多方数据评估COVID-19对黑人社区的不同影响

目的: 鉴于种族报告的数据不完整,我们使用了美国各县的COVID-19病例和死亡数据来描述COVID-19疾病和死亡的种族差异以及相关的决定因素。

方法:使用公开可用的数据(2020年4月13日访问),比较了不成比例(≥13%)的黑人与所有其他县(<13%的黑人)之间COVID-19病例和死亡的预测指标。计算比率,并使用零膨胀负二项式回归模型使用COVID-19病例和死亡估计人群归因分数。生成了具有县级数据和COVID-19病例的交互式散点图的国家地图。

结果:几乎不成比例的黑人县(656/677)报告病例,近49%(330/677)报告死亡,而其他所有县分别为81%(1987/2465)和28%(684/2465)。黑人比例较高的县合并症患病率较高,空气污染也较大。调整后,黑人居民比例较高的县的COVID-19诊断(比率(RR):1.24,95%置信区间:1.17-1.33)和死亡(RR:1.18,95%置信区间:1.00-1.40)更多。针对县级特征,例如年龄,贫困,合并症和流行病持续时间。在黑人农村和大都市县中,成比例的COVID-19死亡人数更高。黑人居民少于13%的县由于缺乏健康保险而导致COVID-19诊断的人口归因百分比为3.3%,而4。

结论:美国有将近20%的县是黑人,占全国COVID-19诊断的52%和COVID-19死亡的58%。县级比较既可以告知COVID-19响应,也可以识别流行病热点。社会条件,结构种族主义和其他因素会增加黑人社区中COVID-19诊断和死亡的风险。

介绍:截至2020年4月30日,在美国已诊断出超过一百万例严重的急性呼吸综合征冠状病毒2感染,死亡人数超过63,000。越来越多的证据表明,美国黑人的COVID-19发病率和死亡率风险更高。尽管新发现的可以感染任何人的病毒会迅速表现出明显的种族差异可能是违反直觉的,但是在多个州都报告了一致的模式,这表明与所报告的COVID-19病例和死亡人数相比,美国黑人所占的比例要高得多。其他美国人。例如,在美国当前流行的中心纽约市,COVID-19死亡对黑人(占人口的22%和死亡的28%)和全州的其余部分(占人口的9%和18%)的影响不成比例。这种差异在各县之间也很明显,例如在威斯康星州密尔沃基县,黑人居民占人口的26%,但占COVID-19死亡人数的73%,在佐治亚州多oughty 县(黑人占69% ),其中38例死亡中有81%是黑人。

尽管美国疾病控制与预防中心报告了州卫生部门报告的COVID-19累积数据,但截至2020年4月15日,这些数据中有78%缺少种族/民族分类。关于种族的不完整报告仍然很普遍。一个州的卫生部门报告,黑人中20.5%的COVID-19病例,白人中15.3%,其他1.5%,但近三分之二(62.7%)的种族/族裔类别未知。另一个人分解了他们的数据,但报告说四分之三(74%)的病例是未知种族或种族的。

除非更多的州报告分类数据并且直到进行其他工作以增强种族/民族数据的完整性之前,否则无法获得对种族/民族对COVID-19的影响的更彻底的了解。同时,有可能使用县级数据进行生态分析,以评估黑人美国人中的风险决定因素,以立即采取政策行动。但是,这种方法可能会使一个县的黑人美国人比例与疾病和死亡率之间的关系混淆,而其他健康状况社会决定因素也可能与COVID-19感染和死亡的风险相关,例如合并症,社会人口统计学和社会经济决定因素。

我们分析了比较黑人比例较高和较低的县的县级数据,以记录在黑人比例较高的县中,COVID-19的诊断和死亡人数是否较高。此外,我们使用了多变量模型来评估是否在混合比例的疾病以及社会和环境因素的影响下解释了在不成比例的黑人县中观察到的COVID-19疾病和死亡的不成比例的影响。最后,我们计算了不成比例的黑人县中COVID-19诊断和死亡的人口归因分数(PAF),这与人口统计(失业,无保险),合并症以及社会或环境因素有关。

