《Nature Communications》：Excess mortality in Europe estimated by EuroMOMO during the COVID-19 pandemic and previous influenza seasons
编辑推荐：
语
为量化COVID-19大流行对欧洲死亡率的真实影响，EuroMOMO网络联合26国研究团队，通过标准化模型分析2020-2023年全因死亡数据，并与2014-2019年流感季对比。结果显示：大流行前期超额死亡率显著高于季节性流感（第一波达199.5/10万人年），但第三、四波因疫苗普及和奥密克戎变异株毒性减弱，降至流感水平（约87-97/10万人年）。研究首次系统揭示大流行不同阶段的死亡率演变，为公共卫生决策提供关键证据。
当新型冠状病毒SARS-CoV-2在2019年底悄然出现时，全球公共卫生系统面临一个紧迫问题：这种新病原体究竟会导致多严重的死亡负担？传统的传染病监测依赖确诊病例数，但检测能力差异、报告标准不一以及大流行对医疗系统的间接冲击，使得单纯基于COVID-19死亡报告的数据可能低估真实影响。在此背景下，欧洲死亡率监测网络（EuroMOMO）发挥了独特价值——该网络自2009年甲型H1N1流感大流行时期建立，通过实时监测全因超额死亡率，捕捉包括未确诊感染在内的全部死亡影响，成为评估流行病真实规模的“金标准”。
《自然·通讯》（Nature Communications）最新发表的研究中，来自丹麦国家血清研究所等26个欧洲国家机构的团队，首次系统回溯了2020年至2023年间COVID-19大流行在欧洲导致的超额死亡模式，并与2014-2019年五个流感季的数据进行对比。研究揭示：大流行期间欧洲整体死亡率较预期升高9.5%，但不同阶段差异显著。早期病毒原始毒株和阿尔法（Alpha）变异株引发的第一、二波疫情中，超额死亡率（分别为199.5和173.8/10万人年）达到季节性流感高峰期的2倍以上；而随着疫苗覆盖率的提升和奥密克戎（Omicron）变异株成为主流，第三、四波疫情的超额死亡率（86.4和97.6/10万人年）已与2017/18等严重流感季持平。值得注意的是，死亡负担高度集中于老年群体，85岁以上人群超额死亡率达1390/10万人年，而15岁以下儿童未出现显著超额死亡。
关键技术方法
研究基于26国官方死亡登记数据，采用EuroMOMO标准化算法（STATA/R软件）计算预期死亡率，定义超额死亡期为连续3周z值≥2的区间。为排除大流行对基线模型的干扰，预期死亡率仅基于2015-2019年及2023年春季/秋季数据（规避冬季流感与夏季热浪影响）。人群数据来自欧盟统计局（Eurostat），率值计算采用人年（person-years）标准化，确保不同时长周期可比。
研究结果
1. 大流行期间总体超额死亡率
在2020年第8周至2023年第20周期间，26国合计超额死亡116.5万例（95%CI：115.6-117.3万），死亡率较预期升高9.5%。年龄分层显示，85岁以上群体超额死亡率最高（1390/10万人年），而0-14岁组无显著超额死亡。
2. 四波主要疫情的超额死亡特征
- •
第一波（2020年第10-21周）：对应原始毒株传播期，超额死亡率199.5/10万人年（+20.5%），85岁以上人群达3561.5/10万人年。
- •
第二波（2020年第37周-2021年第8周）：阿尔法变异株主导，死亡率173.8/10万人年（+17.5%），波及国家更广（如奥地利、希腊等首次显著升高）。
- •
第三波（2021年第26周-2022年第20周）：德尔塔（Delta）与奥密克戎变异株交替，死亡率降至86.4/10万人年（+8.9%），与2017/18流感季（120.4/10万人年）接近。
- •
第四波（2022年第22周-2023年第12周）：奥密克戎成为绝对主流，死亡率97.6/10万人年（+10.0%），但同期流感与呼吸道合胞病毒（RSV）再活跃共同贡献死亡负担。
3. 国别异质性分析
各国疫情波形与峰值差异显著：第一波集中在比利时、意大利、西班牙等西欧国家；第二波向东欧扩展（匈牙利、斯洛文尼亚等）；第三波主要影响德国、希腊等地；第四波则在南欧国家（如葡萄牙、西班牙）持续较高。这种空间分异与防控措施强度、疫苗推广节奏及人口年龄结构密切相关。
4. 与历史流感季的对比
在16个有完整数据的国家中，COVID-19第一波超额死亡率（258.8/10万人年）远超既往最严重的流感季（2017/18季：120.4/10万人年）。但第三、四波已与流感季死亡率区间（31.9-120.4/10万人年）重叠，提示大流行后期已呈现“流感化”特征。
结论与讨论
本研究通过标准化监测框架证实，COVID-19大流行前期对欧洲死亡率的影响远超季节性流感，尤其在老年群体中造成巨大损失。而后期死亡率的下降，反映了疫苗免疫、自然感染积累及奥密克戎变异株致病性减弱的多重作用。然而，这种“缓解”是在大规模非药物干预（如封锁、社交限制）和高效疫苗接种背景下实现的——若没有这些措施，早期死亡率差距可能进一步扩大。
研究同时指出方法学挑战：为规避大流行对基线模型的干扰，团队排除了2020-2022年数据，但可能导致预期死亡率高估（因其他呼吸道病原体传播受抑制）。此外，儿童组模型拟合不确定性较高，需谨慎解读。
EuroMOMO模型的核心优势在于其“全因死亡”视角避免了检测偏倚，且通过排除季节性高峰计算基线，更真实反映流行病额外负担。相比其他仅基于死因编码或包含季节性的模型，本研究提供的超额死亡率估计更完整。这一系统监测体系为未来新发传染病应对提供了关键范式——即通过实时死亡率追踪，动态评估公共卫生威胁的严重性，并精准导向资源分配。
