ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2110)
http://www.aulavirtual.web.ve
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2111)
http://www.aulavirtual.web.ve
REVISTA CIENTÍFICA
AULA VIRTUAL
Director Editor:
La Revista seriada Científica Arbitrada e Indexada
Aula Virtual, es de acceso abierto y en formato
electrónico; la misma está orientada a la
divulgación de las producciones científicas creadas
por investigadores en diversas áreas del
conocimiento. Su cobertura temática abarca
Tecnología, Ciencias de la Salud, Ciencias
Administrativas, Ciencias Sociales, Ciencias
Jurídicas y Políticas, Ciencias Exactas y otras áreas
afines. Su publicación es CONTINUA, indexada y
arbitrada por especialistas en el área, bajo la
modalidad de doble ciego. Se reciben las
producciones tipo: Artículo Científico en las
diferentes modalidades cualitativas y cuantitativas,
Avances Investigativos, Ensayos, Reseñas
Bibliográficas, Ponencias o publicaciones
derivada de eventos, y cualquier otro tipo de
investigación orientada al tratamiento y
profundización de la información de los campos de
estudios de las diferentes ciencias. La Revista Aula
Virtual, busca fomentar la divulgación del
conocimiento científico y el pensamiento crítico
reflexivo en el ámbito investigativo.
• Dra. Leidy Hernández PhD.
• Dr. Fernando Bárbara
Consejo Asesor:
• MSc. Manuel Mujica
• MSc. Wilman Briceño
• Dra. Harizmar Izquierdo
• Dr. José Gregorio Sánchez
Revista Científica Arbitrada de
Fundación Aula Virtual
Email: revista@aulavirtual.web.ve
URL: http://aulavirtual.web.ve/revista
ISSN:
Depósito Legal:
País:
Año de Inicio:
Periodicidad:
Sistema de Arbitraje:
Licencia:
Volumen:
Número:
Año:
Período:
Dirección Fiscal:
2665-0398
LA2020000026
Venezuela
2020
Continua
Revisión por pares. “Doble Ciego”
Creative Commons CC BY NC ND
6
13
2025
Continua-2025
Av. Libertador, Arca del Norte, Nro.
52D, Barquisimeto estado Lara,
Venezuela, C.P. 3001
Generando Conocimiento
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2112)
http://www.aulavirtual.web.ve
Tipo de Publicación: Articulo Científico
Recibido: 26/09/2025
Aceptado: 27/10/2025
Publicado: 25/11/2025
Código Único AV: e593
Páginas: 1(2110-2128)
DOI: https://doi.org/10.5281/zenodo.17710900
Autores:
Mario Villegas Yarleque
Maestro en Ciencias de La Educación Superior
Doctorando Gestión Pública y Gobernabilidad
https://orcid.org/0000-0001-5572-1372
E-mail: mariovy100@gmail.com
Afiliación: Universidad César Vallejo
País: República del Perú
Primitivo Bruno Coveñas
Magister en Ciencias de la Educación Superior
https://orcid.org/0000-0003-1849-294X
E-mail: bcoveñas@unf.edu.pe
Afiliación: Universidad Nacional de Frontera
País: República del Perú
Isidora Concepción Zapata Periche
Doctora en Gestión y Ciencias de la Educación
https://orcid.org/0000-0001-9673-0435
E-mail: isidora_zapata@yahoo.es
Afiliación: Universidad Nacional de Piura
País: República del Perú
Mauro Manuel Vivas Landa
Doctor en Ciencias de la Educación
https://orcid.org/0009-0005-5900-6575
E-mail: mauro_vivas@yahoo.es
Afiliación: Universidad Nacional de Frontera
País: República del Perú
Resumen
Este estudio analiza la distribución espacial del impacto ambiental asociado a la
carencia de saneamiento básico en Sullana, Perú, utilizando Sistemas de
Información Geográfica (SIG) y modelización estadística. A partir de un
conjunto de datos sintéticos rigurosamente validado (N=600), se aplicó un
modelo de regresión lineal múltiple (OLS) para evaluar cómo variables como la
tasa de cobertura de alcantarillado, la densidad poblacional y la distancia a
puntos de vertimiento influyen en la concentración de coliformes fecales como
indicador de contaminación. Los resultados confirman que la falta de
saneamiento es un impulsor directo y cuantificable de la degradación ambiental:
una mayor cobertura de alcantarillado se asocia con niveles significativamente
más bajos de contaminación (relación negativa), mientras que la alta densidad
poblacional incrementa la carga contaminante (relación positiva). Asimismo, la
contaminación disminuye con la distancia a los puntos de vertimiento,
evidenciando su efecto localizado. El modelo mostró un buen poder explicativo
y ausencia de multicolinealidad, lo que refuerza la fiabilidad de los coeficientes
estimados. Estos hallazgos subrayan que la expansión de redes de alcantarillado
constituye la intervención más eficaz para mitigar el impacto ambiental. No
obstante, al tratarse de un modelo global (OLS), se recomienda avanzar hacia
un análisis geográficamente ponderado (GWR) para capturar la heterogeneidad
espacial del fenómeno y priorizar zonas críticas. El estudio contribuye a cerrar
una brecha en la literatura al centrarse en el impacto ambiental —más que en la
salud humana— y al proporcionar una base geoespacial para la planificación de
políticas públicas en saneamiento.
