[論文レビュー] Estimating Global and Country-Specific Excess Mortality During the COVID-19 Pandemic

Victoria Knutson, Serge Aleshin‐Guendel+3 more|arXiv (Cornell University)|May 18, 2022

COVID-19 and healthcare impacts被引用数 16

ひとこと要約

本稿は、報告された症例および死亡データが不完全または信頼できない状況下で、全原因死亡率（ACM）データを用いて、COVID-19パンデミック期における世界的および国別に過剰死亡を推定するベイジアンモデリングフレームワークを提示する。過分散ポアソンモデルと時変係数、準国レベルの多項モデル、INLA/MCMC推論を統合し、2020年から2021年の間に世界で1490万件の過剰死亡（95％信用区間：1330万〜1660万件）を推定し、報告されたCOVID-19死亡者数と比べ2.75倍の過剰死亡が生じていることが明らかになった。

ABSTRACT

Estimating the true mortality burden of COVID-19 for every country in the world is a difficult, but crucial, public health endeavor. Attributing deaths, direct or indirect, to COVID-19 is problematic. A more attainable target is the "excess deaths", the number of deaths in a particular period, relative to that expected during "normal times", and we estimate this for all countries on a monthly time scale for 2020 and 2021. The excess mortality requires two numbers, the total deaths and the expected deaths, but the former is unavailable for many countries, and so modeling is required for these countries. The expected deaths are based on historic data and we develop a model for producing expected estimates for all countries and we allow for uncertainty in the modeled expected numbers when calculating the excess. We describe the methods that were developed to produce the World Health Organization (WHO) excess death estimates. To achieve both interpretability and transparency we developed a relatively simple overdispersed Poisson count framework, within which the various data types can be modeled. We use data from countries with national monthly data to build a predictive log-linear regression model with time-varying coefficients for countries without data. For a number of countries, subnational data only are available, and we construct a multinomial model for such data, based on the assumption that the fractions of deaths in sub-regions remain approximately constant over time. Based on our modeling, the point estimate for global excess mortality, over 2020-2021, is 14.9 million, with a 95% credible interval of (13.3, 16.6) million. This leads to a point estimate of the ratio of excess deaths to reported COVID-19 deaths of 2.75, which is a huge discrepancy.

研究の動機と目的

• 報告された症例および死亡データが不完全または信頼できない状況下で、COVID-19パンデミック期における世界的および国別に過剰死亡を推定すること。
• 限られたまたはない月次全国死亡データを有する国における予想される全原因死亡の推定に向け、透明性が高く、解釈可能でかつ頑健な統計的フレームワークを構築すること。
• スプラインと時変係数を用いたベイジアン階層モデルにより、予想される死亡数の不完全性と不確実性を適切に扱うこと。
• 国別死亡データの不正報告を補正し、ドイツやスウェーデンのようなデータに著しい異常が見られる国々のモデルを精緻化することで、推定の正確性を向上させること。
• 報告されたCOVID-19死亡者数だけではなく、より客観的かつ比較可能なパンデミック影響の指標を提供することで、公衆衛生意思決定を支援すること。

提案手法

• 観察された全原因死亡（Y_c,t）と予想される死亡（E_c,t）を結ぶために、過分散ポアソンカウントモデルを用い、過剰死亡はδ_c,t = Y_c,t − E_c,tとして定義する。
• 完全な報告を実施している国々のデータを用いて、欠損している国別ACMデータを予測するため、時変係数を有する対数線形回帰モデルを適用する。
• 年次傾向と季節的変動を予想される死亡数の推定にスプラインを用い、スプラインのフィットが不安定な場合（例：ドイツやスウェーデン）には代替として線形傾向を用いる。
• 準国レベルのデータに対しては、地域間の死亡割合が時間経過で安定していると仮定し、多項モデルを用いて全国合計を推定する。
• 国レベルのモデルではINLAを用いてベイジアン推論を実施し、複雑または非標準的なデータ状況ではStanまたはカスタムコードによるMCMCを用いる。
• データ完全性の補正と国レベルのコンサルテーションを統合し、モデリングの前段階で入力データを精緻化する。

実験結果

リサーチクエスチョン

• RQ1 報告された症例および死亡者数とは独立して、COVID-19パンデミック期における真の世界的および国別に過剰死亡の負担は何か？
• RQ2 全国月次死亡データが不完全または欠落している国において、予想される全原因死亡はどのように信頼性高く推定できるか？
• RQ3 データ品質の問題やモデル仕様の選択（例：スプライン対線形傾向）が、特定の国における過剰死亡推定に及ぼす影響はどの程度か？
• RQ4 過剰死亡数と報告されたCOVID-19死亡者数の比はどのように変動し、これは不正報告の程度に何を示唆するか？
• RQ5 WHO加盟国すべてをカバーできる統一的で透明性が高く、スケーラブルな統計的フレームワークを構築することは可能か？

主な発見

• 2020年から2021年の間に、過剰死亡の世界的な点推定値は1490万件であり、95％信用区間は1330万〜1660万件である。
• 過剰死亡数と報告されたCOVID-19死亡者数の比は2.75と推定され、公式の症例および死亡者数に著しい不正報告が存在していることが示唆された。
• ドイツでは、スプラインを用いた予想死亡推定モデルが、不実な高い過剰死亡推定値（195,000件）を生じたが、不調整データと線形傾向モデルに切り替えることで、122,000件（95％信頼区間：101,000〜143,000件）に是正された。
• スウェーデンでは、同様のモデルの見直しは最終推定値にほとんど影響を与えず、過剰死亡は13,400件（95％信頼区間：11,700〜15,200件）のまま維持され、このケースではモデルの頑健性が確認された。
• 交差検証の結果、モデルのカバレッジは名目水準に比較的近いが、AFRO地域のようなデータが乏しい地域では、地域的データの不均衡のため性能がやや低くなる可能性がある。
• スプラインを用いた予想死亡のモデリングは、パンデミック前の最後のデータポイントに敏感であることが判明し、体系的なモデル比較と不正報告補正手順の改善が不可欠であることが強調された。