Indigenous Peoples, concentrated disadvantage, and income inequality in New Mexico: a ZIP code-level investigation of spatially varying associations between socioeconomic disadvantages and confirmed COVID-19 cases
Notice bibliographique
Résumé
BACKGROUND: The coronavirus disease pandemic has disproportionately affected poor and racial/ethnic minority individuals and communities, especially Indigenous Peoples. The object of this study is to understand the spatially varying associations between socioeconomic disadvantages and the number of confirmed COVID-19 cases in New Mexico at the ZIP code level. METHODS: We constructed ZIP code-level data (n=372) using the 2014-2018 American Community Survey and COVID-19 data from the New Mexico Department of Health (as of 24 May 2020). The log-linear Poisson and geographically weighted Poisson regression are applied to model the number of confirmed COVID-19 cases (total population as the offset) in a ZIP code. RESULTS: The number of confirmed COVID-19 cases in a ZIP code is positively associated with socioeconomic disadvantages-specifically, the high levels of concentrated disadvantage and income inequality. It is also positively associated with the percentage of American Indian and Alaskan Native populations, net of other potential confounders at the ZIP code level. Importantly, these associations are spatially varying in that some ZIP codes suffer more from concentrated disadvantage than others. CONCLUSIONS: Additional attention for COVID-19 mitigation effort should focus on areas with higher levels of concentrated disadvantage, income inequality, and higher percentage of American Indian and Alaska Native populations as these areas have higher incidence of COVID-19. The findings also highlight the importance of plumbing in all households for access to clean and safe water, and the dissemination of educational materials aimed at COVID-19 prevention in non-English language including Indigenous languages.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,020 | 0,158 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».