코로나19 팬데믹의 한 가지 특징은 불균형 한 영향 유색인종에. 하지만 최근 동향 COVID-19 사례 및 사망의 인종적 격차가 줄어들고 있음을 지적합니다. 전반적으로 유색인종은 더 높은 감염률, 질병 및 사망 비율에서 부정적인 정신 건강, 사회적, 경제적 영향에 이르기까지 대유행의 직접적인 타격을 받았습니다. 팬데믹의 이질적인 영향으로 인해 건강 및 의료 분야에서 오랫동안 지속되어 온 인종적 격차에 대한 인식이 높아지고 이에 대한 요구가 증가했습니다. 그러나 팬데믹이 발생한 지 거의 19년이 지났지만 우리는 여전히 COVID-XNUMX 영향과 백신 활용의 격차를 이해하기 위한 포괄적인 데이터가 부족합니다. 예방 접종 롤아웃 및 팬데믹 회복의 다음 단계를 내다보면 데이터 격차가 계속되어 격차를 식별하고 해결하는 능력이 제한될 것입니다.
데이터는 불균형을 해결하고 건강 형평성을 향상시키기 위한 노력의 초석입니다. 데이터는 격차가 존재하는 위치를 식별하고, 식별된 격차를 해결하기 위한 노력과 자원을 지시하고, 더 큰 형평성을 달성하기 위한 진행 상황을 측정하고, 진전을 달성하기 위한 책임을 설정하는 데 필수적입니다. 적절한 데이터가 없으면 불평등은 보이지 않고 해결되지 않은 채로 남아 있습니다.
팬데믹이 진행되는 동안 되풀이되는 문제는 인종 격차에 대한 데이터 부족이었습니다. 팬데믹 초기에 연방 정부와 많은 주에서는 인종이나 민족에 따른 COVID-19 사례, 입원 및 사망을 보고하지 않았습니다. 시간이 지남에 따라 이러한 데이터에 대한 보고가 증가했지만 데이터에는 여전히 격차와 한계가 있습니다. COVID-19 예방 접종이 시작되었을 때 보고된 인종/민족 데이터가 더 많았지만 이러한 데이터에도 결함이 있습니다. 질병통제예방센터(CDC) 보고서 연방 수준에서 백신을 접종한 사람들의 인종/민족, 그러나 백신 접종을 받은 사람들의 거의 40%에 대한 인종/민족 데이터가 누락되었습니다. 더욱이 CDC는 주 차원에서 인종/민족별 예방 접종을 보고하지 않아 국가 전반에 걸쳐 격차가 어떻게 달라질 수 있는지에 대한 이해가 제한됩니다. 이 보고가 없는 경우 KFF는 다음을 수행했습니다. 지속적인 분석 국가에서 보고한 인종/민족별 예방 접종 데이터. 그러나 이러한 노력은 주에서 데이터를 보고하는 방식의 불일치로 인해 어려움을 겪고 있습니다. 표준화된 연방 보고 데이터와 달리 주에서는 사용하는 인종/민족 분류, 측정 단위, 보고 빈도 등 다양한 요인이 있습니다.
