Абхирам Анналуру, Аниш Черукутота

Аннотация

Было обнаружено, что современное богатство и неравенство доходов в Соединенных Штатах являются серьезной проблемой, поскольку самые богатые 0,1 процента населения обладают большим богатством, чем 90 процентов беднейших слоев населения. Кризис COVID-19 усугубил это неравенство, особенно среди женщин и меньшинств. Несмотря на то, что было проведено много исследований влияния социальных детерминант на доход человека, мало что было сделано для того, чтобы связать социально-экономическое положение с пандемией COVID-19, и этот вопрос необходимо обсудить. Это исследование призвано продолжить обсуждение неравенства доходов в целом, а также изучить влияние неравенства доходов на скорость передачи COVID-19. Используя полилинейную, полиномиальную регрессию и регрессию k-ближайших соседей, а также сопоставив этническую принадлежность с доходом и доходом со скоростью передачи COVID-19, мы обнаружили, что определенные группы меньшинств сталкиваются с более высоким риском передачи COVID-19, чем белые люди, вероятно, из-за системных предубеждений. и неравенства в доходах.

Введение

В 2018 году индекс Джини в Соединенных Штатах составлял 41,4, что указывает на то, что в Соединенных Штатах наблюдался один из самых высоких уровней неравенства доходов в развитом мире.[5] Продолжающийся кризис COVID-19 усугубил эти проблемы. Бюро экономического анализа США зафиксировало падение ВВП на 31,2 процента, что стало самым глубоким зарегистрированным спадом в истории США.[2] COVID-19 оказал сильное воздействие на людей, убив более 4 миллионов человек во всем мире и более 620 тысяч только в США, при этом миллионы других столкнулись с инфекцией и потенциально опасными для жизни симптомами.[1] По данным Всемирной организации здравоохранения, примерно половина из 3,3 миллиарда человек в мире рискует потерять источник дохода, что вызывает обеспокоенность по поводу продовольственной безопасности, здравоохранения, образования и многого другого.[4] Однако пандемия затронула не всех в равной степени. Было обнаружено, что группы меньшинств, включая, помимо прочего, афроамериканцев и латиноамериканцев, сталкиваются с большими финансовыми и социальными трудностями, чем группы большинства.

Цель этого исследования — определить, существует ли какая-либо связь между очевидными социально-экономическими различиями в Соединенных Штатах и ​​передачей COVID-19.

Методы

Используемый набор данных содержит информацию о возрасте, расе, образовании, штате проживания и годовом доходе каждого человека. Эти данные предоставлены Бюро переписи населения США, поэтому можно предположить, что они надежны, точны и представляют собой репрезентативную выборку этнического неравенства доходов в Соединенных Штатах.

Чтобы сделать наши прогнозы, мы разработали многоуровневый алгоритм, который строится поверх самого себя, чтобы предсказать влияние этнической принадлежности и пола на скорость передачи COVID-19. Следующие диаграммы иллюстрируют структуру алгоритма.

Первый уровень алгоритмов учитывает этническую принадлежность, возраст, биологический пол для прогнозирования уровня образования. Хотя у нас были данные, чтобы напрямую связать этническую принадлежность с уровнем дохода, выполнение этого начального шага позволяет нам продемонстрировать значительное косвенное влияние расы на скорость передачи COVID-19, что будет объяснено в следующем разделе.

Второй уровень алгоритма использует результаты первого уровня в качестве входных данных наряду с этнической принадлежностью, биологическим полом и возрастом, что позволяет модели учитывать косвенное влияние этнической принадлежности и биологического пола при прогнозировании уровня дохода человека. Второй уровень также связывает скорость передачи COVID-19, основанную на уровне дохода человека, с прогнозируемым уровнем дохода того же человека. Этот второй уровень алгоритма связывает все данные вместе и позволяет нам делать четкие выводы.

Графики предсказания уровня дохода моделью по этнической принадлежности показаны ниже.