材料和方法

如前所述,美国各县按全国黑人人口分层。我们评估了黑人居民所占比例高于美国平均水平(≥13%的黑人人口;此后是黑人县)和所有其他县(<13%的黑人人口)的县的特征差异。我们随后检查了黑人居民比例与COVID-19病例与死亡之间的关联。这些分析中使用的所有数据均来自公开可用的数据集。

人口统计数据

从美国人口普查局美国社区调查5年收集的县级数据用于特定的人口统计数据(即县人口,美国黑人百分比,65岁以上人口的百分比,65岁以下人口的百分比没有健康保险,每间房间的人数)。县的年平均失业率是从劳工统计局获得的。

COVID-19数据和合并症

截止4月13日,从USAFacts下载了县级COVID-19病例和死亡。从CDC Diabetes Atlas(2016)下载了20岁以上成年人的确诊糖尿病率。每10万例心脏病可从CDC的《心脏病和中风互动地图集》(2014-16)中获取,每10万例脑血管和高血压死亡的合并比率来自CDC WONDER(2018年)。根据CDC ATLAS(2017年),对13岁及以上的成年人和青少年中每100,000名确诊为HIV的人群进行估算。对于肯塔基州和阿拉斯加缺少HIV数据的县,可从AIDSVu.org存档HIV数据考虑到这两个州的州数据共享协议限制了CDC发布可比数据,因此使用了2015年以来的数据。

社会/环境数据

继吴之后,我们使用县级细颗粒物(PM 2.5)估算来评估空气质量。社会疏远等级是根据4月13日Unacast县级措施得出的,编码为A±= 1;B±= 2; C±= 3; D±= 4; F±= 5。因此,较高的分数与较差的社会距离相关。疾病预防控制中心的国家卫生统计中心城乡分类计划用于评估城市化程度(指数从1到6,其中1表示城市化程度最高)。

统计分析

我们使用中位数和四分位数间距,根据黑人(<或≥13%)人口的比例比较了县的特征。我们根据县的COVID-19诊断率绘制了黑人居民的县比例,并对该县自首次感染以来的天数进行了调整。为了评估观察到的黑人居民比例和COVID-19病例与死亡之间的关联是否被其他因素所混淆,我们使用贝叶斯分层模型。使用对数链接函数的零膨胀负二项式模型使用集成嵌套拉普拉斯近似分别拟合到COVID-19病例和死亡。该模型包括县人口作为偏移项,并针对所有县级特征进行了调整,并包括空间结构的状态级随机效应。我们还包括一个变量,该变量表示自每个县报告第一例COVID-19以来的天数,以控制疫情爆发的时间造成的潜在混淆。模型的所有组件均包含扩散先验。指数回归系数与95%置信区间(CI)一起显示,代表COVID-19病例与死亡的比率。主要问题是在控制合并症,社会人口统计学和社会经济决定因素后,比例不成比例的黑人县的COVID-19病例与死亡的比率是否仍然显着。在报告协变量的结果时,对县级特征进行了缩放,以表示两个在所有其他方面相似的县的比较,但是对于一个感兴趣变量等于观察到的该特征的第三个四分位数的县,另一个县等于观察到的第一个四分位数。因此,比率大于1表示给定特征的较高水平与COVID-19病例或死亡的较高比率相关。对于“可修改的”风险因素(例如,保险,人口密度),我们通过观察数据下预测病例/死亡人数的乘数减少(与将风险因素的前四分之三的所有县都减少到第一个四分位数。有关详细信息,请参见在线附录。对于“可修改的”风险因素(例如,保险,人口密度),我们通过观察数据下预测病例/死亡人数的乘数减少(与将风险因素的前四分之三的所有县都减少到第一个四分位数。有关详细信息,请参见在线附录。对于“可修改的”风险因素(例如,保险,人口密度),我们通过观察数据下预测病例/死亡人数的乘数减少(与将风险因素的前四分之三的所有县都减少到第一个四分位数。有关详细信息,请参见在线附录。

