La pandémie actuelle de covid-19 a braqué les projecteurs sur les inégalités de longue date en matière de santé pour les personnes de couleur. Selon les Centers for Disease Control and Prevention, par rapport à la population générale des États-Unis, les Afro-Américains sont 1,4 fois plus susceptibles de contracter le coronavirus et 2,8 fois plus susceptibles de mourir du covid-19. De même, les Amérindiens et les Hispaniques / Latinos sont presque deux fois plus susceptibles d’être infectés par le coronavirus et 2,5 à 2,8 fois plus susceptibles d’en mourir.

À la base de ces statistiques se trouvent des problèmes structurels, sociaux et spatiaux importants. Mais pourquoi est-ce? Et comment commencer à quantifier et à résoudre les problèmes imbriqués des inégalités de santé publique?

Comprendre la géographie des inégalités en santé

Un outil qui peut nous aider à comprendre le taux plus élevé d’infection à coronavirus et de mortalité chez les personnes de couleur est la cartographie produite par un système d’information géographique (SIG). Le SIG établit une corrélation entre la géographie et les problèmes clés en superposant des données pertinentes, parfois apparemment disparates, pour clarifier les situations complexes.

Par exemple, l’une des premières choses que les utilisateurs de SIG et les épidémiologistes ont cartographiée dans la pandémie a été la localisation des populations vulnérables. Chaque couche de données a pris en compte divers facteurs contribuant à cette vulnérabilité. Celles-ci incluent une exposition potentielle à des emplois essentiels; la vulnérabilité aux maladies des personnes âgées et des personnes souffrant de certains problèmes de santé; le risque de transmission pour les navetteurs du transport en commun et ceux vivant en groupe; et les désavantages socio-économiques dus à la pauvreté, à une éducation inadéquate et à l’absence d’assurance maladie. Les analyses dynamiques que le SIG a permis immédiatement ont guidé les actions des premiers intervenants et ont donné aux épidémiologistes un moyen factuel d’évaluer la vulnérabilité par rapport à l’accessibilité et à la capacité des hôpitaux.

Alors que la prise de conscience du nombre disproportionné de décès dans les communautés de couleur augmentait, le même outil a été appliqué pour comprendre les causes de cette inégalité, ce qui, à son tour, peut aider à définir et développer des solutions potentielles.

Cartographie des cas de covid-19 à travers l’Europe

On sait depuis longtemps que les personnes vivant dans les centres-villes sont confrontées à des conditions qui ont des corrélations claires avec la santé globale. Il s’agit notamment de la disparité des revenus et de l’éducation, d’un faible pourcentage d’accession à la propriété, d’une exposition accrue à la pollution du quartier et d’un accès réduit aux soins de bien-être et aux aliments frais à des prix raisonnables. Le pourcentage disproportionné de personnes de couleur occupant des emplois de service qui les met quotidiennement en contact étroit avec le virus est un autre ensemble de données important concernant la crise des covid.

«Le SIG peut aider à identifier les disparités de résultats, effectuer des analyses pour comprendre les causes profondes et concentrer les efforts d’atténuation sur les endroits où le racisme systémique concentre les facteurs causaux», déclare Este Geraghty, médecin-chef et directrice des solutions de santé chez le fournisseur de SIG Esri. En analysant toutes les données pertinentes sur une carte intelligente basée sur le SIG, Geraghty affirme que les dirigeants sont prêts à découvrir des informations localisées qui conduisent à des solutions potentielles. Cela signifie que «nous pouvons fournir des solutions provisoires jusqu’à ce que nous ayons des systèmes pleinement équitables, garantissant qu’un jour chacun aura la même chance d’atteindre son plein potentiel de santé.»

Geraghty ajoute: «Si vous ne pouvez pas comprendre tous les facteurs contributifs dans leur contexte, vous risquez de ne pas anticiper les problèmes ou les solutions potentiels.»

SIG pour une distribution efficace du vaccin Covid-19

Un autre problème lié à la pandémie étroitement lié à la géographie est de savoir comment fournir les vaccins contre les covidus au public de manière équitable, sûre et efficace. Le SIG fournit les outils pour analyser les besoins prioritaires, planifier les réseaux de distribution, guider les livraisons, voir l’état en temps réel des missions d’inoculation et suivre les progrès globaux.

Geraghty a développé une approche de distribution de vaccins covid en utilisant le SIG. Elle explique que la première étape consiste à cartographier les installations actuellement aptes à distribuer le vaccin au public. Étant donné que certains vaccins nécessitent un stockage ultra-froid, les installations devront être différenciées en fonction de cela et d’autres capacités de stockage. Dans le cadre de l’ensemble de données de l’établissement, explique Geraghty, le SIG peut également être utilisé pour calculer le nombre de vaccins que le personnel de chaque établissement peut potentiellement administrer en une journée. En plus des hôpitaux, d’autres types d’établissements devront être envisagés en fonction de leur capacité à administrer le vaccin aux populations mal desservies et éloignées. Les installations peuvent inclure des cliniques de santé universitaires, des pharmacies indépendantes et de détail, et potentiellement même des sites de travail désireux et capables de vacciner des employés, entre autres.

L’étape suivante consiste à cartographier la population – non seulement leurs emplacements et leurs nombres, mais aussi selon les catégories recommandées par les directives des CDC et les plans basés sur les États pour le déploiement progressif du vaccin.

En corrélant ces deux couches de données sur la carte (installations et population), il devient clair quelles communautés ne sont pas dans un temps de trajet raisonnable vers un lieu de vaccination, en fonction de plusieurs modes de déplacement (par exemple, la conduite, la marche, les transports en commun. ).

