متوسط العمر المتوقع Amerindian أقل مما تظهر التقديرات السابقة
التسجيلات الرسمية الأمريكية تقلل إلى حد كبير من الوفيات والتفاوت في العمر المتوقع للأميريينديين ، وفقًا لدراسة ثورية جديدة نشر في مجلة الجمعية الطبية الأمريكية. تقدم الأبحاث ، بقيادة كلية الصحة العامة بجامعة بوسطن ، أدلة مقنعة على وجود فجوة عميقة بين الإحصاءات الحقيقية والإبلاغ عنها رسميًا عن نتائج صحة سكان أمريكا الأمريكية وألاسكا (AI / YE) في الولايات المتحدة
تتبع الدراسة ، وهي رواية في مقاربتها ، نتائج الوفيات بمرور الوقت في أفراد IA / AI المحددة في مجموعة تمثيلية على المستوى الوطني المعروف باسم التباينات الوفيات في المجتمعات الأمريكية. لقد ربط الباحثون بيانات مكتب الإحصاء الأمريكي 2008 مسح المجتمع الأمريكي مع شهادات الوفاة الرسمية لمراكز السيطرة على الأمراض والوقاية منها النظام الوطني للإحصاءات الحيوية من عام 2008 إلى عام 2019 ، ووجد أن متوسط العمر المتوقع للسكان من الذكاء الاصطناعي/ A كان أصغر من 6.5 سنة من المتوسط الوطني. ثم قارنوا هذا ببيانات قاعدة بيانات CDC Wonderووجدت أن عددهم كان أعلى ثلاث مرات تقريبًا من الفجوة التي أبلغ عنها مركز السيطرة على الأمراض.
في الواقع ، كشفت الدراسة أن متوسط العمر المتوقع للأشخاص الذكاء الاصطناعي / السنة كان 72.7 سنة فقط ، مماثلة لتلك الموجودة في البلدان النامية.
اكتشف الباحثون أيضًا تصنيفًا عنصريًا سيئًا. ذكرت الدراسة أن حوالي 41 ٪ من وفاة IA / Year تم تصنيفها بشكل سيئ في قاعدة بيانات CDC Wonder ، ورد فعل بشكل سيء على أنها “أبيض”. هذه التصنيفات النظامية لها إحصائيات رسمية متحيزة بشكل جذري ، مع معدلات الوفيات في الذكاء الاصطناعي / A أعلى بنسبة 5 ٪ فقط من المتوسط الوطني. عندما قاموا بتعديل البيانات لأخذها في الاعتبار أخطاء التصنيف هذه ، وجد الباحثون أن المعدل الفعلي كان أعلى بنسبة 42 ٪ من تلك المبلغ عنها في البداية.
وقال نانيت ستار ، مدير السياسات والتخطيط في اتحاد كاليفورنيا لصحة الهنود في المناطق الحضرية ، إن مسألة التصنيف الخاطئ العنصري “ليست كل الأخبار بالنسبة لنا”. إن الاتجاه الأخير للصحفيين والسياسيين لاستخدام مصطلحات المظلة كـ “مواطنين” بدلاً من أن يكون الهنود الأصليون الأكثر دقة في أمريكا وألاسكا “يخفي الاحتياجات الفريدة والقصص والهويات السياسية لمنظمة العفو الدولية/ المجتمعات ، والمساهمة في محوهم في البيانات والخطب العامة. وقالت “هذه هي الكلمة التي نستخدمها – محو – وهي تؤدي حقًا إلى هذا الخفاء في إحصائياتنا الصحية”.
تستمر المشكلات المرتبطة بالتصنيف العرقي الخاطئ في الأرشيفات العامة طوال الحياة للأفراد من الذكاء الاصطناعي / السنة ، من الولادة إلى تدخلات الطفولة المبكرة إلى الأمراض المزمنة والموت. أشار ستار إلى أنه في كاليفورنيا ، وخاصة في المناطق الحضرية مثل لوس أنجلوس ، غالبًا ما يتم التعرف على السكان الأصليين على أنهم لاتينيين أو متعدد الأعراق ، مما يشوه بعمق الصحة العامة وأقنعة من مدى التباينات الصحية. وقال ستار: “إنه حقًا يخفي النطاق الحقيقي للوفيات المبكرة والتفاوتات الصحية بين مجتمعاتنا”.
بالإضافة إلى ذلك ، قال ستار ، إن الافتقار إلى البيانات الدقيقة يؤدي إلى تفاقم التباينات الصحية. وقالت “إنها حقًا مشكلة في الصحة العامة والعدالة”. “إذا لم يكن لديك هذه الأرقام لدعم الاستجابة المستهدفة ، فلن تحصل على تمويل لهذه التدخلات أو حتى التدابير الوقائية.”
وفقًا لبيانات التعداد الأمريكي ، تعد كاليفورنيا موطنًا لأكبر عدد سكان الذكاء الاصطناعي في الولايات المتحدة. هذا يعني أن لديها فرصة فريدة لقيادة الأمة لحل هذه المشكلات النظامية. مع العديد من القبائل المعترف بها من قبل الحكومة الفيدرالية وحكومة الولايات ، وكذلك السكان في UA / السنة الحضرية ، يمكن أن تعطي كاليفورنيا أولويات تقارير بيانات التحصيل والصحة العامة التعاونية والدقيقة.
لاحظت ستار أن التشوهات الحالية ليست ضارة دائمًا ولكنها غالبًا ما تكون ناتجة عن نقص التدريب. اقترحت أن تقوم كاليفورنيا بتنفيذ برامج تدريبية مستهدفة للأشخاص المسؤولين عن تسجيل هذه البيانات ، بما في ذلك مديري الجنازة والكوريلنديين والأطباء ووكلاء إنفاذ القانون ؛ تخصيص موارد مخصصة لتحسين دقة التصنيف العنصري على الملفات الحيوية ؛ وتعزيز الشراكات مع رؤساء القبائل.
يشير مؤلفو الدراسة إلى مناهج مماثلة ، وهناك العديد من أمثلة حالات النجاح الشراكات الصحية بقيادة السكان الأصليين شوهد من خلال كندا والولايات المتحدة التي ساعدت في تقليل التباينات الصحية بين مجتمعات الذكاء الاصطناعي / A التي يمكن استخدامها كنموذج.
لن تساعد هذه الجهود فقط على التقدم نحو تصحيح عدم الدقة التاريخية ، ولكن أيضًا تضمن أن الذكاء الاصطناعي/ المجتمعات تتلقى موارد صحية منصفة واهتمام السياسات.
وقال ستار: “عندما يتم تصنيف الذكاء الاصطناعي / A بشكل سيئ في الحياة والموت ، فإنه يشوه بيانات الصحة العامة ويجعل عدم المساواة أعمق”. “البيانات الدقيقة ليست فقط أرقام – إنها مسألة تكريم الأرواح ، وعقد أنظمة مسؤولة وضمان رؤية مجتمعاتنا وتخدمها.”
