Ceci est le deuxième article d’une série qui vise à comprendre l’écart d’intensité du COVID-19 par race et revenu. Dans notre premier article, nous avons examiné comment les comorbidités, les taux de non-assurance et les ressources de santé peuvent aider à expliquer la race et l’écart de revenu observés dans l’intensité du COVID-19. Nous avons constaté qu’un quart de l’écart de revenu et plus d’un tiers de l’écart racial dans les taux de cas s’expliquent par l’état de santé et des facteurs liés au système. Dans cet article, nous examinons deux facteurs liés à la densité intérieure, à savoir l’utilisation des transports en commun et la surpopulation domestique. Ici, nous viserons à comprendre si ces deux facteurs affectent l’intensité globale du COVID-19, si le revenu et les écarts raciaux du COVID-19 peuvent être expliqués plus en détail lorsque nous incluons en plus ces facteurs, et si et dans quelle mesure ces facteurs expliquent indépendamment les écarts de revenu et racial dans l’intensité du COVID-19 (sans tenir compte des facteurs considérés dans les autres articles de cette série).
Contexte
Les interactions interpersonnelles sont un mécanisme principal de propagation du COVID-19, avec des environnements intérieurs mal ventilés, surpeuplés et partagés exacerbant la propagation du virus. De nombreuses interactions intérieures de ce type ont lieu dans les réseaux de transport en commun et dans les appartements surpeuplés, c’est pourquoi nous concentrons maintenant notre attention sur ces facteurs.
De nombreux chercheurs ont cité les transports en commun comme une possible source majeure de propagation du COVID-19. Le transport en commun se caractérise généralement par une densité élevée, une faible ventilation et un roulement fréquent, ce qui entraîne une forte probabilité qu’une personne infectée entre et transmette le virus à d’autres. Il est à noter que si la plupart des comtés ne disposent pas de réseaux de transport en commun, les comtés urbains centraux des grandes villes qui étaient en première ligne de la pandémie en mars 2020 en dépendent. D’autre part, des recherches récentes suggèrent que le transport en commun n’est pas une source majeure de transmission d’autres maladies respiratoires, comme la grippe. Nous effectuons notre analyse en utilisant des données au niveau des comtés sur l’utilisation des transports en commun tirées de l’American Community Survey (ACS) quinquennal 2014-2018, qui interroge environ un Américain sur vingt et dispose de tailles d’échantillon raisonnables, même au niveau du comté.
Le deuxième indicateur de densité que nous considérons est la surpopulation domestique. Lorsque plusieurs personnes partagent le même logement, la possibilité de propager l’infection si un membre contracte le virus est très élevée. Nous mesurons la surpopulation résidentielle par le nombre de personnes par pièce, que nous obtenons au niveau des comtés à partir du questionnaire détaillé sur le logement de l’ACS 2014-2018.
Densité et COVID-19 Race et écart de revenu
Pour que ces facteurs de densité aident à expliquer l’écart racial et de revenu du COVID-19, ils doivent être corrélés avec le statut de faible revenu et de minorité majoritaire (MM) des comtés. Pour les corrélations, nous constatons que les résidents des comtés de MM ont tendance à utiliser davantage les transports en commun et à avoir également un nombre moyen de personnes par pièce significativement plus élevé. En revanche, les comtés à faible revenu voient moins d’usagers des transports en commun et ont moins de personnes par pièce. Cela s’explique probablement par le fait que les comtés à faible revenu sont généralement relativement ruraux.
Comme dans notre article précédent, nous effectuons une analyse de régression multivariée pour déterminer dans quelle mesure les facteurs de densité tels que l’utilisation des transports en commun et les logements surpeuplés peuvent expliquer l’écart racial et de revenu observé dans l’incidence du COVID-19 et dans quelle mesure ces facteurs peuvent expliquer intensité globale du COVID-19. Le panneau de gauche du graphique ci-dessous montre la différence de cas pour 1000 pour les comtés à faible revenu par rapport aux autres (l’écart de revenu), tandis que le panneau de droite montre la différence pour les comtés de MM par rapport aux autres (l’écart de minorité). Les premières barres en bleu de chaque panneau montrent les résultats de notre modèle d’origine estimé avec des données jusqu’au 15 décembre, où nous régressons les cas pour mille sur les variables de base, à savoir la densité de population, et les indicateurs pour l’urbanicité, les pays à faible revenu et les comtés MM. Les barres Post 1 en or montrent les résultats de notre article précédent, où nous incluons les comorbidités et les facteurs de santé en plus des variables de base. Le troisième ensemble de barres, en gris clair, représente la régression des cas pour mille sur toutes les variables jusqu’à présent, augmentée des deux déterminants de densité discutés ici. Enfin, les barres en gris foncé représentent les variables de base et les déterminants de la densité, mais n’incluent pas les variables de santé introduites dans le premier article de cette série.
Notre spécification de base (qui comprend les indicateurs de densité de population et de MM, de faible revenu et d’urbanicité) montre environ 4,2 cas de plus pour mille dans les comtés à faible revenu, et 14 cas de plus pour mille pour les comtés où les minorités sont majoritaires. Lors de l’ajout de contrôles pour les comorbidités, la non-assurance et les ressources de santé mesurées par la proportion de lits en USI, comme illustré dans les deuxièmes barres en or, nous constatons une diminution de l’ampleur de ces écarts (voir l’article précédent de cette série).