表1。黑人人口比例,人口统计学a,慢性病b,社会/环境c因素以及COVID-19诊断和死亡的未经调整的关联

特性 黑色比例<13%(n  = 2436) 黑色比例≥13%(n  = 677)
人口 24,580(9849,61,732) 32,511(15,541,120,749)
黑色百分比 1.3(0.5,3.8) 29.0(19.5,41.6)
白色百分比 92.7(86.9,95.9) 64.5(53.0,73.2)
65岁以上的百分比 17.5(15.0,20.2) 15.3(13.4,17.5)
糖尿病诊断百分比 11.1(8.9,13.8) 13.9(11.3,16.7)
脑血管和高血压死亡率(每10万) 66.4(49.4,89.2) 68.9(51.7,88.8)
艾滋病毒感染率(每10万) 72.7(0.0,125.0) 294.5(204.8,447.2)
未投保百分比 10.1(7.0,14.6) 13.9(10.9,17.0)
失业率 3.7(3.0,4.6) 4.4(3.7,5.3)
家庭入住人数> 1人/间 1.8(1.3,2.8) 2.2(1.5,3.1)
都市性分数 5.0(4.0,6.0) 4.0(3.0,4.0)
空气毒素(PM 2.5 5.6(4.1、7.1) 7.7(6.9,8.2)
平均社会疏远分数 3.0(3.0,4.0) 4.0(3.0,4.0)
自首例确诊后的天数 href=”#tbl1fnsection” d 20.0(9.0,27.0) 25(8.0,100.0)
COVID-19的诊断率(每100,000个) 5.0(1.0,24.2) 22.0(8.0,100.0)
COVID-19死亡率(每10万) 0.0(0.0,1.0) 0.0(0.0,3.0)
COVID-19死亡率(病例> 200,n  = 270) 3.8(1.7,9.5) 4.6(1.9,13.1)

截至2020年4月13日的数据。

一个“受众特征”包括黑人或白人百分比,65岁以上的百分比,未投保的百分比,失业的百分比以及每间客房的家庭入住率。

“慢性病”包括糖尿病诊断,心脏病死亡,脑血管和高血压死亡以及HIV诊断。

“社会/环境”包括城市化程度(1 =城市,6 =农村),PM 2.5(空气中的细颗粒物),社会距离得分是一个等级(’A’= 1,’B’= 2,’C’ = 3,“ D” = 4,“ F” = 5)。

MMWR Morb Mortal Wkly Rep 2020;《美国自2020年2月12日至2020年4月7日》是基于以下引用的时间变量:“ COVID-19病例的地理差异,死亡和发病率”。69:465–471。DOI:https : //doi.org/10.15585/mmwr.mm6915e4

为了评估结构混杂的可能性(即不成比例黑县COVID-19的疾病和死亡的比率较高可能是由各县市区,较早前由疫情的影响,并分别进行驱动更可能是不成比例黑人),我们通过城市化程度评估了与不成比例的黑人县相关的特定层风险比。

所有分析均使用R 3.6.1进行。使用inla包(www.r-inla.org)拟合了贝叶斯层次模型。复制分析所需的所有数据和代码都可以在线获取(https://github.com/benkeser/covid-and-race)。没有针对波多黎各的COVID-19县级数据,对于阿拉斯加没有PM 2.5数据。分析均排除了这两个地点。

结果

分析中包括3142个县,其中677个是不成比例的黑人。不成比例的黑人县中,有97%(656/677)和49%(330/677)分别报告了至少一例COVID病例和死亡。在所有其他县中,分别有80%(1987/2465)和28%(684/2465)报告了至少1例COVID病例和死亡。黑色国家中有91%(616/677)位于美国南部。在不成比例的黑人县中,黑人居民的比例在13.0%至87.4%之间。截至2020年4月13日,黑人县的确诊病例为283,750人,死亡12,748人。相比之下,所有其他县的诊断为263,640人,死亡8886人。总体上,52%的COVID-19病例和58%的COVID-19死亡发生在不成比例的黑人县。