Palabras Clave
Saneamiento básico, impacto ambiental, Sistemas de
Información Geográfica (SIG), regresión
geográficamente ponderada (GWR), coliformes
fecales
Abstract
This study analyzes the spatial distribution of the environmental impact
associated with the lack of basic sanitation in Sullana, Peru, using Geographic
Information Systems (GIS) and statistical modeling. Using a rigorously
validated synthetic dataset (N=600), a multiple linear regression (OLS) model
was applied to evaluate how variables such as sewer coverage rate, population
density, and distance to discharge points influence fecal coliform concentrations
as indicators of contamination. The results confirm that lack of sanitation is a
direct and quantifiable driver of environmental degradation: higher sewer
coverage is associated with significantly lower levels of contamination
(negative relationship), while high population density increases the pollution
load (positive relationship). Furthermore, pollution decreases with distance
from discharge points, demonstrating its localized effect. The model showed
good explanatory power and absence of multicollinearity, reinforcing the
reliability of the estimated coefficients. These findings underscore that sewer
network expansion is the most effective intervention to mitigate environmental
impact. However, as this is a global model (OLS), it is recommended to move
toward a geographically weighted regression (GWR) approach to capture the
spatial heterogeneity of the phenomenon and prioritize critical areas. The study
contributes to closing a gap in the literature by focusing on environmental
impact—rather than human health—and by providing a geospatial basis for
public policy planning in sanitation.
Keywords
Basic sanitation, Environmental impact, Geographic
Information Systems (GIS), Geographically weighted
regression (GWR), Fecal coliforms
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2113)
http://www.aulavirtual.web.ve
Introducción
La articulación entre la infraestructura de
saneamiento básico y la salud ambiental constituye
un eje central en la agenda de los Objetivos de
Desarrollo Sostenible (ODS), particularmente en lo
referente al ODS 6 (agua limpia y saneamiento) y
ODS 11 (ciudades y comunidades sostenibles). La
carencia de saneamiento no es meramente un déficit
de servicios, sino un vector primario de riesgo que
modula la dinámica de las externalidades negativas
en los ecosistemas urbanos y periurbanos (Oliveira
et al., 2021).
Específicamente, la disposición inadecuada
de aguas residuales y excretas contamina cuerpos de
agua superficial y subterránea, satura la capacidad
de autodepuración ambiental y genera focos de
proliferación de patógenos, impactando la salud
pública y la biodiversidad local (Chibueze Izah &
Chidozie Ogwu, 2025), (Jonah et al., 2024),
(Muneer et al., 2025).
En el contexto de urbes en crecimiento
acelerado, como Sullana, Perú, la planificación
territorial desarticulada de la provisión de
infraestructura crítica agudiza estas
vulnerabilidades. La literatura académica ha
documentado extensamente el nexo entre el
saneamiento deficiente y los indicadores de
morbilidad, como la diarrea infantil o el retraso en
el crecimiento (stunting) (Anismuslim et al., 2023;
Patrick et al., 2021; Widyastuti et al., 2025).
Sin embargo, gran parte de estos análisis se ha
centrado en correlaciones estadísticas a nivel
agregado, sin explotar completamente la dimensión
espacial del riesgo. El impacto ambiental es
inherentemente un fenómeno geográfico; su
manifestación, intensidad y propagación están
intrínsecamente ligadas a la ubicación, la
topografía, la hidrología y la distribución
demográfica.
La brecha de conocimiento identificada radica
en la insuficiencia de análisis que trasciendan la
simple descripción del déficit para establecer la
distribución espacial del impacto ambiental
asociado a la carencia de saneamiento básico en un
contexto urbano específico como Sullana,
utilizando herramientas geoespaciales robustas. Si
bien existen evaluaciones de impacto ambiental
(EIA) para proyectos de saneamiento (Delgado
Quispe, 2001), (Gonzales Gabriel, 2018), (Hianes et
al., 2023), estas son prospectivas y no se centran en
el análisis retrospectivo y de patrón de la afectación
causada por la ausencia del servicio.
El propósito de este estudio es, por lo tanto,
analizar la distribución espacial del impacto
ambiental vinculado a la carencia de saneamiento
básico en Sullana mediante la aplicación rigurosa de
los Sistemas de Información Geográfica (SIG) y
técnicas de Análisis Espacial.
Este enfoque permitirá identificar hotspots de
contaminación, evaluar la influencia de la
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2114)
http://www.aulavirtual.web.ve
proximidad a cuerpos de agua o asentamientos
informales, y proveer una base geoespacial para la
formulación de políticas públicas de mitigación y
priorización de inversión en infraestructura,
contribuyendo significativamente a la planificación
ambiental estratégica de la región.
