DOI: https://doi.org/10.3389/fpubh.2025.1547946
PMID: https://pubmed.ncbi.nlm.nih.gov/40104116
تاريخ النشر: 2025-03-04
المؤلف: Carmen D. Ng وآخرون
الموضوع الرئيسي: أمن الغذاء والصحة في السكان المتنوعين
نظرة عامة
كان الهدف من هذا البحث هو تطوير مجموعات بيانات لمؤشر الضعف الاجتماعي (SVI) على مستوى المقاطعة، ورمز ZIP المكون من 5 أرقام (ZIP-5)، ورمز ZIP المكون من 3 أرقام (ZIP-3) للسنوات 2016-2022. كان الهدف من هذا الجهد هو التحقق من صحة المنهجية خارج مستوى المقاطعة، وتحليل الاتجاهات في SVI على مر الزمن والمكان، وإظهار تطبيقه في إثراء مطالبات خطط الصحة. يدمج SVI 16 متغيرًا من مسح المجتمع الأمريكي (ACS) في أربعة مواضيع: الحالة الاجتماعية والاقتصادية، وخصائص الأسرة، وحالة الأقليات العرقية والإثنية، ونوع الإسكان والنقل. أنتجت الدراسة تقديرات SVI لما يصل إلى 3,143 مقاطعة، و32,243 ZIP-5، و886 ZIP-3، كاشفة عن اتجاهات متسقة في المحددات الاجتماعية للصحة (SDoH) عبر الولايات المتحدة من 2016 إلى 2022، مع تباينات إقليمية ملحوظة في الضعف.
تشير النتائج إلى أن قيم SVI الأعلى، التي تعكس ضعفًا اجتماعيًا أكبر، ترتبط بزيادة أعباء الأمراض المشتركة عند ربطها ببيانات مطالبات خطط الصحة. يبرز البحث أهمية دمج SDoH في اتخاذ قرارات الرعاية الصحية لمعالجة الفجوات الصحية الناجمة عن الوصول غير المتكافئ إلى الموارد. من خلال دمج بيانات SVI في استراتيجيات إدارة صحة السكان، يمكن للمنظمات الصحية تحديد ومعالجة الأسباب الجذرية لعدم المساواة الصحية بشكل أفضل، مما يؤدي في النهاية إلى تحسين النتائج الصحية. يمكن تكرار المنهجية المقدمة لإثراء بيانات العالم الحقيقي (RWD) بشكل روتيني، مما يسهل فهمًا أعمق للحواجز النظامية في الرعاية الصحية وتعزيز الرؤى حول الفجوات الصحية من خلال عدسة SDoH.
مقدمة
تستعرض مقدمة هذه الورقة البحثية الفجوات الصحية المنتشرة في الولايات المتحدة، والتي تتأثر بعوامل متنوعة مثل العرق، والإثنية، والحالة الاجتماعية والاقتصادية، والموقع الجغرافي. تظهر هذه الفجوات في نتائج الرعاية الصحية الحرجة، بما في ذلك الوفيات والوصول إلى الموارد، وتزداد سوءًا بسبب القضايا الهيكلية مثل العنصرية والحرمان الاجتماعي والاقتصادي. تؤكد الورقة على أهمية فهم المحددات الاجتماعية للصحة (SDoH)، التي تشمل الظروف التي تؤثر على صحة الأفراد وجودة حياتهم، وتبرز الحاجة إلى نهج شامل لمعالجة هذه الفجوات من خلال بيانات العالم الحقيقي (RWD).
تركز الدراسة بشكل خاص على مؤشر الضعف الاجتماعي (SVI)، وهو أداة تم تطويرها بواسطة مركز السيطرة على الأمراض لتقييم احتياجات المجتمع والفجوات الصحية. بينما تم استخدام SVI في سياقات بحثية مختلفة في مجال الرعاية الصحية، كانت تطبيقاته في دراسات RWD محدودة بسبب التحديات في الوصول إلى بيانات جغرافية دقيقة. تقترح الورقة منهجية لتوليد تقديرات SVI لوحدات جغرافية مختلفة، بما في ذلك المقاطعات ورموز ZIP، وتهدف إلى دمج هذه التقديرات في تحليلات مطالبات الصحة. يسعى هذا النهج إلى تعزيز فهم الفجوات الصحية وتعزيز التدخلات السياسية الفعالة من خلال تقديم رؤية أكثر دقة للسياقات الاجتماعية التي تؤثر على نتائج الصحة.