Доходная скобка 0 представляет собой годовой доход от 0 до 40 тысяч долларов. Доходная скобка 1 представляет собой годовой доход от 40 000 до 60 000 долларов. Доходная скобка 2 представляет собой годовой доход от 60 000 до 80 000 долларов. Доходная скобка 3 представляет собой годовой доход от 80 000 до 100 000 долларов. Доходная скобка 4 представляет собой годовой доход от 100 000 до 120 000 долларов. Доходная скобка 5 представляет собой годовой доход в размере 120 000 долларов США.

Красные точки данных представляют латиноамериканцев. Синие точки данных представляют белых людей. Оранжевые точки данных представляют чернокожих. Зеленые точки данных представляют латиноамериканцев. Фиолетовые точки данных представляют коренных американцев.

Графики показывают, что белые и азиаты, согласно модели, имеют более высокие заработки, чем представители других рас. Эти прогнозы предполагают, что исходный набор данных демонстрирует неравенство в уровне благосостояния между различными этническими группами в Америке, что соответствует общему мнению прессы и предыдущим исследованиям по вопросу о неравенстве доходов.

Эти графики представляют результаты модели до последнего слоя и могут помочь прояснить причину, по которой алгоритм предсказал то, что он сделал на последнем слое.

Третий слой модели представляет собой функцию линейной регрессии, которая использует данные о передаче COVID-19 в зависимости от уровня дохода. Наконец, сравнивая результаты каждой модели, мы можем предсказать вероятность заражения COVID-19 для человека на основе демографических факторов этого человека.

Результаты окончательной модели обсуждаются в следующем разделе.

Результаты

Используя модель, мы построили график вероятности заражения COVID-19 для данного человека в зависимости от его возраста, этнической принадлежности, биологического пола, уровня образования и штата проживания.

Мы триангулировали этническую принадлежность и пол, доход и передачу COVID-19, чтобы определить, существует ли связь между уровнем образования, расой и вероятностью передачи COVID-19. Мы определяем вероятность передачи COVID-19 как скорость передачи на человека.

Красные точки данных представляют лиц азиатского происхождения. Синие точки данных представляют белых людей. Оранжевые точки данных представляют чернокожих. Зеленые точки данных представляют латиноамериканцев. Фиолетовые точки данных представляют коренных американцев. Коричневые точки данных представляют смешанных людей.

При неизменности всех остальных факторов — биологического пола, уровня образования, штата проживания и возраста — модель дала относительно случайные результаты, указывающие на то, что этническая принадлежность человека оказывает минимальное прямое влияние на доход, а также на передачу COVID-19. . В следующей таблице показано соотношение вероятности передачи COVID-19 для разных этнических групп по сравнению с вероятностью для белых людей при неизменном уровне образования.

Однако при прогнозировании уровня образования человека на основе его этнической принадлежности мы обнаружили, что некоторые этнические группы имеют меньше шансов получить высшее образование в целом. При учете этой тенденции те же самые этнические группы могут быть связаны с повышенной вероятностью передачи Covid-19. Вероятно, это можно объяснить неявной связью уровня образования с доходом, как показано в нашей модели машинного обучения в разделе «Анализ исходных данных».

В целом данные показывают, что, за исключением азиатов, все другие этнические группы в нашем исследовании сталкиваются с более высокой вероятностью передачи COVID-19 по сравнению с белыми людьми. Эти прогнозы согласуются с данными, опубликованными CDC, которые устанавливают, что у коренных американцев, чернокожих, латиноамериканцев или латиноамериканцев скорость передачи COVID-19 выше, чем у белых, в то время как у азиатов скорость передачи COVID-19 ниже.

Эти выводы подчеркивают необходимость сокращения социально-экономических различий между этническими группами. Чтобы устранить это неравенство, мы предлагаем более крупные инвестиции в группы меньшинств в качестве формы позитивных действий. Мы считаем, что предоставление недопредставленным меньшинствам более широкого доступа к ресурсам и возможностям принесет пользу не только исторически маргинализированным группам, но и обществу в целом.

