio traslado de los resultados a un sistema de información geográfica, donde se optó por clasificarlos según el método de clasificación en intervalos naturales (''natural breaks'').
+Una vez recogida y tratada la información, se procedió a la elaboración de un índice sintético de vulnerabilidad mediante la técnica de análisis de componentes principales, que se representó en forma de matriz respecto de las variables. Estas se representan en filas y los componentes principales en columnas. Lo ideal es que cada componente se relacione de forma positiva con pocas variables (con unos coeficientes de correlación próximos a 1 o -1) y mal con el resto de las variables (con coeficientes próximos a 0). En este caso, de los dos componentes obtenidos, se optó por escoger el primero, al considerar que era el más representativo. Finalmente, se dio traslado de los resultados a un sistema de información geográfica, donde se optó por clasificarlos según el método de clasificación en intervalos naturales (''natural breaks'').
 [[Archivo:Espana Poblacion-y-densidad-de-poblacion 1900 mapa 14663 spa.jpg|left|thumb|none|300px|Mapa de Índice de vulnerabilidad. Municipio de Barcelona. [http://centrodedescargas.cnig.es/CentroDescargas/busquedaRedirigida.do?ruta=PUBLICACION_CNIG_DATOS_VARIOS/aneTematico/Espana_Poblacion-y-densidad-de-poblacion_1900_mapa_14663_spa.pdf PDF]. [http://centrodedescargas.cnig.es/CentroDescargas/busquedaRedirigida.do?ruta=PUBLICACION_CNIG_DATOS_VARIOS/aneTematico/Espana_Poblacion-y-densidad-de-poblacion_1900_mapa_14663_spa.zip Datos] [https://interactivo-atlasnacional.ign.es/index.php#c=indicator&i=r_3_t.r_3_t&i2=c_43_t.c_43_t&s=1900&s2=1900&t=A02&t2=A02&view=map9 Interactivo. ]]][[Archivo:Espana Poblacion-y-densidad-de-poblacion 1900 mapa 14663 spa.jpg|left|thumb|none|300px|Mapa de Índice de vulnerabilidad. Municipio de Madrid. [http://centrodedescargas.cnig.es/CentroDescargas/busquedaRedirigida.do?ruta=PUBLICACION_CNIG_DATOS_VARIOS/aneTematico/Espana_Poblacion-y-densidad-de-poblacion_1900_mapa_14663_spa.pdf PDF]. [http://centrodedescargas.cnig.es/CentroDescargas/busquedaRedirigida.do?ruta=PUBLICACION_CNIG_DATOS_VARIOS/aneTematico/Espana_Poblacion-y-densidad-de-poblacion_1900_mapa_14663_spa.zip Datos] [https://interactivo-atlasnacional.ign.es/index.php#c=indicator&i=r_3_t.r_3_t&i2=c_43_t.c_43_t&s=1900&s2=1900&t=A02&t2=A02&view=map9 Interactivo. ]]]Como ya se demostró hace más de cien años, la cartografía médica es una herramienta fundamental para la visualización de los procesos de difusión de las enfermedades, la gestión de las crisis epidemiológicas y la toma de decisiones. Los estudios clásicos sobre salud pública y ciudad recuperan un espacio que hasta hace poco parecía impensable introducir en el debate urbano del siglo XXI. La pandemia de la COVID-19 obliga a una reformulación de los estudios urbanos, recuperando antiguos debates que propicien la reflexión sobre problemas urbanos no satisfactoriamente superados. Entre ellos, los referidos a las desigualdades en la ciudad. La enfermedad, precisamente, se está mostrando como un indicador principal y muy expresivo de las desigualdades urbanas. El descuido sistemático de las necesidades humanas universales de refugio, salud y seguridad parece que están provocando que los barrios con rentas más bajas sean desproporcionadamente más vulnerables, en este caso, a la pandemia COVID-19, no sólo en términos de salud, sino también en pérdida de renta, aumento del desempleo, menor protección social, etc. El incremento de la pobreza y el aumento multiescalar de la desigualdad socioespacial cristalizan en lo que se viene a denominar injusticia espacial. No resulta arriesgado manifestar, aunque sea como hipótesis plausible, que la pobreza y precariedad están provocando más contagios y víctimas entre los más vulnerables (González y Piñeira, 2020).
