在加拿大各地，COVID-19流行病的特点是各种环境中的微流行病合并，包括聚集生活设施(如长期护养院、养老院和庇护所)、基本工作场所或家庭。 1- 6]。许多聚集性设施爆发了疫情，居民的检测阳性率比社区居住人口高3至5倍[ 1， 3.， 4， 7， 8]。同时，关于社区居住人口的数据表明，病例的地理聚集模式是一致的，50%的病例发生在大约25%的人口中，不成比例地影响那些居住在不太富裕和基本工作人员比例较高的社区的人[ 9， 10]。

人们不太了解的是，聚集的设施是如何与社区差异联系起来的。关于聚集性设施暴发的新数据表明，工作人员之间、居民之间以及工作人员与居民之间的设施级传播可能部分是由于未确诊的感染和缺乏对工作人员之间有效隔离的支持而引发的[ 3.， 7]。减少更广泛社区的传播可减少聚集环境中的疫情。然而，关于设施工作人员的数据有限，很少有研究描述了工作人员的社会经济、生活和工作条件[ 11因此，社区一级传播的社会和结构决定因素可能在多大程度上影响聚集设施的疫情。COVID-19病例监测数据提供了一个机会，可以对照社区病例和邻里差异，检查设施工作人员和其他卫生保健工作者之间的病例模式。洛伦兹曲线、基尼系数和胡佛指数，传统上被用来衡量经济不平等[ 12， 13]，已被用于一系列医疗保健研究，以衡量健康不平等[ 14， 15];例如，最近在COVID-19大流行的背景下应用了这些卫生不平等的测量方法[ 10， 16]。我们试图采用洛伦兹曲线、基尼系数和胡佛指数，在3个相互排斥的亚组中，使用社区水平的比率和社区水平的社会和结构决定因素来比较病例的集中程度:社区、设施工作人员(LTCHs、养老院、收容所)和其他不在聚集环境中工作的卫生保健工作者(例如，只在医院工作)。我们的首要目标是确定卫生保健工作者中COVID-19病例不平等和集中的模式和程度在设施工作人员和其他卫生保健工作者之间是否存在差异，以及如何存在差异。

我们发现，设施工作人员中COVID-19病例的分布反映了社区异质性以及社会和结构差异，这一模式在其他卫生保健工作者中不太明显。与其他卫生保健工作者的案例相比，设施工作人员案例反映出更大的社会和结构决定因素不平等，并且在某些决定因素(收入和其他基本工作者)方面，与社区案例相比，设施工作人员案例的不平等更大。

设施工作人员之间的病例比其他卫生保健工作者之间和社区内的病例分布更能反映社区病例的地理分布。如果设施工作人员跨社区分布均匀，各社区设施工作人员与社区的感染率相同，则设施工作人员和社区病例的分布可能相似。这一潜在机制的含义是，设施工作人员中的大多数感染可能是在设施或工作场所以外获得的。如果设施工作人员比其他卫生保健工作者更有可能生活在社会和结构差异更大的受灾更严重的社区，无论在集中设施的工作场所暴露情况如何，也可能出现洛伦兹曲线模式。

虽然我们的研究主要集中在大多伦多地区，但研究结果可能可以推广到其他具有类似社会和结构不平等模式的大型城市和大都市区。在加拿大，大多数集散设施都集中在大城市[ 34]，之前对16个城市进行比较的研究表明，受社会和结构决定因素影响，COVID-19病例的社区聚集性相似[ 10]。美国LTCH工作人员邻里特征数据[ 11[]表明工人倾向于生活在低收入社区，加拿大的个人数据表明，LTCH员工中有很大比例认为自己是家庭收入较低的种族化妇女[ 35]。在加拿大和美国目前的LTCH人员配置模式中，为居民提供直接护理的人员中约有60%至90%是不受监管的人员(个人支持人员、护理助理、护理员和护士助理)[ 36- 40在保健部门领取最低工资，等于或略高于最低工资[ 36]，通常指没有福利的合同或临时工作[ 36， 37， 41- 45]。

我们的研究表明，设施工作人员中的病例可能不成比例地与与其他重要工作场所有关的家庭暴露相交叉，或者在家庭密度的背景下被放大[ 21]。由于缺乏该地区特定工作人员的确定分母，我们的研究受到限制，但来自英格兰和威尔士的数据表明，LTCH工作人员的COVID-19发病率比其他HCWs增加了两倍[ 46]。根据政府报告，该省只有10万多名员工为7.8万名LTCH居民提供服务[ 36]，使得安大略省LTCH的员工与居民的比例约为每0.78名LTCH居民对应1名员工。如果我们将各省的比例外推到大多伦多地区，那里居住着28,316名LTCH居民，那么该市将有大约36,303名LTCH员工。在我们的研究期间，大多伦多地区的LTCH员工中有4241例病例，而大多伦多地区的总人口为710万[ 17]， LTCH工作人员中COVID-19病例的累积率(每10万人中有11,682例)将比社区(每10万人中有1174例)高出10倍。

这项研究有几个局限性。首先，我们从2016年人口普查数据中得出了传播区域层面的社会决定因素，这些数据可能无法代表COVID-19大流行期间的人口。其次，由于自我报告中对问题的可能误解，从安大略省集中监测系统获得的职业状况可能被错误分类;此外，设施工作人员或卫生保健工作者可能在多种环境下工作。第三，我们没有各种聚集环境中所有卫生保健工作者的居住数据，无法比较社区一级卫生保健工作者的病例率。最后，没有数据将卫生保健员之间的病例与特定设施联系起来，也没有数据直接检查社区中的病例如何影响聚集环境中的疫情。

这些发现对COVID-19建模和干预措施具有重要意义。不平等程度可以用作流行病和预测模型的校准或验证目标，以便根据总体病例分布和社会和结构决定因素再现观察到的病例模式。在这样做的过程中，设计用于预测集中设施中潜在暴露的检测系统(例如，社区废水监测)可以利用设施工作人员居住地附近潜在脆弱性的数据。美国的一项研究发现，LTCH工作人员住所的邻里特征是LTCH爆发的最重要预测因素[ 11]。然后，这些数据可用于实施减轻风险的战略。例如，减少由于社会和结构不平等造成的社区一级传播风险的近端战略有可能减少工作场所暴露风险。这方面的例子包括系统地处理工人的生活现实，这些现实使保持身体距离具有挑战性(例如，家庭密度)，或仍然是有效隔离和检疫的障碍(例如，不稳定的工作保障和缺乏带薪病假等福利)，并采取一揽子护理等干预措施，包括获得食物、药物、儿童和老年人护理(特别是在多代家庭的情况下)，以促进工作人员的隔离和隔离。在受影响最严重的社区优先接种疫苗是间接减少ltch、养老院和收容所工作场所暴露的另一个例子。最后，研究结果强调迫切需要长期承诺和资源，以在系统层面(卫生、教育、社会服务、公共卫生和劳工的整合)全面解决社会和结构性障碍，因为在2019冠状病毒病大流行之前，设施中就有传染病暴发的长期历史，工作人员也经历了差异[ 37]。