مقاله ای از Saulsberry و همکاران. (2023) استدلال می کند که معیار آسیب پذیری اجتماعی (SVM) نسبت به معیارهای تعیین کننده اجتماعی قبلی سلامت (SDOH) مانند شاخص آسیب پذیری اجتماعی (SVI) بهبود یافته است. SVI از داده های سطح سرشماری برای ایجاد رتبه بندی کلی جامعه بر اساس متغیرهای موجود در چهار موضوع استفاده می کند:
- «وضعیت اقتصادی اجتماعی» شامل درصدهای زیر فقر، بیکار، درآمد، نداشتن دیپلم دبیرستان.
- «ترکیب و ناتوانی خانوار» شامل نسبت‌های 65 ساله یا بالاتر، 17 ساله یا کمتر، غیرنظامیان دارای معلولیت، خانواده‌های تک‌والدی.
- “وضعیت و زبان اقلیت” شامل نسبت های اقلیت و انگلیسی “کمتر از خوب” صحبت می کند،
- “نوع مسکن و حمل و نقل” شامل ساختارهای چند واحدی، خانه های متحرک، شلوغی، بدون وسیله نقلیه و محله های گروهی
من نحوه استفاده از SVI را به عنوان بخشی از رویکرد تحلیل اثربخشی هزینه توزیعی (DCEA) خلاصه کرده‌ام اینجا.
از سوی دیگر، معیار آسیب پذیری اجتماعی (SVM) پیشنهاد شده توسط Saulsberry و همکاران. (2023) با استفاده از تئوری پاسخ آیتم چند بعدی (MIRT)، با استفاده از داده‌های آژانس تحقیقات بهداشتی و کیفیت (AHRQ) پایگاه داده SDoH ساخته شد. تفاوت های کلیدی با SVI
- اهمیت به جای وزن برابر. SVM با استفاده از رویکرد MIRT (مخصوصاً یک مدل دو فاکتور آیتم اطلاعات کامل) ساخته می‌شد. در مقایسه با رگرسیون متغیر نهفته استاندارد، MIRT ساختارهای متغیر پنهان متعددی را امکان پذیر می کند. مدل دو فاکتوری به طور خاص “با الزام به بارگیری هر آیتم در یک بعد اولیه (مانند SDoH) و فقط یک زیر دامنه (مثلاً زیرساخت فیزیکی) بر تحلیل عاملی آیتم سنتی محدودیت هایی اعمال می کند. ضرایب MIRT برای وزن متغیرها در SVM استفاده می شود. این رویکرد با SVI CDC و معیارهایی مانند شاخص محرومیت منطقه (ADI) متفاوت است که به همه متغیرها وزن یکسانی می دهد.
- واحد جغرافیا. SVM بر اساس مشاهدات سطح کد پستی بود در حالی که SVI به طور سنتی از داده های سرشماری استفاده می کند. با این حال، AHRQ گفت که پایگاه داده SDoH آنها برای گزارش به روز رسانی خواهد شد
گروه‌های بلوک شهرستان، کد پستی و سرشماری در آینده (و SVM برای هر یک از اینها محاسبه خواهد شد).
متغیرهای موجود در SVM شامل 5 دامنه هستند.
- جمعیت شناختی (به عنوان مثال، سن و نژاد / قومیت)،
- تحصیلات،
- زمینه اقتصادی (مثلا نرخ بیکاری)
- زیرساخت های فیزیکی (مثلاً مسکن و حمل و نقل)
- مراقبت های بهداشتی (به عنوان مثال، پوشش بیمه درمانی).
توجه داشته باشید که نژاد/قومیت در SVM گنجانده نشده است، تا حدی به این دلیل که از این طریق می توان از SVM برای مقایسه SDoH در بین نژادها و گروه های قومی استفاده کرد.
نتایج
هنگام مقایسه SVM در مقابل SVI، SVM کار بهتری در پیش‌بینی مرگ‌ومیر همه علت‌ها و سن تعدیل کرد (r=0.68 در مقابل r=0.34). SVM همچنین با دریافت یک یا چند واکسن کووید-19 (r = -0.68) و تکمیل واکسیناسیون کامل (r = -0.70) و ارتباط مثبت با بازدیدهای ED تعدیل شده با سن برای آسم برای افراد 0-18 سال (r = 0.62 سال و بالاتر (0.62 سال) داشت.
در حالی که SVM برتر از SVI به نظر می رسد، با توجه به اینکه وزن ها برابر نیستند، ایجاد آن تا حدودی پیچیده تر است، و ضرایب در واقع چندین متغیر پنهان را در بر می گیرند.
می توانید مقاله کامل را بخوانید اینجا.