-La vulnerabilidad en Barcelona y Madrid castigan especialmente a las periferias urbanas, sobre todo aquellas construidas durante el desarrollismo (1960-1970), con alta presencia de vivienda social, altas densidades y que sirven como lugar de residencia de población inmigrante (primero de la emigración interior y más recientemente de la extranjera laboral). En Barcelona, la fractura social se percibe en un norte y sur mucho más vulnerables frente al oeste más privilegiado. En Madrid, la relación es claramente sur-norte. En los dos casos, la baja vulnerabilidad es característica común en los espacios centrales (ensanches y centros históricos). En estos últimos, los índices elevados se reducen a puntuales reductos de áreas todavía no rehabilitadas o gentrificadas, como por ejemplo el Raval en Barcelona. En definitiva, la detección de estos contrastes en Madrid y Barcelona parece que han podido favorecer, en general, la existencia de una relación directa entre altas tasas de vulnerabilidad y la incidencia acumulada por la COVID-19.
+La vulnerabilidad en Barcelona y Madrid castiga especialmente a las periferias urbanas, sobre todo aquellas construidas durante el desarrollismo (1960-1970), con alta presencia de vivienda social, altas densidades y que sirven como lugar de residencia de población inmigrante (primero de la emigración interior y más recientemente de la extranjera laboral). En Barcelona, la fractura social se percibe en un norte y sur mucho más vulnerables frente al oeste más privilegiado. En Madrid, la relación es claramente sur-norte. En los dos casos, la baja vulnerabilidad es característica común en los espacios centrales (ensanches y centros históricos). En estos últimos, los índices elevados se reducen a puntuales reductos de áreas todavía no rehabilitadas o gentrificadas, como por ejemplo el Raval en Barcelona. En definitiva, la detección de estos contrastes en Madrid y Barcelona parece que han podido favorecer, en general, la existencia de una relación directa entre altas tasas de vulnerabilidad y la incidencia acumulada por la COVID-19.
 La distribución de la vulnerabilidad en Barcelona, a partir del índice elaborado, dibuja una ciudad con unas tasas elevadas que se concentran, por un lado, en las barriadas populares del norte municipal (Torre Baró, Ciutat Meridiana, Canyelles, les Roquetes) y algunas del nordeste, como Bon Pastor –secciones con destacada presencia de población trabajadora e inmigrante– y, por otro, en un extenso territorio del sur de la ciudad que se corresponde con la zona portuaria y la Barceloneta. En estos territorios se supera la incidencia acumulada de 500 casos por 100.000 habitantes (febrero-junio 2020) e incluso, en algunos, se alcanza el máximo considerado (1.000 casos). Por su parte, los indicadores de vulnerabilidad más baja se localizan en las secciones censales de la zona oeste, desde Pedralbes y Sarriá, pasando por buena parte de las secciones del Eixample, hasta la primera línea litoral, altamente revalorizada (desde la Vila Olímpica del Poblenou hasta Diagonal Mar i el Front Marítim del Poblenou). A la vista de los datos acumulados de COVID-19, son las áreas de más baja incidencia del municipio, mayoritariamente con una tasa por debajo de 500 casos.

