Studying the social determinants of COVID-19 in a data vacuum.

ABSTRACT

Race-based and other demographic information on COVID-19 patients is not being collected consistently across provinces in Canada. Therefore, whether the burden of COVID-19 is falling disproportionately on the shoulders of particular demographic groups is relatively unknown. In this article, we first provide an overview of the available geographic and demographic data related to COVID-19. We then make creative use of these existing data to fill the vacuum and identify key demographic risk factors for COVID-19 across Canada's health regions. Drawing on COVID-19 counts and tabular census data, we examine the association between communities' demographic composition and the number of COVID-19 infections. COVID-19 infections are higher in communities with larger shares of Black and low-income residents. Our approach offers a way for researchers and policymakers to use existing data to identify communities nationwide that are vulnerable to the pandemic in the absence of more detailed demographic and more granular geographic data.

RESUMEN

Les renseignements fondés sur la race et d'autres données démographiques sur les patients atteints du COVID-19 ne sont pas recueillis de manière uniforme dans toutes les provinces du Canada. Par conséquent, si le fardeau du COVID-19 tombe de manière disproportionnée sur les épaules de groupes démographiques particuliers est relativement inconnu. Dans cet article, nous fournissons d'abord un aperçu des données géographiques et démographiques disponibles liées au COVID-19. Nous utilisons ensuite de manière créative ces données existantes pour combler le vide et identifier les principaux facteurs de risque démographiques du COVID-19 dans les régions sociosanitaires du Canada. En nous basant sur les dénombrements de COVID-19 et les données tabulaires du recensement, nous examinons l'association entre la composition démographique des communautés et le nombre d'infections au COVID-19. Les infections au COVID-19 sont plus élevées dans les communautés avec une plus grande proportion de résidents Noirs et à faible revenu. Notre approche offre aux chercheurs et aux décideurs un moyen d'utiliser les données existantes pour identifier les communautés à l'échelle nationale qui sont vulnérables à la pandémie en l'absence de données démographiques plus détaillées et géographiques plus granulaires.