W jaki sposób dane zmieniają badania nad nierównościami zdrowotnymi i jak oddziałują one na politykę? Centrum Badań nad Globalnymi Nierównościami Zdrowotnymi (CHAIN) zgromadziło światowych liderów myśli, aby przedyskutować te tematy.
Ze scenariuszem Kathariny Yacoub
Dane dotyczące wyników zdrowotnych i czynników społecznych różnią się pod względem jakości i ilości w poszczególnych krajach. CHAIN ma na celu poprawę gromadzenia i dostępności danych na temat nierówności zdrowotnych w skali globalnej. Podczas Światowego Kongresu Zdrowia Publicznego w październiku, CHAIN i EuroHealthNet zorganizowały Światowy Dialog Przywództwa zatytułowany „Nurkowanie się w świat danych: Rozwój badań nad globalnymi nierównościami zdrowotnymi”. Prelegenci z CHAIN, Institute for Health Metrics and Evaluation, Światowej Organizacji Zdrowia i Boston University 3-D Commission zbadali, w jaki sposób zmiany w dziedzinie danych zmieniają badania nad nierównościami zdrowotnymi oraz w jaki sposób zmiany te znajdują odzwierciedlenie w polityce i reagują na nią środowisko. Ten artykuł zawiera przegląd tematów poruszanych podczas Dialogu. Nagranie Dialogu jest już dostępne tutaj.
Centrum Badań nad Globalnymi Nierównościami Zdrowotnymi (CHAIN)
CHAIN jest wiodącym ośrodkiem i interdyscyplinarną siecią badawczą zajmującą się globalnymi nierównościami zdrowotnymi. Skupia ekspertów-badaczy w dziedzinie zdrowia i społecznych uwarunkowań zdrowia z przedstawicielami społeczeństwa obywatelskiego i systemu ONZ. Centrum ma na celu rozwój badań nad nierównościami zdrowotnymi i ich wykorzystanie w polityce i praktyce. Jako partner CHAIN, EuroHealthNet prowadzi wysiłki na rzecz wypełniania luk między badaniami naukowymi, polityką i praktyką oraz rozpowszechniania wyników.
Zanurzenie się w dane
Aby wypełnić panujące luki w danych, CHAIN dąży do stworzenia globalnej infrastruktury danych i badań poprzez mapowanie i gromadzenie danych w jak największej liczbie krajów. Aby zapewnić globalną porównywalność danych, CHAIN zamierza przeprowadzić globalne badanie równości w zdrowiu. Połączy to szczegółowe pomiary dotyczące zdrowia i zachowań zdrowotnych, warunków życia i pracy, korzystania z opieki zdrowotnej oraz systemu stratyfikacji społecznej społeczeństw. W 2014 r. CHAIN rozpoczął ten proces, gdy wybrano go, aby dodać pytania dotyczące społecznych nierówności w zdrowiu i czynników warunkujących zdrowie do Europejskiego Sondażu Społecznego (ESS). ESS mierzy postawy, przekonania i wzorce zachowań ludzi w Europie. CHAIN będzie również pracować nad kolejną rundą ankiety, której wyniki mają zostać opublikowane w 2022 roku.
Licz wszystkich, bo wszyscy się liczą
„Zdrowie dla wszystkich nie można osiągnąć, jeśli nie wiemy, kogo zostawiamy. A my zostawiamy wielu w tyle, szczególnie tych w najsłabszych warunkach”.
COVID-19 nie tylko odkrył długotrwałe problemy społeczne i gospodarcze oraz zaostrzył nierówności, ale także poważnie zagraża postępom w osiąganiu celów zrównoważonego rozwoju (SDGs) wyjaśniła dr Samira Asma z Wydziału Danych, Analiz i Dostaw WHO w 2020 r. Światowy Kongres Zdrowia Publicznego. Podkreśliła znaczenie danych w przezwyciężaniu tych wyzwań.
Wiele krajów nadal nie jest w stanie dokładnie podać najbardziej podstawowych informacji zdrowotnych, takich jak liczba i przyczyny zgonów. Na całym świecie 1 miliard ludzi jest niewidzialnych, ponieważ nie mają aktu urodzenia lub umierają bez aktu zgonu. Jednak same dane dotyczące tych czynników informują o co najmniej 12 z 17 celów zrównoważonego rozwoju. Około 50% krajów dysponuje danymi pierwotnymi dla mniej niż połowy wskaźników SDG dotyczących zdrowia.
Aby rozwiązać te problemy, WHO przedstawiła pakiet techniczny SCORE. Pakiet reprezentuje kluczowe elementy, które są niezbędne do wzmocnienia danych i systemów informacji zdrowotnej krajów:
-
Dr Asma przedstawia pakiet techniczny SCORE Sankieta: ulepszanie badań ankietowych dotyczących populacji i zagrożeń dla zdrowia
- Cliczyć: usprawnienie ewidencji stanu cywilnego stanu cywilnego
- Optimise: optymalizacja danych dotyczących zdrowia i usług
- Rocena: przegląd postępów i wyników
- Emożliwe: wykorzystanie danych do informowania o polityce i realizacji działań
Narzędzia służące wzmocnieniu systemów informacyjnych są już dostępne i należy je jak najszybciej wprowadzić do użytku. Gromadzenie danych wymaga zaangażowania politycznego i finansowego, terminowe, rzetelne i dokładne dane są niezbędne do skutecznej polityki i programów.
