2023-05-18-世界卫生组织-Methods_for_estimating_the_excess_mortality_associated_with_the_COVID-19_pandemic_38页_1mb

COVID-19大流行期间超额死亡估算方法总结

1 背景

• 超额死亡定义为实际死亡人数与非大流行时期预期死亡人数之差。
• 受新冠大流行影响，直接死亡和间接死亡（如医疗系统瘫痪、自杀等）均被包含在超额死亡中，2020年，某些国家还出现报告错误及死亡率下降。

2 数据与方法

2.1 数据来源

• 大部分国家缺乏实时全因死亡（ACM）数据，这是因为：
• 注册系统滞后期（最长可达一年以上）
• 全球数据收集能力不均衡（特别是中低收入国家）
• 2020-2021年，全球共有96个国家提供月度死亡数据，约一半（106个）有历史数据可以用于模型拟合。
• 协变量数据包括：收入水平、人口密度、防控措施力度、疫苗覆盖率等共35个因子。

2.2 预期死亡估算

3.1 有月度历史数据的国家（194个）

• 使用负二项分布模型，模型形式：𝑌̃ ∼ NegBin(μ, φ)
• 将年份和月度分别建模：
• 年度趋势为线性模型
• 月度季节性变化使用样条平滑（cubic spline）
• 预测2020-2021年的预期死亡（包括均值和标准差）

3.2 只有年度历史数据的国家（如越南）

• 方法：
• 通过国家年度历史死亡率建模趋势
• 使用温度频数进行月度再分配
• 采用信息匮乏模型处理缺失数据

2.3 国家无数据时的国家模型（NAM）

• 对于完全缺乏国家数据的国家（83个），使用贝叶斯泊松回归模型：
• 𝑦 ∼ Poisson(𝜆₁)，其中𝜆₁包括时间、收入、气候等多个协变量
• 模型包含时间自回归结构以捕捉时变效应
• 使用变分高斯过程进行高效计算

2.4 亚国家数据建模

• 印度和印尼等国通过亚国家数据插补：
• 若亚国家总数在时间上变化，采用多臂多项分布模型
• 若亚国家是恒定的，则用二项分布
• 人口比例决定全国死亡估计

2.5 年龄及性别分布调整

• 使用李-赛维尔年龄-时期模型估计年龄别预期死亡
• K均值聚类（5类）通过人类发展指数、平均年龄、超额率等特征将国家分组
• 核心公式：ln(实际死亡/预期死亡) = 标准比例 × 年龄别权重

3 方法流程

1. 数据标准化：将各国历史死亡数据转换为年度/月度比例
2. 预期死亡建模：使用历史数据，加拿大使用，自由分布使 Poisson模型
3. 超额死亡计算：实际死亡与预期死亡之差
4. 去除其他因素：扣除冲突/灾害死亡（来自联合国死亡数据库）

4 技术特点

• 采用贝叶斯框架，包括：
• 变分高斯过程
• 信息量不足先验（informative prior）
• 高斯混合假设
• 在处理数据零散时的独特策略：
• 亚国家数据比例化方法
• 部分国家数据基准化（把模型预测锚定到最后已知观测值）
• 时间自回归模型处理短期变异

5 实施细节

法模型（综述了一些国家，产生了更可靠的解释。通过

结论

WHO提供了基于贝叶斯统计的技术框架来估算COVID-19大流行期间的超额死亡情况，该方法能够量化直接和间接死亡，适用于数据不足的情况，并通过K均值聚类技术统一处理不同国家的特点差异。