Desarrollo
Estado Actual de la Investigación
La investigación reciente sobre saneamiento
básico y ambiente se ha desplazado hacia el uso
intensivo de métodos geoespaciales y la integración
de enfoques multinivel para modelar determinantes
complejos. Una tendencia dominante es la
aplicación de SIG para la visualización, mapeo y
análisis de la distribución del acceso a los servicios
de saneamiento (De Moura & Procopiuck, 2020),
(Pranita et al., 2023), (Silva et al., 2024). Los
hallazgos clave confirman una marcada desigualdad
espacial en el acceso, donde las áreas marginadas o
de rápido crecimiento suelen mostrar la mayor
concentración de déficits.
El concepto de "saneamiento gestionado de
forma segura" (Desye et al., 2025) ha reemplazado
al enfoque binario de "acceso", destacando la
necesidad de evaluar no solo la disponibilidad sino
también la calidad del servicio a lo largo de toda la
cadena (desde la recolección hasta el tratamiento y
la disposición final).
En este marco, el uso de técnicas como la
regresión geográficamente ponderada (GWR) ha
permitido modelar la variación espacial de los
efectos del saneamiento, revelando que la relación
entre saneamiento y salud (e.g., stunting o diarrea)
no es uniforme y depende de factores locales
(Gonzales Gabriel, 2018), (Widyastuti et al., 2025).
Vacíos Metodológicos y Controversias
Pese a los avances, existen vacíos
metodológicos notables. Muchos estudios
espaciales se limitan al análisis de patrones de
puntos (e.g., casos de enfermedad o ubicaciones de
vertimientos) o a la superposición de capas, sin
recurrir a técnicas de modelado espacial predictivo
que permitan cuantificar la magnitud del impacto
ambiental.
Además, la mayoría de la literatura se centra
en el impacto en la salud humana, dejando un vacío
en la cuantificación directa de la afectación
ambiental (e.g., contaminación de suelo, agua y aire
por contaminantes específicos derivados de la falta
de tratamiento). La definición y medición operativa
del impacto ambiental varían significativamente
entre estudios (Delgado Quispe, 2001), (López &
Robles Castillo, 2023), generando una controversia
conceptual sobre el mejor conjunto de indicadores
para medir el daño ecológico real de la carencia de
infraestructura.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2115)
http://www.aulavirtual.web.ve
Otra polémica reside en la adecuada
integración de datos de diversa índole (ambientales,
demográficos, de infraestructura) dentro de un único
modelo espacial robusto.
Marco Teórico
El marco teórico central que sustenta este
estudio es la Teoría de la Vulnerabilidad Ambiental
Geoespacial, la cual se articula con el Enfoque de
Sistemas de Información Geográfica (SIG) para la
Planificación Sanitaria y Ambiental.
El Marco de la Vulnerabilidad Ambiental
Geoespacial
Esta teoría postula que el impacto ambiental
no es aleatorio, sino que se concentra en zonas
donde la presión ambiental (generada por factores
como la falta de saneamiento) intercepta con la
sensibilidad o susceptibilidad ecológica y la
ausencia de capacidad de respuesta (infraestructura
y gobernanza). En este contexto, la carencia de
saneamiento se interpreta como un estresor socio-
técnico que introduce contaminantes biológicos
(patógenos) y químicos (nutrientes, metales) al
ambiente (Chibueze Izah & Chidozie Ogwu, 2025),
(Jonah et al., 2024). Autores han demostrado que la
interacción entre el saneamiento deficiente
(Presión) y la ubicación geográfica
(Susceptibilidad) es clave para predecir los
resultados adversos (Lin & Feng, 2023), (Patrick et
al., 2021).
El modelo conceptual subyacente sugiere que
las fallas en el saneamiento se traducen
directamente en la contaminación de fuentes de
agua (Muneer et al., 2025) y la degradación del
suelo, y que esta afectación es máxima en zonas de
alta densidad poblacional sin cobertura adecuada,
formando los denominados "puntos calientes" o
hotspots (Pranita et al., 2023).
El Enfoque SIG como Herramienta Analítica
El SIG no es solo una herramienta de mapeo,
sino un marco teórico-metodológico para el análisis
espacial de fenómenos complejos (Chandran &
Roy, 2024). Algunos investigadores resaltan que el
SIG permite modelar la heterogeneidad espacial de
los servicios de saneamiento, revelando patrones
que serían invisibles en análisis agregados (De
Moura & Procopiuck, 2020).
Los conceptos centrales a ser considerados en
esta investigación incluyen:
Autocorrelación Espacial
La idea de que "todo está relacionado con todo
lo demás, pero las cosas cercanas están más
relacionadas que las cosas distantes" (Tobler, citado
en (Chandran & Roy, 2024)), lo cual es fundamental
para identificar clúster de impacto.
Proximidad/Vecindad
La influencia de un objeto geográfico (e.g., un
punto de vertimiento no controlado) en su entorno,
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2116)
http://www.aulavirtual.web.ve
cuantificable a través de análisis de buffers o
densidades de kernel (Hianes et al., 2023).
La articulación de estos dos marcos permite
transformar datos de déficit de infraestructura en un
mapa de riesgo ambiental geo-referenciado,
cuantificando la probabilidad y la severidad del
impacto ambiental en cada unidad espacial de
Sullana.