Будущие исследования могут изучить неравенство доходов и смертность от COVID-19 в других странах или социальных группах, а также расширить круг факторов, включив, например, переменные состояния здоровья или демографические данные родителей.

Информация об авторе

Аниш Черукутота учится в старшей школе Монта-Виста в Купертино, Калифорния. Его хобби включают в себя прослушивание подкастов и возню с программированием, и он хочет использовать свои навыки в этой области, чтобы помочь выявить самые насущные проблемы, затрагивающие общество.

Абхирам Анналуру учится в старшей школе Монта-Виста в Купертино, Калифорния. Он любит играть в теннис и играть в видеоигры. Он увлечен робототехникой и хочет использовать технологии на благо общества.

Конфликт интересов

Авторы объявили, что нет никаких конфликтов интересов.

Источники

  1. "Коронавирус (COVID-19)." Новости Google, Google, news.google.com/covid19/map?hl=en-US&mid=%2Fm%2F01n7q&gl=US&ceid=US%3Aen.
  2. Бюро экономического анализа США, Реальный валовой внутренний продукт [A191RL1Q225SBEA], получено из FRED, Федеральный резервный банк Сент-Луиса; https://fred.stlouisfed.org/series/A191RL1Q225SBEA, 11 сентября 2021 г.
  3. Отслеживание восстановления Америки. CNN, Сеть кабельных новостей, www.cnn.com/business/us-economic-recovery-coronavirus.
  4. Влияние Covid-19 на средства к существованию людей, их здоровье и наши продовольственные системы. Всемирная организация здравоохранения, Всемирная организация здравоохранения, 13 октября 2020 г., www.who.int/news/item/13-10-2020-impact-of-covid-19-on-people's-livelihoods -их-здоровье-и-наши-пищевые системы.
  5. «Индекс Джини (оценка Всемирного банка)». Данные, Всемирный банк, data.worldbank.org/indicator/SI.POV.GINI?most_recent_value_desc=true.
  6. Каплан, Юлиана. Рабочие потеряли 3,7 триллиона долларов дохода во время пандемии. Женщины и поколение Z понесли самые большие потери. Business Insider, Business Insider, 25 января 2021 г., www.businessinsider.com/workers-lost-37-trillion-in-earnings-during-the-pandemic-2021-1.
  7. Каплан, Юлиана. Миллиардеры заработали 3,9 триллиона долларов во время пандемии — достаточно, чтобы заплатить за вакцину для ВСЕХ. Business Insider, Business Insider, 26 января 2021 г., www.businessinsider.com/billionaires-made-39-trillion-during-the-pandemic-coronavirus-vaccines-2021-1.
  8. Ляо, Тим Ф. «Связь социального и экономического неравенства с заболеваемостью и смертностью от COVID-19 в округах США». JAMA Network Open, JAMA Network, 20 января 2021 г., jamanetwork.com/journals/jamanetworkopen/fullarticle/2775303.
  9. Мэри Ван Бесеком | Новостной писатель | Новости СИДРАП | 04 мая 2021 г. Неравенство в доходах связано с большим количеством случаев COVID-19 и смертей. CIDRAP, 4 мая 2021 г., www.cidrap.umn.edu/news-perspective/2021/05/income-inequality-tied-more-covid-19-cases-deaths.
  10. Тан, Аннабель X. «Неравенство доходов, случаи и смерти от COVID-19 на уровне округов в США». JAMA Network Open, JAMA Network, 3 мая 2021 г., jamanetwork.com/journals/jamanetworkopen/fullarticle/2779417.
  11. Блейк, Кевин С. и др. Измерение перенаселенности жилья. Census.gov, Econometrica, Inc., сентябрь 2007 г., www.census.gov/content/dam/Census/programs-surveys/ahs/publications/Measuring_Overcrowding_in_Hsg.pdf.
