📄 ciencias de la Tierra

Operational Service Conditions are the primary predictors of Household Water Service Quality Across Heterogeneous Provision Systems

Basándose en un análisis exhaustivo de más de 6.000 hogares en el sur de la India, este estudio demuestra que las condiciones operativas del servicio —tales como la presión del agua, la claridad y la resolución de quejas— son los principales predictores de la calidad multidimensional del servicio de agua para los hogares, superando significativamente a los indicadores tradicionales basados en el acceso y a las prioridades de los hogares al explicar las deficiencias del servicio en sistemas heterogéneos.

Autores originales: Aadhitya Mohanavelu, Khalid Osman

Publicado 2026-09-10

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Aadhitya Mohanavelu, Khalid Osman

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Para miles de millones de personas en todo el mundo, la pregunta de si tienen agua rara vez es un simple sí o no. En muchos países de ingresos bajos y medios, un hogar no depende de una única tubería constante. En su lugar, la vida diaria implica un complejo mosaico de fuentes: un grifo municipal que funciona solo durante unas pocas horas, un pozo privado que podría secarse, un camión cisterna que llega de forma irregular o un vecino que vende agua por cubetas. Debido a que las familias suelen alternar entre estas fuentes dependiendo del costo, la disponibilidad o la confianza, el simple hecho de contar quién tiene una "conexión de tubería" nos dice muy poco sobre lo que realmente se siente al vivir con agua. Una familia puede tener una tubería, pero si el agua llega solo una vez a la semana, cuesta demasiado o sabe a lodo, su experiencia de servicio es deficiente. Esta brecha entre tener una conexión de infraestructura y recibir realmente un servicio confiable, asequible y seguro es el rompecabezas central que los investigadores están tratando de resolver.

Un equipo de investigadores de la Universidad de Stanford se propuso medir esta experiencia vivida directamente, yendo más allá de las listas de verificación estándar de infraestructura para comprender la realidad completa del servicio de agua doméstico. Encuestaron a más de 6,000 hogares en el sur de la India, una región donde el agua proviene de una mezcla caótica de tuberías, pozos, camiones y tiendas. En lugar de hacer una sola pregunta como "¿Está satisfecho?", construyeron una tarjeta de puntuación detallada que analizaba ocho aspectos diferentes del servicio: si el agua es asequible, qué tan fácil es obtenerla, qué tan confiable es el suministro, cuánto esfuerzo requiere la recolección, si el aspecto y el sabor del agua son aceptables y qué tan receptivo es el proveedor cuando surgen problemas. Al combinar estos ocho aspectos en una sola puntuación, crearon una herramienta que captura la verdadera calidad del servicio de agua tal como la experimentan las personas que la utilizan.

Los investigadores utilizaron luego modelos computacionales avanzados para determinar qué es lo que realmente impulsa estas puntuaciones. Probaron tres grupos diferentes de factores para ver cuáles importaban más: las condiciones físicas e institucionales del propio sistema de agua, los detalles de fondo del hogar (como los ingresos o el tamaño de la familia) y las prioridades personales de las personas que viven allí. Los resultados fueron sorprendentemente claros. La calidad del servicio que recibe un hogar está determinada casi por completo por las condiciones operativas del sistema de agua. Factores como la presión del agua, la claridad del agua, la frecuencia de las escaseces y la eficacia con la que un proveedor resuelve las quejas explicaron casi toda la variación predecible en la calidad del servicio. De hecho, estos factores operativos explicaron más del 94 por ciento de la explicación de por qué algunos hogares tenían un buen servicio y otros un mal servicio.

Sorprendentemente, el trasfondo personal del hogar importaba muy poco una vez conocidas las condiciones reales del servicio. El hecho de que una familia fuera rica o pobre, o viviera en una casa grande o pequeña, no cambiaba significamente su puntuación de servicio de agua si la presión y la confiabilidad eran las mismas. Aún más contraintuitivo fue el hallazgo sobre lo que la gente decía valorar más. Los investigadores preguntaron a cada hogar que clasificara qué aspectos del servicio de agua eran más importantes para ellos, como el precio frente a la confiabilidad. Aunque estas prioridades personales añadieron un mínimo matiz a la imagen, no impulsaron los resultados. Un hogar que decía que el precio era su principal preocupación no terminó con una puntuación de servicio diferente a la de un hogar que decía que la confiabilidad era lo más importante, una vez que se tomaron en cuenta las condiciones reales del agua. El servicio en sí —lo que el agua realmente hace por la familia— era la fuerza dominante, no las preferencias o el estatus socioeconómico de la familia.

