ดัชนีความเปราะบางทางสังคม: เครื่องมือในทางปฏิบัติสำหรับนโยบาย COVID-19 และอื่นๆ

สำหรับข้อมูลเพิ่มเติม:Ali.ma@wecistanche.com

โรคซาร์ส-CoV-2ไม่ส่งผลกระทบต่อประชากรทุกกลุ่มอย่างเท่าเทียมกัน โดยเน้นที่ปัจจัยกำหนดสุขภาพทางสังคมและเศรษฐกิจที่ทราบกันดี ประชากรบางกลุ่ม (เช่น ชุมชนที่มีการเหยียดเชื้อชาติ มีโครงสร้างอายุที่มากขึ้น และ/หรือสถานะทางเศรษฐกิจและสังคมที่ต่ำกว่า) ได้รับผลกระทบอย่างไม่สมส่วนด้วยอัตราการตายและการเจ็บป่วยที่มากขึ้น ในขณะที่ยังมีทรัพยากรไม่เพียงพอในการจัดการการระบาดใหญ่การตอบสนอง1 ในฐานะที่เป็นการระบาดใหญ่ยังคงดำเนินต่อไป และด้วยความคาดหวังของตัวแปรหรือโรคระบาดในอนาคต การระบุและค้นหาชุมชนที่มีบุคคลที่เปราะบางที่สุดจะกลายเป็นขั้นตอนสำคัญในการดำเนินกลยุทธ์ด้านสาธารณสุขที่เป็นเป้าหมายและแจกจ่ายทรัพยากรอย่างเท่าเทียมกัน

Jasmine C. Mah,a และ Melissa K. Andrewb,c,*

อาคารอนุสรณ์, แฮลิแฟกซ์, NS B3H 2E1, แคนาดา

b กองเวชศาสตร์ผู้สูงอายุ คณะแพทยศาสตร์ Dalhousie University, 5955 Veterans' Memorial Lane, Veterans' Memorial

อาคาร, แฮลิแฟกซ์, NS B3H 2E1, แคนาดา

c ศูนย์วัคซีนแห่งแคนาดา, Dalhousie University, Halifax, Canada

ใน Lancet Regional Health Europe เวลส์และเพื่อนร่วมงานได้สร้าง Socio-Ecological แบบคงที่โควิด-19Vulnerability Index (SEVI) และ Vaccine Hesitancy Index (VHI) โดยใช้ข้อมูลที่รวบรวมเป็นประจำและเปิดเผยต่อสาธารณะสำหรับพื้นที่สำมะโนประชากรขนาดเล็ก 6790 แห่งในอังกฤษที่เรียกว่า Middle Super Output Areas (MSOAs)2 หลังจากทดสอบแต่ละรายการเพื่อเชื่อมโยงกับการสะสมโควิด-19อัตราผู้ป่วย SEVI ขั้นสุดท้ายประกอบด้วย 18 รายการในสี่โดเมน (เศรษฐกิจและสังคม นิเวศวิทยา บริการด้านสุขภาพ และระบาดวิทยา) ซึ่งแสดงให้เห็นความสัมพันธ์ที่มีนัยสำคัญทางสถิติกับโควิด-19อัตรากรณีในแบบจำลองหลายตัวแปร สะท้อนให้เห็นถึงผลการสำรวจระดับชาติเกี่ยวกับความลังเลของวัคซีน VHI ประกอบด้วยห้ารายการที่คาดการณ์ของการรับวัคซีนในระดับชุมชน ผู้เขียนใช้วิธีการพัฒนาและการตรวจสอบความถูกต้องเพื่อพัฒนาดัชนีในพื้นที่สำมะโนที่เลือกแบบสุ่ม 60 เปอร์เซ็นต์ ตามด้วยการตรวจสอบความถูกต้องของดัชนีในส่วนที่เหลืออีก 40 เปอร์เซ็นต์ การใช้สัมประสิทธิ์สหสัมพันธ์สเปียร์แมน SEVI มีความสัมพันธ์อย่างยิ่งกับโควิด-19มากกว่าแต่ละโดเมน ผู้เขียนยังได้ประเมินว่าสัมพันธ์กับดัชนีช่องโหว่ระดับ MSOA ที่เผยแพร่ก่อนหน้านี้ซึ่งพัฒนาโดย Daras และเพื่อนร่วมงาน และพบว่า SEVI สามารถคาดการณ์ได้ชัดเจนยิ่งขึ้น และง่ายต่อการคำนวณและนำไปใช้3