Dodanie wykształcenia jako czynnika ryzyka w badaniu Global Burden of Disease
Institute for Health Metrics and Evaluation (IHME) i CHAIN współpracują nad włączeniem edukacji jako czynnika ryzyka do badania Global Burden of Disease (GBD). Według profesora nauk medycznych, dr Emmanueli Gakidou, nie wystarczy tylko określić ilościowo, co zabija ludzi lub co sprawia, że są chorzy. Ważne jest również, aby określić ilościowo udział innych czynników, takich jak determinanty społeczne, w kształtowaniu skutecznych polityk.
Edukacja jest ściśle powiązana ze zdrowiem. Na przykład z każdym dodatkowym rokiem edukacji rodziców, zwłaszcza edukacji matki, względne ryzyko śmierci dziecka w ciągu pierwszych pięciu lat maleje. Dlatego inwestowanie w edukację, szczególnie dla dziewcząt, jest niezbędne.
Postęp w kierunku SDG4 w zakresie edukacji poczyniono na całym świecie: luki zaobserwowane kilkadziesiąt lat temu zmniejszają się, głównie w przypadku szkolnictwa podstawowego. Teraz nadszedł czas, aby skoncentrować się na zmniejszaniu różnic również w szkolnictwie średnim i wyższym, aby zapewnić równość na wszystkich poziomach w ciągu następnej dekady. Należy zająć się utrzymującymi się różnicami płci w edukacji w Azji Południowej, Afryce Subsaharyjskiej, Afryce Północnej i na Bliskim Wschodzie. Przewiduje się, że regiony te pozostaną w tyle w nadchodzących dziesięcioleciach.
Łączenie wglądu w uwarunkowania społeczne i moc danych w procesie podejmowania decyzji
Salma Abdalla z Boston University 3-D Commission wyjaśniła, w jaki sposób pandemia COVID-19 pokazała moc danych w kształtowaniu zdrowia populacji. Pokazała również, w jaki sposób może wpływać na podejmowanie decyzji na przyszłość. Przebieg pandemii COVID-19 w USA pokazał implikacje niewykorzystania danych dotyczących społecznych uwarunkowań zdrowia w podejmowaniu decyzji. Znaczna rozbieżność między wpływem czynników warunkujących zdrowie a wydatkami na opiekę zdrowotną prowadzi do wzrostu kosztów opieki zdrowotnej i zabezpieczenia społecznego.
Nierówności danych występują na dużą skalę na całym świecie, dlatego należy znaleźć praktyczne rozwiązania dla różnych kontekstów. Komisja Trójwymiarowa ma na celu stworzenie obiektywu na determinanty zdrowia i danych, a nie dostarczanie konkretnych działań. Powinno to pomóc decydentom znaleźć rozwiązania właściwe dla kontekstu ich regionu.
Wnioski z prac WHO nad społecznymi determinantami równości w zdrowiu
Nicole Valentine z WHO przeprowadziła publiczność przez główne wydarzenia, które stawiają społeczne determinanty na agendzie WHO. Uwarunkowania społeczne mają bezpośredni wpływ na zdrowie (codzienne życie i praca), przewidują największy odsetek wariancji stanu zdrowia (nierówności w zdrowiu) i struktury (zdrowia) zachowań. WHO rozpoczęła od stworzenia ram głównych kategorii i ścieżek uwarunkowań. Na tej podstawie opracowali podstawowy model przyczynowości i wskaźniki społecznych uwarunkowań zdrowia. W ramach projektu EQuAL – finansowanego przez WHO i Fundację Rockefellera – ustalono domeny, subdomeny oraz rekomendacje dla tych determinant.
Jednak nadal istnieje wiele luk w dowodach dotyczących wielu wskaźników społecznych uwarunkowań zdrowia. Program przeciwdziałania nierównościom zdrowotnym można posunąć do przodu tylko wtedy, gdy wpływ czynników warunkujących zostanie określony za pomocą danych.
Przyszłość
Potrzebny jest oparty na dowodach nadzór nierówności społeczno-ekonomicznych w skali globalnej. Chociaż idziemy we właściwym kierunku, potrzebne są lepsze dane. Gromadzenie danych należy usprawnić dzięki współpracy z innymi sektorami, integracji większej liczby wskaźników w ankietach dotyczących zdrowia oraz wykorzystaniu danych geoprzestrzennych. Ponadto należy zapewnić globalną porównywalność danych, co wymaga ulepszonych infrastruktur badawczych o zakresie porównawczym.
Obejrzyj poniższy dialog światowego lidera CHAIN. Slajdy używane przez prelegentów są dostępne tutaj.
