如何看中國和美國新冠病死率的巨大差異？

用數據，辨清事實。

根據2022年12月5日數據世界展示的中國內(nei) 地、日本、美國新冠病例病死率，依次為(wei) <0.01%、0.19%、0.70%；病死率數據存在非常巨大的差異，展示的美國新冠病死率顯著高於(yu) 日本，更遠遠高於(yu) 中國。

（中國內(nei) 地、日本、美國新冠病例病死率，依次為(wei) <0.01、0.19%、0.70%。圖源：數據世界）

這組數據，如果單獨看，很容易引起“COVID-19致死性是否大幅降低”的爭(zheng) 論，甚至引發“新冠病毒大幅減毒”的誤判。

一，同樣都是感染新冠病毒，為(wei) 什麽(me) 不同病死率差異這麽(me) 大？

其實是計算方法的差別。

1，病死率（fatality rate, FR）

病死率指指在一段時間內(nei) 死亡人數占所有病例數的比例。

這是我們(men) 個(ge) 人最關(guan) 注的指標，也就是解釋：一旦個(ge) 人感染，出現死亡風險的概率如何。

但是病死率的數據有很大的“欺騙性”，或者不知情的讀者很容易誤讀；甚至目前大部分的媒體(ti) 和個(ge) 別專(zhuan) 業(ye) 人士也沒有搞清。

不僅(jin) 病死率和死亡率很容易被弄混，而且病死率其實還區分為(wei) 病例病死率（CFR）和感染病死率（IFR）的區別，而CFR和IFR的差別也是巨大。

A，病例病死率CFR

病例病死率（CFR），是針對某一特定疾病，某一時間內(nei) 、死亡病例占所有病例的比例；即分母為(wei) 所有確診病例計算出的病死率。

一起看維基百科給出的定義(yi) 【1】：

A case fatality rate (CFR, also case fatality risk, or case fatality ratio) is the proportion of deaths within a designated population due to a given medical condition (cases), of such cases over the course of the disease.

舉(ju) 例說明：

假設一個(ge) 群體(ti) 中，100例被診斷出患有某一疾病的人群中、在發病一個(ge) 月內(nei) 有9例死亡，則計算病死率為(wei) 9/100 = 9％。

這個(ge) 結果推廣出去，意味著在正式診斷出該疾病的100人中，有9人死亡、91人康複。

但是問題出現在“病例”的診斷、定義(yi) 和數據收集上。

比如美國發出了非常多的免費家庭用快速抗原檢測試劑盒，這種情況下如果感染者出現症狀並檢測陽性，如果他症狀很輕，很可能就不去就診、更不會(hui) 主動報告。

這種情況下美國有大量新冠病例漏報；由此計算CFR的分母就會(hui) 很小，所以美國新冠CFR就會(hui) 很高（0.7%）。

中國內(nei) 地的情況則完全不同，之前是廣泛的核酸檢測，意味著凡是感染者都被篩出並報告。

數據世界的數據中，計算美國CFR的分母中比中國少了“無症狀感染者”和“有症狀但未報告的病例”。

無症狀感染者的比例是多少？

從(cong) 新冠疫情最開始、即使在疫苗接種之前，無症狀感染者就達40-50%（我們(men) 2020年3月收集到的數據）。

具有傳(chuan) 染性的無症狀新冠肺炎患者到底有多少？

疫苗接種之後，這個(ge) 比例更是大幅增高；從(cong) 中國內(nei) 地的報告中可以很清楚地看到其比例。

所以，中國內(nei) 地的新冠病死率，其實更應該叫“感染病死率，IFR”。

B，感染病死率IFR

感染病死率（IFR），即分母為(wei) 所有感染者計算出的病死率。

有了IFR和CFR的理解，我們(men) 也就容易理解張文宏醫生針對2022年春天上海疫情說的“即便把基礎疾病死亡的病例計算在內(nei) ，上海總病死率維持在0.0178%（87/48.8萬(wan) ）”【2】。同樣也就能夠理解廣州最近公布的數據顯示重症率和病死率極低。

因為(wei) 通過核酸檢測，中國內(nei) 地把那些本來無任何症狀且不會(hui) 主動報告、但數量巨大的無症狀感染者也都篩出來了，並一起算入到計算病死率的分母中。

還有一點，就是計算病死率的時間。

病死率是率（rate），率本身是有時間屬性的。所以臨(lin) 床試驗中，會(hui) 明確約定發病後一個(ge) 月內(nei) 的病死算病死率。

全球COVID的一波波疫情中，新冠病死峰值差不多比感染峰值晚兩(liang) 周；所以計算病死率的時候也要看這一波疫情開始時間，如果疫情剛開始就發布病死率，那大概率是低估了。

