Transporte público e aglomeração doméstica -Liberty Street Economics

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

[ad_1]

Este é o segundo post de uma série que visa compreender a diferença de intensidade do COVID-19 por raça e renda. Em nossa primeira postagem, vimos como comorbidades, taxas de falta de seguro e recursos de saúde podem ajudar a explicar a diferença racial e de renda observada na intensidade do COVID-19. Descobrimos que um quarto da diferença de renda e mais de um terço da diferença racial nas taxas de casos são explicados pelo estado de saúde e fatores do sistema. Nesta postagem, examinamos dois fatores relacionados à densidade interna – ou seja, o uso do transporte público e a aglomeração doméstica. Aqui, nosso objetivo é entender se esses dois fatores afetam a intensidade geral do COVID-19, se a renda e as diferenças raciais do COVID-19 podem ser explicadas mais detalhadamente quando incluirmos esses fatores, e se e em que medida esses fatores são responsáveis ​​por renda e diferenças raciais na intensidade do COVID-19 (sem controlar os fatores considerados nas demais postagens desta série).


fundo
As interações interpessoais são um mecanismo primário para a disseminação de COVID-19, com ambientes internos mal ventilados, lotados e compartilhados, exacerbando a disseminação do vírus. Muitas interações internas desse tipo ocorrem em redes de transporte público e em apartamentos superlotados, e é por isso que agora focamos nossa atenção nesses fatores.

Muitos pesquisadores citaram o transporte público como uma possível fonte importante de disseminação do COVID-19. O transporte público é tipicamente caracterizado por alta densidade, baixa ventilação e rotatividade frequente, levando a uma alta probabilidade de uma pessoa infectada entrar e passar o vírus para outras pessoas. É digno de nota que, embora a maioria dos condados não tenha redes de transporte público, os condados urbanos centrais nas principais cidades que estavam na linha de frente da pandemia em março de 2020 dependem delas. Por outro lado, pesquisas recentes sugerem que o transporte público não é uma fonte importante de transmissão de outras doenças respiratórias, como a gripe. Conduzimos nossa análise usando dados em nível de condado sobre o uso de transporte público da American Community Survey (ACS) de cinco anos de 2014-2018, que entrevista aproximadamente um em cada vinte americanos e tem tamanhos de amostra razoáveis, mesmo em nível de condado.

O segundo indicador de densidade que consideramos é a aglomeração doméstica. Quando vários indivíduos compartilham os mesmos aposentos, a possibilidade de espalhar a infecção se um membro contrair o vírus é muito alta. Medimos a aglomeração domiciliar pelo número de pessoas por cômodo, que obtemos em nível de condado a partir do questionário detalhado de habitação do ACS 2014-2018.

Leia Também  Diagnóstico não convencional e respostas convencionais - The Gold Standard

Densidade e COVID-19 Raça e lacuna de renda

Para que esses fatores de densidade ajudem a explicar a disparidade racial e de renda do COVID-19, eles devem estar correlacionados com o status de baixa renda e maioria-minoria (MM) dos condados. Para as correlações, descobrimos que os residentes nos condados de MM tendem a usar mais o transporte público e também a ter um número médio significativamente maior de pessoas por quarto. Em contraste, os condados de baixa renda têm menos viagens de transporte público e têm um menor número de pessoas por quarto. Isso provavelmente é explicado pelo fato de os condados de baixa renda serem geralmente relativamente rurais.

Como em nosso post anterior, realizamos uma análise de regressão multivariada para determinar até que ponto os fatores de densidade, como o uso de transporte público e alojamentos lotados, podem explicar a diferença racial e de renda observada na incidência de COVID-19 e até que ponto esses fatores podem explicar intensidade total do COVID-19. O painel esquerdo do gráfico abaixo mostra a diferença em casos por 1.000 para condados de baixa renda em comparação com outros (a diferença de renda), enquanto o painel direito mostra a diferença para condados de MM em comparação com outros (a diferença de minoria). As primeiras barras em azul em cada painel mostram os resultados de nosso modelo original estimado com dados até 15 de dezembro, onde regredimos casos por mil nas variáveis ​​de linha de base, ou seja, densidade populacional e indicadores de urbanidade, baixa renda e condados de MM. As barras do Post 1 em ouro mostram os resultados de nosso post anterior, onde incluímos comorbidades e fatores de saúde, além de variáveis ​​de linha de base. O terceiro conjunto de barras, em cinza claro, representa a regressão de casos por mil em todas as variáveis ​​até agora, aumentada pelos dois determinantes de densidade discutidos aqui. Por fim, as barras em cinza escuro representam as variáveis ​​básicas e os determinantes da densidade, mas não incluem as variáveis ​​de saúde apresentadas na primeira postagem desta série.

