按国家经济排名划分的COVID-19趋势、公共限制政策和疫苗接种状况:一项来自110个国家的纵向研究

背景

2019冠状病毒病(COVID-19)大流行已进入第三阶段，并产生了许多变体。数以百万计的人失去了生命，数十亿美元的经济损失。COVID-19的发病率和死亡率因国家而异。采取了不同的预防措施和公共限制政策来控制COVID-19的影响，通常用严格指数来衡量。本研究旨在探讨COVID-19趋势、公共限制政策和疫苗接种状况，并结合各国经济排名。

方法

我们从我们的数据世界获得了开放获取的数据。来自210个国家的数据可供使用。国家(n= 110)与测试相关的数据(这是本研究的一个关键变量)被纳入分析，其余100个国家因数据不完整而被排除在外。分析期间定为2020年1月22日(首次正式报告COVID-19)至2021年12月28日。所有的分析都是按年份和世界银行收入组进行分层的。为了分析主要变量之间的关联，我们使用了纵向固定效应模型。

结果

在我们分析的110个国家中，分别有9个(8.18%)、25个(22.72%)、31个(28.18%)和45个(40.90%)来自低收入国家(LIC)、中低收入国家(LMIC)、中高收入国家(UMIC)和高收入国家(HIC)。每百万新增病例数在低收入国家、中等收入国家和高收入国家相似，但低收入国家较低。HIC和LMIC的新冠肺炎检测次数减少，而UMIC和LIC的新冠肺炎检测次数相似。在LIC中，严格指数可以忽略不计，在LMIC, UMIC和HIC中相似。LMIC和UMIC的新阳性率升高。2020年和2021年日发病率与日死亡率均呈正相关。2020年，低收入国家和高收入国家的紧缩指数呈正相关，而低收入国家的紧缩指数呈负相关;2021年，低收入国家和高收入国家的紧缩指数呈正相关。2021年，疫苗接种覆盖率似乎没有随着死亡率的变化而变化。

结论

新发病例数、检测结果、疫苗接种率、阳性率和严格性指数在低收入国家最低，在低收入国家最高。我们的研究结果表明，COVID-19大流行的可用资源将根据各国的需要进行分配;LIC和UMIC。

2020年3月11日，世界卫生组织(世卫组织)宣布2019冠状病毒病(COVID-19)爆发为全球大流行。与COVID-19相关的死亡率取决于确诊病例的数量[1］.截至2022年5月，累计确诊病例超过53亿例，累计死亡病例超过630万例。2］.同时，同期死亡率最高的国家是圣马力诺、比利时、斯洛文尼亚和联合王国[3.］.病死率因国家而异;然而，据估计，在大流行的早期阶段，这一比例为3-9% [4，5];截至2021年1月，估计为2% [1］.同时，因COVID-19感染住院患者的死亡率估计为18.9% [6］.它显示了COVID-19趋势的多重差异，如地区、经济排名、流动地点等。

COVID-19检测有助于识别和治疗受感染患者以及可能感染他人的患者，从而有助于预防疾病传播[7］.在这种情况下，实时逆转录-聚合酶链反应是首选的检测方法[8］.虽然确诊病例的数量和相应的限制因国家而异，但致病性、毒性、政府的控制努力和个人预防疾病的努力[9] [10，11］.SARS-CoV-2通过呼吸道吸入物、飞沫和接触传播，其传播力高于SARS-CoV和MERS-CoV [12，13]，潜伏期为5-15天[14］.无症状感染者可能通过症状前或无症状传播感染他人，导致全球各国政府对其公民实施限制，包括使用设施和旅行，即所谓的封锁，以遏制确诊病例数量的急剧增加[15］.COVID-19比许多其他传染病更具传染性，因为其变体发展迅速，没有明确证据表明现有疫苗对所有变体都有效，并严重影响了全球经济。