Geraghty explique: «Cette perspective géographique aidera à trouver les lacunes. Qui est laissé de côté? Où se trouvent les populations qui ne se trouvent pas dans le périmètre des installations identifiées? » C’est là que le SIG peut améliorer la prise de décision en trouvant des options pour combler les lacunes et s’assurer que tout le monde a accès au vaccin.

Dans les zones où l’analyse SIG identifie les «lacunes» sur la carte, telles que les communautés ou les zones rurales qui ne sont pas atteintes, Geraghty envisage des cliniques pop-up dans des endroits comme les gymnases d’école, ou des services au volant dans de grands parkings, ou, dans certaines circonstances, sensibilisation personnelle. Par exemple, Geraghty explique: «Les personnes en situation d’itinérance peuvent être moins susceptibles de se présenter dans une clinique pour se faire vacciner, vous devrez donc peut-être les contacter.»

La communication publique sur les progrès de la vaccination offre une autre opportunité de cartographie et de réflexion spatiale. Par exemple, une carte mise à jour pourrait donner une image claire du nombre de personnes vaccinées dans différentes parties d’un État ou d’un comté. La même carte pourrait aider les gens à savoir quand c’est à leur tour de se faire vacciner et où ils peuvent aller pour recevoir leur vaccin. Les cartes pourraient même aider les résidents de la communauté à comparer les temps d’attente entre les différents établissements pour orienter leurs choix et offrir les meilleures expériences possibles.

Geraghty dit qu’organiser la distribution de vaccins covid de cette manière peut représenter un espoir pour les gens. «Si nous adoptons cette perspective logique et stratégique, nous pouvons être plus efficaces dans l’administration des vaccins et profiter de nos activités normales beaucoup plus tôt.»

Populations vulnérables, perspectives géographiques

Bien avant que le monde ne soit obligé de lutter contre le covid, le lien entre la géographie et la résolution des problèmes de santé publique et sociaux était très clair. L’utilisation du SIG pour lutter contre le sans-abrisme en est un exemple.

Dans le comté de Los Angeles, le SIG a été utilisé pour cartographier la population de sans-abri par emplacement, ainsi que pour documenter et analyser les facteurs de risque qui créent l’itinérance dans chaque communauté. L’analyse du SIG a révélé qu’un facteur de risque prédominant d’itinérance dans le nord, et en particulier dans le nord-ouest du comté, était les vétérans souffrant du syndrome de stress post-traumatique (SSPT). À l’inverse, dans la région du nord-est, le principal facteur de risque de création de nouveaux sans-abri était les femmes et les enfants qui fuyaient la violence domestique.

Dans le comté de Snohomish, à Washington, les agents de santé sont descendus dans la rue pour recueillir les données nécessaires pour faciliter cette cartographie des facteurs de risque. Ils ont utilisé le SIG pour mener l’enquête et le recensement semestriels des sans-abri, rassemblant des détails sur les conditions et les besoins de 400 personnes en peu de temps. Ils ont recueilli des informations standard comme l’âge des personnes dans les camps et si certains étaient des anciens combattants et ont indiqué s’ils avaient vu des aiguilles utilisées pour la drogue.

Une fois que des différences spécifiques à un lieu comme celles-ci sont identifiées, des ressources appropriées peuvent être déployées communauté par communauté, telles que des services sociaux et de santé ciblés pour aider spécifiquement à lutter contre la violence domestique, le SSPT, la toxicomanie, le chômage ou d’autres causes profondes identifiées. «En utilisant une perspective géographique, vous pouvez allouer des ressources, qui sont toujours limitées, de manière à faire le plus de bien», déclare Geraghty.

Les leçons du pandémie

La lutte contre les disparités liées aux conditions de vie, aux emplacements et à la génétique a toujours été un facteur de propagation de la maladie et de mortalité, mais cela n’a jamais été suivi, mesuré et analysé à une telle échelle. Cependant, faire face à la crise des covides a été un cas continu de rattrapage, essayant de trouver et de corréler des données critiques pour sauver des vies, et Geraghty ne veut pas voir ce niveau d’activité frénétique se répéter.

«Construire de solides systèmes de préparation en matière de santé publique signifie avoir des données de base prêtes», explique-t-elle. «Par exemple, où se trouvent, par rapport à la population, les hôpitaux, les refuges, les banques de sang et les principales infrastructures? Qui sont les acteurs et partenaires communautaires, quels services peuvent-ils fournir et où? » En mars, au début de la pandémie, il n’existait pas de carte complète du nombre de lits de chaque hôpital, du pourcentage de lits de soins intensifs, du nombre de ventilateurs disponibles, de la quantité d’équipement de protection individuelle facilement accessible et d’où. «Pour tout ce qui est une infrastructure liée à la santé», explique Geraghty, «vous devriez avoir une carte de base et des données que vous tenez à jour, ainsi que des données démographiques sur la population.»

La crise a également mis en lumière d’autres problèmes; par exemple, un partage de données meilleur et plus important est nécessaire, ainsi qu’une gouvernance plus claire pour laquelle les données sont acceptables à partager, de sorte que rien ne retardera les communications essentielles entre les institutions lors de la prochaine crise. Et l’amélioration de l’interopérabilité des systèmes garantissant que les systèmes clés peuvent travailler ensemble pour maintenir les données à jour et les temps de réaction rapides devrait être une priorité. La pandémie de covid-19 a été une tragédie en termes de bilan humain. Mais si nous pouvons en tirer des leçons, nous pourrons peut-être apporter des corrections pour que toutes les communautés et les générations futures puissent espérer une vie meilleure, plus longue et plus saine.

Ce contenu a été produit par Insights, la branche de contenu personnalisé de MIT Technology Review. Il n’a pas été rédigé par la rédaction de MIT Technology Review.

LAISSER UN COMMENTAIRE

Rédigez votre commentaire !
Entrez votre nom ici