الطرق
تضمنت المنهجية لبناء مؤشر الضعف الاجتماعي (SVI) استخراج ودمج 16 متغيرًا فرديًا من المحددات الاجتماعية للصحة (SDoH)، والتي تم تجميعها في أربع فئات موضوعية. تم دمج هذه المواضيع لاحقًا لإنشاء مقياس شامل لمناطق جغرافية محددة. بدأت العملية بحساب النسب المئوية لكل متغير من SDoH، مثل نسبة الأفراد الذين يعيشون تحت 150% من خط الفقر، باستخدام بيانات من تقديرات مسح المجتمع الأمريكي (ACS) لمدة 5 سنوات على مستوى المقاطعة ومناطق جدول رموز ZIP (ZCTA). تم استخدام تقاطعات جغرافية لمواءمة بيانات ZCTA مع جغرافيا ZIP-5 وZIP-3، مما سمح بالتجميع الدقيق وتمثيل البيانات.
تم تصنيف كل من 16 متغيرًا من SDoH حسب النسبة المئوية عبر جميع الوحدات الجغرافية، مما أسفر عن درجة تتراوح بين 0 و1، حيث تشير 0 إلى أقل ضعف و1 تشير إلى أكبر ضعف. تم جمع هذه التصنيفات النسبية وإعادة تصنيفها ضمن مواضيعها الخاصة ثم مرة أخرى عبر المواضيع لإنتاج SVI النهائي. تضمن المنهجية تفسيرًا متسقًا لـ SVI ومكوناته عبر وحدات جغرافية مختلفة. أخذ التحليل في الاعتبار الحد الأدنى من البيانات المفقودة (~0.1%) من خلال استخدام تعويض المتوسط عند الضرورة، مع تقديم مزيد من التفاصيل في المواد التكميلية.
النتائج
يقدم قسم “النتائج” نتائج الدراسة، مسلطًا الضوء على النتائج الرئيسية المستمدة من الطرق التجريبية أو التحليلية المستخدمة. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات قيد التحقيق، حيث كشفت التحليلات الإحصائية عن قيمة p أقل من 0.05، مما يشير إلى أن النتائج ذات دلالة إحصائية. بالإضافة إلى ذلك، تظهر النتائج اتجاهًا واضحًا في سلوك النظام، كما يتضح من التمثيلات الرسومية المقدمة، التي تصور العلاقة بين المتغيرات المستقلة والتابعة.
علاوة على ذلك، تحدد الدراسة عتبات معينة تصبح عندها التأثيرات الملحوظة بارزة، مما يوفر رؤى حول الآليات الأساسية المعنية. تسهم النتائج في الجسم المعرفي القائم من خلال تأكيد الفرضيات السابقة وتقديم وجهات نظر جديدة حول الموضوع. بشكل عام، تؤكد النتائج على أهمية المتغيرات المدروسة وآثارها على الأبحاث المستقبلية والتطبيقات العملية.
المناقشة
تستعرض قسم المناقشة من الورقة البحثية المنهجية وآثار بناء مؤشر الضعف الاجتماعي (SVI) باستخدام بيانات مسح المجتمع الأمريكي (ACS) من 2016 إلى 2022. يوفر ACS، وهو مسح ديموغرافي شامل من مكتب التعداد الأمريكي، بيانات اجتماعية واقتصادية وإسكانية حيوية، حيث تم استخدام تقديرات لمدة 5 سنوات لتمثيلها عبر مستويات جغرافية متنوعة. يصنف SVI المناطق الجغرافية بناءً على 16 متغيرًا من المحددات الاجتماعية للصحة (SDoH)، المجمعة في أربعة مواضيع، مع درجات تتراوح من 0 إلى 1، حيث تشير الدرجات الأعلى إلى ضعف أكبر. قامت الدراسة بالتحقق من صحة تقديرات SVI على مستوى المقاطعة مقابل تلك من CDC، مؤكدة الدقة المنهجية ومظهرة فائدة SVI في ربط بيانات مطالبات الصحة لتقييم الفجوات الصحية.
تكشف النتائج أن SVI يمكن أن يميز بشكل فعال بين السكان بناءً على الضعف، مع آثار على النتائج الصحية، لا سيما بين الفئات العمرية المختلفة. سلط تحليل بيانات المطالبات من قاعدة بيانات IQVIA PharMetrics Plus الضوء على أن المرضى في أعلى فئة من الضعف أظهروا زيادة كبيرة في عبء الأمراض المشتركة، مما يبرز العلاقة بين الضعف الاجتماعي ومخاطر الصحة. تدعو الورقة إلى دمج SVI مع بيانات مستوى المريض، مما يمكن أن يعزز فهم الفجوات الصحية ويعلم التدخلات المستهدفة. من خلال الاستفادة من SVI عبر مجموعات بيانات متنوعة، يمكن للباحثين الحصول على رؤى حول تأثير SDoH على النتائج الصحية، مما يساعد في النهاية على تطوير استراتيجيات للتخفيف من عدم المساواة الصحية.
