世界发展银行-COVID-19-Age-Mortality-Curves-Are-Flatter-in-Developing-Countries_33页_833kb

总结：COVID-19 年龄-死亡率曲线在发展中国家更平坦

核心内容

本研究分析了26个国家的COVID-19年龄-死亡率曲线，发现这些曲线在低收入和中等收入国家（LMICs）中比高收入国家（HICs）更平坦。这意味着在发展中国家，尽管老年人口比例较低，但死亡人数仍主要集中在较年轻的群体中。

主要观点

• 死亡分布差异：在高收入国家，70岁及以上人群占所有报告的COVID-19死亡人数的87%，而在低收入和中等收入国家，这一比例仅为37%。
• 年龄结构影响有限：虽然高收入国家的老年人口比例更高，但仅有一部分死亡分布差异可以归因于年龄结构的不同，其余差异可能源于感染率、病死率和死亡归因的差异。
• 死亡率增长趋势：在高收入国家，每增加一岁，死亡率平均增长12.6%；而在低收入和中等收入国家，这一增长率为7.1%。
• 性别差异：无论性别如何，高收入国家的年龄-死亡率曲线均更陡峭，男性和女性的死亡率均高于女性。
• 死亡归因问题：在发展中国家，由于医疗系统和数据收集能力的差异，可能有部分死亡未被正确归因于COVID-19，尤其是老年人的死亡可能被低估。

关键信息

数据来源与方法

• 数据来源：来自各国官方政府数据。
• 分析方法：计算了每个年龄组的死亡率，通过将每10年年龄组的死亡人数除以该年龄组的人口数。
• 标准化处理：使用高收入国家的平均人口年龄结构，计算了每个国家的假想死亡分布。

年龄-死亡率曲线比较

• 图1：展示了各国实际的年龄-死亡率分布。
• 图2：展示了假想死亡分布，假设各国具有高收入国家的人口结构。
• 图3：展示了未标准化的死亡率。
• 图4：展示了标准化后的死亡率曲线。
• 图5：比较了高收入与低收入/中等收入国家的平均标准化死亡率。

影响因素分析

• 感染率与病死率：不同国家的年龄组感染率和病死率存在差异，这可能解释了年龄-死亡率曲线的形状不同。
• 非传染性疾病（NCDs）：高收入国家中NCDs更为普遍，如慢性心脏病、慢性肺部疾病、慢性肾病、肝病和肥胖，这些疾病是患者死亡的重要风险因素。
• 医疗资源与基础设施：医疗资源（如医院床位和医生数量）与GDP水平相关，可能影响死亡率的陡峭程度。
• 社会结构：低收入和中等收入国家中，多代同堂的居住方式可能使老年人更易暴露于感染风险，而高收入国家中老年人更多居住在长期护理机构，可能增加感染风险。

数据透明度的重要性

• 数据差异：各国在数据透明度上存在显著差异，部分国家仅提供有限数据，而另一些国家则公开详细数据。
• 数据质量：数据透明度高的国家更容易发现并纠正数据缺陷，从而提高分析的准确性。
• 公共利益：鼓励更多数据透明度有助于全球更好地理解和应对疫情。

结论

• 发展中国家的特殊性：高收入国家的疫情经验不能简单推广到低收入和中等收入国家。
• 进一步研究方向：需要进一步研究不同因素（如感染率、病死率、数据归因）对年龄-死亡率曲线的影响。
• 政策建议：应加强数据透明度，以促进更有效的政策制定和公共卫生响应。

图表与数据支持

• 图6：展示了不同国家的死亡率增长速率。
• 图7：展示了GDP与死亡率增长速率的关系。
• 图8：展示了所有原因的死亡率曲线。
• 图9：展示了所有原因死亡率增长与COVID-19死亡率增长的关系。
• 图10：展示了死亡率增长与死亡报告质量的关系。
• 图11：展示了第100例死亡时间与死亡率增长的关系。
• 图12 & 13：展示了医院床位和医生数量与死亡率增长的关系。

参考文献

• Brown, C. S., M. Ravallion, D. van de Walle (2020)
• Clark, A., M. Jit, C. Warren-Gash, et al. (2020)
• Ghisolfi, M., A. Almas, et al. (2020)
• Jordan, A., Adab, S., et al. (2020)
• Li, Q., Xu, Z., et al. (2020)
• Winskill, P., Whittaker, C., et al. (2020)
• Yancy, C. W. (2020)
• Nepomuceno, A., Acosta, M., et al. (2020)
• Phillips, D., Lozano, R., et al. (2014)