(?全球COVID-19新增病例數和病死人數的變化，病死峰值比感染峰值晚2周左右。圖源：數據世界)

中國、美國的新冠病死率差異巨大，並不是誰錯了或者造假了；而隻是不同國家采用的統計人群和方法不一樣，得到數據自然也無法也不能直接進行比較。

除了統計方法之外，新冠感染的病死率還受感染者年齡、疫苗接種次數、既往感染、抗病毒治療及醫療可獲及、新冠毒株毒力等因素影響。

二，死亡率，會(hui) 是更科學的數據嗎？

死亡率（mortality rate, MR），指在一段時間內(nei) 某一特定疾病所致的死亡人數占總人口數的比例。

同樣看維基百科的定義(yi) 【3】：

Mortality rate, or death rate, is a measure of the number of deaths (in general, or due to a specific cause) in a particular population, scaled to the size of that population, per unit of time.

死亡率的結果既與(yu) 病死率相關(guan) ，更包括感染率；所以成為(wei) 公衛管理部門和國家最關(guan) 注的指標，以用來解釋：疫情爆發期該國疾病死亡風險的概率如何。

比如，即使COVID-19的病死率與(yu) 流感相近（隻是假設哈，真實世界中仍差別不小），但是新冠的傳(chuan) 染性遠高於(yu) 流感，那麽(me) ，新冠病毒感染所致的死亡率也就遠高於(yu) 流感。

美國疾控中心（CDC）極少報病死率（IFR或者CFR），而是用死亡率。

因為(wei) 難以準確把握感染或者確診的病例，或很多感染者症狀輕就不去就診了，這造成IFR或者CFR非常不準。但是死亡率的分母是整個(ge) 人群的數量，所以就計算出來的結果就更加可靠。

根據2022年12月5日數據世界展示的中國內(nei) 地、日本、美國新冠最近一周死亡率，依次為(wei) 0/百萬(wan) 人口、1.34/百萬(wan) 人口、0.89/百萬(wan) 人口。

對照三國病死率的<0.01%、0.19%、0.70%；你是不是又覺得目前日本的疫情更嚴(yan) 重？確實如此，因為(wei) 日本的感染率遠高於(yu) 其他兩(liang) 國。

（中國內(nei) 地、日本、美國新冠死亡率。圖源：數據世界）

死亡率就是衡量新冠疫情對於(yu) 一個(ge) 國家危險的最好指標嗎？

還不是。

因為(wei) 盡管計算死亡率時各國的人口是肯定的，但是對於(yu) 疾病死亡的統計方法又有不同。

比如爭(zheng) 議最大的隻統計（主）因新冠病毒死亡、還是也包括帶新冠病毒死亡。在COVID-19病死率極高的時候，帶病毒死亡者對最終數據影響不大；但如果新冠病死率極低、而感染率又極高（比如目前的真實世界數據），那麽(me) 比較時就需要考慮帶病毒死亡者是否納入新冠死亡率的計算了。

三，超額死亡，衡量新冠疫情對人類危害更好的指標

病死率，是患病後的因直接罹患該病死亡的比例，這衡量得病後的個(ge) 體(ti) 死亡風險；

死亡率，是基於(yu) 整個(ge) 國家或地區人口統計的群體(ti) 死亡風險；

超額死亡率（excessmortalityrate），則是指疫情造成的全因死亡率上升，這個(ge) 上升的部分就是超額死亡。包括直接因為(wei) 新冠感染死亡，同時也包括了醫院擠兌(dui) ，及疫情管控造成的其他次生災害（比如疫情初期因為(wei) 管控使心源性猝死患者不能及時就醫，比如抑鬱症和自殺死亡）。

超額死亡全麵衡量了疫情本身和疫情防控作為(wei) 總體(ti) 因素造成的死亡上升，而不是疫情本身造成的死亡上升，因此公共衛生和人口統計領域十分關(guan) 注這個(ge) 數字。

根據數據世界，美國累計的COVID-19超額死亡率是14.48%，日本是1.22%，目前無中國的數據。

從(cong) 超額死亡看，新冠疫情對於(yu) 美國民眾(zhong) 生命的危害顯然遠遠高於(yu) 日本。

（日本、美國新冠超額死亡率。圖源：數據世界）

四， 如何利用這組數據調整個(ge) 人的防疫節奏？

知道了中外病死率數據的計算方法，您就會(hui) 理解看似“矛盾”的病死率數據隻是算法不同，且主要是疫苗接種的作用，也就不會(hui) 輕信“新冠病毒的毒力已經類似流感了”（也許是類似那類病死率極高的流感）。