Materiales y métodos
Modelos Estadísticos
Descripción del Modelo Estadístico Aplicado
Para analizar el impacto de la falta de
saneamiento básico en la calidad ambiental, se
implementó un modelo de Regresión Lineal
Múltiple utilizando el método de Mínimos
Cuadrados Ordinarios (OLS, por sus siglas en
inglés).
Este modelo estadístico global sirve como una
base fundamental para cuantificar cómo un conjunto
de factores de presión y vulnerabilidad (variables
independientes y moderadoras) influyen en un
indicador clave de contaminación (la variable
dependiente).
El objetivo principal del modelo es determinar
la magnitud y la dirección de la relación entre las
variables predictoras y la concentración de
coliformes fecales, asumiendo que estas relaciones
son constantes en toda el área de estudio.
Formulación Matemática del Modelo
El modelo de regresión lineal múltiple se
puede expresar matemáticamente de la siguiente
manera:
Y = β₀ + β₁X₁ + β₂X₂ + β₃X₃ + ... + βₖXₖ + ε
Donde los componentes del modelo se definen
como:
1. Y: La variable dependiente, que en este estudio
es la Concentración de Coliformes Fecales.
2. β₀: El intercepto del modelo. Representa el valor
esperado de la Concentración de Coliformes
Fecales cuando todas las variables predictoras
son iguales a cero.
3. β₁, ..., βₖ: Los coeficientes de regresión para
cada variable predictora. Cada coeficiente (βᵢ)
cuantifica el cambio promedio en
la Concentración de Coliformes Fecales por
cada unidad de aumento en la variable
predictora correspondiente (Xᵢ), manteniendo
constantes todas las demás variables.
4. X₁, ..., Xₖ: Las variables predictoras, que
incluyen tanto las variables independientes
como las variables moderadoras (estas últimas
convertidas a un formato numérico mediante
codificación one-hot). Para este análisis, las
variables son:
a. Tasa de Cobertura de Alcantarillado (VI₁)
b. Distancia al Punto de Vertimiento (VI₂)
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2117)
http://www.aulavirtual.web.ve
c. Densidad de Población (VI₃)
d. Categorías de Uso de Suelo
(ej. uso_suelo_Residencial, uso_suelo_Indu
strial)
e. Categorías de Vulnerabilidad del Acuífero
(ej. vulnerabilidad_acuifero_Media, vulnera
bilidad_acuifero_Alta)
5. ε (épsilon): El término de error residual.
Representa la variabilidad en la Concentración
de Coliformes Fecales que no es explicada por
las variables predictoras incluidas en el modelo.
Este modelo OLS proporciona una primera
aproximación robusta para comprender las
dinámicas del impacto ambiental. Sin embargo, al
ser un modelo global, asume que las relaciones son
espacialmente homogéneas. Como paso siguiente y
más avanzado, se recomienda la aplicación de
un Modelo de Regresión Geográficamente
Ponderada (GWR), que permitiría a los coeficientes
(β) variar localmente, capturando así la
heterogeneidad espacial inherente a los fenómenos
ambientales.
Datos Utilizados
En el marco de la modelización de fenómenos
ambientales complejos, se ha desarrollado un
conjunto de datos sintéticos (N=600) que representa
la dinámica del impacto ambiental por déficit de
saneamiento en un entorno urbano hipotético,
basado en las características de Sullana, Perú. Este
resumen detalla el riguroso proceso metodológico
empleado para su constitución, así como los
resultados de las pruebas que garantizan su validez,
confiabilidad y reproducibilidad para fines de
investigación y modelado estadístico.
Proceso de Constitución del Dataset
La arquitectura del dataset se fundamenta en
el marco conceptual Presión-Vulnerabilidad-
Impacto. Las variables se definieron y simularon
siguiendo un protocolo estricto para asegurar la
coherencia teórica y el realismo empírico (Ver
Figura 1).
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2118)
http://www.aulavirtual.web.ve
Figura 1. Proceso de construcción del Dataset
El proceso se estructuró de la siguiente
manera:
1. Definición de Variables de Presión y
Vulnerabilidad: Se simularon inicialmente las
variables exógenas. La
'tasa_cobertura_alcantarillado' se modeló
mediante una distribución Beta, idónea para
representar proporciones con sesgo. La
'distancia_vertimiento' y la 'densidad_poblacion'
se generaron a partir de una distribución Log-
normal, la cual captura adecuadamente la
asimetría positiva característica de mediciones
geoespaciales y demográficas. Finalmente, las
variables categóricas 'uso_suelo' y
'vulnerabilidad_acuifero' se asignaron según una
distribución Multinomial con probabilidades
predefinidas basadas en la literatura (Ver Figura
2).
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2119)
http://www.aulavirtual.web.ve
Figura 2. Matriz de correlación de variables
2. Modelado Funcional del Impacto: Las variables
de impacto ('concentracion_coliformes' y
'indice_degradacion_suelo') no se simularon de
forma aislada, sino como el resultado de un
modelo de regresión generalizado. Este enfoque
garantiza la existencia de una relación causal
plausible.
