环境不公、人口密度和COVID-19在少数民族社区的传播

在COVID-19的“第一波”在美国,Rajan Chakrabarty,哈罗德·d·乔利的职业发展圣路易斯华盛顿大学副教授,了解到非裔美国人占47%的人口在圣路易斯,但近四分之三的COVID-19病例。

这一事实是在波士顿评论》的一篇文章,写的杰森·珀内尔,华盛顿大学布朗学院副教授。圣路易斯,珀内尔指出,非洲裔美国人比白人居民12倍生活在环境风险较高的条件,包括空气质量差。

“这真的给了我动力,我尝试连接这些点之间的环境不公和COVID-19的传播,“Chakrabarty说,研究气溶胶科学·麦凯尔维工程学院。

和结果,气溶胶科学得多说关于这件事。

新的研究分析社会经济之间的差距,环境和肺部健康因素决定他们如何导致了R₀——速度的COVID-19传遍12大都市地区。研究人员发现仅仅两个因素有一个压倒性的影响₀:人口密度和长期暴露于空气污染。

研究结果发表在《华尔街日报》环境研究快报。

这两个因素不成比例地影响社区更多的少数民族居民。

Chakrabarty实验室进行的研究,使用的数据来自12个大都市统计区(MSAs)——人口普查指定分组的县由至少一个“城市化”面积500000或更多的居民和附近的地区,它是与社会和经济。

缩小与R因素直接相关₀、第一作者佩顿分为Chakrabarty实验室的博士生,看着COVID-19流行的数据从第一波3月1日至4月30日,2020年,当最严格的全职订单。

她认为家庭收入几十个因素吸烟习惯在服务行业工作的人可能会影响COVID-19传播的速度有多快。

确定点_2.5风险随着时间的推移,分为上下,他们在这项研究中,c . Arden Pope杨百翰大学的计算平均质量浓度由县从2000年到2018年使用最近出版的地面观测数据集,美国宇航局GEOS-CHEM模型输出和卫星观测。人口密度是美国社区调查从2019年的人口普查。

他们分析了所有的因素,“我们发现,人口密度和点的综合影响_2.5暴露与R有最显著的相关性₀”,分为说。

确定是否有高的人口模式在区域R₀需要一些创造力。

一起看12 MSAs,跳下屏幕。分为意识到,是因为她想比较苹果和橘子地理和人口。例如,波特兰,MSA矿石。没有县,MSA人口的非裔美国人高于10%。MSA作为一个整体,它看起来相当均匀。

“但是如果我们分别分析每个MSA,我们看到的是非常不同的,”她说。这正是她看到在波特兰。当她打破了MSA分为县、她发现口袋里少数民族居民聚集的地方。

“这就是我的想法偏差因素的方法。”

偏差的因素是公平竞争的一种方式,可以这么说。找到它,她看着variable-race或点_2.5接触或一个县的人口密度在一个特定的MSA。然后她相比同样的MSA周边县。这样,任何偏离平均是可见的。

例如,如果一个县有偏差因子2点_2.5曝光,这意味着点_2.5集中在那个县的两倍的平均县MSA相同。如果有偏差因子三个亚裔美国人,这意味着它有一个亚裔美国人口的三倍MSA的其他县。

这种方法提供了一个数字可以用来比较县在俄勒冈州的密苏里州的Georgia-compare苹果苹果,尽管人口和宽变化等因素的长期接触污染和人口密度。

当她做了这些比较,分为发现高偏差因素多样化counties-those有种族和民族minorities-correlated偏见因素长期污染暴露和高人口密度,因此,COVID-19更快的传播。

最终,研究表明社区与相对较高的西班牙裔美国人群与最大的相对增加点相关联_2.5浓度和人口密度,其次是亚裔和非洲裔美国人。研究人员还发现,社区人口相对较大的白色与相对减少点相关联_2.5浓度和人口密度。