예방 접종 롤아웃 및 복구 노력의 다음 단계에서 격차를 식별하고 해결하는 데 중요한 데이터는 현재 사용할 수 없습니다. 예방 접종 롤아웃의 다음 단계가 진행됨에 따라 누가 추가 주사를 맞고 받지 않는지, 그리고 더 어린 아이들이 자격이 되었을 때 성인에게 영향을 미치는 예방 접종 섭취량에서 동일한 격차에 직면하는지 여부를 이해하는 것이 중요할 것입니다. 더 많은 사람들이 예방 접종을 받으면서 일부 그룹은 돌발성 감염 및 질병의 위험이 증가하는지 알고 싶습니다. 테스트 패턴에 대한 통찰력도 중요할 것입니다. 특히 많은 아이들이 대면 학교로 돌아가고 점점 더 많은 사람들이 대면 업무 및 사회 활동으로 돌아가기 때문입니다. 그러나 현재 우리는 이러한 많은 질문에 답할 데이터가 부족합니다. 예를 들어, 인종/민족별 백신 접종에 대한 데이터가 연령별로 분류되어 매우 제한적이어서 백신 접종에 인종적 차이가 있는지 여부를 알 수 없습니다. 청소년들 사이에서 이미 자격이 있고 어린 아이들 개선된 보고 없이 자격이 되는 경우. 누가 어떤 유형의 COVID-19 백신을 접종했는지 확인할 수 있는 데이터는 없으며, 이는 누가 추가 접종을 받아야 하는지 이해하는 데 중요할 수 있습니다. 또한 현재 CDC는 인종/민족을 보고하지 않습니다. 추가 용량 수혜자, 그리고 소수의 주에서만 이러한 데이터를 보고하고 있습니다. 예방접종 데이터 격차를 넘어, 다른 사람 일부 그룹이 돌발성 감염 및 질병의 위험이 더 높은지 여부를 식별하기 위한 데이터의 부족을 강조했습니다. 또한 테스트 속도가 인종/민족에 따라 다른지, 일부 그룹이 다른 그룹보다 테스트 액세스에 더 큰 장벽(예: 비용, 이동 거리 등)에 직면하는지 여부를 포함하여 테스트 데이터에는 여전히 큰 격차가 있습니다. 결과는 그룹에 따라 다르며 사람들이 사용하는 검사 유형(예: 집에서, 신속하게, PCR)에 차이가 있는 경우.
인종/민족별로 세분화된 고품질의 포괄적인 데이터의 가용성을 높이는 것은 COVID-19와 관련이 있을 뿐만 아니라 더 광범위하게 건강 및 건강 관리에서 건강 형평성을 향상시키기 위한 노력의 전제 조건입니다. 인종/민족 및 기타 요인에 따른 격차를 식별하고 해결하기 위해 데이터 수집 및 보고의 우선 순위를 지정하는 것은 데이터 격차 및 제한 사항을 해결하기 위한 중요한 첫 번째 단계입니다. 이 작업의 일환으로 아메리칸 인디언, 알래스카 원주민 및 하와이 원주민 및 기타 태평양 섬 주민과 같은 소규모 그룹과 광범위한 인종/민족 범주의 하위 집단이 사용할 수 있는 데이터를 확장하려는 집중적인 노력은 완전한 이해를 위해 중요합니다. 개인의 경험. 인종/민족 데이터의 표준화 증가는 데이터 분석 및 해석에도 도움이 될 것입니다. 연방 정부는 최소 기준 인종/민족 데이터 보고용. 그러나 이 표준은 1997년에 마지막으로 개정되었으며 오늘날 인구의 다양성을 완전히 반영하지 못할 수 있습니다. 또한 이 표준은 주, 지방 또는 민간 기관의 보고에는 적용되지 않습니다. 더 많은 엔터티에 걸쳐 최소한의 표준을 권장하거나 장려하거나 요구하면 더 일관된 데이터를 제공할 수 있습니다. 경우에 따라 데이터를 개선하려면 보다 세분화된 데이터 보고를 허용하도록 데이터 수집 및 보고 시스템 및 구조를 현대화해야 할 수 있습니다. 데이터를 수집하는 제공자 및 기타 기관과 인구통계학적 데이터의 중요성과 가치에 대해 데이터를 보고하는 개인에게 직접 연락하는 것도 시간이 지남에 따라 데이터의 완전성과 정확성을 개선하는 데 도움이 될 수 있습니다.
PlatoAi. Web3 재창조. 데이터 인텔리전스 증폭.
액세스하려면 여기를 클릭하십시오.
출처: https://www.kff.org/policy-watch/advancing-health-equity-requires-more-better-data/
