The COVID-19 outbreak has left a profound economic aftermath, disrupting decades of consistent progress in poverty reduction in several countries. In this context, it is relevant to study the Peruvian economy since it experienced one of the highest COVID-19 mortality rates globally, its GDP declined by 11% and its monetary poverty rate rose to 30%, a situation not observed since 2010. Therefore, to better understand Peru’s socioeconomic landscape after the pandemic, we construct a Multidimensional Poverty Index during the period 2019-2022 and compare it with monetary poverty using data sourced from the National Household Survey. We find that the latter was more volatile than multidimensional poverty. Employing logistic panel regressions, consistent patterns emerge in terms of the signs and statistical significance of the marginal effects for both poverty measurements across various weighting structures and poverty cutoffs. For instance, certain demographic groups, including rural women, those with only primary education, the unemployed and informal workers, exhibit a significantly heightened probability of experiencing both monetary and multidimensional poverty. The pandemic also increased the likelihood of experiencing both types of poverty across all scenarios considered. Conversely, individuals of mestizo ethnicity and those with higher education levels demonstrate a reduced likelihood of experiencing both types of povertyLa aparición de la COVID-19 ha dejado profundas secuelas económicas, interrumpiendo décadas de progreso constante en la reducción de la pobreza en varios países. En este contexto, es relevante estudiar la economía peruana, ya que experimentó una de las tasas de mortalidad por COVID-19 más altas del mundo, su PIB disminuyó 11% y su tasa de pobreza monetaria aumentó al 30%, una situación no observada desde 2010. Por tanto, para comprender mejor el panorama socioeconómico de Perú después de la pandemia, construimos un Índice de Pobreza Multidimensional durante el período 2019-2022 y lo comparamos con la pobreza monetaria utilizando datos provenientes de la Encuesta Nacional de Hogares. Encontramos que esta última fue más volátil que la pobreza multidimensional. Empleando regresiones logísticas de panel, surgen patrones consistentes en términos de los signos y la significancia estadística de los efectos marginales para ambas mediciones de pobreza mediante varias estructuras de ponderación y puntos de corte de pobreza. Por ejemplo, ciertos grupos demográficos, incluyendo mujeres rurales, aquellos solo con educación primaria, desempleados y trabajadores informales, exhiben una probabilidad significativamente mayor de experimentar pobreza monetaria y multidimensional. La pandemia también aumentó la probabilidad de experimentar ambos tipos de pobreza en todos los escenarios considerados. Por el contrario, las personas de etnia mestiza y aquellas con mayor nivel educativo presentan una menor probabilidad de experimentar ambos tipos de pobreza.