[论文解读] The sooner the better: lives saved by the lockdown during the COVID-19 outbreak. The case of Italy

Roy Cerqueti, Raffaella Coppier+2 more|arXiv (Cornell University)|Jan 28, 2021

COVID-19 epidemiological studies参考文献 61被引用 13

一句话总结

本研究利用增强合成控制法（ASCM）评估意大利在首次新冠疫情期间早期封锁措施的影响，该方法克服了标准合成控制法（SCM）的局限性，允许负权重并改善了干预前的拟合度。ASCM估计，封锁措施避免了约20,400例死亡，保守估计每导致一例死亡，便额外挽救1.15条生命，证明非药物干预措施在降低死亡率方面具有显著效果。

ABSTRACT

This paper estimates the effects of non-pharmaceutical interventions - mainly, the lockdown - on the COVID-19 mortality rate for the case of Italy, the first Western country to impose a national shelter-in-place order. We use a new estimator, the Augmented Synthetic Control Method (ASCM), that overcomes some limits of the standard Synthetic Control Method (SCM). The results are twofold. From a methodological point of view, the ASCM outperforms the SCM in that the latter cannot select a valid donor set, assigning all the weights to only one country (Spain) while placing zero weights to all the remaining. From an empirical point of view, we find strong evidence of the effectiveness of non-pharmaceutical interventions in avoiding losses of human lives in Italy: conservative estimates indicate that for each human life actually lost, in the absence of lockdown there would have been on average other 1.15, the policy saved in total 20,400 human lives.

研究动机与目标

• 评估非药物干预措施（NPIs），特别是封锁措施，在降低意大利新冠死亡率方面的有效性。
• 解决标准合成控制法（SCM）的方法论局限性，该方法在选择合适数据集时失败，将所有权重分配给西班牙，而其他国家权重为零。
• 应用增强合成控制法（ASCM）作为更稳健的替代方法，允许负权重并改善干预前的拟合度。
• 提供保守且基于证据的生命挽救估计值，以指导未来大流行病政策决策。
• 通过虚假检验和留一法敏感性分析评估研究结果的稳健性。

提出的方法

• 本研究采用增强合成控制法（ASCM），该方法通过解除对数据集权重的非负性约束，扩展了标准SCM，使合成控制能够超越数据集单位的凸包范围进行外推。
• ASCM采用岭回归框架来估计合成控制权重，改善了干预前的拟合度，并在数据集选择不稳定时降低了偏差。
• 该方法从非干预国家的候选池中构建一个合成意大利，利用干预前的死亡率趋势预测反事实结果。
• 通过模拟虚假封锁日期（早于实际干预时间）进行虚假检验，以验证模型再现干预前动态的能力。
• 执行留一法敏感性检验，每次排除一个候选国家，以评估是否存在单一国家主导研究结果。
• 模型通过比较实际意大利死亡率与合成控制预测路径，估算封锁对死亡率的平均处理效应。

实验结果

研究问题

• RQ1 与无干预的反事实情景相比，意大利全国封锁在多大程度上降低了新冠死亡率？
• RQ2 ASCM在估计大流行期间非药物干预措施影响时，与标准SCM相比表现如何？
• RQ3 当候选国家代表性不足或干预前拟合度较差时，ASCM是否能够克服标准SCM的局限性？
• RQ4 意大利封锁措施挽救了多少条生命？这些估计值在不同模型设定下有多稳健？
• RQ5 与未实施全国封锁的国家（如瑞典）相比，本研究结果有何差异？

主要发现

• ASCM优于标准SCM，后者错误地将所有权重分配给西班牙，而其他所有国家权重为零，表明其在候选国家选择上失败。
• ASCM在干预前的拟合度优于标准SCM，验证了其构建更准确反事实情景的能力。
• 保守估计表明，每因新冠死亡一人，封锁政策便额外挽救1.15条生命。
• 若无封锁，意大利的累计死亡率将达每百万人口670例，而实际为每百万310例，意味着每百万人口挽救340例生命。
• 以2020年6000万人口估算，该政策总计挽救了20,400条生命。
• 稳健性检验（包括虚假检验和留一法分析）证实，估计效应并非由偶然因素或单一候选国家驱动。