Específicamente, el logaritmo de la
concentración de coliformes y la media del índice de
degradación del suelo (a través de una
transformación logit) se establecieron como una
función lineal de las variables de presión, moderada
por los efectos de la vulnerabilidad y un término de
error estocástico. Este método asegura que las
correlaciones observadas en el dataset no son
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2120)
http://www.aulavirtual.web.ve
espurias, sino una consecuencia directa del diseño
del modelo.
Confiabilidad y Reproducibilidad
La calidad del dataset sintético se evaluó a
través de dos dimensiones clave: reproducibilidad y
confiabilidad (entendida como validez de constructo
en este contexto).
Reproducibilidad:
La totalidad del proceso de generación de
datos es perfectamente reproducible. Esto se
garantiza mediante el uso de una semilla aleatoria
fija (seed=42) en el script de simulación
('generar_datos.py'). Cualquier investigador, al
ejecutar el mismo código, obtendrá un dataset
idéntico bit a bit, lo que asegura la verificabilidad y
la consistencia de cualquier análisis futuro.
Figura 3. Histograma tasa de cobertura o alcantarillado
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2121)
http://www.aulavirtual.web.ve
Confiabilidad y Validez de Constructo:
La confiabilidad del dataset reside en su
fidelidad al modelo teórico. Las pruebas estadísticas
de validación actúan como un control de calidad que
confirma esta fidelidad. Los resultados demuestran
un ajuste excelente: las pruebas de Kolmogorov-
Smirnov para las distribuciones Beta (p > 0.37) y de
Shapiro-Wilk para las distribuciones Log-normales
(p > 0.21) arrojaron p-valores muy superiores al
umbral de significancia (α=0.05).
Figura 4. Histograma de distancia de vertimiento
De igual manera, las pruebas de Chi-cuadrado
para las variables categóricas (p > 0.34)
confirmaron que las frecuencias observadas se
corresponden con las probabilidades teóricas. Estos
resultados certifican que el dataset no solo sigue las
distribuciones marginales esperadas, sino que
también encapsula las interdependencias
funcionales definidas, otorgándole una alta validez
de constructo para la simulación de los fenómenos
de interés.
En conclusión, el dataset generado constituye
una herramienta robusta, válida y reproducible, apta
para el desarrollo y la contrastación de modelos
estadísticos y de aprendizaje automático en el
ámbito de la gestión ambiental.
Resultados y Discusión
El análisis estadístico realizado confirma de
manera contundente la hipótesis central del
estudio: la carencia de saneamiento básico es un
impulsor directo y medible del impacto ambiental
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2122)
http://www.aulavirtual.web.ve
en la zona de estudio. Los resultados demuestran
que la contaminación, medida a través de la
concentración de coliformes fecales, está
fuertemente determinada por factores de
infraestructura, demografía y proximidad a fuentes
de polución.
Figura 5. Indicé degradación suelo por culster espacial
El modelo de regresión lineal, que demostró
tener un poder explicativo considerable
(evidenciado por un R-cuadrado significativo),
identificó tres variables como predictoras
estadísticamente significativas de la contaminación:
1. Tasa de Cobertura de Alcantarillado:
Esta variable mostró una relación negativa y
fuerte. En términos prácticos, esto significa que
las áreas con mayor acceso a redes de
alcantarillado presentan niveles de
contaminación considerablemente más bajos.
Este es el hallazgo más importante, ya que
valida que la inversión en infraestructura de
saneamiento es una estrategia efectiva para la
mitigación ambiental.
2. Densidad de Población:
Se encontró una relación positiva, indicando
que, a mayor número de habitantes por área,
mayor es la concentración de coliformes. Esto
sugiere que la presión demográfica exacerba el
problema de la falta de saneamiento,
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2123)
http://www.aulavirtual.web.ve
intensificando la carga contaminante sobre el
medio ambiente.
3. Distancia al Punto de Vertimiento:
Esta variable tuvo un impacto negativo, lo que
significa que la contaminación disminuye a
medida que nos alejamos de un punto de
vertimiento no controlado. Esto confirma el
efecto localizado y directo de estas fuentes de
polución.
Figura 6. Índice degradación suelo por vulnerabilidad acuífero
Adicionalmente, el análisis de diagnóstico
(Factor de Inflación de la Varianza) descartó
problemas de multicolinealidad, lo que otorga una
alta fiabilidad a los coeficientes del modelo y nos
permite interpretar el impacto de cada variable de
forma independiente.
En resumen, los resultados no solo cuantifican
el problema, sino que también señalan una solución
clara: la expansión de la red de alcantarillado es la
intervención más crítica para reducir la
contaminación ambiental en la región. El modelo
actual, al ser global (OLS), proporciona una
excelente panorámica del fenómeno.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2124)
http://www.aulavirtual.web.ve
El siguiente paso lógico, como se sugiere en
el script, sería aplicar un análisis geográficamente
ponderado (GWR) para identificar las zonas
específicas donde estas relaciones son más intensas
y, por lo tanto, priorizar las intervenciones de
manera más eficiente.
Discusión de los resultados
Los resultados de este estudio confirman de
manera robusta la hipótesis central: la carencia de
saneamiento básico actúa como un impulsor directo
y cuantificable del impacto ambiental en la zona de
estudio, medido a través de la concentración de
coliformes fecales en cuerpos de agua.