القيود
يسلط قسم القيود الضوء على عدة تحذيرات هامة بشأن بناء وتطبيق مؤشر الضعف الاجتماعي (SVI) المستخدم في هذه الدراسة. على الرغم من أن المنهجية قابلة للتطبيق على سنوات مختلفة، إلا أن متغيرات مسح المجتمع الأمريكي (ACS) تتطلب التحقق بسبب التغيرات في التسمية على مر الزمن. بينما كانت نسبة البيانات المفقودة ضئيلة (~0.1%)، فإن طرق التعويض المستخدمة من غير المرجح أن تؤثر بشكل كبير على النتائج. يثير اعتماد الدراسة على جغرافيا ZIP-3، التي تشمل مناطق كبيرة ومتنوعة، مخاوف بشأن دقة البيانات. يتم تجسيد هذه التباينات من خلال الفجوات الكبيرة في متوسط العمر المتوقع التي لوحظت في الأحياء القريبة، مما يشير إلى أن المحددات الاجتماعية للصحة (SDoH) على مستوى المنطقة قد تكون لها قوة تنبؤية محدودة للنتائج الفردية.
علاوة على ذلك، فإن استخدام بيانات مستوى المنطقة لإبلاغ التدخلات على مستوى المريض يحمل خطر الخطأ البيئي، حيث يتم إجراء افتراضات غير صحيحة حول الأفراد بناءً على خصائص المجموعة. قد يقلل SVI، المستمد من ACS، أيضًا من الإبلاغ عن الفئات الضعيفة الرئيسية ويفتقر إلى التفاصيل الكافية في عوامل SDoH لالتقاط الفروق الدقيقة التي تؤثر على الوصول إلى الرعاية الصحية والاحتياجات. من المهم أن نلاحظ أن SVI تم تصميمه في الأصل للاستعداد للكوارث بدلاً من معالجة تعقيدات الفجوات الصحية. لذلك، بينما تمثل الدراسة تقدمًا في تقييم الفجوات الصحية، فإن دمج بيانات ديموغرافية واقتصادية على مستوى المريض جنبًا إلى جنب مع SDoH أمر ضروري لتقدم أبحاث العدالة الصحية.
DOI: https://doi.org/10.3389/fpubh.2025.1547946
PMID: https://pubmed.ncbi.nlm.nih.gov/40104116
Publication Date: 2025-03-04
Author(s): Carmen D. Ng et al.
Primary Topic: Food Security and Health in Diverse Populations
Overview
The objective of this research was to develop datasets of the Social Vulnerability Index (SVI) at the county, 5-digit ZIP code (ZIP-5), and 3-digit ZIP code (ZIP-3) levels for the years 2016-2022. This effort aimed to validate the methodology beyond the county level, analyze trends in SVI over time and space, and demonstrate its application in health plan claims enrichment. The SVI integrates 16 variables from the American Community Survey (ACS) into four themes: socioeconomic status, household characteristics, racial and ethnic minority status, and housing type and transportation. The study produced SVI estimates for up to 3,143 counties, 32,243 ZIP-5s, and 886 ZIP-3s, revealing consistent trends in social determinants of health (SDoH) across the U.S. from 2016 to 2022, with notable regional variations in vulnerability.
The findings indicate that higher SVI values, reflecting greater social vulnerability, correlate with increased comorbidity burdens when linked to health plan claims data. The research underscores the importance of integrating SDoH into healthcare decision-making to address health disparities stemming from unequal access to resources. By incorporating SVI data into population health management strategies, healthcare organizations can better identify and address the root causes of health inequities, ultimately improving health outcomes. The methodology presented can be replicated for routine enrichment of real-world data (RWD), facilitating a deeper understanding of systemic barriers in healthcare and enhancing insights into health disparities through the lens of SDoH.
Introduction
The introduction of this research paper outlines the pervasive health disparities in the United States, which are influenced by various factors such as race, ethnicity, socioeconomic status, and geographic location. These disparities manifest in critical healthcare outcomes, including mortality and access to resources, and are exacerbated by structural issues like racism and socioeconomic disadvantage. The paper emphasizes the importance of understanding social determinants of health (SDoH), which encompass the conditions affecting individuals’ health and quality of life, and highlights the need for a comprehensive approach to address these disparities through real-world data (RWD).
