人口统计数据本身并不能解释COVID-19的死亡率，地点也很重要

在大流行期间，许多美国人成为了业余数据科学家，追踪当地的感染率或疫苗接种率，以帮助他们确定哪些活动可能安全，哪些活动可能不安全。芝加哥大学的研究人员看到了一个深入挖掘的机会:通过使用县级数据，他们发现不同的人口群体在不同的方面是脆弱的——通常取决于他们的地理位置。

他们发现，并非所有美国特定种族或民族的人口都受到相同因素的影响，或面临相同的COVID-19结果。通过确定COVID死亡率和健康的社会决定因素之间的联系，研究小组发现了该地区影响人们经历大流行的具体方式。

芝加哥大学空间数据科学中心高级研究经理苏珊·佩金说:“我们知道，这不仅仅是人口统计数据的不同。”“这是结构性的、经济的和社会因素定义了那些有影响力的地方更高的死亡率以及发病率。”

该研究结果发表在JAMA网络开放这项研究对美国50个州和哥伦比亚特区的3142个县进行了横断面研究，重点关注黑人或非洲裔美国人、西班牙裔或拉丁裔美国人以及非西班牙裔白人。研究小组研究了这些不同的群体及其各种社会因素，以及它们在城市、农村和郊区的县之间是否存在差异或相似。

根据这项研究，黑人或非裔美国人群体高死亡率——尤其是在东南部——更容易受到伤害，因为社会经济地位低收入不平等程度高，获得优质医疗服务的机会有限，住房问题严重。死亡率高的白人——通常是在中西部农村——大多位于老年人口比例高的县，他们获得高质量医疗保健的机会有限。

该团队由空间数据科学家和公共卫生研究人员组成，他们是芝加哥大学空间数据科学中心健康区域和政策实验室的一部分。该团队致力于美国COVID地图集，这是一个免费的开源数据可视化工具，将COVID数据和社区指标连接起来。

研究小组观察到，不同的少数群体在大流行期间经历了不成比例的高死亡率，但来自疾病预防控制中心的现有数据并没有显示出州一级以下的太多粒度，因为它与种族和民族有关。

“不同的群体以不同的方式受到伤害，”该中心的博士后学者、该研究的第一作者林沁云说。“在西班牙裔群体中，我们发现许多人在城市地区的死亡率很高。我们发现，在劳动年龄人口比例高、保险费率低和住房问题严重的地区，最容易受到伤害。”

Paykin说:“我们的研究着眼于COVID的死亡率，特别是大流行第一年的最高死亡率。”“然后我们看看这与不同种族和民族群体生活的地方是如何匹配的，我们试图了解高死亡率对不同群体造成不成比例影响的地方。哪些社会结构因素与这些结果有关?”

研究人员特别依赖于两个数据输入。一是来自美国疾病控制与预防中心的县级COVID死亡率数据，重点是大流行的第一年。他们使用了来自美国人口普查局的美国社区调查和县健康排名和路线图的县级数据，其中包括人口统计数据和社区背景因素。他们研究了社区层面的变量，如收入不平等、人口与初级保健医生的比例、可预防的住院率、严重住房问题的百分比、互联网接入的百分比以及年龄分布。

然后将这些数据与先前关于已被证明与COVID-19死亡率相关的变量的文献进行比较。该团队还与从事县健康排名的同事进行了交谈，以进一步了解情况。

研究人员希望他们的论文鼓励在更细的层面上收集信息并自由共享——不仅是在COVID-19大流行的背景下，而且是在未来的大流行或其他自然灾害中。

Paykin说:“我们希望展示地点如何影响COVID-19的结果。”“这些结果不是由人们自己推动的，而是由定义他们生活场所的条件推动的。这对政策和结构变化，以及我们如何制定和开始为未来做准备，以及如何为美国不同社区的不同人群建立一种健康公平的文化，都有非常重要的影响。”

下一步，研究人员正在寻求扩大他们的数据集，以包括不同的种族。他们没有被纳入这项研究的唯一原因是，可用数据的水平不够大，无法进行统计上显著的总结。目前的研究主要是探索性的，着眼于相关性。研究人员还有兴趣深入研究不同的城市、农村和郊区环境，以更好地了解与COVID高死亡率和死亡率相关的结构性因素和驱动因素。

该团队还希望仔细研究描述非常低COVID-19的结构和社会因素死亡率以更好地描绘出是什么使社区具有弹性——至少在COVID影响的背景下。