传染病建模中的社会经济差异。
传染病建模中的社会经济差异
根据Elaine Nsoesie合著的一篇新评论，尽管社会经济不平等在疾病暴露和传播方面很重要，但流行病学家经常忽视将SES数据纳入传统的建模方法。
在卫生危机期间，社会经济脆弱性在很大程度上决定了受影响最大的人群，COVID-19大流行也不例外。在COVID-19暴露和获得疫苗及其他安全措施方面的社会不平等仍然与COVID-19病例、住院和死亡方面的职业和种族差异密切相关。
但根据全球卫生助理教授Elaine Nsoesie共同撰写的一篇新评论，流行病建模往往排除了社会经济信息，导致对传播动态的了解有限，甚至更广泛的社会和健康不平等。
发表在《自然通讯》杂志上的这篇评论概述了流行病学家可以通过改进他们对监测和行为数据的收集和使用，以及将社会经济数据纳入传染病的流行病模型来缩小这一差距的方法。
作者写道：“COVID-19大流行表明，在了解疾病负担的分布、对流行病的行为反应以及整个流行病动态时，社会经济不平等不容忽视。”“以公平为中心的传染病计算建模方法需要批判性地评估数据、建模假设和建议的政策如何影响来自不同社会经济地位的个体。”
他们写道，设计公平的监测系统，并提供有关不同社会经济群体的疾病负担和获得卫生资源的可靠数据，对于预防感染的传播以及了解疾病对这些弱势群体的真正影响至关重要。
他们指出，收集这些数据时还应考虑到文化因素。在COVID-19监测中缺乏文化方法在大流行早期就很明显。
作者写道：“了解到黑人或非裔美国人与严重的COVID-19疾病相关的风险因素的患病率较高，本应促使采取澳门威尼斯人注册行动和制定政策，在美国大流行开始时收集一致的种族数据，以确定并有效应对这些差异。”“不幸的是，事实并非如此。”
这组作者认为，将公平纳入行为数据的计算和数字流行病学是另一种方法，它将捕捉社会经济差异，并减少疾病建模和预测中的健康差异。流行病学家可以利用现有的社会经济数据源，如人口普查，或将人口普查信息与新的数字数据结合起来，创建“合成数据”。
他们写道：“数字轨迹数据可以以一种汇总的方式收集，以保护个人隐私，并进一步校准，以匹配人口普查报告的社会经济结构。”他们引用了b谷歌、苹果和Meta在移动报告中提供的实时移动数据的例子。“未来的工作应该集中在开发最适合统计的方法，将这些数据流结合起来，以捕捉亚种群的精细图像。”
作者还认为，流行病模型应该包含一个以公平为核心的框架，但这种策略不是“一刀切”的方法；这可能取决于可用的数据以及所考虑的建模的类型和规模。
评注承认，其中一些建模方法可能存在伦理局限性，澳门威尼斯人注册网站研究人员和传染病建模者应在继续以少数群体或边缘化社区为重点的建模澳门威尼斯人注册网站研究之前进行风险和危害评估。
作者写道：“我们希望这些建议将导致围绕数字和计算方法的需求进行建设性的对话，这些方法具有包容性，专注于减少而不是加剧突发公共卫生事件期间的健康差距。”
点击这里阅读完整的评论。