บทความของเวลส์และเพื่อนร่วมงานมีความน่าสนใจเป็นพิเศษด้วยเหตุผลสองประการ ประการแรก ผู้เขียนแสดงวิธีการใช้ SEVI แบบเรียลไทม์โดยทำการวิเคราะห์แบบแบ่งชั้นเวลา หารโควิด-19กรณีต่างๆ ก่อน ระหว่าง และหลังการปิดเมืองแต่ละครั้ง ยกเว้นช่วงระยะเวลาก่อนการล็อกดาวน์ทั่วประเทศครั้งแรก ซึ่งในระหว่างการทดสอบมีจำกัดและอาจไม่ได้สะท้อนถึงอุบัติการณ์ของโรคที่เกิดขึ้นจริง SEVI คาดการณ์ได้ในทุกกลุ่ม โดยมีความเชื่อมโยงที่แข็งแกร่งกว่านอกช่วงล็อกดาวน์ ความสัมพันธ์ที่อ่อนแอกว่าเหล่านี้ในช่วงล็อกดาวน์อาจเกิดจากการเปลี่ยนแปลงพฤติกรรมจากมาตรการนโยบายเอง แต่อาจสะท้อนถึงผลกระทบที่ไม่เท่าเทียมกันของมาตรการจำกัดในการตั้งค่าชุมชนที่หลากหลาย และเป็นเครื่องเตือนใจถึงความสำคัญของการใช้การแทรกแซงนโยบายในลักษณะที่ไม่ทำให้เกิดช่องโหว่ . ตัวอย่างเช่น คนในชุมชนที่เปราะบางมักจะทำงานอย่างไม่สมส่วนในภาคส่วนที่ไม่มีทางเลือกในการทำงานที่บ้าน และตามที่ผู้เขียนชี้ให้เห็น ผู้ที่มีการจ้างงานที่ไม่ปลอดภัยอาจเผชิญกับอุปสรรคในการทดสอบเนื่องจากกลัวว่าจะตกงาน ดังนั้น ถึงแม้ว่าดัชนีประกอบระดับชุมชนนี้จะมีพลังในการทำนาย แต่เราควรจำไว้ว่ายังมีผู้มีส่วนร่วมระดับบุคคลสำหรับช่องโหว่ทางสังคมที่ไม่ได้รวมอยู่ใน SEVI ประการที่สอง ร่วมกับ VHI ผู้เขียนแสดงให้เห็นถึงจุดตัดทางภูมิศาสตร์ของดัชนีเหล่านี้ MSOAs ในควินไทล์ที่เปราะบางที่สุดตาม SEVI และ VHI (แยกเป็นรายบุคคลและรวมกัน) ได้รับการรายงานและแสดงภาพโดยใช้แผนที่ โดยแสดงให้เห็นอย่างชัดเจนถึงพื้นที่ที่จุดตัดของจุดอ่อนและความลังเลของวัคซีน

อย่างมีประสิทธิภาพ VHI ทำหน้าที่เป็นอีกโดเมนหนึ่งใน SEVI เสริมความแข็งแกร่งให้กับจุดที่ค่าการทำนายที่ดีที่สุดและการเรียนรู้จะเกิดขึ้นจากดัชนีที่ครอบคลุมรวมถึงโดเมนที่แตกต่างกันและหลายโดเมนที่เกี่ยวข้องกับผลลัพธ์ งานนี้สร้างขึ้นจากประวัติอันยาวนานและวิวัฒนาการของดัชนีที่คาดการณ์ความเปราะบางทางสังคมในด้านการจัดการภัยพิบัติ 4 อันตรายต่อสิ่งแวดล้อม5 และสุขภาพ6 ดัชนีเหล่านี้ใช้สำหรับการเปรียบเทียบข้ามชาติ7 การวิเคราะห์ภายในประเทศ 4-6 หรือสร้างขึ้นในอนาคต เพื่อรวมข้อมูลที่เกี่ยวข้องในท้องถิ่น8

