社会的脆弱性とCOVID-19ホットスポットになる郡のリスクとの関連性 ― アメリカ、2020年6月1日～7月25日

日本語
English

ホーム IMICライブラリ MMWR抄訳 2020年（Vol.69)社会的脆弱性とCOVID-19ホットスポットになる･･･

MMWR抄訳

2020/10/23Vol. 69 / No. 42

MMWR69(42):1535－1541
Association Between Social Vulnerability and a County’s Risk for Becoming a COVID-19 Hotspot — United States, June 1–July 25, 2020

社会的脆弱性とCOVID-19ホットスポットになる郡のリスクとの関連性 ― アメリカ、2020年6月1日～7月25日

社会的脆弱性に関連する貧困、密集住宅地、その他の地域属性は公衆衛生イベント中またはその後の健康への悪影響に関する地域でのリスクを高める。CDCは新型コロナウイルス感染症(COVID-19)罹患率が急速に増加しているアメリカの郡(ホットスポット郡)を2020年3月8日から確認しており、保健局と協力して公衆衛生対応をサポートしている。郡レベルのCOVID-19症例数は州および地方の保健部門より報告され、USAFactsに蓄積されている。2020年6月1日～7月25日における郡レベルのCOVID-19症例データと2018年のCDCの社会的脆弱性指数(SVI)を分析し、社会的脆弱性とホットスポットとの関連性を分析し、ホットスポット特定後の罹患率について述べた。SVIは、1)社会経済的状況、2)世帯構成と身体障害、3)人種/民族マイノリティと英語習熟度、4)住宅の種類と交通機関に関連する4つの脆弱性サブコンポーネントから、15の人口ベース措置を用いて算出した。この期間、ホットスポット郡の基準を満たす747郡のうち、689郡(92％)が新たなホットスポット郡に分類された。これら689郡におけるCOVID-19罹患率中央値はホットスポット特定後14日間にて計算され、都市カテゴリーが一致する無作為に抽出した非ホットスポット689郡における同時期の罹患率と比較した。非都市圏におけるホットスポット郡の割合は3～4月の11％から6～7月には40％に増加し、SVI四分位数の最高値における割合は3～4月の22％から6～7月には42％に増加していた。ホットスポット郡は社会的脆弱性の高い郡、特に人種/民族マイノリティ、英語習熟度、住宅の種類および交通機関に関連する脆弱性の高い郡が多かった。ホットスポット郡となるリスクは人種/民族マイノリティおよび英語習熟度に関連する脆弱性の四分位数が最高値の地域にて最低値の地域のそれぞれ37.3倍、住宅の種類および交通機関に関連する脆弱性では3.4倍であり、リスク比(RR)は人種/民族マイノリティの居住者が多い地域にて5.3、集合住宅(10戸以上)が多い地域にて3.1、密集住宅(部屋数よりも住人が多い)が多い地域にて2.0であった。新規ホットスポット郡における10万人あたりのCOVID-19罹患率は97例、非ホットスポット郡では27例であり、ホットスポット確認後14日間における罹患率は10万人あたり140例、非ホットスポット郡では40例であった。以上、社会的脆弱性のある地域がホットスポットとなるのを防ぐためだけでなく、社会的脆弱性のあるホットスポット郡における継続的な罹患率の高さを減少させるために、連邦、州、群別での早急な公衆衛生活動の強化が必要である。

References

Flanagan BE, Hallisey EJ, Adams E, Lavery A. Measuring community vulnerability to natural and anthropogenic hazards: the Centers for Disease Control and Prevention’s social vulnerability index. J Environ Health 2018;80:34–6.
Oster AM, Kang GJ, Cha AE, et al. Trends in number and distribution of COVID-19 hotspot counties—United States, March 8–July 15, 2020. MMWR Morb Mortal Wkly Rep 2020;69:1127–32. ＜https://doi.org/10.15585/mmwr.mm6933e2＞
Ingram DD, Franco SJ. 2013 NCHS urban-rural classification scheme for counties. Vital Health Stat 2 2014;166:1–73.
Millett GA, Jones AT, Benkeser D, et al. Assessing differential impacts of COVID-19 on black communities. Ann Epidemiol 2020;47:37–44. ＜https://doi.org/10.1016/j.annepidem.2020.05.003＞
Kaiser Family Foundation. Low-Income and communities of color at higher risk of serious illness if infected with coronavirus. San Francisco, CA: Kaiser Family Foundation; 2020. ＜https://www.kff.org/coronavirus-covid-19/issue-brief/low-income-and-communities-of-color-at-higher-risk-of-serious-illness-if-infected-with-coronavirus/＞
Rodriguez-Diaz CE, Guilamo-Ramos V, Mena L, et al. Risk for COVID-19 infection and death among Latinos in the United States: examining heterogeneity in transmission dynamics. Ann Epidemiol 2020;20:30267–2. ＜https://doi.org/10.1016/j.annepidem.2020.07.007.＞
Bureau of Labor Statistics. Labor force characteristics by race and ethnicity, 2018. Washington, DC: US Department of Labor, Bureau of Labor Statistics; 2019. ＜https://www.bls.gov/opub/reports/race-and-ethnicity/2018/home.htm＞
Bui HN. Racial and ethnic differences in the immigrant paradox in substance use. J Immigr Minor Health 2013;15:866–81. ＜https://doi.org/10.1007/s10903-012-9670-y＞
Waltenburg MA, Victoroff T, Rose CE, et al.; COVID-19 Response Team. Update: COVID-19 among workers in meat and poultry processing facilities—United States, April–May 2020. MMWR Morb Mortal Wkly Rep 2020;69:887–92. ＜https://doi.org/10.15585/mmwr.mm6927e2＞
Karaye IM, Horney JA. The impact of social vulnerability on Covid-19 in the U.S.: an analysis of spatially varying relationships. Am J Prev Med 2020;59:317–25. ＜https://doi.org/10.1016/j.amepre.2020.06.006＞