Nous passons ensuite aux barres en gris clair indiquées ci-dessus, où nous ajoutons les deux variables médiatrices considérées dans cet article pour examiner les associations avec les cas de COVID-19. Nous constatons que l’inclusion des facteurs de densité – en plus des comorbidités, des taux de non-assurance et des ressources de santé introduits dans le premier article de cette série – réduit encore les écarts de faible revenu et raciaux pour les cas de COVID-19 pour mille. Le coefficient de l’écart de revenu est maintenant inférieur aux deux tiers de l’estimation de base initiale, mais il demeure statistiquement significatif. Le différentiel MM est toujours significatif, à moins de la moitié de l’estimation de base.
Pour étudier séparément les contributions des facteurs de densité, la dernière barre de chaque panneau (en gris foncé) présente les résultats de la régression des cas pour 1000 sur les variables de base (MM, faible revenu, indicateur d’urbanité et densité de population) et indicateurs de densité présentés dans ce billet. Nous constatons que l’inclusion de ces variables conduit à une réduction des écarts raciaux et de revenu d’intensité COVID-19. En comparant ces résultats aux résultats de référence, indiqués dans les barres en bleu, nous constatons que l’inclusion du transport en commun et des personnes par pièce réduit l’écart MM de 14 cas pour mille à 7,2 pour mille, et l’écart de faible revenu de 4,2 cas par mille à 3,9 pour mille. Ainsi, lorsqu’elles sont considérées séparément, les mesures de surpeuplement (telles que capturées par les personnes par pièce et l’utilisation des transports en commun) expliquent des parties importantes de l’écart racial du COVID-19 – près de la moitié de l’écart racial observé dans nos estimations de base.
Enfin, nous considérons les associations entre les taux de cas de COVID-19 et les indicateurs de densité, conditionnelles à toutes les variables analysées dans notre article précédent (c’est-à-dire à partir de la régression multivariée correspondant aux barres gris clair ci-dessus). D’après le graphique ci-dessous, il est clair que le fait d’avoir plus de personnes par pièce est significativement associé à des cas plus élevés pour mille, où une augmentation unitaire de personnes par pièce dans un comté est associée à 135 cas supplémentaires de COVID-19 pour mille. Dans les résultats non rapportés, nous constatons que cette forte association entre plus de personnes par chambre et plus de cas de COVID-19 persiste également lorsque nous excluons les comorbidités et les variables de santé. En revanche, l’association entre le pourcentage de personnes faisant la navette en transport en commun et le nombre de cas pour mille n’est pas statistiquement significative. Cependant, cet effet est largement dû aux grandes villes où le transport en commun est plus courant. Dans les résultats non rapportés ici où nous tenons compte de cette distribution asymétrique du pourcentage de navettage en transport en commun, nous constatons que cette variable est positivement associée aux taux de cas de COVID-19 et que l’effet est statistiquement différent de zéro. En d’autres termes, non seulement le surpeuplement des maisons, mais aussi le surpeuplement dans les systèmes de transport en commun est également associé à une incidence plus élevée du COVID-19.
Conclusion
Nous concluons que les déterminants de la densité comme le surpeuplement jouent un rôle important dans la création d’écarts de revenu et raciaux dans l’incidence du COVID-19. En effet, la combinaison des comorbidités, du statut d’assurance maladie et de la densité réduit l’écart de revenu de 42% et l’écart racial de 60%. Cependant, il existe une part inexpliquée de l’incidence du COVID-19 qui reste associée à la fois au revenu et à la race. L’analyse ici et dans notre article précédent implique que la politique peut jouer un rôle important dans la réduction des disparités du COVID-19. Par exemple, la réduction de la surpopulation dans les systèmes de transport public, l’expansion de la couverture d’assurance maladie, la lutte contre l’incidence disproportionnée des maladies chroniques parmi les minorités et la diminution de la surpopulation résidentielle peuvent réduire les effets du COVID-19 sur les personnes à faible revenu et les minorités. Dans notre prochain article, nous examinerons le rôle de trois canaux supplémentaires – à savoir la distance sociale, la pollution et la démographie – pour voir s’ils expliquent davantage le revenu et l’écart racial dans l’occurrence du COVID-19.
Ruchi Avtar est analyste de recherche principal au sein du groupe de recherche et de statistique de la Federal Reserve Bank of New York.
Rajashri Chakrabarti est économiste principal au sein du groupe de recherche et de statistique de la Banque.
Maxim Pinkovskiy est économiste principal au sein du groupe de recherche et de statistique de la Banque.
Comment citer cet article:
Ruchi Avtar, Rajashri Chakrabarti et Maxim Pinkovskiy, «Understanding the Racial and Income Gap in COVID-19: Public Transportation and Home Crowding», Federal Reserve Bank of New York Économie de Liberty Street, 12 janvier 2021, https://libertystreeteconomics.newyorkfed.org/2021/01/understanding-the-racial-and-income-gap-in-covid-19-health-insurance-comorbidities-and-medical-facil. html.
Postes d’hétérogénéité supplémentaires sur Économie de Liberty Street
> Hétérogénéité: une série de recherche en plusieurs parties
Avertissement
Les opinions exprimées dans ce billet sont celles de l’auteur et ne reflètent pas nécessairement la position de la Federal Reserve Bank of New York ou du Federal Reserve System. Toute erreur ou omission est de la responsabilité de l’auteur.
