Опубликовано : Сен 22, 2020

Данные на уровне округа и почтового индекса показывают « резкое социальное неравенство » в связи с COVID-19

covid
Кредит: Pixabay/CC0 Public Domain

Подход геокодирования, связывающий регулярно собираемые данные об общественном здравоохранении с социально-экономическими факторами района, показывает стабильно более высокие показатели заболеваемости и смертности от COVID-19 среди людей, живущих в более неблагополучных сообществах, говорится в исследовании, опубликованном в журнале Journal за ноябрь/декабрь менеджмента и практики общественного здравоохранения.

«Наше исследование свидетельствует о серьезном социальном неравенстве в отношении последствий COVID-19 как на уровне округов, так и на уровне почтового индекса США», — комментирует Джарвис Т. Чен, доктор медицинских наук из Гарварда Т. Школа общественного здравоохранения Чана, Бостон. «Эти заметные различия говорят о том, как пандемия COVID-19 влияет на уязвимые группы населения и усугубляет существующее неравенство в отношении здоровья».

Социально-экономические факторы, влияющие на результаты COVID-19 — геокодирование дает новые знания

Доктор Чен и соавтор Нэнси Кригер, доктор философии, проанализировали данные на уровне округа и почтового индекса по исходам COVID-19 — смертельным исходам, подтвержденным случаям и проценту положительных случаев — в Нью-Йорке и Иллинойсе по состоянию на 5 мая 2020 года. В то время Нью-Йорк и Иллинойс были одними из «горячих точек» случаев и смертей от COVID-19 в Соединенных Штатах.

Исследователи применили установленный метод геокодирования для анализа результатов COVID-19 с точки зрения ключевых социально-экономических факторов района, включая процент жителей, живущих в бедности, процент перенаселенности домохозяйств и процент цветных лиц (кроме неиспаноязычных белый).

Эти и другие региональные социально-экономические показатели (ABSM) оказались убедительными индикаторами неравенства по широкому спектру показателей здоровья. ASBM были разработаны в рамках проекта геокодирования различий в общественном здравоохранении, призванного восполнить недостаток информации о социально-экономических факторах в большинстве данных эпиднадзора за общественным здоровьем.

Анализ показал стабильно более высокие уровни исходов от COVID-19 для жителей более социально-экономически неблагополучных районов. Данные на уровне округов показали более высокий уровень смертности от COVID-19 в районах с большим количеством людей, живущих в бедности, с повышенной скученностью домохозяйств и большим количеством цветных. Смертность от COVID-19 была примерно в пять раз выше, чем в округах с самым высоким процентом цветных людей.

Анализ данных почтового индекса с высоким разрешением показал более высокие показатели подтвержденных случаев COVID-19 для всех АБСМ. В Иллинойсе частота диагностирования COVID-19 была в пять раз выше в почтовых индексах с самым высоким процентом цветных людей.

Данные почтового индекса Нью-Йорка также показали аналогичные различия, даже с учетом гораздо более высоких показателей заражения в городе. Показатель положительных результатов тестов на COVID-19 был более чем на 60 процентов выше в почтовых индексах с самым высоким процентом людей с доходами на уровне бедности.

Существует острая потребность в данных в режиме реального времени, чтобы помочь в выявлении групп населения, подверженных наибольшему риску заражения COVID-19, серьезного заболевания и смерти. Регулярно собираемые данные общественного здравоохранения содержат мало или совсем не содержат информации о социально-экономических факторах, которые могут иметь важное влияние на риски COVID-19. Данные о расе/этнической принадлежности собираются чаще, но для многих пациентов они отсутствуют.

Геокодирование медицинских записей и связывание их с данными переписи населения США по факторам соседства, включая использование АБСМ, позволяет рассчитать достоверные оценки социально-экономических различий в состоянии здоровья. «В США люди, живущие в самых бедных, густонаселенных, расово и экономически поляризованных графствах, сталкиваются с существенно повышенным уровнем заражения и смерти от COVID-19», — сказал доктор. Чен и Кригер пишут.

Государственные и местные департаменты здравоохранения могут легко применить одни и те же методы к регулярно собираемым данным эпиднадзора с использованием электронной таблицы Excel или кода R, доступного на веб-сайте авторов: www.hsph.harvard.edu/thegeocod…/COVID-19-resources/.

Доктор Чен комментирует: «Наша экономически эффективная и понятная методология и результаты могут мотивировать и направлять государственные и местные департаменты здравоохранения для сбора данных, относящихся к мониторингу неравенства в результатах COVID-19 и управления распределением ресурсов для смягчения этого неравенства»./P>

Spread the love

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *