ゼファーネットのロゴ

健康格差を進めるには、より多くのより良いデータが必要です

日付:

COVID-19パンデミックの特徴のXNUMXつは、 不均衡な影響 色の人々に。 それでも 最近の傾向 COVID-19の症例と死亡における人種格差の縮小を指摘し、全体として、有色人種は、感染、病気、死亡の発生率の上昇から精神的健康、社会的、経済的悪影響まで、パンデミックの矢面に立たされています。 パンデミックのさまざまな影響により、健康とヘルスケアにおける長年の人種格差に対処するための幅広い認識と呼びかけが生まれました。 しかし、パンデミックが発生してから19年近く経った今でも、COVID-XNUMXの影響とワクチンの摂取における格差を理解するための包括的なデータが不足しています。 ワクチン接種の展開とパンデミックの回復の次の段階を見据えて、データのギャップが続く可能性が高く、格差を特定して対処する能力が制限されます。

データは、格差に対処し、健康の公平性を高めるための取り組みの基礎です。 データは、格差が存在する場所を特定し、特定された格差に対処するための努力とリソースを導き、より大きな公平性を達成するための進捗状況を測定し、進捗状況を達成するための説明責任を確立するために不可欠です。 適切なデータがなければ、不平等は目に見えず、対処されないままです。

パンデミックの過程で繰り返し発生する問題は、人種格差に関するデータの欠如でした。 パンデミックの初期には、連邦政府と多くの州がCOVID-19の症例、入院、人種や民族による死亡を報告していませんでした。 時間の経過とともに、これらのデータのレポートは増加しましたが、データにはまだギャップと制限があります。 COVID-19ワクチンの展開が始まったとき、より多くの人種/民族データが報告されましたが、これらのデータにも欠陥があります。 疾病管理予防センター(CDC) レポート 連邦レベルでワクチン接種された人々の人種/民族性ですが、ワクチン接種された人々のほぼ40%の人種/民族性データが欠落しています。 さらに、CDCは州レベルで人種/民族による予防接種を報告しておらず、国全体で格差がどのように異なるかについての理解を制限しています。 この報告がない場合、KFFは 進行中の分析 人種/民族別の予防接種に関する州が報告したデータの分析。 ただし、この取り組みは、州がデータを報告する方法の不一致によって挑戦されています。 標準化されている連邦政府が報告するデータとは異なり、州は、使用する人種/民族の分類、測定単位、報告の頻度などの要因が異なります。

ワクチン接種の展開と回復努力の次の段階で格差を特定して対処するための鍵となるデータは、現在利用できません。 予防接種の展開の次の段階が発生するにつれて、ブースターショットを取得している人と取得していない人を理解し、幼い子供が適格になったときに、大人に影響を与えたのと同じ予防接種の摂取の格差に直面するかどうかを理解することが重要になります。 より多くの人々がワクチン接種を受けるにつれて、ブレイクスルー感染や病気のリスクが高いグループがあるかどうかも知りたいと思います。 特に多くの子供たちが対面式の学校に戻り、対面式の仕事や社会活動に戻る人が増えているため、テストパターンへの洞察も重要になります。 ただし、現在、これらの質問の多くに答えるデータが不足しています。 たとえば、年齢別に分類された人種/民族別の予防接種に関するデータは非常に限られています。つまり、予防接種の摂取に人種的な格差があるかどうかはわかりません。 青年の間で すでに資格があり、間に格差があるかどうかわからない人 より若い子供たち レポートを改善せずに適格になったとき。 誰がどのタイプのCOVID-19ワクチンを接種したかを特定するためのデータはありません。これは、誰が追加接種を受けるべきかを理解するために重要になる可能性があります。 さらに、現時点では、CDCは人種/民族性を報告していません ブースター用量のレシピエント、そしてほんの一握りの州だけがこれらのデータを報告しています。 予防接種データのギャップを超えて、 他人 一部のグループがブレイクスルー感染や病気のリスクが高いかどうかを特定するためのデータの不足を強調しています。 さらに、テスト率が人種/民族によって異なるかどうか、一部のグループが他のグループよりもテストへのアクセスに大きな障壁に直面しているかどうか(たとえば、コスト、移動距離など)、テストを受ける時間があるかどうかなど、テストに関するデータには依然として大きなギャップがあります。結果はグループによって異なり、使用するテストの種類(自宅、迅速、PCRなど)にばらつきがある場合。

人種/民族別に分類された高品質で包括的なデータの可用性を高めることは、COVID-19に関連するだけでなく、より広く健康とヘルスケアにおいて健康の公平性を促進するための取り組みの前提条件です。 データ収集とレポートに優先順位を付けて、人種/民族およびその他の要因による格差を特定して対処することは、データのギャップと制限に対処するための重要な最初のステップです。 この作業の一環として、アメリカインディアンとアラスカ先住民、ハワイ先住民、その他の太平洋諸島民などの小規模なグループが利用できるデータを拡大するための集中的な取り組み、およびより広範な人種/民族カテゴリのサブポピュレーションが完全な理解のために重要になります。個人の経験の。 人種/民族データの標準化が進むと、データの分析と解釈にも役立ちます。 連邦政府は 最低基準 人種/民族データを報告するため。 ただし、これらの基準は1997年に最後に改訂されたものであり、今日の人口の多様性を完全には反映していない可能性があります。 さらに、この基準は、州、地方、または民間団体による報告には適用されません。 より多くのエンティティにわたって最小基準を奨励、奨励、または要求することで、より一貫性のあるデータが提供されます。 場合によっては、データを改善するには、データ収集とレポートのシステムと構造を最新化して、より細分化されたデータレポートを可能にする必要があります。 データを収集するプロバイダーやその他のエンティティ、および人口統計データの重要性と価値についてデータを報告する個人に直接アウトリーチを実施することも、時間の経過とともにデータの完全性と正確性を向上させるのに役立つ可能性があります。

PlatoAi。 Web3の再考。 増幅されたデータインテリジェンス。
アクセスするには、ここをクリックしてください。

出典:https://www.kff.org/policy-watch/advancing-health-equity-requires-more-better-data/

スポット画像

最新のインテリジェンス

スポット画像