LSE_2021_heterogeneity_racial-gap2_chakrabarti_ch1-01

Nossa especificação de linha de base (que inclui densidade populacional e MM, indicadores de baixa renda e urbanidade) mostra cerca de 4,2 casos a mais por mil em condados de baixa renda e mais 14 casos por mil para condados onde as minorias são maioria. Ao adicionar controles para comorbidades, falta de seguro e recursos de saúde medidos pela proporção de leitos de UTI, conforme ilustrado nas segundas barras em ouro, vemos uma diminuição na magnitude desses diferenciais (consulte a postagem anterior desta série).

Leia Também  Fed mantém taxas de juros estáveis
cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br

Em seguida, nos voltamos para as barras em cinza claro mostradas acima, onde adicionamos as duas variáveis ​​mediadoras consideradas nesta postagem para examinar associações com casos COVID-19. Descobrimos que a inclusão dos fatores de densidade – além de comorbidades, taxas de falta de seguro e recursos de saúde introduzidos no primeiro post desta série – reduz ainda mais os diferenciais de baixa renda e raciais para casos COVID-19 por mil. O coeficiente para a diferença de renda agora é inferior a dois terços da estimativa de linha de base original, mas permanece estatisticamente significativo. O diferencial de MM ainda é significativo, em menos da metade da estimativa da linha de base.

Para investigar as contribuições dos fatores de densidade separadamente, a última barra em cada painel (em cinza escuro) apresenta resultados da regressão de casos por 1.000 nas variáveis ​​de linha de base (MM, baixa renda, indicador de urbanicidade e densidade populacional) e o indicadores de densidade introduzidos neste post. Descobrimos que a inclusão dessas variáveis ​​leva a um estreitamento das lacunas raciais e de renda da intensidade do COVID-19. Comparando esses resultados com os resultados da linha de base, mostrados nas barras em azul, descobrimos que a inclusão de transporte público e pessoas por quarto reduz a diferença de MM de 14 casos por mil para 7,2 por mil, e a diferença de baixa renda de 4,2 casos por mil a 3,9 por mil. Assim, quando consideradas separadamente, as medidas de aglomeração (conforme capturadas por pessoas por cômodo e uso de transporte público) explicam porções significativas da lacuna racial do COVID-19 – quase metade da lacuna racial observada em nossas estimativas iniciais.

Por fim, consideramos as associações entre as taxas de casos do COVID-19 e os indicadores de densidade, condicionados a todas as variáveis ​​analisadas em nosso post anterior (ou seja, da regressão multivariada correspondente às barras cinza claro acima). No gráfico abaixo, fica claro que ter mais pessoas por quarto está significativamente associado a maiores casos por mil, onde um aumento unitário de pessoas por quarto em um município está associado a mais 135 casos COVID-19 por mil. Em resultados não relatados, descobrimos que essa forte associação entre mais pessoas por quarto e casos mais elevados de COVID-19 também permanece quando excluímos comorbidades e variáveis ​​de saúde. Em contraste, a associação entre a porcentagem de pessoas que se deslocam em transporte público e casos por mil não é estatisticamente significativa. No entanto, esse efeito é amplamente impulsionado por grandes cidades, onde o transporte público é mais comum. Em resultados não relatados aqui, onde contabilizamos essa distribuição distorcida do percentual de deslocamento diário por transporte público, descobrimos que essa variável está positivamente associada às taxas de casos COVID-19 e o efeito é estatisticamente diferente de zero. Em outras palavras, não apenas a aglomeração domiciliar, mas a aglomeração nos sistemas de transporte público também está associada a uma maior incidência de COVID-19.

Leia Também  Diferenças em preto e branco na recuperação do mercado de trabalho da COVID-19 -Liberty Street Economics

LSE_2021_heterogeneity_racial-gap2_chakrabarti_ch2-02

Conclusão
Concluímos que os determinantes da densidade, como aglomeração, desempenham um papel importante na criação de renda e diferenças raciais na incidência de COVID-19. Na verdade, a combinação de comorbidades, status de seguro saúde e densidade reduz a diferença de renda em 42% e a diferença racial em 60%. No entanto, há uma parte inexplicada da incidência de COVID-19 que permanece associada à renda e à raça. A análise aqui e em nosso post anterior implica que a política pode desempenhar um papel significativo na redução das disparidades do COVID-19. Por exemplo, reduzir a aglomeração nos sistemas de transporte público, expandir a cobertura do seguro saúde, combater a incidência desproporcional de doenças crônicas entre minorias e diminuir a aglomeração residencial pode diminuir os impactos do COVID-19 em indivíduos de baixa renda e minorias. Em nossa próxima postagem, veremos o papel de três canais adicionais – a saber, distanciamento social, poluição e dados demográficos – para ver se eles explicam mais a renda e a diferença racial na ocorrência de COVID-19.

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

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

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

Como citar esta postagem:
Ruchi Avtar, Rajashri Chakrabarti e Maxim Pinkovskiy, “Understanding the Racial and Income Gap in COVID-19: Public Transportation and Home Crowding,” 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-health-insurance-comorbidities-and-medical-facil. 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 do autor 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 do autor.

[ad_2]

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