Este estudio desafía la forma en que los servicios de agua suelen ser monitoreados y gestionados. Sugiere que centrarse en quién tiene acceso a una tubería no es suficiente para comprender la calidad de vida en una comunidad. En cambio, la verdadera historia se encuentra en los detalles operativos: la presión en las tuberías, la claridad del agua y la capacidad de respuesta de la empresa de servicios. Los investigadores descubrieron que estas condiciones operativas crean una experiencia no lineal, lo que significa que una pequeña caída en la presión del agua o un ligero aumento en el costo pueden conducir a un declive desproporcionadamente grande en qué tan bueno se siente el servicio. Al identificar estos mecanismos operativos específicos, el estudio ofrece una nueva forma para que los responsables de la toma de decisiones diagnostiquen problemas. En lugar de adivinar qué hogares necesitan ayuda basándose en sus ingresos o ubicación, los funcionarios pueden mirar directamente las condiciones del servicio —como los tiempos de resolución de quejas o la presión del agua— y reparar los fallos operativos específicos que están causando el mayor daño. El trabajo confirma que, en un mundo de sistemas de agua mixtos y desordenados, la calidad del servicio se define no por el tipo de fuente que utiliza un hogar, sino por qué tan bien funciona ese servicio en el día a día.

Resumen Técnico: Las condiciones operativas del servicio como principales predictores de la calidad del servicio de agua en los hogares

Planteamiento del problema
El monitoreo convencional del servicio de agua en países de ingresos bajos y medios (PIBM) suele basarse en clasificaciones por tipo de fuente (p. ej., "fuente mejorada") o en el acceso nominal a la infraestructura. Sin embargo, en sistemas de provisión heterogéneos donde los hogares utilizan arreglos superpuestos (suministro por tubería, agua subterránea, camiones cisterna, agua comercial), el tipo de fuente es un indicador incompleto de la experiencia real del usuario. Los indicadores existentes frecuentemente comprimen distintas dimensiones del servicio —como confiabilidad, asequibilidad, accesibilidad, cantidad, aceptabilidad, calidad percibida, capacidad de respuesta y esfuerzo del hogar— en categorías únicas de infraestructura. Esto crea una brecha de medición donde el acceso no equivale a la calidad del servicio, y las métricas de satisfacción únicas no logran diagnosticar deficiencias específicas. Además, la agregación de datos de encuestas multidimensionales en una sola puntuación presenta un "problema de preferencia": si se debe utilizar una ponderación igualitaria o incorporar las prioridades declaradas por el hogar, lo que conlleva un riesgo de circularidad si las prioridades se integran tanto en el resultado como en los predictores.

Metodología
El estudio desarrolló un marco de trabajo a nivel de hogar utilizando datos de encuestas de 6,145 hogares en el sur de la India (principalmente Tamil Nadu), caracterizados por diversos sistemas de provisión de agua.

Construcción de la métrica (WSQS): Los autores construyeron una Puntuación de Calidad del Servicio de Agua (WSQS, por sus siglas en inglés) que integra ocho dominios CORE-8: asequibilidad, acceso, confiabilidad, eficiencia, aceptabilidad, calidad percibida, suficiencia de cantidad y servicio al cliente. Los ítems de la encuesta se armonizaron a una escala de severidad común de 1 a 5 y se transformaron a una escala de reporte de 0 a 100.
Arquitecturas de ponderación: Se compararon tres formulaciones:
- Peso igualitario: Una línea base transparente donde todos los dominios contribuyen equitativamente.
- Prioridad poblacional: Ponderada por la media de la prioridad declarada de cada dominio en la población.
- Prioridad individual: Ponderada por las prioridades específicas declaradas por cada hogar.
  Se retuvo la WSQS de peso igualitario como el resultado principal del modelado para evitar la circularidad, mientras que las versiones ponderadas por prioridad sirvieron como análisis de sensibilidad.
Modelado predictivo: El estudio empleó un enfoque de modelado predictivo anidado utilizando regresión CatBoost. El objetivo era diagnóstico, no causal. Se probaron tres bloques de predictores secuencialmente:
- M1 (Soporte del servicio): 25 variables que describen condiciones operativas e institucionales (p. ej., presión del agua, resolución de quejas, relación calidad-precio).
- M2 (Soporte del servicio + Contexto): Se añadieron variables de contexto del hogar (régimen de fuente, ingresos, tamaño del hogar, tipo de vivienda).
- M3 (Soporte del servicio + Contexto + Prioridades): Se añadieron variables de prioridades declaradas.
Interpretación y validación: El desempeño del modelo se evaluó en un conjunto de prueba del 20% mantenido aparte utilizando RMSE, $R^2$ y correlación de rango de Spearman. La interpretación utilizó atribución SHAP (explicaciones de Shapley aditivas) para cuantificar la importancia de los predictores. Se utilizaron análisis de respuesta no lineal y contrastes condicionados por prioridad para examinar cómo interactúan las condiciones del servicio y las prioridades. La robustez se probó mediante divisiones repetidas de entrenamiento-prueba, comparaciones con modelos de referencia y codificaciones alternativas de contexto.