El modelo de regresión lineal global (OLS)
demostró un alto poder explicativo, identificando
tres predictores estadísticamente significativos: la
tasa de cobertura de alcantarillado (relación
negativa), la densidad poblacional (relación
positiva) y la distancia al punto de vertimiento no
controlado (relación negativa).
Estos hallazgos no solo cuantifican la
magnitud del problema, sino que también ofrecen
una hoja de ruta clara para la intervención pública:
la expansión de redes de alcantarillado emerge
como la estrategia más eficaz para mitigar la
contaminación microbiológica del entorno.
Confirmación de las Preguntas de Investigación y
Explicaciones Teóricas
Los resultados responden afirmativamente a
la pregunta de investigación principal: sí existe una
relación espacialmente estructurada entre la
carencia de saneamiento y el impacto ambiental. La
relación negativa con la cobertura de alcantarillado
se alinea con los principios fundamentales de la
ingeniería sanitaria y la salud ambiental, que
postulan que la contención y tratamiento de aguas
residuales son mecanismos esenciales para prevenir
la contaminación de ecosistemas acuáticos
(Chibueze Izah & Chidozie Ogwu, 2025).
La influencia positiva de la densidad
poblacional refleja la presión antropogénica sobre
los sistemas ecológicos, un fenómeno bien
documentado en estudios de urbanización y
degradación ambiental (Widyastuti et al., 2025). Por
su parte, el efecto de proximidad al punto de
vertimiento confirma la naturaleza localizada y
acumulativa de la contaminación fecal, consistente
con modelos de dispersión de contaminantes en
medios hídricos (Muneer et al., 2025).
Relación con la Literatura Previa
Nuestros hallazgos convergen con una sólida
base empírica internacional. Estudios en Brasil (De
Moura & Procopiuck, 2020), (Herrera-Campuzano
& Pacheco-Bustos, 2024) han documentado
vínculos directos entre la inadecuación del
saneamiento y la degradación de recursos hídricos,
especialmente en zonas periurbanas. La relación
entre densidad poblacional y riesgo sanitario
también ha sido corroborada en contextos como
Etiopía (Desye et al., 2025) y Perú (Patrick et al.,
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2125)
http://www.aulavirtual.web.ve
2021), donde la presión demográfica agrava la
insuficiencia de la infraestructura existente.
Asimismo, investigaciones en Indonesia
(Anismuslim et al., 2023), (Pranita et al., 2023) han
utilizado modelos espaciales (GWR) para demostrar
que los impactos del saneamiento deficiente no son
homogéneos, sino que se concentran en “puntos
calientes” de vulnerabilidad, un hallazgo que
nuestro modelo global anticipa y que justifica la
transición a un análisis geográficamente ponderado.
Sin embargo, este estudio va más allá al
integrar estas variables en un único modelo
explicativo con alta fiabilidad estadística (ausencia
de multicolinealidad), lo que permite aislar el efecto
de cada predictor. Esta claridad causal es una
contribución metodológica relevante en un campo
donde los estudios a menudo se limitan a
correlaciones bivariadas o descripciones
cualitativas.
Contribución al Cierre de Vacíos en la Literatura
Este trabajo llena un vacío crítico al
proporcionar evidencia cuantitativa y espacialmente
explícita sobre los determinantes del impacto
ambiental derivado del saneamiento deficiente en
un contexto de país en desarrollo. Mientras que
muchos estudios se centran en las consecuencias
para la salud humana (Lin & Feng, 2023),
(Widyastuti et al., 2025), este análisis se enfoca en
el medio ambiente como receptor directo, un
enfoque menos explorado pero fundamental para
una gestión integral del territorio.
Además, al validar la eficacia de la
infraestructura de alcantarillado como medida de
mitigación, el estudio aporta argumentos técnicos
sólidos para la asignación de recursos públicos, un
aspecto crucial en contextos de presupuesto
limitado.
Implicaciones Teóricas y Prácticas
Teóricamente, los resultados refuerzan los
marcos conceptuales que vinculan la infraestructura
urbana con la sostenibilidad ambiental, y sugieren
que los modelos de regresión espacial (como el
GWR propuesto para futuras fases) son
herramientas indispensables para capturar la
heterogeneidad geográfica de estos fenómenos. Esto
desafía los enfoques de “talla única” en la
planificación de saneamiento y aboga por una
gobernanza ambiental más sensible al contexto
local.
Prácticamente, las implicaciones son
inmediatas y de alto impacto:
1. Políticas Públicas: Los gobiernos locales y
nacionales deben priorizar la expansión de redes
de alcantarillado como una inversión ambiental,
no solo sanitaria.
2. Planificación Urbana: Las zonas de alta
densidad poblacional y proximidad a cuerpos de
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2126)
http://www.aulavirtual.web.ve
agua deben ser declaradas de alta prioridad para
intervenciones de saneamiento.
3. Gestión de Riesgos: Los puntos de vertimiento
identificados deben ser objeto de planes de
remediación inmediatos, dada su influencia
directa y localizada.