  12. Соображения справедливости в отношении здоровья и группы расовых и этнических меньшинств. Центры по контролю и профилактике заболеваний, Центры по контролю и профилактике заболеваний, 2021 г., www.cdc.gov/coronavirus/2019-ncov/community/health-equity/race-ethnicity.html.
  13. Риск заражения Covid-19. Центры по контролю и профилактике заболеваний, Центры по контролю и профилактике заболеваний, 10 декабря 2020 г., www.cdc.gov/coronavirus/2019-ncov/community/health-equity/racial-ethnic-disparities /increased-risk-exposure.html.
  14. Фортье, Никки. COVID-19, гендерное неравенство и ответственность государства. International Journal of Wellbeing, 12 августа 2020 г., www.internationaljournalofwellbeing.org/index.php/ijow/article/view/1305.
  15. Лин Финелли, доктор медицинских наук. «Смертность среди пациентов в США, госпитализированных с инфекцией SARS-CoV-2 в 2020 году». JAMA Network Open, JAMA Network, 8 апреля 2021 г., jamanetwork.com/journals/jamanetworkopen/fullarticle/2778237.
  16. Холмс, Лоренс и др. Дифференциация риска чернокожих и белых при передаче Covid-19 (SARS-COV2), смертности и летальности в Соединенных Штатах: трансляционная эпидемиологическая перспектива и проблемы. MDPI, Многопрофильный институт цифровых публикаций, 17 июня 2020 г., www.mdpi.com/1660-4601/17/12/4322.
  17. Медавар, Эвелин и др. Влияние растительной диеты на тело и мозг: систематический обзор. Nature News, Nature Publishing Group, 12 сентября 2019 г., www.nature.com/articles/s41398-019-0552-0.
  18. Друкер, Дэниел Дж. Диабет, ожирение, метаболизм и инфекция Sars-Cov-2: конец начала. Cell Metabolism, Elsevier Inc., 2 марта 2021 г., www.ncbi.nlm.nih.gov/pmc/articles/PMC7825982/.
  19. Ричардсон, Дэвид П. и Джули А. Лавгроув. Пищевой статус микронутриентов как возможный и поддающийся изменению фактор риска COVID-19: точка зрения Великобритании. Издательство Кембриджского университета, www.cambridge.org/core/services/aop-cambridge-core/content/view/35B4C4BC5B0FBD132370128EC03FE309/S000711452000330Xa.pdf/div-class-title-nutritional-status-of-micronutrients-as-a-possible -и-модифицируемый-фактор-риска-для-covid-19-a-uk-perspective-div.pdf.
  20. Макмакен, Мишель и Сапана Шах. Растительная диета для профилактики и лечения диабета 2 типа. Журнал гериатрической кардиологии: JGC, Science Press, май 2017 г., www.ncbi.nlm.nih.gov/pmc/articles/PMC5466941/.
  21. Сентонго, Пэдди. «Некоторые ранее существовавшие состояния могут удвоить, утроить риск смертности для пациентов с COVID-19». Penn State Health News, 19 ноября 2020 г., pennstatehealthnews.org/2020/10/certain-pre-existing-conditions-can-double-triple-mortality-risk-for-covid-19-patients /.
  22. Бюро переписи населения США. Таблицы данных обследования пульса домохозяйств. Census.gov, www.census.gov/programs-surveys/household-pulse-survey/data.html#phase3.2.
  23. Риск заражения Covid-19, госпитализации и смерти в зависимости от расы/этнической принадлежности. Центры по контролю и профилактике заболеваний, Центры по контролю и профилактике заболеваний, www.cdc.gov/coronavirus/2019-ncov/covid-data/investigations-discovery/hospitalization-death-by-race- этническая принадлежность.html.
  24. «Данные CPS Asec (март)». Данные CEPR, Центр экономических и политических исследований, ceprdata.org/cps-uniform-data-extracts/march-cps-supplement/march-cps-data/.
  25. «Узнайте факты о неравенстве и Covid-19». Inequality.org, 30 августа 2021 г., linear.org/facts/inequality-and-covid-19/.