Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

El estudio proporciona pruebas de injusticias sociales rígidas en los resultados COVID-19

Una aproximación geocoding - enlazando datos rutinario cerco de la salud pública a los factores socioeconómicos de la vecindad - índices constantemente más altos de las demostraciones de la enfermedad COVID-19 y de muerte entre la gente que vive en comunidades más-perjudicadas, partes un estudio en el gorrón de noviembre/de diciembre de la administración de salud pública y práctica. El gorrón es publicado en la cartera de Lippincott por Wolters Kluwer.

Nuestro estudio proporciona pruebas de injusticias sociales rígidas en los resultados COVID-19 en el condado y los niveles del código postal en los Estados Unidos. Estas disparidades marcadas hablan a cómo el pandémico COVID-19 está afectando a las poblaciones vulnerables y las injusticias existentes de la salud de la exacerbación.”

Jarvis T. Chen, ScD, Harvard T.H. Chan School de la salud pública, Boston

Factores socioeconómicos que afectan a los resultados COVID-19 - el geocoding ofrece nuevos onsights

El Dr. Chen y co-autor Nancy Krieger, doctorado, condado analizado y datos del Clave-nivel de la CREMALLERA sobre COVID-19 los resultados - muertes, casos confirmados, y casos positivos del por ciento - en New York City e Illinois, el 5 de mayo de 2020. En aquel momento, Nueva York e Illinois estaban entre los “apuroses” para los casos COVID-19 y las muertes en los Estados Unidos.

Los investigadores aplicaron un método geocoding establecido para analizar los resultados COVID-19 en términos de factores socioeconómicos de la vecindad dominante, incluyendo el porcentaje de los residentes que vivían en pobreza, el porcentaje con el hogar que apretaba, y el porcentaje de personas del color (con excepción de blanco de los no-Hispanos).

Éstos y otro área-basaron dimensiones socioeconómicas (ABSMs) se han mostrado para ser indicadores fuertes de disparidades a través de una amplia gama de resultados de la salud. El ASBMs fue desarrollado como parte del proyecto de Geocoding de las disparidades de la salud pública, establecido para dirigir la falta de información sobre factores socioeconómicos en la mayoría de los datos públicos del control médico.

El análisis mostró niveles constantemente más altos de los resultados COVID-19 para los residentes de áreas más socioeconómico perjudicadas. los datos del Condado-nivel mostraron índices más altos de las muertes COVID-19 en áreas con más personas que vivían en pobreza, el hogar creciente que apretaba, y más persona de color. El índice de mortalidad COVID-19 era cerca de cinco veces más arriba que en condados con el porcentaje más alto de la persona de color.

El análisis de los datos del código postal de la fino-resolución mostró índices más altos de los casos confirmados COVID-19 para todo el ABSMs. En Illinois, el índice de la diagnosis COVID-19 era cinco veces más arriba en códigos postales con el porcentaje más alto de la persona de color.

Los datos del código postal de New York City también mostraron disparidades similares, incluso con los índices de infección mucho más altos de la ciudad. El índice de las pruebas positivas COVID-19 era el más de 60 por ciento más alto en códigos postales con el porcentaje más alto de la gente con rentas del pobreza-nivel.

Hay una necesidad urgente de datos en tiempo real de ayudar en determinar a los grupos comunitarios en el riesgo más alto de la infección COVID-19, de la enfermedad seria, y de la muerte. Los datos rutinario cerco de la salud pública incluyen poco o nada de información sobre los factores socioeconómicos que pueden tener un impacto importante en los riesgos COVID-19. Los datos sobre la carrera/la pertenencia étnica cerco pero faltan más a menudo para muchos pacientes.

Los historiales médicos de Geocoding y la conexión de ellos a los datos del censo de EE. UU. sobre factores de la vecindad, incluyendo el uso de ABSMs, pueden calcular presupuestos válidos de disparidades socioeconómicas en salud. “Observando a través de los E.E.U.U., gente que vive en los condados más empobrecidos, apretados, y racial y económicamente polarizados están experimentando índices substancialmente elevados de la infección COVID-19 y de muerte,” DRS. Chen y Krieger escriben.

El estado y los departamentos locales de la salud pueden aplicar fácilmente los mismos métodos a los datos rutinario cerco de la vigilancia usando una hoja de balance de Excel o la clave de R disponible del Web site de los autores: https://www.hsph.harvard.edu/thegeocodingproject/covid-19-resources/

Comentarios del Dr. Chen: “Nuestra metodología y resultados directos de poco costo pueden estado motivar y de la guía y los departamentos locales de la salud para generar los datos relevantes a vigilar injusticias en los resultados COVID-19 y a conducir la asignación de recursos para atenuar estas injusticias.”

Source:
Journal reference:

Chen, J.T., et al. (2020) Revealing the Unequal Burden of COVID-19 by Income, Race/Ethnicity, and Household Crowding. US County Versus Zip Code Analyses. Journal of Public Health Management and Practice. doi.org/10.1097/PHH.0000000000001263.