Distanciamento social, poluição e demografia -Liberty Street Economics

cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br

[ad_1]

Este é o terceiro post de uma série que procura explicar a diferença na intensidade do COVID-19 por raça e por renda. Nas duas primeiras postagens, investigamos se comorbidades, falta de seguro, recursos hospitalares e aglomeração domiciliar e de trânsito ajudam a explicar as lacunas de renda e minorias. Aqui, continuamos nossa investigação examinando três canais potenciais adicionais: a fração de idosos, poluição e distanciamento social no início da pandemia no condado. Nosso objetivo é entender se esses três fatores afetam a intensidade geral do COVID-19, se a renda e as diferenças raciais do COVID-19 podem ser explicadas melhor quando Além disso incluem esses fatores e se e em que medida esses fatores independentemente contabilizar as lacunas de renda e raciais na intensidade do COVID-19 (sem controlar os fatores considerados nas demais postagens desta série).


fundo

É intuitivo que essas três variáveis ​​se relacionem com a intensidade do COVID-19. No caso do primeiro canal potencial, observamos que os idosos são tipicamente mais afetados pelo COVID-19. No entanto, a fração de idosos pode acabar tendo uma correlação mais fraca com COVID-19 porque os idosos e suas famílias podem tomar cuidados especiais para evitar a doença. A poluição do ar, que agrava os problemas respiratórios, também pode tornar o curso de COVID-19 mais grave. Medimos a poluição do ar pela concentração de dióxido de nitrogênio.

Voltando ao distanciamento social, as interações interpessoais são uma forma primária de disseminação do COVID-19, com a duração e a intensidade das interações com as pessoas infectadas afetando a gravidade da doença. A promoção do distanciamento social foi o principal objetivo dos bloqueios implementados pela maioria dos estados em março e abril, quando a primeira onda da pandemia começou. Medimos o distanciamento social como a fração de telefones celulares que permanecem completamente em casa e não se movem durante o dia, usando dados de mobilidade anônimos e agregados fornecidos pela SafeGraph. No entanto, o distanciamento social e o curso da pandemia têm uma interação complexa porque as pessoas tendem a se distanciar socialmente por conta própria conforme a pandemia se intensifica, levando a uma associação positiva em vez de negativa entre o distanciamento social e a intensidade do COVID-19. Portanto, analisamos a relação entre a contagem cumulativa de casos COVID-19 e o distanciamento social no momento em que a pandemia começou em um município, especificamente, nas três semanas anteriores ao décimo caso COVID-19 relatado. Embora o distanciamento social no início de um surto de pandemia em um condado provavelmente afete de forma crítica o curso subsequente da infecção naquele condado, é provável que tão cedo no curso do surto, os indivíduos ainda não estejam antecipando a extensão do surto em seu condado vai ser e não estão tomando as devidas precauções.

Leia Também  O que há com a curva de Phillips? -Liberty Street Economics

Idade, poluição, distanciamento social e disparidades raciais e de renda do COVID-19

Para ter poder explicativo para as lacunas de renda e minorias do COVID-19, essas três medidas precisam ser desproporcionalmente altas ou baixas em condados onde as minorias são a maioria ou em condados de baixa renda. Considerando as correlações entre composição etária, poluição e distanciamento social com maioria-minoria (MM) e status de baixa renda nos condados dos EUA, vemos que os condados de MM têm uma mais baixo fração da população com mais de 60 anos. Por outro lado, os condados de MM têm consideravelmente mais poluição do que outros condados. Finalmente, os condados de MM tiveram um pouco menos distanciamento social no início de seus surtos de COVID-19 do que os condados de maioria não minoritária, um fato que é consistente com muitas minorias estarem em ocupações de “trabalhador essencial” e precisando se deslocar para o trabalho mesmo durante os bloqueios. Curiosamente, as correlações entre as três variáveis ​​e o status de baixa renda são o oposto de suas correlações com o status de MM – áreas de baixa renda têm uma fração maior da população com mais de 60 anos, um nível mais baixo de poluição e um maior grau de distanciamento social . Uma intuição para esse padrão é que muitas áreas de baixa renda podem ser descritas como majoritárias e não minoritárias, como áreas rurais com poucos jovens e com baixa poluição industrial e facilidade em termos de distanciamento social.

Para ver até que ponto os três fatores que discutimos explicam as diferenças raciais e de renda na intensidade do COVID-19, realizamos regressões multivariadas semelhantes às das duas primeiras postagens desta série. No gráfico abaixo, apresentamos estimativas resultantes da regressão de casos por mil nas variáveis ​​de linha de base – densidade populacional, urbanicidade e os indicadores de baixa renda e município de MM (em azul); as variáveis ​​de linha de base aumentadas por todas as variáveis ​​que consideramos até agora na série (em ouro); todas as variáveis ​​consideradas até agora aumentadas pelas três variáveis ​​mediadoras que discutimos neste post (em cinza claro); e as variáveis ​​de linha de base e as variáveis ​​de mediação introduzidas neste post, mas não as outras variáveis ​​introduzidas nos dois posts anteriores (em cinza escuro).