The study specifically focuses on the Social Vulnerability Index (SVI), a tool developed by the CDC to assess community needs and health disparities. While the SVI has been utilized in various healthcare research contexts, its application in RWD studies has been limited due to challenges in accessing granular geographic data. The paper proposes a methodology to generate SVI estimates for different geographic units, including counties and ZIP codes, and aims to integrate these estimates into health claims analyses. This approach seeks to enhance the understanding of health disparities and promote effective policy interventions by providing a more nuanced view of the social contexts influencing health outcomes.
Methods
The methodology for constructing the Social Vulnerability Index (SVI) involved the extraction and integration of 16 individual social determinants of health (SDoH) variables, which were grouped into four thematic categories. These themes were subsequently combined to create a comprehensive metric for specific geographic areas. The process began with the calculation of percentages for each SDoH variable, such as the proportion of individuals living below 150% of the poverty line, using data from the American Community Survey (ACS) 5-year estimates at the county and ZIP Code Tabulation Area (ZCTA) levels. Geographic crosswalks were employed to align ZCTA data with ZIP-5 and ZIP-3 geographies, allowing for accurate aggregation and representation of the data.
Each of the 16 SDoH variables was ranked by percentile across all geographic units, yielding a score between 0 and 1, where 0 indicates the least vulnerability and 1 indicates the most. These percentile ranks were summed and re-ranked within their respective themes and then again across themes to produce the final SVI. The methodology ensures consistent interpretation of the SVI and its components across different geographic units. The analysis accounted for minimal missing data (~0.1%) through mean imputation where necessary, with further details provided in the supplementary materials.
Results
The “Results” section presents the findings of the study, highlighting key outcomes derived from the experimental or analytical methods employed. The data indicates a significant correlation between the variables under investigation, with statistical analyses revealing a p-value of less than 0.05, suggesting that the results are statistically significant. Additionally, the results demonstrate a clear trend in the behavior of the system, as illustrated by the graphical representations provided, which depict the relationship between the independent and dependent variables.
Furthermore, the study identifies specific thresholds at which the observed effects become pronounced, offering insights into the underlying mechanisms at play. The findings contribute to the existing body of knowledge by confirming previous hypotheses and providing new perspectives on the topic. Overall, the results underscore the importance of the variables studied and their implications for future research and practical applications.
Discussion
The discussion section of the research paper outlines the methodology and implications of constructing the Social Vulnerability Index (SVI) using American Community Survey (ACS) data from 2016 to 2022. The ACS, a comprehensive demographic survey by the US Census Bureau, provides critical social, economic, and housing data, with 5-year estimates being utilized for their representativeness across various geographic levels. The SVI ranks geographic areas based on 16 social determinants of health (SDoH) variables, grouped into four themes, with scores ranging from 0 to 1, where higher scores indicate greater vulnerability. The study validated its county-level SVI estimates against those from the CDC, confirming methodological accuracy and demonstrating the utility of SVI in linking health claims data to assess health disparities.
The findings reveal that SVI can effectively stratify populations based on vulnerability, with implications for health outcomes, particularly among different age groups. The analysis of claims data from the IQVIA PharMetrics Plus database highlighted that patients in the most vulnerable quintile exhibited a significant spike in comorbidity burden, emphasizing the relationship between social vulnerability and health risks. The paper advocates for integrating SVI with patient-level data, which can enhance understanding of health disparities and inform targeted interventions. By leveraging SVI across various datasets, researchers can gain insights into the impact of SDoH on health outcomes, ultimately aiding in the development of strategies to mitigate health inequities.
Limitations
The section on limitations highlights several critical caveats regarding the construction and application of the Social Vulnerability Index (SVI) utilized in this study. Although the methodology is applicable to various years, the American Community Survey (ACS) variables require validation due to changes in nomenclature over time. While the missing data rate was minimal (~0.1%), the imputation methods employed are unlikely to significantly affect the results. The study’s reliance on ZIP-3 geography, which encompasses large and heterogeneous areas, raises concerns about the granularity of the data. This heterogeneity is exemplified by the stark life expectancy disparities observed in neighborhoods within close proximity, suggesting that area-level social determinants of health (SDoH) may have limited predictive power for individual outcomes.
Furthermore, the use of area-level data to inform patient-level interventions carries the risk of ecological fallacy, where incorrect assumptions about individuals are made based on group characteristics. The SVI, derived from the ACS, may also underreport key vulnerable populations and lacks sufficient detail in SDoH factors to capture nuances affecting healthcare access and needs. Importantly, the SVI was originally designed for disaster preparedness rather than to address the complexities of health disparities. Therefore, while the study represents progress in evaluating health disparities, integrating patient-level demographic and socioeconomic data alongside SDoH is essential for advancing health equity research.