《Population Health Metrics》：Excess mortality and associated sociodemographic factors during the COVID-19 pandemic in rural Pune Maharashtra, India: a retrospective data analysis from the Vadu health and demographic surveillance system
编辑推荐：
背景：2020年1月至2023年8月期间，印度记录了超过4.5亿例确诊COVID-19病例和近50万例COVID-19死亡病例。虽然印度报告的死亡率似乎低于预期，但由于漏报和医疗保健获取方面的差异，实际死亡率可能更高。本研究旨在利用Vadu健康与人口监测系统（
背景：2020年1月至2023年8月期间，印度记录了超过4.5亿例确诊COVID-19病例和近50万例COVID-19死亡病例。虽然印度报告的死亡率似乎低于预期，但由于漏报和医疗保健获取方面的差异，实际死亡率可能更高。本研究旨在利用Vadu健康与人口监测系统（HDSS）的纵向人群数据，比较印度马哈拉施特拉邦浦那农村地区COVID-19大流行前及期间的死亡率，并确定相关的社会人口学因素。方法：收集了印度Vadu HDSS 2018年至2021年的个体和死亡率数据。进行了描述性分析，以检查COVID-19前（2018–2019年）和COVID-19期间（2020–2021年）社会人口学因素导致的死亡率变化。使用Cox回归风险比（HR）和95%置信区间（CI）来测量社会人口学因素与死亡率之间的关联。结果：2018年至2021年间共发生2039例死亡，其中40.6%（828/2039）为女性。COVID-19期间总体死亡风险增加（HR 1.2，95%CI：1.1–1.3），但这一风险因社会人口学特征而异。与生活在2–5人家庭中的个体相比，独居个体的死亡风险更高（HR 1.8，95%CI：1.5–2.2），且死亡风险随年龄增长呈强烈上升趋势。丧偶个体的死亡风险高于已婚个体（HR 2.1，95%CI：1.9–2.4）。教育程度对死亡具有强保护作用；具有任何教育水平者的死亡风险低于无教育者（HR 0.4，95%CI：0.3–0.5）。结论：印度COVID-19死亡率的增加与年龄较大、丧偶和独居有关。这些发现强调了在未来大流行期间对脆弱人群进行针对性疫苗接种、早期临床护理和社区外展的必要性。
自2020年初以来，由严重急性呼吸综合征冠状病毒2（SARS-CoV-2）引起的2019冠状病毒病（COVID-19）大流行对全球公共卫生造成了巨大冲击。截至2023年8月，全球报告超过7.71亿例确诊病例和690万例死亡。印度作为世界上人口最多的国家，在2020年1月至2023年8月期间报告了超过4.5亿例确诊和近50万例死亡。然而，由于漏报和医疗保健获取不均，实际死亡率可能显著更高，尤其是在农村和医疗服务不足地区。社会人口学因素如年龄、性别、教育、婚姻状况和家庭规模已被证实与死亡率密切相关。在如印度这样人口多样、卫生优先事项各异的国家，深入理解这些因素对于优化资源配置和制定针对性干预措施至关重要。Vadu健康与人口监测系统（HDSS）是一个运行二十余年的纵向监测平台，位于马哈拉施特拉邦浦那农村地区，覆盖22个村庄约62,000户家庭、20万人口，通过定期家访持续记录出生、死亡、迁移和婚姻变化等生命事件，为评估疫情前后的死亡率变化提供了高质、连续的数据基础。
该研究发表于《Population Health Metrics》，利用Vadu HDSS 2018-2021年收集的个体纵向数据，旨在比较COVID-19大流行前（2018-2019）和期间（2020-2021）的死亡率，并识别相关的社会人口学因素。
在方法上，该研究为回顾性队列研究，样本来自Vadu HDSS的所有居民。数据由经过培训的现场研究助理（FRA）在常规年度家访中收集，使用Survey Solution应用程序；疫情期间由于行动限制，改为电话访谈。研究收集了每位死亡者的年龄、性别、教育程度、婚姻状况和家庭规模等信息，并对所有死亡进行了言语尸检（VA）以推断死因。描述性分析计算了各亚组的粗死亡率（CDR），即每1000人年死亡数。采用Cox比例风险回归模型估计风险比（HR）和95%置信区间（CI）来量化社会人口学因素与死亡风险的关联，并通过赤池信息准则（AIC）和一致性指数（C-index）评估模型性能。
研究结果如下：
**人群人口学特征**：2018-2021年共记录2039例死亡，其中男性1211例（59.4%），女性828例（40.6%）。COVID-19前CDR为每千人3.8（95%CI 3.5-4.1），期间上升至每千人4.4（95%CI 4.1-4.8）。
**粗死亡率与社会人口学特征**：与COVID-19前相比，COVID-19期间除0-14岁组外，所有年龄组CDR均有上升。60岁及以上年龄组CDR最高，从37.6升至38.8/千人。男性CDR从4.1升至5.1/千人，女性从3.3升至3.7/千人。无教育者CDR从7.3升至8.0/千人，丧偶者从32.3升至37.6/千人，独居者从4.2升至7.2/千人，家庭规模超过5人者从5.2升至6.1/千人。
**死亡风险**：多因素Cox回归显示，年龄是死亡风险的最强预测因子。以0-14岁为参照，15-29岁年龄组HR为2.75（95%CI 1.96-3.86），30-44岁HR为8.67（95%CI 6.19-12.15），45-59岁HR为28.02（95%CI 20.18-38.92），60岁及以上HR高达111.01（95%CI 80.55-152.98）。女性死亡风险显著低于男性（HR 0.49，95%CI 0.45-0.55）。教育程度具有明显保护作用，与无教育者相比，小学教育HR为0.78（95%CI 0.69-0.88），中学教育HR为0.50（95%CI 0.49-0.67），高等教育HR为0.40（95%CI 0.30-0.54）。丧偶者风险是已婚者的2.11倍（95%CI 1.87-2.37）。独居者HR为1.81（95%CI 1.51-2.18），大家庭（>5人）HR为1.20（95%CI 1.09-1.33）。单因素分析与多因素结果一致。
在讨论部分，研究人员指出，老年人死亡风险的急剧升高与其年龄相关虚弱和慢性病高患病率有关，这也反映COVID-