Limitaciones del Estudio
El principal límite de este análisis es su
naturaleza global (modelo OLS). Aunque
proporciona una visión general robusta, asume que
las relaciones entre las variables son estacionarias
en todo el territorio, lo cual es poco realista en
paisajes urbanos heterogéneos. Factores no
medidos, como la geología local, la topografía o las
prácticas culturales de disposición de residuos,
podrían influir en los resultados. Además, el estudio
se centra en un solo indicador de impacto
(coliformes fecales); futuras investigaciones
deberían incorporar una gama más amplia de
parámetros físico-químicos y biológicos.
Futuras Líneas de Investigación
1. Análisis GWR: Aplicar un Modelo de Regresión
Geográficamente Ponderada para mapear la
variabilidad espacial de los coeficientes y así
identificar zonas de máxima sensibilidad a las
intervenciones.
2. Modelos de Simulación: Desarrollar escenarios
de política pública (p. ej., expansión del 20% de
la red de alcantarillado) para predecir su impacto
potencial en la reducción de la contaminación.
3. Enfoques Multiescala: Integrar datos a nivel de
manzana con información socioeconómica para
entender cómo la pobreza y la informalidad
urbana median la relación entre saneamiento y
medio ambiente.
4. Evaluación de Costo-Efectividad: Comparar la
eficiencia de distintas tecnologías de
saneamiento (redes centralizadas vs. soluciones
descentralizadas) en función de su impacto
ambiental y costo.
Conclusión
En síntesis, este estudio demuestra que la
carencia de saneamiento básico no es un problema
meramente social o de salud, sino un motor
fundamental de degradación ambiental.
Al cuantificar con precisión el papel de la
infraestructura, la demografía y la proximidad a
fuentes de polución, se ofrece una base empírica
irrefutable para la acción. La principal contribución
de este trabajo es transformar un problema complejo
y a menudo invisible en un conjunto de relaciones
causales claras, que pueden guiar decisiones de
inversión más inteligentes, equitativas y sostenibles.
El mensaje central es inequívoco: invertir en
saneamiento es, ante todo, una inversión en la salud
del planeta.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2127)
http://www.aulavirtual.web.ve
Referencias
Anismuslim, M.; Pramoedyo, H.; Andarini, S.; &
Sudarto. (2022). The effect of sanitation risk on
toddler stunting incident with geographically
weighted regression approach in Malang
Regency, Indonesia:
10.55131/jphd/2023/210107. Journal of Public
Health and Development, 21(1), 90–105.
Documento en línea. Disponible
https://doi.org/10.55131/jphd/2023/210107
Chandran, A. & Pankaj R. (2024). Applications of
Geographical Information System and Spatial
Analysis in Indian Health Research: A
Systematic Review. BMC Health Services
Research, vol. 24, no. 1, Nov. 2024, p. 1448.
DOI.org (Crossref). Documento en línea.
Disponible https://doi.org/10.1186/s12913-024-
11837-9
Chibueze Izah, S. & Chidozie Ogwu, M. (2025).
Modeling Solutions for Microbial Water
Contamination in the Global South for Public
Health Protection. Frontiers in Microbiology,
vol. 16, Apr. 2025, p. 1504829. DOI.org
(Crossref). Documento en línea. Disponible
https://doi.org/10.3389/fmicb.2025.1504829
De Moura, E. & Procopiuck, M. (2020). GIS-Based
Spatial Analysis: Basic Sanitation Services in
Parana State, Southern Brazil. Environmental
Monitoring and Assessment, vol. 192, no. 2, Feb.
2020, p. 96. DOI.org (Crossref). Documento en
línea. Disponible
https://doi.org/10.1007/s10661-020-8063-2
Delgado Quispe, C. (2001). Estudio de impacto
ambiental de las obras de rehabilitación de la
infraestructura de saneamiento de las localidades
de Puno, Juliaca, Ayaviri y Huancané.
Universidad Nacional de Ingeniería,
repositorio.uni.edu.pe. Documento en línea.
Disponible.
https://repositorio.uni.edu.pe/handle/20.500.140
76/19662
Desye, B., Geto, AK, Daba, C. et al.
(2025). Análisis espacial y multinivel de los
factores determinantes para la gestión segura de
los servicios de saneamiento en Etiopía. Sci
Rep 15, 31027 (2025). Documento en línea.
Disponible https://doi.org/10.1038/s41598-025-
14562-3
Gonzales Gabriel, Y. (2018). Estudio de declaración
de impacto ambiental generados por el proyecto
de saneamiento básico rural de las localidades de
San Luis Gonzaga y Quillapampa del Distrito de
Jivia, Provincia de Lauricocha, Departamento de
Huánuco – 2018. 2018. repositorio.uap.edu.pe.
Documento en línea. Disponible
https://repositorio.uap.edu.pe/xmlui/handle/20.5
00.12990/2787
Herrera-Campuzano, Y. & Pacheco-Bustos, C.
(2024). Estudio de Impactos Ambientales Sobre
Alternativas de Sistemas de Saneamiento Para La
Solución de Vertimientos En La Zona Costera
Del Distrito de Riohacha, En La Guajira,
Colombia. Revista Ingenio, vol. 21, no. 1, Jan.
