Indholdsfortegnelse:

Sådan bruger du statistik til at forberede dig på den næste pandemi
Sådan bruger du statistik til at forberede dig på den næste pandemi
Anonim

The Research Brief er et kort bud på interessant akademisk arbejde.

Den store idé

Offentligt tilgængelige statistikker om befolkningsdemografi og kultur kan hjælpe regeringer med at forberede sig på den næste pandemi. Vi har fundet ud af, at ved at bruge eksisterende sociodemografiske data fra tidlige COVID-19-hot spots, hvor der var meget information, kunne embedsmænd have forudsagt, hvordan COVID-19 ville sprede sig gennem samfundet. Næste gang der er en global sundhedskrise kan regeringer bruge vores teknikker til at finde ud af, hvordan en sygdom sandsynligvis vil bevæge sig ud over hot spots til regioner, der endnu ikke er ramt.

Med en beregningsmæssig samfundsforsker og en bibliotekar for videnskab, teknologi og matematik forskning studerer vi de sociokulturelle drivkræfter bag folkesundhedskriser, såsom fedme. I to peer-reviewede artikler, som vi udgav i begyndelsen af ​​2021, som bygger på vores tidligere forskning, analyserede vi disse drivkræfter på skalaen af ​​amerikanske amter og på skala af nationer. Begge undersøgelser koblede sociokulturelle variabler til virkningen af ​​COVID-19.

Til vores amerikanske undersøgelse indsamlede vi data fra 3.088 amerikanske amter om 31 faktorer, der kunne påvirke spredningen af ​​COVID-19. Disse faktorer omfattede befolkningstæthed og etnicitet, pendlingsvaner til arbejde, stemmemønstre, social forbindelse, underliggende sundhedsforhold og økonomisk information. Vi indsamlede disse oplysninger fra U.S. Census Bureau og en række andre kilder.

Ved at bruge disse faktorer byggede vi en forudsigelsesmodel for udbredelse af COVID-19. Vi fandt ud af, at kun fem risikofaktorer kan forudsige mellem 47 % og 60 % af variationen i COVID-19-prævalensen i amerikanske amter: befolkningsstørrelse, befolkningstæthed, offentlig transport, stemmemønstre og procent af afroamerikansk befolkning. Vi validerede vores model ved at vise, at amter, der rapporterede færre COVID-19-tilfælde i april end forventet i vores model, havde en tendens til at have flere tilfælde i juli. Resultaterne giver således en ny måde at se, hvornår et amerikansk amt underrapporterer det faktiske antal infektioner, der er til stede i samfundet.

I det andet papir forsøgte vi at forklare, hvorfor visse lande, som USA, har dødstal i hundredtusindvis, mens andre nationer havde meget få dødsfald. Ved at bruge internationale data fra en stor undersøgelse, der målte kulturelle værdier i 88 lande, fandt vi ud af, at demografiske faktorer som befolkningsstørrelse og fedmeniveauer var vigtige. Men mere overraskende fandt vi, at kultur også var vigtig, idet åbne og tolerante samfund, såvel som dem med lav tillid til institutioner, havde en tendens til at klare sig værst.

Denne analyse kom med nogle overraskende forudsigelser om spredningen af ​​COVID-19 rundt om i verden. For eksempel, mens mange troede i begyndelsen af ​​2020, at afrikanske lande ville blive stærkt berørt af COVID-19, forudsagde vores model, at de ikke ville. Indtil videre har dette været sandt.

I USA, som scorede højt på mange af de sociokulturelle risikofaktorer – herunder lav tillid til institutioner, høj tolerance over for minoriteter og høje niveauer af fedme – har COVID-19 ramt meget hårdt. Næsten 583.000 mennesker i USA var døde af COVID-19 pr. 12. maj 2021. Det er det højeste absolutte antal dødsfald i nogen nation hidtil, og omkring 17,5 % af de globale dødsfald som følge af virussen, i et land, hvor kun 4% af verdens befolkning lever.

Hvorfor det betyder noget

Regeringer kæmper for at forudsige og planlægge placeringen og omfanget af sygdomsudbrud. Med så mange bevægelige dele, fra lokale mandater som økonomiske nedlukninger og anbefalinger til ansigtsmaske, til internationale rejseforbud eller restriktioner, virker det næsten umuligt at fremskrive antallet af sager i forskellige amter eller regioner. Hvor mange tilfælde kan du forvente at have i den gennemsnitlige uge? Skal USA forvente flere tilfælde end Ghana? Hvorfor kan en by eller region blive hårdere ramt end en anden?

Vi viser, at yderligere planlægning baseret på kulturelle og demografiske faktorer kan hjælpe med at forudsige, hvordan udbrud kan udvikle sig. Det kan også afsløre, hvilke personer der kan være mest sårbare. Korrekt anvendt kan denne datadrevne tilgang redde hundredtusindvis af liv, når den næste pandemi rammer.

Hvad vides stadig ikke

Vores mål er at bruge den forudsigelige kraft af kulturelle og demografiske data til at forudse spredningen af ​​fremtidige pandemier. Men ingen af ​​vores undersøgelser specificerer en sammenhæng mellem årsag og virkning.

For eksempel, når man ser på USA, er en af ​​de fem forudsigende faktorer andelen af ​​befolkningen, der er afroamerikaner: Højere andele forudsagde højere infektions- og dødsrater. Vores analyse afgjorde dog ikke, om denne ene faktor kunne indgå i mange andre virkelig kausale faktorer. Den samfundsvidenskabelige og folkesundhedslitteratur angiver årsager til, at afroamerikanske befolkninger har lidt mere af COVID-19, herunder større husholdninger, underliggende sundhedstilstande og en tendens til at arbejde i sektorer med større risiko for eksponering.

R. Alexander Bentley, professor i antropologi, University of Tennessee

Populær af emne.