《Journal of Racial and Ethnic Health Disparities》：Racial, Socioeconomic, and Structural Determinants of Age-adjusted Excess COVID-19 Mortality Across U.S. Counties
编辑推荐：
目的：考察美国各县年龄调整超额COVID-19死亡率的种族、社会经济与结构性差异，并识别与不成比例死亡率相关的背景因素。
方法：研究人员汇集来自十个国家数据集的美国全部3,142个县及哥伦比亚特区的县级数据。使用全国年龄别COVID-19死亡率计算年龄调整超额
目的：考察美国各县年龄调整超额COVID-19死亡率的种族、社会经济与结构性差异，并识别与不成比例死亡率相关的背景因素。
方法：研究人员汇集来自十个国家数据集的美国全部3,142个县及哥伦比亚特区的县级数据。使用全国年龄别COVID-19死亡率计算年龄调整超额COVID-19死亡率。采用最小绝对收缩与选择算子（Least Absolute Shrinkage and Selection Operator, LASSO）回归进行数据驱动变量选择，随后进行人口加权线性回归并采用州聚类标准误。
结果：超额死亡率在县间差异显著（均值29.2/10万；范围?593.4至879）。黑人人口比例较大、种族隔离更严重、社会经济劣势更高、教育程度更低、无保险率更高的县经历显著更高的超额死亡率。无配偶女性户主家庭占比（β=0.38，95% CI: 0.34–0.41）和共和党投票份额（β=0.22，95% CI: 0.19–0.24）与死亡率正相关，而远程办公普及率与之负相关。
结论：种族与结构性不平等仍然与美国各社区间不平等的死亡率密切相关。解决教育、医疗可及性、社区劣势和经济机会方面的持续不平等，可能增强对未来大流行及其他人口健康威胁的韧性。
COVID-19大流行在美国各地社区间造成了不成比例的疾病和死亡负担，深刻暴露出种族、民族和社会经济层面的健康差异。这些差异受到更广泛的结构性和社会经济条件的塑造，这些条件影响着人们在公共卫生危机中的暴露风险、易感性和获取资源的能力。尽管已有众多研究记录了COVID-19死亡率中的种族和社会经济差异，但较少有研究在县级水平上评估这些差异是否在调整年龄结构后仍然存在，也较少有研究将多个结构性决定因素纳入同一个全国性分析框架中。为了弥补这一空白，研究人员引入了年龄调整超额死亡率这一指标，其定义为观察到的COVID-19死亡人数与基于全国年龄别COVID-19死亡率推算的预期死亡人数之间的偏差。该指标能够区分结构性脆弱性与年龄驱动的死亡风险差异，从而更精确地评估不公平性。同时，研究人员整合了多个独立数据源，旨在提供覆盖全国所有县的多维分析。
这项生态学横断面研究使用了来自美国50个州和哥伦比亚特区全部3,142个县的县级数据。数据汇集自10个全国性来源，包括约翰霍普金斯大学的COVID-19死亡率数据、美国疾病控制与预防中心（Centers for Disease Control and Prevention, CDC）的死亡率与社会脆弱性指数、美国社区调查（American Community Survey, ACS）的人口与社会经济数据、卫生资源与服务管理局（Health Resources and Services Administration, HRSA）的医疗资源数据、凯撒家庭基金会（Kaiser Family Foundation, KFF）的ICU床位数据、Politico的选举数据以及宗教数据档案协会（Association of Religion Data Archives, ARDA）的宗教依从数据。县级数据通过联邦信息处理标准（Federal Information Processing Standards, FIPS）代码进行合并。研究人员利用全国年龄别COVID-19死亡率计算了年龄调整超额死亡率，并采用最小绝对收缩与选择算子（Least Absolute Shrinkage and Selection Operator, LASSO）回归从49个候选变量中筛选预测因子，随后使用人口加权线性回归模型估计关联，标准误在州层面进行聚类调整。
结果部分首先描述了县级COVID-19死亡率的协变量（County-level Covariates of COVID-19 Mortality）。超额死亡率在不同县之间差异巨大，范围从每10万人口?593.4到879，均值为29.2。地理分布显示，南部和西南部部分县的超额死亡率较高，而东北部和中西部上游部分县低于预期。年龄梯度明显，85岁及以上人群死亡率最高。相关性分析表明，黑人居民比例与超额死亡率正相关（r=0.27, p<0.001），白人居民比例负相关（r=?0.30, p<0.001），西班牙裔和外国出生人口比例也呈正相关。种族和经济隔离指标与超额死亡率强正相关，最不利地区的县死亡率最高。社会经济劣势指标（贫困、低收入、低教育程度）以及共和党投票份额和宗教依从性与超额死亡率正相关，而医疗容量指标关联较弱。
其次，双变量回归结果（Bivariate Regression Results）显示，超额死亡率与黑人人口比例、西班牙裔人口比例、种族隔离、贫困、公共援助参与、无保险率、共和党投票份额和宗教依从性呈显著正相关；相反，高家庭收入中位数、宽带接入和远程工作比例呈负相关。与粗死亡率相比，超额死亡率与结构劣势变量的关联更强，表明粗死亡率可能低估了年轻人和历史上被边缘化社区的疾病负担。
最后，多变量回归结果（Multivariable Regression Results）中，LASSO回归确定了13个关键变量。无配偶女性户主家庭百分比是最强预测因子（β=0.38, 95% CI: 0.34–0.41），其次为共和党投票份额（β=0.22, 95% CI: 0.19–0.24）。较高的无保险率、较大的养老院人口、较低的教育水平和集中劣势也与超额死亡率正相关。远程办公普及率则呈负相关（β=?0.14, p<0.001）。医疗基础设施变量在调整后不再具有独立关联。最终模型解释了约55%的县间变异。
讨论部分强调，年龄调整超额死亡率比粗死亡率提供了更清晰、更敏感的公平性指标。结构性劣势、种族隔离和更广泛的社会经济条件是超额死亡率的关键驱动因素，而医疗容量和人口密度的作用相对较小。无配偶女性户主家庭比例的最高关联应谨慎解读：在ACS数据中，该变量特指没有配偶在场的女性户主家庭，可能反映了与此类家庭结构相关的其他社会经济条件，而非女性户主本身的影响。共和党投票份额的关联可能代表未测量的行为和政策差异，如疫苗接受度和公共卫生措施遵从度。研究优势包括整合十个国家数据源以及应用LASSO回归控制多重共线性；局限包括生态学谬误、线性假设、部分数据时间较早以及横断面设计限制因果推断。
结论部分翻译如下：本研究通过整合十个国家数据源并采用基于惩罚回归的分析框架，推进了对COVID-19死亡率差异的理解。通过关注美国所有县年龄调整超额死亡率，它提供了比粗死亡率更公平、更精确的疫情社会和结构性影响评估。研究结果表明，在考虑县级年龄结构后，结构性劣势、居住隔离和更广泛的社会经济条件仍然与COVID-19死亡率的种族和民族不平等密切相关。减少种族和民族健康差异需要持续投资于公平的医疗保健、教育、经济机会和社区资源，以增强未来公共卫生紧急事件中的抵御能力。