ขึ้นอยู่กับเป้าหมายและข้อมูลที่มีอยู่ ตัวแปรเหล่านี้อาจรวมถึงตัวแปรที่จับความเปราะบางในระดับระบบนิเวศ 3-5 หรือระดับบุคคล 6,7 หรือทั้งสองอย่าง9 ด้วยตัวอย่างมากมายในวรรณคดีเพื่อสร้างดัชนีโดยใช้ตัวแปรส่วนบุคคลหรือตัวแปรทางนิเวศ ดัชนีความเปราะบางทางสังคมได้กลายเป็น ฮิตช่วงนี้การระบาดใหญ่ด้วยเหตุผลที่ดี10 SEVI เป็นการปฏิบัติจริง ใช้ประโยชน์จากข้อมูลที่มีอยู่ และสามารถเป็นเครื่องมือที่มีประสิทธิภาพสำหรับเขตอำนาจศาลในท้องถิ่นและระดับภูมิภาคเพื่อเพิ่มประสิทธิภาพการจัดสรรทรัพยากร นอกจากนี้ เมื่อเทียบกับการวัดความเปราะบางที่อิงจากตัวแปรจำนวนหนึ่งหรือน้อย หรือเป็นเลขฐานสองหรือมีจำนวนหมวดหมู่จำกัด การคำนวณดัชนีคอมโพสิตเป็นการวัดแบบต่อเนื่องยังรวบรวมการไล่ระดับที่อาจเป็นประโยชน์ในการแยกแยะความเสี่ยงและ ช่องโหว่เมื่อใช้โดยผู้มีอำนาจตัดสินใจด้านสาธารณสุข

ในยุคนี้ที่ภัยพิบัติครั้งใหม่เตือนเราว่าไม่สามารถแยกช่องโหว่ของบุคคลออกจากชุมชนที่เสียเปรียบอย่างเป็นระบบได้ ดัชนีความเปราะบางทางสังคมที่ควบคุมข้อมูลที่เปิดเผยต่อสาธารณะเป็นเครื่องมือที่มีประสิทธิภาพในการทำความเข้าใจและพิจารณาความเท่าเทียมในการระบาดใหญ่และนโยบายด้านสาธารณสุข

อ้างอิง

1 Bambra C, Riordan R, Ford J, Matthews F. การระบาดใหญ่ของ COVID-19 และความไม่เท่าเทียมกันด้านสุขภาพ เจ เอพิเดมิออล คอมมูนิตี้ เฮลท์. 2020. 13 มิ.ย.jech-2020-214401.

2 Welsh CE, Sinclair DR, Matthews FE ดัชนีความเปราะบางทางสังคมและนิเวศวิทยาของโควิด-19และดัชนีความลังเลของวัคซีนสำหรับแผ่นดินอังกฤษ มีดหมอ Reg Health Eur. 2021 100296.

3 Daras K, Alexiou A, Rose TC และอื่น ๆ ความอ่อนแอต่อ COVID-19 แตกต่างกันอย่างไรระหว่างชุมชนในอังกฤษ การพัฒนาดัชนีจุดอ่อนในพื้นที่ขนาดเล็ก (SAVI) เจ เอพิเดมิออล คอมมูนิตี้ เฮลท์. 2021;75(8):729–734.

4 Flanagan BE, Gregory EW, Hallisey EJ, Heitgerd JL, Lewis B. ดัชนีความเปราะบางทางสังคมสำหรับการจัดการภัยพิบัติ J Homel Secur Emerg Manag. 2011;8(1). [อ้าง 2022 26 ม.ค. ]

5 คัตเตอร์ SL, Boruff BJ, Shirley WL ความเปราะบางทางสังคมต่ออันตรายต่อสิ่งแวดล้อม Soc Sci Q. 2003;84(2):242–261.

6 Andrew MK, Mitnitski A, Rockwood K. ความเปราะบางทางสังคม ความอ่อนแอ และการตายในผู้สูงอายุ ป.ล. หนึ่ง 2008;3(5).

7 วอลเลซ LMK, Theou O, Pena F, Rockwood K, Andrew MK ความเปราะบางทางสังคมเป็นตัวทำนายการตายและความทุพพลภาพ: ความแตกต่างข้ามประเทศในการสำรวจสุขภาพ การสูงวัย และการเกษียณอายุในยุโรป (SHARE) Aging Clin Exp Res. 2015;27(3):365–372.

8 Prabhu S, Wanji G, Oyaro B, และคณะ การปรับดัชนีความเปราะบางทางสังคมเพื่อวัดความอ่อนแอทางสังคมของสตรีชาวแอฟริกาตะวันออก สาธารณสุข ขสมก. 2022;22(1):167.

9 แอนดรูว์ เอ็มเค, คีฟ เจเอ็ม ความเปราะบางทางสังคมจากมุมมองของนิเวศวิทยาทางสังคม: การศึกษากลุ่มผู้สูงอายุจากการสำรวจสุขภาพประชากรแห่งชาติของแคนาดา บีเอ็มซี เจอเรียต. 2014;14(1):90.

10 Sarkar A, Chouhan P. COVID-19: การประเมินช่องโหว่ระดับอำเภอในอินเดีย สุขภาพ Clin Epidemiol Glob 2021;9:204–215.