El peligro que corren los barrios que no se pueden permitir cambiar a las renovables

A diferencia de las regiones que presentan un porcentaje menor de contaminación del aire que vienen de la mano de un mayor producto interior bruto, menores tasas de pobreza y mayor esperanza de vida, que presentan un menor riesgo de mortalidad. El estudioEl ISGlobal, centro impulsado por la Fundación "la Caixa" dice en un comunicado que estas desigualdades entre regiones han ido evolucionando de manera muy diferente a lo largo de este siglo. Las regiones con mayor poder adquisitivo viven un descenso en materiales asociados a riesgos humanitarios como el material particulado fino (PM2,5), partículas gruesas (PM10) y dióxido de nitrógeno (NO2). Sin embargo, los territorios con menor capacidad económica notaron cambios a penas significativos. Zhaoyue Chen, autor del estudio, señala que "identificar con mayor precisión a las poblaciones vulnerables" es posible gracias a este descubrimiento y disminuir los riesgos de mortalidad. Los análisis del estudio nos muestran como en este siglo, el aumento de energías renovables ha logrado reducir la mortalidad en contaminación del aire del 12% para PM2,5, del 54% para PM10 Y del 20% para NO2. Diferencias entre regionesLas zonas con una inversión mayor y más rápida en energías renovables han presentado un gran descenso en la vulnerabilidad de la población a los impactos sanitarios de la contaminación del aire. Aunque este progresa ha sido desigual en todo el continente. Los países del norte han mostrado un aumento mayor y más efectivo en generar energía limpia, mientras que los países del sur y el este siguen mostrando una alta dependencia a los combustibles fósiles. El análisis se basó en una base de datos diaria de mortalidad procedente de EARLY‑ADAPT, un proyecto europeo centrado en estudiar cómo las poblaciones están respondiendo a los desafíos de salud pública derivados del cambio climático. El ISGlobal explicó en su comunicado que los niveles diarios de contaminación atmosférica se estimaron mediante modelos avanzados de aprendizaje automático, algoritmos capaces de detectar patrones en grandes volúmenes de datos para generar predicciones. El equipo investigador incorporó además indicadores socioeconómicos de cada región y cifras sobre el uso de energías renovables, obtenidos de la base de datos de estadísticas regionales de Eurostat. Todas estas variables se integraron en modelos epidemiológicos, herramientas matemáticas que permiten simular cómo se comportan y se propagan determinadas enfermedades en una población.