Resultos clave

Multidimensionalidad: La WSQS capturó una heterogeneidad significativa entre los dominios. Las puntuaciones medias oscilaron entre 64.93 (aceptabilidad) y 76.08 (confiabilidad), lo que indica que los hogares experimentan niveles variables de calidad de servicio en distintas dimensiones, los cuales no pueden resumirse en un solo tipo de fuente.
Estabilidad de la ponderación: Las tres arquitecturas de ponderación produjeron distribuciones agregadas casi idénticas. La correlación entre la WSQS de peso igualitario y la de prioridad individual fue de 0.991, con un cambio absoluto medio de solo 0.95 puntos. Esto sugiere que, si bien las prioridades individuales desplazan las puntuaciones específicas de cada hogar, no alteran fundamentalmente la estructura de medición agregada.
Dominancia de las condiciones de soporte del servicio: Las variables de soporte operativo del servicio fueron los principales impulsores de la variación de la WSQS.
- La adición de variables de soporte del servicio (M1) redujo el RMSE del conjunto de prueba de 0.6389 (línea base) a 0.4188, explicando el 57.0% de la varianza ( $R^2$ ).
- La adición de contexto del hogar (M2) y de prioridades declaradas (M3) proporcionó solo mejoras incrementales marginales (el RMSE disminuyó a 0.4179; el $R^2$ aumentó a 0.572).
Atribución SHAP: Las variables de soporte del servicio accountaron con el 94.9% de la atribución de la media absoluta agrupada de SHAP en el conjunto de prueba principal. El contexto del hogar contribuyó con un 0.9% y las prioridades declaradas con un 4.1%.
Predictores clave: Los principales predictores fueron operativos e institucionales, incluyendo la relación calidad-precio, la resolución de quejas, la presión del agua, la aceptabilidad de la apariencia, la claridad del agua, el contacto con el proveedor y la experiencia de escasez.
No linealidad: Varias condiciones de servicio, particularmente la presión del agua y la relación calidad-precio, exhibieron patrones de deterioro no lineales, donde el empeoramiento de las condiciones provocó descensos más agudos en la calidad del servicio de lo que predecirían los modelos lineales.
Papel modesto de las prioridades: Las prioridades declaradas añadieron una señal pequeña y no circular, refinando la interpretación de patrones específicos de respuesta al servicio (por ejemplo, los hogares que priorizan la cantidad mostraron respuestas ligeramente diferentes a la frecuencia de escasez), pero no reemplazaron a las condiciones operativas como los principales predicpredictores.

Significancia y afirmaciones
El artículo afirma proporcionar un marco robusto, a nivel de hogar, para medir y diagnosticar la calidad del servicio de agua para el usuario final en sistemas de provisión heterogéneos. Sus contribuciones principales son:

Cambio del paradigma de monitoreo: Va más allá de clasificar el acceso o el tipo de fuente para diagnosticar qué tan bien funciona el servicio a través de múltiples dimensiones experienciales.
Separación de la medición de la preferencia: Al utilizar una WSQS de peso igualitario como resultado principal, el marco ofrece una línea base estable y comparable, mientras trata las prioridades como una fuente de heterogeneidad en lugar de un determinante de la métrica en sí misma.
Enfoque operativo: Los hallazgos demuestran que la calidad del servicio de agua en los hogares se explica principalmente por las condiciones operativas e institucionales que experimentan los hogares (p. ej., presión, capacidad de respuesta, asequibilidad), en lugar de por la demografía del hogar o las prioridades declaradas por sí solas.
Utilidad diagnóstica: El marco permite a los tomadores de decisiones identificar deficiencias específicas del servicio (p. ej., baja presión frente a una mala resolución de quejas) a través de diversos sistemas de provisión, apoyando intervenciones dirigidas.

Los autores declaran explícitamente que el estudio es transversal y predictivo, no causal, y que depende de datos autoinformados. Advierten que los resultados no son estimaciones de prevalencia ponderadas por la población debido a la estrategia de muestreo intencional y enfatizan la necesidad de validación externa antes de aplicar el modelo a otras regiones.

Más como este