Transporte público y hacinamiento en el hogar –
Este es el segundo de una serie que tiene como objetivo comprender la división en la intensidad de COVID-19 por raza e ingresos. En nuestra primera publicación, examinamos cómo las comorbilidades, las tasas no relacionadas con el seguro y los recursos de salud pueden ayudar a explicar la brecha racial y de ingresos observada en la intensidad de COVID-19. Encontramos que una cuarta parte de la diferencia de ingresos y más de un tercio de la diferencia racial en el número de casos se explican por el estado de salud y factores sistémicos. En esta publicación, analizamos dos factores relacionados con la densidad en interiores, a saber, el uso del transporte público y el hacinamiento en el hogar. Aquí queremos entender si estos dos factores afectan la intensidad general de COVID-19, si las diferencias raciales y de ingresos de COVID-19 pueden explicarse más si incluimos además estos factores, y si estos factores se toman en cuenta y en qué medida. La cuenta independientemente entre sí se convierte en diferencias de ingresos y razas en la intensidad de COVID-19 (ignorando los factores considerados en las otras publicaciones de esta serie).
antecedentes
Las interacciones humanas son un mecanismo importante detrás de la propagación de COVID-19, con espacios interiores mal ventilados, abarrotados y compartidos que empeoran la propagación del virus. Muchas interacciones interiores de este tipo tienen lugar en las redes de transporte público y en hogares superpoblados, por lo que ahora nos centramos en estos factores.
Muchos investigadores han citado el transporte público como una posible fuente principal de propagación de COVID-19. El transporte público generalmente se caracteriza por una alta densidad, mala ventilación y cambios frecuentes, por lo que es muy probable que una persona infectada ingrese el virus y lo transmita a otras personas. Cabe señalar que, si bien la mayoría de los condados carecen de transporte público, los condados urbanos centrales de las principales ciudades, que estuvieron a la vanguardia de la pandemia en marzo de 2020, dependen de él. Por otro lado, investigaciones recientes han demostrado que el transporte público no es una fuente primaria de transmisión de otras enfermedades respiratorias como la gripe. Llevamos a cabo nuestro análisis utilizando datos de uso del transporte público a nivel de condado de la Encuesta de la Comunidad Estadounidense (ACS) de cinco años de 2014-2018, que encuesta a aproximadamente uno de cada veinte estadounidenses y también tiene tamaños de muestra razonables a nivel de condado.
El segundo indicador de densidad que observamos es el hacinamiento en el hogar. Si varias personas comparten el mismo espacio vital, las posibilidades de propagar la infección son muy altas si un miembro se infecta con el virus. Medimos la ocupación de viviendas en función del número de personas por habitación, que recibimos a nivel de distrito a partir del cuestionario detallado de apartamentos ACS 2014-2018.
Densidad y brecha de ingresos y raza COVID-19
Para que estos factores de densidad ayuden a explicar la disparidad racial y de ingresos de COVID-19, deben estar correlacionados con el estado de los condados de bajos ingresos y la mayoría minoritaria (MM). Para las correlaciones, encontramos que los residentes de los distritos de MM tienden a usar más transporte público y también tienen un número promedio de personas por habitación significativamente más alto. Por el contrario, en los condados de bajos ingresos hay menos pasajeros que utilizan el transporte público y un menor número de personas por habitación. Es probable que esto se deba al hecho de que los condados de bajos ingresos tienden a ser relativamente rurales.
Como en nuestra publicación anterior, estamos realizando un análisis de regresión multivariante para determinar en qué medida los factores de densidad, como el uso del transporte público y los vecindarios superpoblados, pueden explicar las brechas raciales y de ingresos observadas en la incidencia de COVID-19, y hasta qué punto estos factores pueden explicar la intensidad general de COVID -19. El panel izquierdo del gráfico a continuación muestra la diferencia en casos por 1,000 para los condados de bajos ingresos frente a otros (la brecha de ingresos), mientras que el panel derecho muestra la diferencia para los condados de MM frente a otros (la brecha de minorías). Las primeras barras azules en cada panel muestran los resultados de nuestro modelo original, estimado usando datos hasta el 15 de diciembre, regresando casos por mil en las variables base, a saber, densidad de población e indicadores de urbanidad, bajos ingresos y condados de MM. Las barras del post 1 en oro muestran los resultados de nuestro post anterior, en el que también incluimos comorbilidades y factores de salud además de las variables base. El tercer conjunto de barras gris claro muestra la regresión de los casos por mil para todas las variables anteriores, complementada por los dos determinantes de densidad discutidos aquí. Finalmente, las barras de color gris oscuro representan las variables base y los determinantes de densidad, pero no incluyen las variables de salud presentadas en el primer artículo de esta serie.
Nuestra especificación base (que incluye densidad de población e indicadores para MM, bajos ingresos y urbanidad) muestra aproximadamente 4.2 casos más por mil en los condados de bajos ingresos y 14 casos más por mil para los condados donde las minorías son mayoría. Al agregar controles para comorbilidades, recursos no asegurados y de salud medidos por la proporción de camas de UCI, como se muestra en la segunda barra en oro, vemos una disminución en la magnitud de estas diferencias (ver la publicación anterior de esta serie).
