[论文解读] 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 16

一句话总结

本文提出了一种贝叶斯建模框架，利用全因死亡率（ACM）数据估算COVID-19大流行期间的全球及国家层面的超额死亡率，其中国家层面的数据不完整。该框架结合了过度离散泊松模型、时变系数、亚国家多分类模型以及INLA/MCMC推断方法，得出2020–2021年全球超额死亡人数为1490万例（95%可信区间：1330万–1660万例），揭示了超额死亡人数与报告的COVID-19死亡人数之间存在2.75倍的差距。

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.

研究动机与目标

• 估算在报告病例和死亡数据不完整或不可靠的COVID-19大流行期间的全球及国家层面超额死亡率。
• 开发一种透明、可解释且稳健的统计框架，用于估算缺乏或无国家月度死亡率数据的国家的预期全因死亡率。
• 通过使用样条和平滑时间系数的贝叶斯分层模型，考虑预期死亡人数的不完整性和不确定性。
• 通过调整国家死亡率数据中的漏报情况，并改进存在数据异常的国家（如德国和瑞典）的模型，以提高准确性。
• 通过提供比仅报告的COVID-19死亡人数更客观、更具可比性的大流行影响衡量标准，支持公共卫生决策。

提出的方法

• 使用过度离散泊松计数模型将观察到的全因死亡率（Y_c,t）与预期死亡率（E_c,t）关联，超额死亡率定义为δ_c,t = Y_c,t − E_c,t。
• 应用具有时变系数的对数线性回归模型，利用报告完整国家的数据来预测缺失的国家ACM数据。
• 使用样条函数建模预期死亡人数的年度趋势和季节性变化，当样条拟合不稳定时（如德国和瑞典），改用线性趋势。
• 对亚国家数据采用多项式模型，假设各地区死亡人数比例在时间上保持稳定，以估算国家总和。
• 通过INLA实现国家模型的贝叶斯推断，对复杂或非标准数据情形使用Stan或自定义代码进行MCMC推断。
• 整合数据完整性调整措施和国家层面的咨询，以在建模前优化输入数据。

实验结果

研究问题

• RQ1 在不依赖报告病例和死亡人数的情况下，COVID-19大流行的真实全球及国家层面的超额死亡负担是多少？
• RQ2 在缺乏或不完整国家月度死亡率数据的国家中，如何可靠估算预期全因死亡率？
• RQ3 数据质量问题和模型设定选择（如样条与线性趋势）在特定国家对超额死亡率估算的影响程度如何？
• RQ4 全球范围内超额死亡人数与报告的COVID-19死亡人数之比如何变化？这反映了何种程度的漏报？
• RQ5 能否开发一种统一、透明且可扩展的统计框架，以估算所有世卫组织成员国的超额死亡率？

主要发现

• 2020至2021年全球超额死亡人数的点估计为1490万例，95%可信区间为1330万至1660万例。
• 超额死亡人数与报告的COVID-19死亡人数之比估计为2.75，表明官方病例和死亡人数存在显著漏报。
• 对于德国，基于样条的预期死亡率估算模型产生了不切实际的高估超额死亡人数（19.5万例），在改用未经调整的数据和线性趋势模型后，修正为12.2万例（95%可信区间：10.1万–14.3万例）。
• 对于瑞典，类似的模型优化对最终估计值影响甚微，最终估计值仍为1.34万例超额死亡（95%可信区间：1.17万–1.52万例），证实了该模型在此情况下的稳健性。
• 交叉验证表明，模型的覆盖概率与名义水平较为接近，但在数据稀缺区域（如非洲区域AFRO）性能可能较低，这归因于区域间数据不平衡。
• 研究发现，基于样条的预期死亡率建模对疫情前最后一点数据较为敏感，凸显了系统性模型比较和改进漏报调整程序的必要性。