讨论区

总的来说,这些数据表明,与其他县相比,在不成比例的黑人县中,COVID-19诊断和死亡的比率显着更高,并且在未经调整的分析中,糖尿病的诊断,心脏病的死亡和脑血管疾病的死亡也更高。此外,在没有按种族分类的完整的国家级数据的情况下,县级分析提供了一种直接的替代方法来衡量COVID-19诊断和黑人死亡之间的不成比例的影响。重要的是,我们的分析表明,在控制可能与COVID-19病例和死亡的高发生率以及高比例的黑人美国人相关的潜在混杂因素之后,COVID-19病例和死亡的发生率仍然不成比例。大约五分之一的美国

在COVID-19并非唯一的美洲黑人集中度较高的地方,存在更大的健康差异。对于其他疾病,如艾滋病毒,空气污染,癌症和低出生体重,也已报道了类似的模式,这可能源于以下事实:在美国,种族通常决定了居住地居住地。在这些分析中,不成比例的黑人县中有91%位于美国南部,这是大多数黑人美国人居住的地区(58%),在失业,无保险以及有限的卫生系统能力或投资方面也排名最高。通过发现在农村和小型都市县中比例较高的黑人县中COVID-19死亡发生率更高,发现了这些缺陷。

较高的县级失业率与较少的COVID-19诊断有关。就业可能会增加接触COVID-19的可能性,这可能会对黑人美国人产生不同的影响,因为只有五分之一的黑人美国人有允许在家工作的职业。此外,黑人美国人在需要旅行和与公众定期互动的工作中占了很大的比例,这可能增加对病毒的暴露,例如在服务行业(例如杂货店店员,收银员),交通运输(例如公交车司机)中,地铁列车长)和卫生保健(例如护士,医疗助手,家庭卫生保健工作者)。在最近的报告中证明,在COVID-19危机期间成为“必需工人”会带来风险:疾病预防控制中心报告说,全国有9000多名医护人员感染了COVID-19,黑人医护人员受到的影响不成比例(21感染的百分比;人口的13%)。同样,纽约运输工人的报告发现2000多例COVID-19,并在员工队伍即40%的黑人50人死亡,尽管黑人社区只包括纽约市人口的四分之一。

县一级缺乏健康保险与一个县中的黑人美国人比例以及COVID-19诊断率较高有关。《可负担医疗法案》(ACA)颁布后,2013年至2016年,美国黑人的未保险率下降了三分之一,降至10.7%,但从2016年至2018年,这一比率在统计学上显着上升至11.5%。在ACA之下尚未扩展医疗补助的14个州中,有9个也位于美国南部。服务行业工作的保险覆盖率也比其他行业低。这些协会指出,政策层面的干预对于消除环环相扣的不平等现象的重要性,但对针对种族差异的干预措施进行的审查发现,政策干预措施仅占三十年来公布的所有差距干预措施的0.1%。

与所有其他县相比,黑人县的城市化程度更高,每间客房的人数可能超过1人,这可能反映了多代家庭和多户家庭的情况,并且社会距离得分略低。每间客房每间房> 1人的家庭较多的县发生COVID-19的比率更高,但是报告称社会距离减少的县的COVID-19病例则反而较少。这些结果可能是由于在比较县而不是个人时,社会距离数据缺乏粒度,以及用于衡量社会距离的指标的有效性和不精确性可能有限。另一个解释可能是,由于对个人移动电话的访问不同,用于衡量社会距离的指标可能会出现偏差。不同的电话共享模式可能导致对社会距离的估计偏向较少的社会互动。

领先的公共卫生专家呼吁迅速采用强制性的COVID-19测试和监视报告,以涵盖国家,州,县和邮编级别的种族/族裔,性别/性别,年龄和教育程度。这样的报告将是重要的步骤,可以更快速,更完整地描述健康不平等现象并为计划提供信息。在确定测试地点的位置时,需要特别注意种族和社会经济障碍,但在费城黑人的人口众多的分析中,发现高收入地区和低收入地区的测试之间存在6:1的差异代码。缓解黑人社区之间所观察到的差距的方法还可以是:为ACA规定一个特别的入学登记期,解决包括长期护理设施和无家可归者住所在内的次优集体生活环境,并通过适当释放囚犯来补救监狱和监狱的人满为患。如被指控但未定罪的人以及感染了COVID-19可能有重病的人。从长远来看,这场危机凸显了每个州都需要扩大医疗补助计划,以及联邦政府和州政府采取协调一致的行动,以加强其保险市场,扩大医疗设施和医疗服务提供者的能力,重点是服务不足的人口和地理区域,并大大扩展公共卫生方面的公共投资。