那麽(me) ，我們(men) 該如何利用這組數據來調整我們(men) 個(ge) 人的防疫節奏呢？

對於(yu) 個(ge) 人來說，最相關(guan) 的數據還是病死率。

我建議還是充分借鑒中國香港特區的數據和經驗【4】。

正如前麵所言，美國的病死率數據太粗獷，與(yu) 中國內(nei) 地實際情況差別太大；並且不管美國還是日韓，接種的疫苗與(yu) 中國內(nei) 地也完全不同。而香港特區則既有核酸檢測+抗原檢測的數據、又有滅活病毒疫苗的數據。

根據香港特區政府發布的數據，從(cong) 2021年12月31日至2022年11月30日Omicron突變株疫情期間，香港共有10,531人病死。

1），香港新冠死亡患者的中位年齡為(wei) 86歲。

2）香港新冠死亡患者中82%是未完成基本免疫疫苗接種者，即未完成2劑或更多疫苗的接種。

3）香港新冠死亡患者中，95%是60歲或以上老年人。

（圖源：香港特區政府官網）

4）新冠病死率隨著年齡增長而大幅增高，隨著疫苗接種次數而急劇降低。

可以參照香港的數據來粗測個(ge) 人感染新冠時的病死風險。

比如年齡是65歲，則未接種疫苗時感染後病死率為(wei) 1.71%，接種1劑疫苗後降低到0.51%，接種2劑疫苗降低到0.16%，接種3劑疫苗降低到0.06%，接種4劑疫苗後隻有0.02%。是否接種疫苗，病死率相差懸殊。

在已經完全放開的美國，新冠死亡率數據也展示了類似的結果【5】。

美國人群中，未接種疫苗者的新冠死亡率是接種過更新疫苗（二價(jia) 疫苗）人群的14.9倍、感染風險是後者的3.2倍。

即新冠疫苗接種不僅(jin) 對預防新冠死亡極為(wei) 有效，也仍能夠降低感染新冠的風險。

（圖源：美國CDC官網）

小結：

病死率是個(ge) 人最關(guan) 注的指標，意味著一旦個(ge) 人感染，出現死亡風險的概率如何。

看似差別大到讓人無法置信的中美新冠病死率，最主要的是由於(yu) 計算病死率的分母不同；可以簡單理解為(wei) IFR和CFR的比較。並受到感染者年齡、疫苗接種情況、抗病毒藥物使用、醫療措施的可獲得性等影響。

死亡率的計算既包括了個(ge) 人病死情況，也包括感染率情況；所以成為(wei) 公衛管理部門和國家最關(guan) 注的指標，以用來解釋：疫情爆發期該國所有民眾(zhong) 死亡風險的概率如何。

超額死亡全麵衡量了疫情本身和疫情防控作為(wei) 總體(ti) 因素造成的所有死亡上升，而不僅(jin) 是疫情本身造成的死亡上升、還包括次生危害導致的死亡，因此公共衛生和人口統計領域最為(wei) 關(guan) 注的疫情危害數據。

看了上麵的數據，您可以已經感受到了：新冠病毒的病死率還沒有發生根本性改變，個(ge) 人仍需要通過疫苗接種、抗病毒治療等為(wei) 主的方式防疫。

再一次，借用Eric修改的新冠防疫組圖。

個(ge) 人防疫四大招：戴好口罩、接種疫苗、快速檢測、及時治療（高危者輕症時抗病毒治療、重症時醫院治療）。

公衛防疫四大招：社交距離、減少聚集、隔離患者、追蹤密接。

而加強準確信息的宣傳(chuan) 、使民眾(zhong) 充分知情以提高依從(cong) 性，及第一波疫情時、壓低曲線以避免醫療擠兌(dui) 尤為(wei) 重要。

（防疫的大招。圖源：Eric Topol）

參考文獻全文鏈接：

【1】 https://en.wikipedia.org/wiki/Case_fatality_rate

【2】 https://www.chinanews.com.cn/sh/2022/04-25/9738416.shtml

【3】 https://en.wikipedia.org/wiki/Mortality_rate

【4】 https://www.covidvaccine.gov.hk/pdf/death_analysis.pdf

【5】 https://covid.cdc.gov/covid-data-tracker/#rates-by-vaccine-status

Hanson臨(lin) 床科研團隊，由6位在美國的醫生及醫學科學家組成；目前在美國主要從(cong) 事新藥研發和臨(lin) 床科研。

作者簡介：Mark博士，一直從(cong) 事臨(lin) 床免疫研究。博士畢業(ye) 於(yu) 協和，北京行醫8年，美國新藥研發4年，從(cong) 事醫學大數據分析6年。