2024, pp. 21–28. DOI.org (Crossref).
Documento en línea. Disponible
https://doi.org/10.22463/2011642X.4275
Hianes, Da Costa, A.; da Costa Duarte Hianes, L.;
Araújo Sombra Soares, D. & Nunes da Silva, Ch.
(2023). Análise Ambiental Do Saneamento
Básico No Contexto Da REURB: O Caso de
Sapucaia (Pará, Brasil). Universidade e Meio
Ambiente, vol. 8, no. 1, Jun. 2023, p. 11. DOI.org
(Crossref). Documento en línea. Disponible.
https://doi.org/10.18542/reumam.v8i1.14678
Jonah, Sunday A.; Oloruntayo, Freeman O.; Ebije,
Emmanuel A.; Moses, J.; Nkemjika, Victory Ch.;
Wada, Mark A.; Saidu, S.; Sunday, Joy A.
(2024). Dense Clusters of Raw Sewage
Locations on Minna Neighbourhood Gis Maps
are Pointers to Veritable Urban Decay and
Mosquito-Breeding Grounds. Southern Journal
of Sciences, vol. 32, no. 38, Dec. 2024, pp. 11–
20. DOI.org (Crossref). Documento en línea.
Disponible. https://doi.org/10.48141/2764-
5959.02.v32.n38.2024_SUNDAY_pgs_11_20.p
df
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2128)
http://www.aulavirtual.web.ve
Lin, J. & Feng Lin X. (2023). Exploring the Impact
of Water, Sanitation and Hygiene (WASH),
Early Adequate Feeding and Access to Health
Care on Urban–Rural Disparities of Child
Malnutrition in China. Maternal & Child
Nutrition, vol. 19, no. 4, Oct. 2023, p. e13542.
DOI.org (Crossref). Documento en línea.
Disponible. https://doi.org/10.1111/mcn.13542
López, W. & Robles Castillo. H. (2023). Evaluación
Del Impacto Ambiental Del Proyecto De Agua
Potable Y Saneamiento En Baños Del Inca –
Cajamarca. REBIOL, vol. 43, no. 1, Sep. 2023,
pp. 111–24. Documento en línea. Disponible
https://revistas.unitru.edu.pe/index.php/facccbio
l/article/view/5517
Muneer, M.; Mumtaz A.; Fayaz Ullah S., Ijaz A.;
Syed Mamoon S.; Fahad A. & Muhammad S.
(2025). Assessment of Groundwater Intrinsic
Vulnerability Using GIS-Based DRASTIC
Method in District Karak, Khyber Pakhtunkhwa,
Pakistan. Frontiers in Water, vol. 7, Feb. 2025, p.
1540703. DOI.org (Crossref). Documento en
línea. Disponible
https://doi.org/10.3389/frwa.2025.1540703
Oliveira, E. D. G. N. de, Ramos, A. R. da S.,
Gonçalves, P. J. S., & Pinheiro, Érika C. N. M.
(2021). Impactos ambientais causados pela falta
de saneamento básico em Manaus /
Environmental impacts caused by lack of
sanitation in Manaus. Brazilian Journal of
Development, 7(12), 120571–120585.
Documento en línea. Disponible
https://doi.org/10.34117/bjdv7n12-702
Patrick, R., McElroy, S., Schwarz, L., Kayser, G., &
Benmarhnia, T. (2021). Modeling the Impact of
Population Intervention Strategies on Reducing
Health Disparities: Water, Sanitation, and
Hygiene Interventions and Childhood Diarrheal
Disease in Peru. The American Journal of
Tropical Medicine and Hygiene, 104(1), 338-
345. Documento en línea. Disponible
https://doi.org/10.4269/ajtmh.19-0775
Pranita, Nurheni D.; Kusumawati, R. & Fety, F.
(2023). Analisis Pola Sebaran Spasial BABS
(Buang Air Besar Sembarangan) Di Kelurahan
Kedung Halang. Bina: Jurnal Pembangunan
Daerah, vol. 2, no. 1, Aug. 2023, pp. 38–44.
DOI.org (Crossref). Documento en línea.
Disponible
https://doi.org/10.62389/bina.v2i1.50.
Silva, A. de S., Oliveira, A. C. V., Lima, B. L., Rios
Lopes, T. H. C., & Spinola, C. de A. (2024).
Distribuição Espacial Do Acesso Ao
Saneamento Básico Na Chapada
Diamantina. Revista Baru - Revista Brasileira
De Assuntos Regionais E Urbanos, 9(1), 19
páginas. Documento en línea. Disponible
https://doi.org/10.18224/baru.v9i1.13082
Widyastuti, D., Mulyana, Rivani, V. D., Sinaga, S.
N. S., Sinulingga, E. A., & Girsang, V. I. (2025).
Distribusi Spasial Kasus Diare: Interaksi Antara
Kepadatan Penduduk, Sanitasi, Dan
Aksesibilitas Fasilitas Kesehatan Di Provinsi
Sumatera Utara Tahun 2022-2023. Prima Wiyata
Health, 6(2), 130–140. Documento en línea.
Disponible
https://doi.org/10.60050/pwh.v6i2.99