这里介绍的结果应在几个限制的背景下进行解释。鉴于在现有监视系统中对种族进行个人报告时遇到了上述挑战,此处提供的县级数据代表着一种生态分析,在城市中心有更多黑人的情况下,结构分析可能会造成混淆,而城市中心更可能迄今为止在第一波COVID-19中受到影响。可以通过回答几个问题来解决这种可能性。黑色郡县在城市郡中是否早受COVID-19的影响?结构混杂理论表明,极端小区(在这种情况下,是大多数农村地区)中没有个体或少数个体引起人们对结构混杂可能性的担忧。我们的数据显示,大多数城市县的黑人人口比例呈上升趋势。但是,在所有五个城市化程度较低的阶层中,我们观察到大多数城市县的黑人居民人数占35%至50%。在不成比例的黑人县中,COVID-19的影响是否是同质的,或者给定县内相对较多的黑人和较少的黑人地区有不同的影响?即使在受灾严重的城市地区,以黑人为主的社区也有较高的COVID-19疾病和死亡发生率。例如,在马里兰州乔治王子县,白人郊区相对没有受到影响,而黑人郊区则受到了严重影响。第三,在更多农村县或在该流行病后期暴发的县的黑人中是否发生了过多的COVID-19诊断和死亡?不同城市居民水平的黑人居民县的COVID-19诊断风险一致。仅在较小的都市和农村地区,成比例的黑人县死于COVID-19的死亡风险显着更高。此外,在农村传输已经显著,它已经在黑色不成比例县。比大城市地区的早期感染浪潮晚一个月,像乔治亚州多oughty县这样的县经历了黑人格鲁吉亚人的暴发。总之,城市中心内个人水平和邻里数据与此处提供的县级数据之间的一致性证明了黑人之间不成比例的负担,这表明此处给出的生态分析结果并不完全归因于结构混杂,并且可能成立至少在某些情况下是在个人层面上。

尽管我们提出了COVID-19关联的可归因分数,该分数与我们的概念框架一致在疾病负担和继发性死亡的异质性方面,在这些关系中因果关系的推断有限。因果推断估计很关键,代表了此处介绍的分析的未来方向。重要的是,COVID-19传输动力学非常复杂且不断发展,推论可能随着其他数据而发展。我们认为,这些对黑人不成比例负担的分析可能是保守的,因为美国黑人不太可能拥有医疗保险,并且全国各地越来越多的证据表明,患有COVID-19症状的黑人比其他接受调查的人群更少对于病毒。最终,这些分析的优势在于,突出显示了发生COVID-19风险较高的特定县,并在与美国佐治亚州Dougherty County等媒体相比,发现了更多具有不同COVID-19结果的黑人地区。浸信会圣约翰教区,洛杉矶;伊利诺伊州库克县;威斯康星州密尔沃基县;纽约州皇后县。

我们的文章重点关注黑人美国人,但他们并不是唯一感兴趣的人群或处于潜在危险中的人群。进一步的研究探索拉丁美洲人,美洲原住民和其他人群之间COVID-19的差异是至关重要的,因为结果不公平的结果代表了过去的呼吸道病原体,包括美国的H1N1,因此很可能预示着未来COVID的浪潮-19等迅速出现的呼吸道病原体。卫生差距是由潜在的社会,环境,经济和结构性不平等的复杂相互作用造成的。在我们致力于消除结构性种族主义和维持甚至加剧这些不公正现象的系统根源之前,我们将继续无法解决长期存在的不平等现象。最终,要提高全体美国人的健康水平,就要依靠利用这些数据和其他数据来实现政策变革,使美国的平等成为现实。

sciencedirect

此文章还有以下语言版本: English