新冠疫情下荷兰养老院居民超额死亡率的分解框架：基于多重危险因素交互作用的新方法

本研究针对疫情期间脆弱人群（如养老院居民）超额死亡率的准确评估难题，创新性提出"超额超额死亡率（excess excess mortality）"概念，通过扩展相对生存（relative survival）模型并采用加性风险（additive hazards）方法，成功量化了荷兰70岁以上养老院居民在COVID-19疫情期间特有的超额死亡风险。该研究为公共卫生危机中脆弱人群的风险评估提供了新的方法论框架。

　　

在突发公共卫生事件中，脆弱人群往往承受着不成比例的死亡风险。COVID-19大流行期间，养老院居民等特殊群体面临着双重威胁：既有的基础健康脆弱性，又叠加了疫情带来的额外风险。然而，传统统计方法难以准确区分这些相互交织的风险因素——究竟多少超额死亡归因于养老院居民本身的脆弱性？多少是全社会共同承受的疫情冲击？又有多少是两者相互作用产生的特殊风险？这个问题的解答对于精准评估疫情影响、优化资源分配具有重要意义。

来自荷兰莱顿大学医学中心生物医学数据科学系的Marije H. Sluiskes*等研究者，在《BMC Medical Research Methodology》发表了一项开创性研究。团队开发了"超额超额死亡率"分析框架，通过整合荷兰统计局个体层面数据，首次实现了对疫情期间养老院居民死亡风险的精细化分解。这项研究不仅揭示了疫情对脆弱人群的真实影响，更为未来公共卫生危机中的风险评估提供了新的方法论工具。

研究团队采用了三项关键技术：1）创新的多重危险因素分解模型，将总死亡率分解为背景死亡率（λ_background）、养老院居住相关超额死亡率（λ_vul）、疫情相关超额死亡率（λ_cri）和两者交互作用的"超额超额死亡率"（λ_vul,cri）；2）基于荷兰全国70岁以上人群（2015-2021年）的个体水平队列数据，避免了传统生命表方法的偏差；3）采用灵活的加性风险模型（Aalen's additive hazards model）处理负超额风险现象，通过自然三次样条（natural cubic splines）拟合年龄非线性效应。

研究结果部分，四个小标题下的发现颇具启发性：

背景与养老院相关超额死亡率
研究显示养老院居民的背景死亡率显著高于社区老人，85岁与95岁年龄组的超额风险相近，男性风险普遍高于女性。使用全人群生命表会严重低估高龄组（特别是95岁）的实际风险。

疫情相关超额死亡率
非养老院居民的疫情相关超额死亡率相对较低，在图表尺度上几乎不可见。这说明传统全人群超额死亡率评估可能掩盖了风险分布的异质性。

超额超额死亡率
这一创新指标清晰显示：养老院居民在疫情期间承受了额外的死亡风险，男性85岁组最为显著（2021年底累计达10.3%）。风险曲线与荷兰疫情波次高度同步，2021年3-7月间出现平台期，可能与疫苗接种有关。

模型比较
研究证实直接使用全人群生命表会导致背景死亡率高估，这种偏差随年龄增长而加剧。例如95岁组使用全人群数据会使背景死亡率虚高约25%，凸显个体化建模的重要性。

在结论讨论部分，研究者强调这项工作的三重价值：方法论上，首次实现多重超额死亡风险的精细化分解；应用层面，量化显示荷兰养老院男性居民在疫情期间承受了15.3%的超额超额死亡风险；政策意义上，为未来危机中的精准防控提供了科学依据。值得注意的是，模型框架具有广泛适用性——不仅适用于养老院等典型脆弱群体，也可拓展至职业暴露（如医护人员）等场景，只要研究群体面临多重可能交互的超额死亡风险因素。

这项研究的创新性在于突破了传统相对生存分析的单因素局限，通过加性风险模型实现了多维度风险解构。研究者特别指出，疫情期间观察到的负超额风险现象（如2020年初呼吸道感染季节异常温和时期）也在此框架下得到合理解释，展现了模型应对复杂现实情况的强大适应性。未来研究方向包括扩展至比例风险模型框架、整合多状态模型处理养老院出入动态等。这些发现不仅对流行病学方法学发展具有重要意义，也为全球应对下一次公共卫生危机中的脆弱人群保护提供了量化评估工具。