Identifying Communities at Risk for Poor Health using Multidimensional vs. Unidimensional Neighborhood Disadvantage Indices
Diese Studie zeigt, dass die Verwendung eines sparsamen, eindimensionalen Index für Benachteiligung oder Wohlstand in der Nachbarschaft eine größere Präzision bei der Identifizierung von US-Census-Tracts mit hoher Krankheitslast bietet als ein komplexerer, multidimensionaler Index, welcher festgestellt wurde, die Gesundheitsrisiken in den am stärksten benachteiligten Gebieten zu unterschätzen.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Stellen Sie sich die Welt als eine riesige Patchwork-Decke vor, bei der jedes Quadrat ein Nachbarschaft darstellt. Seit Jahrzehnten versuchen Wissenschaftler und politische Entscheidungsträger herauszufinden, welche Quadrate „krank“ und welche „gesund“ sind. Sie wissen, dass der Ort, an dem man lebt, eine große Rolle für die eigene Gesundheit spielt; in einem Ort mit wenigen Ressourcen zu leben kann es schwieriger machen, fit zu bleiben, während das Leben an einem Ort mit vielen Ressourcen einem helfen kann, aufzublühen. Um dies zu messen, verwenden Forscher „Indizes“ – im Grunde Zeugnisse, die einer Nachbarschaft eine Punktzahl basierend auf Dingen wie Einkommen, Bildung und Wohnverhältnissen geben. Die große Frage war schon immer: Wie schreiben wir das beste Zeugnis? Sollten wir eine riesige Liste mit jedem erdenklichen Detail aufnehmen, oder ist eine kürzere, einfachere Liste tatsächlich besser darin, die Nachbarschaften zu erkennen, die wirklich Hilfe benötigen? Dieses Papier taucht in diese Debatte ein und fragt, ob unsere aktuellen, super-detaillierten Zeugnisse tatsächlich am Ziel vorbeischießen.
Die Forscher hinter dieser Studie beschlossen, drei verschiedene Wege zur Bewertung von Nachbarschaften zu testen. Erstens untersuchten sie einen multidimensionalen Index, der wie eine riesige, 17-teilige Checkliste ist, die alles von Armutsraten und Alleinerziehenden-Haushalten bis hin zu der Frage, ob Häuser über eine Sanitärversorgung verfügen und wie überfüllt sie sind, umfasst. Zweitens probierten sie einen unidimensionalen Benachteiligungsindex aus, der eine viel kürzere, 3-teilige Checkliste ist, die sich nur auf die Grundlagen konzentriert: Armut, öffentliche Unterstützung und geringes Familieneinkommen. Schließlich erstellten sie einen unidimensionalen Wohlstandsindex, eine 3-teilige Checkliste für das „reiche“ Spektrum, die auf hohes Einkommen, College-Abschlüsse und Berufe mit hohem Status blickt.
Sie nahmen diese drei verschiedenen Bewertungssysteme und wandten sie auf über 83.000 Nachbarschaften in den Vereinigten Staaten an. Dann überprüften sie die „Gesundheitszeugnisse“ derselben Nachbarschaften, indem sie reale Daten darüber heranzogen, wie viele Menschen an Fettleibigkeit, Diabetes und Herzkrankheiten litten. Es war, als würde man drei verschiedene Karten nehmen und sehen, welche einen zum gefährlichsten Gelände führt.
Hier ist die Wendung: Die große, komplizierte 17-teilige Checkliste machte nicht die beste Arbeit. Tatsächlich fand die Studie heraus, dass der multidimensionale Index eigentlich ein wenig ein Lügner war. Wenn er eine Nachbarschaft als „am stärksten benachteiligt“ bezeichnete, hatte diese Nachbarschaft oft nicht so viele kranke Menschen, wie die einfacheren Indizes vorhergesagt hatten. Umgekehrt hatten die Nachbarschaften, die er als „am wenigsten benachteiligt“ (sicher und gesund) bezeichnete, oft höhere Krankheitsraten, als die einfacheren Indizes vermuten ließen.
Die unidimensionalen Indizes – die kurzen, einfachen Listen, die sich nur auf Geld und Armut für die „benachteiligte“ Seite und nur auf Reichtum und Bildung für die „wohlhabende“ Seite konzentrieren – waren die wahren Detektive. Sie waren viel schärfer darin, die Nachbarschaften aufzuspüren, die wirklich mit schlechter Gesundheit zu kämpfen hatten. Die Studie legt nahe, dass der komplexe Index, indem er versucht, zu viele verschiedene Faktoren (wie Wohnverhältnisse oder soziale Strukturen) in einer einzigen riesigen Punktzahl zu vereinen, „verrauscht“ wird und die Linien verwischt. Er identifiziert letztlich falsch, welche Gemeinschaften in den größten Schwierigkeiten stecken.
Was bedeutet das also? Die Autoren legen nahe, dass wir, wenn wir die Gemeinschaften finden wollen, die medizinische Hilfe und Ressourcen am dringendsten benötigen, vielleicht besser darin wären, ein einfacheres, fokussierteres Werkzeug zu verwenden. Das komplexe, alles umfassende Zeugnis könnte so sehr damit beschäftigt sein, jedes kleine Detail zu zählen, dass es vergisst, die Menschen zu bemerken, die tatsächlich krank sind. Indem wir einen schlankeren, präziseren Index verwenden, könnten wir aufhören, Hilfe an die falschen Orte zu senden, und statfangen an, sie in den Nachbarschaften zu liefern, die sie wirklich brauchen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.