冠狀病毒：在所有死亡證明上記錄種族，以開始清晰地描繪

如果現在從冠狀病毒大流行中清除出一件事，那就是該疾病並未平等地影響所有人。

國家統計局的分析鮮明地概述了那些生活在高度貧困地區的人受到的影響最大。在英格蘭最貧窮的地區，每10萬人中有55人死亡，而最富裕地區則為25人。

越來越多的證據表明，黑人，亞洲和少數民族社區正受到該病毒的嚴重影響。黑人死於COVID-19的可能性是白人的四倍以上。同樣，非白人的COVID-19患者已被證明佔重症監護患者的34％以上。

這些數字確實令人震驚，並導致宣布正式調查，由NHS英格蘭和英格蘭公共衛生領導，調查COVID-19對黑人，亞洲和少數民族社區的巨大影響。

這些數字還明確表明，需要按種族，殘疾，年齡和性別等受保護的特徵對數據進行分類（分為幾類）。

隨著疫情的進展，政府對此的認識也越來越高。4月中旬，英國公共衛生宣布將開始按種族記錄醫院中COVID-19的病例和死亡人數。

但是我們仍然做得不夠。只有在所有死亡證明上加上族裔，我們才能完整了解對黑人，亞洲人和少數民族背景的人的影響。

用雙手執政
還有一個緊迫的問題：過去我們沒有收集這些數據，這使得針對當今危機提出政策應對措施變得更加困難。即使現在我們開始分解數據，我們仍然遭受無法在大流行開始之前將其與數據進行比較的問題。

無法訪問這些經過微調的數據意味著政府官員被迫用一隻手綁在後面，以製定應對COVID-19的衛生和社會政策。
收集分類數據也至關重要，因此我們可以進行所謂的交叉分析，該分析表明人們的結果如何同時受到多種因素（例如性別，殘疾和種族）的影響。

採取交叉方式可以使我們對個人，他們的生活，他們的需求以及滿足這些需求所需的服務提供方面的潛在差距有更深入的了解。

這是因為它表明，有色女人所面臨的不平等與種族因素“附加”的白人婦女所面臨的不平等是不同的：它們是根本不同的。例如，最近的數據顯示，非殘疾白人婦女的失業率為2.9％。非殘障黑人，亞裔和少數族裔婦女（BAME）的這一數字躍升至7％，而殘障黑人，亞裔和少數族裔婦女的這一數字躍升至14％。

同樣重要的是要認識到，以諸如BAME之類的廣義術語分析數據通常是不夠的。對英格蘭每100,000人口的死亡率進行的分析顯示，不同種族之間存在顯著差異-英國白人為23，亞裔為27，黑人為43，加勒比地區為69。

因此，訪問更好的數據不僅取決於收集的改善，而且還涉及諸如BAME之類的廣泛分類。

數據具有政治性
儘管COVID-19大流行表明需要更好的數據，但它也將重點放在數據收集的政治方面。如果沒有強制性的收集和報告要求，地方和國家各級政府之間以及整個英國下放國家之間的情況可能會不一致。

例如，在蘇格蘭，種族被記錄在死亡證明上，但是在英格蘭和威爾士並沒有例行採集此類數據。儘管早在2003年就有報告指出，收集這些信息對於解決健康不平等至關重要。

COVID-19將此視為致命的失敗。因此，至關重要的是，現在必須進行系統化，標準化的正確分類數據收集。在創建對COVID-19的回應時，以及在更廣泛地處理整個社會的流感大流行餘波時，此類數據在短期內勢在必行。

英國已達到歐洲死亡人數最高的嚴峻里程碑，這表明我們需要更強大的數據收集，以便更好地應對這場危機。

我們需要能夠承認並採取步驟解決英國社會不平等現象的政策。如果我們要重建一個為所有人服務的更加公平的社會，我們現在比以往任何時候都需要做出交叉反應。

冠狀病毒：在所有死亡證明上記錄種族，以開始清晰地描繪
如果現在從冠狀病毒大流行中清除出一件事，那就是該疾病並未平等地影響所有人。

國家統計局的分析鮮明地概述了那些生活在高度貧困地區的人受到的影響最大。在英格蘭最貧窮的地區，每10萬人中有55人死亡，而最富裕地區則為25人。

越來越多的證據表明，黑人，亞洲和少數民族社區正受到該病毒的嚴重影響。黑人死於COVID-19的可能性是白人的四倍以上。同樣，非白人的COVID-19患者已被證明佔重症監護患者的34％以上。

這些數字確實令人震驚，並導致宣布正式調查，由NHS英格蘭和英格蘭公共衛生領導，調查COVID-19對黑人，亞洲和少數民族社區的巨大影響。

這些數字還明確表明，需要按種族，殘疾，年齡和性別等受保護的特徵對數據進行分類（分為幾類）。

隨著疫情的進展，政府對此的認識也越來越高。4月中旬，英國公共衛生宣布將開始按種族記錄醫院中COVID-19的病例和死亡人數。

但是我們仍然做得不夠。只有在所有死亡證明上加上族裔，我們才能完整了解對黑人，亞洲人和少數民族背景的人的影響。

用雙手執政
還有一個緊迫的問題：過去我們沒有收集這些數據，這使得針對當今危機提出政策應對措施變得更加困難。即使現在我們開始分解數據，我們仍然遭受無法在大流行開始之前將其與數據進行比較的問題。

無法訪問這些經過微調的數據意味著政府官員被迫用一隻手綁在後面，以製定應對COVID-19的衛生和社會政策。
收集分類數據也至關重要，因此我們可以進行所謂的交叉分析，該分析表明人們的結果如何同時受到多種因素（例如性別，殘疾和種族）的影響。

採取交叉方式可以使我們對個人，他們的生活，他們的需求以及滿足這些需求所需的服務提供方面的潛在差距有更深入的了解。

這是因為它表明，有色女人所面臨的不平等與種族因素“附加”的白人婦女所面臨的不平等是不同的：它們是根本不同的。例如，最近的數據顯示，非殘疾白人婦女的失業率為2.9％。非殘障黑人，亞裔和少數族裔婦女（BAME）的這一數字躍升至7％，而殘障黑人，亞裔和少數族裔婦女的這一數字躍升至14％。

同樣重要的是要認識到，以諸如BAME之類的廣義術語分析數據通常是不夠的。對英格蘭每100,000人口的死亡率進行的分析顯示，不同種族之間存在顯著差異-英國白人為23，亞裔為27，黑人為43，加勒比地區為69。

因此，訪問更好的數據不僅取決於收集的改善，而且還涉及諸如BAME之類的廣泛分類。