← Revisión anterior		Revisión del 07:55 10 dic 2021
Línea 1:		Línea 1:
−	{{ANEObra\|Serie=Monografías del Atlas Nacional de España\|Logo=[[Archivo:Logo_Monografía.jpg\|left\|50x50px\|link=]]\|Título=La pandemia COVID-19 en España\|Subtítulo=Primera ola: de los primeros casos a finales de junio de 2020\|Año=2021\|Contenido=Nuevo contenido}}	+	{{ANEEtiqueta\|palabrasclave=subtema de la Monografía covid-19, pandemia, covid19, casos de COVID-19,vulnerabilidad social, vulnerabilidad frente al covid, secciones censales\|descripcion= Análisis cartográfico de la vulnerabilidad socialmediante el índice de vulnerabilidad en los municipios de Barcelona y Madrid\|url=valor}}{{ANEObra\|Serie=Monografías del Atlas Nacional de España\|Logo=[[Archivo:Logo_Monografía.jpg\|left\|50x50px\|link=]]\|Título=La pandemia COVID-19 en España\|Subtítulo=Primera ola: de los primeros casos a finales de junio de 2020\|Año=2021\|Contenido=Nuevo contenido}}
	{{ANENavegacionSubcapitulo (monografía COVID-19)\|estructura temática=Estructura temática\|seccion=[[La pandemia COVID-19 en España\|La pandemia COVID-19 en España]]\|capitulo=[[Comportamientos espaciales diferenciados\|Comportamientos espaciales diferenciados]]\|subcapitulo=Índice sintético de vulnerabilidad en Barcelona y Madrid}}		{{ANENavegacionSubcapitulo (monografía COVID-19)\|estructura temática=Estructura temática\|seccion=[[La pandemia COVID-19 en España\|La pandemia COVID-19 en España]]\|capitulo=[[Comportamientos espaciales diferenciados\|Comportamientos espaciales diferenciados]]\|subcapitulo=Índice sintético de vulnerabilidad en Barcelona y Madrid}}

@@ Línea 66: / Línea 66: @@
 {{ANESubirArriba}}
 {{ANEPaginaDescargas (monografía COVID-19)}}
-{{ANENavegacionHermanosUltimo|anterior=Málaga}}
+{{ANENavegacionHermanosUltimo|anterior=[[Málaga]]}}
 [[Categoría:La pandemia COVID-19 en España]]

@@ Línea 1: / Línea 1: @@
 {{ANEObra|Serie=Monografías del Atlas Nacional de España|Logo=[[Archivo:Logo_Monografía.jpg|left|50x50px|link=]]|Título=La pandemia COVID-19 en España|Subtítulo=Primera ola: de los primeros casos a finales de junio de 2020|Año=2021|Contenido=Nuevo contenido}}
-{{ANENavegacionSubcapitulo|estructura temática=Estructura temática|seccion=[[La pandemia COVID-19 en España|La pandemia COVID-19 en España]]|capitulo=[[Comportamientos espaciales diferenciados|Comportamientos espaciales diferenciados]]|subcapitulo=Índice sintético de vulnerabilidad en Barcelona y Madrid}}
+{{ANENavegacionSubcapitulo (monografía COVID-19)|estructura temática=Estructura temática|seccion=[[La pandemia COVID-19 en España|La pandemia COVID-19 en España]]|capitulo=[[Comportamientos espaciales diferenciados|Comportamientos espaciales diferenciados]]|subcapitulo=Índice sintético de vulnerabilidad en Barcelona y Madrid}}
 En los ejemplos de Barcelona y Madrid presentados anteriormente, se ha podido contemplar la incidencia espacial diferenciada de la COVID-19 a diferentes escalas y niveles. En el primer caso, a escala intraurbana y en el ámbito de su área metropolitana. En el caso de Madrid, en la comunidad autónoma, además de en la propia ciudad. Las unidades espaciales objeto de análisis y representación cartográfica quedaron circunscritas a los términos municipales y, cuando se trataba de las ciudades de Madrid y Barcelona, se descendió a los distritos.

@@ Línea 20: / Línea 20: @@
 {| style="margin-right: 0px; margin-left: 0px; font-size:12px"
 |-
-| rowspan="2" style="background:#f1d3c0; color:#ef9248; text-align:center; width:250px" | '''VARIABLE''' || colspan="2" style="background:#f1d3c0; color:#ef9248; text-align:center" | '''COMPONENTES'''
+| rowspan="2" style="background:#f1d3c0; color:#ef9248; text-align:center; width:250px" | '''VARIABLE''' || colspan="2" style="background:#f1d3c0; color:#ef9248; text-align:center" | '''COMPONENTES'''<span style="color:#636363"><sup>a</sup></span>
 |-
 | style="background:#f1d3c0; color:#ef9248; text-align:center; width:50px" | '''1''' || style="background:#f1d3c0; color:#ef9248; text-align:center; width:50px" | '''2'''
@@ Línea 36: / Línea 36: @@
 </div>
 <hr class="style2" />
-<div style="padding-top: 0.4em; padding-right: 0.5em; padding-bottom: 0.3em; padding-left: 0.5em; font-size: 100%"><small style="color:#959595">Método de extracción de componentes principales. (a) 2 componentes extraídos</small>
+<div style="padding-top: 0.4em; padding-right: 0.5em; padding-bottom: 0.3em; padding-left: 0.5em; font-size: 100%"><small style="color:#959595">Método de extracción de componentes principales. (<span style="color:#636363"><sup>a</sup></span>) 2 componentes extraídos</small>
 </div>
 |}