A continuación, pasamos a las barras de color gris claro que se muestran arriba, donde agregamos las dos variables mediadoras consideradas en esta publicación para explorar asociaciones con los casos de COVID-19. Descubrimos que incluir los factores de densidad, además de las comorbilidades, las tasas no relacionadas con el seguro y los recursos de salud que aparecen en la primera publicación de esta serie, reduce aún más las disparidades raciales y de bajos ingresos en los casos de COVID-19 por mil. El coeficiente de la brecha de ingresos es ahora menos de dos tercios de la estimación base original, pero sigue siendo estadísticamente significativo. La diferencia MM sigue siendo significativa y es menos de la mitad de la estimación base.
Para examinar las contribuciones de los factores de densidad por separado, la última barra de cada panel (gris oscuro) muestra los resultados de la regresión de los casos por 1000 sobre las variables base (MM, bajos ingresos, indicador de urbanidad y densidad de población) y los indicadores de densidad presentados en este artículo. Encontramos que incluir estas variables da como resultado una disminución en las disparidades raciales y de ingresos en la intensidad de COVID-19. Comparando estos resultados con los resultados de la línea base que se muestran en las barras azules, encontramos que la inclusión de transporte público y personas por habitación reduce la brecha de MM de 14 casos por mil a 7.2 por mil y la brecha de bajos ingresos de 4.2 casos por mil se reduce a 3,9 por mil. Entonces, cuando se analizan por separado, los niveles de hacinamiento (medidos por personas por habitación por uso del transporte público) explican una parte significativa de la diferencia racial de COVID-19, casi la mitad de la diferencia racial observada en nuestras estimaciones base.
Finalmente, consideramos las relaciones entre las tasas de casos de COVID-19 y los indicadores de densidad, en función de todas las variables analizadas en nuestra publicación anterior (es decir, en la regresión multivariante correspondiente a las barras de color gris claro de arriba). En el gráfico siguiente se desprende claramente que más personas por habitación están significativamente vinculadas a un mayor número de casos por mil, mientras que un aumento de personas por habitación en un condado está vinculado a 135 casos más de COVID-19 por mil. En resultados no reportados, encontramos que esta fuerte asociación entre más personas por habitación y mayores casos de COVID-19 persiste incluso cuando excluimos las comorbilidades y las variables de salud. Por el contrario, la relación entre la proporción de viajeros que utilizan transporte público y el número de casos por mil no es estadísticamente significativa. Sin embargo, este efecto se debe principalmente a las grandes ciudades, donde el transporte público se utiliza con más frecuencia. En los resultados no reportados aquí, en los que tenemos en cuenta esta distribución sesgada del porcentaje de tráfico de cercanías que utiliza transporte público, encontramos que esta variable se asocia positivamente con las tasas de caída del COVID-19 y que el efecto es estadísticamente diferente de cero. En otras palabras, no solo el hacinamiento en el hogar, sino también el hacinamiento en el transporte público está relacionado con una mayor incidencia de COVID-19.
Conclusión
Concluimos que los determinantes de la densidad, como el hacinamiento, juegan un papel importante en la creación de brechas raciales y de ingresos en la incidencia de COVID-19. De hecho, la combinación de comorbilidades, estado del seguro médico y densidad reduce la brecha de ingresos en un 42 por ciento y la brecha racial en un 60 por ciento. Sin embargo, hay una parte inexplicable de la incidencia de COVID-19 que se ha relacionado tanto con los ingresos como con la raza. El análisis aquí y en nuestra publicación anterior implica que la política puede jugar un papel importante en la reducción de las disparidades de COVID-19. Por ejemplo, reducir el hacinamiento en los sistemas de transporte público, ampliar la cobertura del seguro médico, abordar la incidencia desproporcionada de enfermedades crónicas entre las minorías y reducir el hacinamiento en el hogar pueden reducir el impacto del COVID-19 en las personas de bajos ingresos y las minorías. En nuestra próxima publicación, veremos el papel de tres canales adicionales, a saber, el distanciamiento social, la contaminación y la demografía, para ver si explican más sobre las brechas de ingresos y razas cuando ocurre el COVID-19.
Ruchi Avtar es analista de investigación senior en el Grupo de Investigación y Estadísticas del Banco de la Reserva Federal de Nueva York.
Rajashri Chakrabarti es economista senior del Grupo de Investigación y Estadísticas del Banco.
Maxim Pinkovskiy es economista senior del Grupo de Investigación y Estadísticas del Banco.
Para citar esta publicación:
Ruchi Avtar, Rajashri Chakrabarti y Maxim Pinkovskiy, «Comprensión de la brecha racial y de ingresos en COVID-19: transporte público y hacinamiento en el hogar», Banco de la Reserva Federal de Nueva York , 12 de enero de 2021, https://libertystreeteconomics.newyorkfed.org/2021/01/understanding-the-racial-and-income-gap-in-covid-19-health-insurance-comorbidities-and-medical-facil. html.
Contribuciones adicionales de heterogeneidad
> Heterogeneidad: una serie de investigación de varias partes
Exención de responsabilidad
Las opiniones expresadas en esta publicación son las del autor y no reflejan necesariamente la posición del Banco de la Reserva Federal de Nueva York o del Sistema de la Reserva Federal. Todos los errores u omisiones son responsabilidad del autor.
.
