揭秘新冠超额死亡率跨国差异：法治与多因素的关键影响

《Scientific Reports》：Explaining international differences in excess mortality due to Covid-19

新冠疫情下各国死亡率差异显著。研究人员运用贝叶斯模型平均法（BMA）开展 “解释新冠超额死亡率跨国差异” 的研究，发现法治强度等是关键因素。该研究为防控疫情提供依据，助力理解政策实施的重要性。

　　新冠疫情作为本世纪最严重的健康危机之一，给全球带来了巨大的冲击，超 600 万人因感染新冠病毒（SARS-CoV-2 ）失去生命。在抗击疫情的过程中，各国呈现出截然不同的防控效果，新冠相关死亡率在不同国家之间差异悬殊。比如，截至 2021 年 7 月 26 日，秘鲁每 10 万人中的死亡人数高达 600 人，而中国、新西兰和新加坡等国则不到 1 人 。即便在一些看似具有可比性的国家之间，差异也十分明显，美国的死亡率为 186，而加拿大仅为 71。面对如此巨大的差异，探寻背后的原因变得至关重要。以往的研究虽然提出了众多可能与新冠疫情结果相关的社会、经济和环境因素，但由于解释因素众多，难以在单一回归模型中有效分析，使得确定哪些因素能真正解释跨国差异成为一大难题。在此背景下，来自牙买加银行（Bank of Jamaica）、都灵大学（University of Turin）和伯明翰大学（University of Birmingham）的研究人员 Donya Brown、Martina Dattilo 和 James Rockey 开展了相关研究，其成果发表在《Scientific Reports》上。该研究对于理解新冠疫情的传播规律、评估各国防控措施的有效性以及为未来疫情防控提供科学依据具有重要意义。

研究人员采用贝叶斯模型平均法（BMA）展开研究。在数据选取方面，以世界死亡率数据集（WMD）和世界卫生组织（WHO）计算的 2020 年每千人超额死亡率作为因变量，该指标能有效规避各国因新冠死亡定义、监测能力和政治因素导致的统计差异，全面反映疫情的综合影响，包括直接因新冠死亡、其他疾病治疗中断导致的死亡，甚至疫情带来的如流感死亡减少等正面影响 。自变量则基于数据可得性和以往文献确定，涵盖人口统计学、经济、健康系统能力、全球治理指标、环境、地理控制和政府政策等七大类变量。样本涵盖了代表全球 95% 人口和 99% GDP 的 162 个国家。

研究结果如下：

1. 基本变量与超额死亡率的关系：在仅考虑预先确定变量（即固定或变化缓慢、不易受政策影响的变量）时，研究发现人口中位数年龄的后验包含概率（PIP）为 0.97，且系数为正，表明年龄较大的国家超额死亡率更高，如中位数年龄每增加 10 岁，每千人超额死亡率预计增加约 0.5 人 。平均受教育年限的 PIP 为 0.35，系数为 0.026，意味着受教育程度高的国家超额死亡率也较高，但这可能是其他社会因素的代理变量。陆地边界和海洋边界变量的 PIP 分别为 0.79 和 0.67，陆地边界多的国家超额死亡率高，而海洋边界多可能更利于防控。同时，法治（PIP 为 0.496）、腐败控制（PIP 为 0.446）等制度质量相关变量，对超额死亡率有显著影响，如法治指数每提高一个标准差，每千人超额死亡率预计减少 0.24 人 。
2. 纳入时间变量和大陆虚拟变量后的结果：当纳入时间变化变量和大陆虚拟变量后，欧洲大陆虚拟变量的 PIP 接近 1，系数为 0.88，表明欧洲国家超额死亡率高于预期；亚洲和非洲的系数为负，但 PIP 略高于随机水平。此时，陆地边界不再是超额死亡率的良好预测指标，而海洋边界的 PIP 仍较高（0.58） 。全球健康安全指数（GHS Index）的 PIP 几乎为 1 且系数为正，这可能暗示面临更高风险的国家准备更充分，但因果关系需进一步研究。人均护士数量与超额死亡率呈负相关，而人均医生数量、病床数量等与超额死亡率无明显关联 。此外，糖尿病发病率与超额死亡率正相关，疟疾发病率和死亡率与超额死亡率可能存在负相关，但 PIP 略高于随机水平 。较高的人均 GDP 与较低的超额死亡率相关，而其他宏观经济指标和基尼系数与超额死亡率无关。平均降雨量与超额死亡率呈负相关，但原因尚不明确 。
3. 考虑政策变量后的结果：纳入牛津新冠政府应对追踪器（OXCGRT）的政策措施后，学校关闭与超额死亡率正相关，但这可能是因为疫情严重才关闭学校，而非关闭学校导致死亡率上升。其他政策变量的 PIP 均接近零，但这并不意味着政策不重要，反而说明在控制政策变量后，国家预先确定的特征与超额死亡率仍存在相关性，暗示法治强的国家政策实施效果更好 。通过对 5 个后验概率最高模型的普通最小二乘法（OLS）估计发现，这些相对简约的模型能解释近一半的超额死亡率总变异，且大部分模型满足线性假设。

研究结论表明，超额死亡率变化的关键因素与人口健康和年龄相关，如人口中位数年龄、护士数量、糖尿病和疟疾等疾病的发病率。法治是影响疫情防控结果的重要因素，这可能是由于更有能力的政府制定并有效实施了更好的政策。同时，研究也发现一些与以往认知不同的结果，如二氧化碳排放和人口密度与超额死亡率无关，医疗系统能力更强的国家死亡率反而更高 。该研究为理解新冠疫情提供了新视角，强调了政策实施有效性的重要性。然而，研究也存在一定局限性，如未研究疫情不同阶段国家特征和政策的影响，部分相关性缺乏清晰解释等 。未来研究可在此基础上进一步深入，更好地揭示新冠疫情传播和防控的内在机制，为全球应对公共卫生危机提供更有力的支持。