Leia Também  What "Capitalism" Really Means | Mises Institute


Compreendendo a diferença racial e de renda no COVID-19: Distanciamento social, poluição e dados demográficos

cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br

Como vimos nas duas primeiras postagens da série, as regressões básicas mostram que os casos de COVID-19 por mil eram muito maiores nos municípios de baixa renda e MM, com as diferenças sendo estatisticamente significativas. Essas diferenças foram de cerca de 4,2 casos extras por mil em condados de baixa renda e 14 casos extras em condados de MM, conforme mostrado nas barras azuis acima. Quando os controles para comorbidades, falta de seguro, recursos de UTI, transporte público e aglomeração domiciliar que foram discutidos no primeiro e segundo post da série são adicionados, esses diferenciais diminuem consideravelmente, embora ambos permaneçam significativos, representados nas barras de ouro.

As três variáveis ​​de mediação que consideramos nesta postagem são adicionadas nas barras mostradas em cinza claro. Vemos que, embora as variáveis ​​mediadoras, especialmente o distanciamento social no início do surto local, pareçam ter considerável poder explicativo para os casos COVID-19 (ver abaixo), elas não fornecem muitas informações adicionais sobre as fontes de MM e – lacunas de renda na intensidade da pandemia após incluirmos as variáveis ​​consideradas nas postagens anteriores desta série. Os coeficientes de baixa renda e MM mudam pouco das barras douradas para as barras cinza claro, pois o diferencial MM para os casos permanece estatisticamente significativo, totalizando cerca de um terço da estimativa original em nosso primeiro post. Em resultados não relatados, vemos que a magnitude e a significância dos outros determinantes potenciais do COVID-19 são muito semelhantes em nossa análise ao que eram nas postagens anteriores.

Para avaliar as contribuições das variáveis ​​mediadoras por conta própria, as barras em cinza escuro representam regressões nas quais apenas as variáveis ​​de linha de base e as variáveis ​​mediadoras são incluídas. Vemos que a lacuna minoritária é pouco reduzida (e a lacuna de renda na verdade é aumentada) em relação aos seus valores na regressão da linha de base e são estatisticamente significativamente diferentes de zero. Em resultados não relatados aqui, também executamos regressões nas quais introduzimos cada uma dessas três variáveis ​​separadamente em nossa regressão de linha de base. Em cada caso, descobrimos que essas inclusões mal afetam a significância econômica e estatística das diferenças raciais e de renda.

Examinando as associações entre as variáveis ​​mediadoras e os casos COVID-19, descobrimos que o distanciamento social no início do surto de um município está forte e significativamente associado a menos casos por mil. Especificamente, um aumento de 10 pontos percentuais na fração de telefones celulares que permaneciam completamente em casa no início do surto está associado a 3,78 casos a menos por mil no município. A associação entre casos notificados por mil e a fração acima de 60 é positiva (ou seja, maior proporção de idosos está associada a mais casos), enquanto a relação entre casos notificados e poluição é negativa, mas nenhuma associação é estatisticamente significativa.

Leia Também  Brent fica abaixo de US $ 40 / bbl - Chaganomics.com


Compreendendo a diferença racial e de renda no COVID-19: Distanciamento social, poluição e dados demográficos

Conclusão

Concluímos que o distanciamento social tem forte associação com a intensidade do COVID-19, mesmo condicionado a outros determinantes da pandemia, enquanto a poluição e a composição por idade não fornecem poder explicativo adicional uma vez que outros fatores são levados em consideração. Nenhuma das variáveis ​​mediadoras explica mais as lacunas de baixa renda e MM nos casos depois que outros determinantes, como comorbidades, unidades de saúde, aglomeração domiciliar, transporte público e densidade populacional, foram contabilizados. Como nossa análise é puramente descritiva, não podemos descartar que nossas medidas de distanciamento social, poluição e a fração de idosos estejam representando outras características que são prevalentes em áreas de baixa renda e MM, e que essas podem ser os motivadores subjacentes do COVID-19 nessas áreas. No entanto, nossa análise captura como algumas variáveis ​​passíveis de intervenção política – como o distanciamento social – podem contribuir para diferenças na incidência de COVID-19. Na próxima postagem que encerrará a série, voltaremos nossa atenção para uma variável mediadora final de interesse – a proporção de trabalhadores essenciais em um condado, e veremos se isso ajuda a explicar mais sobre a lacuna observada do COVID-19.

Ruchi Avtar é analista de pesquisa sênior do Grupo de Pesquisa e Estatística do Federal Reserve Bank de Nova York.

Rajashri ChakrabartiRajashri Chakrabarti é economista sênior do Grupo de Pesquisa e Estatística do Banco.

Lindsay Meyerson era estudante de economia na Columbia University.

Maxim PinkovskiyMaxim Pinkovskiy é economista sênior do Grupo de Pesquisa e Estatística do Banco.

Como citar esta postagem:

Ruchi Avtar, Rajashri Chakrabarti, Lindsay Meyerson e Maxim Pinkovskiy, “Understanding the Racial and Income Gap in COVID-19: Social Distancing, Pollution, and Demographics”, Federal Reserve Bank of New York Liberty Street Economics, 12 de janeiro de 2021, https://libertystreeteconomics.newyorkfed.org/2021/01/understanding-the-racial-and-income-gap-in-covid-19-social-distancing-pollution-and-demographics.html.


Postagens adicionais de heterogeneidade em Liberty Street Economics
Heterogeneidade: uma série de pesquisas com várias partes


aviso Legal

As opiniões expressas nesta postagem são de responsabilidade dos autores e não refletem necessariamente a posição do Federal Reserve Bank de Nova York ou do Federal Reserve System. Quaisquer erros ou omissões são de responsabilidade dos autores.

[ad_2]

cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br