以前的研究主要集中在COVID-19大流行的分布和决定因素上，如死亡率的社会决定因素[16，17]，差异[18]、社会和心理健康[18]、粮食安全状况[19]和劳动力市场[20.］.差异的主要方面是对病例的检测，与接受检测的孩子的接触，防护设备的供应，如口罩，消毒剂[21]和COVID-19疫苗的可获得性[22］.显然，掌权者更注重保护自己，而不是全球控制COVID-19大流行。因此，经济落后的国家在不同方面比富裕国家受到更严重的影响。在这种情况下，有必要按国家的经济等级进行分析，因为这有助于资源分配，以预防大流行，根据需要而不是需求提供必要的疫苗和其他商品，并采取明智的日常活动方法，而不是封锁和限制基本生活等硬性限制。同样，有必要看到关闭学校、关闭工作场所和旅行禁令等常见预防战略的趋势。在综合指数中，定义为严格指数[23］.为缓解COVID-19、类似疾病以及未来可能出现的大流行而采取的政策和战略取决于各国的可用资源和收入状况[24］.为了减少高峰医疗保健需求，同时保护那些最有可能感染严重疾病的人，并扭转流行病的增长，将病例数减少到低水平，并无限期地维持这种情况，正在实施公共限制政策[25］.共同政策包括学校停课、旅行限制、禁止公共集会、居家令、公共交通关闭、医疗保健系统紧急投资、新形式的社会福利提供、接触者追踪和COVID-19疫苗投资[26］.

目前，COVID-19大流行似乎得到了控制，但在90多个国家出现了新病例，每天约有50万新病例，每天约有1000人死亡[27］.同样，很有可能产生新的变种，没有人预测它的严重性和毒性。根据自然，目前存在着BA.4和BA.5两个正在上升的Omicron变体，以及它们所携带的突变的多样性[28］.加拿大科学家最近报告了首例奥米克隆亚变体XE病例，这是今年年初以来出现的几种SARS-CoV-2混合变体之一。29］.在全球范围内，人们对娱乐公共场所的开放都很谨慎，经济也没有以以前的速度复苏。COVID-19对幸存者、失踪家庭、企业和经济状况不佳的国家产生了巨大影响[30.，31］.需要有令人信服的数据来源的研究，这些数据可能是全球覆盖的，可靠的，以及政策影响的证据。以前类似的研究主要是横断面的，局限于少数几个国家，或基于单变量分析。因此，我们的目的是调查疾病的趋势和调查结果，如每日死亡率、发病率、检测、阳性和限制的严格程度;以人均GNI表示整个COVID-19大流行的严密性指数和疫苗接种状况。严格程度指数是由九个反应指标组成的综合量度，其数值由0至100(100为最严格)[32］.这些指标是:学校和工作场所关闭、取消公共活动和集会、居家隔离、掩脸、宣传运动、国际和国内旅行、检测和接触者追踪、疫苗接种政策、收入支持和债务减免、bb0流动趋势[33］.在COVID-19大流行期间，大多数国家都实施了公共限制，但这些限制有利弊，未来类似情况下可能需要实施此类限制。因此，本研究旨在通过各国经济排名来探讨COVID-19的趋势、公共限制政策和疫苗接种状况。

在本研究中，我们使用了来自Our World in data的数据，这是一个为教育和研究目的收集世界各地统计数据的组织，包括由约翰霍普金斯大学数据存储库提供的全球COVID-19数据。约翰霍普金斯大学冠状病毒资源中心(CRC)是一个不断更新的COVID-19数据和专家指导的来源。据该大学称，仪表板使用的数据来自政府机构，包括美国疾病控制和预防中心(CDC)、欧洲疾病预防和控制中心(ECDC)和中国国家卫生委员会，以及世界卫生组织(WHO)等其他组织、当地媒体报道和DXY(世界上最大的医生、卫生保健专业人员、药店和卫生设施在线社区之一)。34］.因此，它被认为更可靠。在提取时，有210个国家的数据，但有100个国家没有与检测相关的数据，这是本研究的一个关键变量，因此被排除在外。因此，使用了来自110个国家的数据，分析期设定在2020年1月22日(首次正式报告COVID-19)至2021年12月28日之间。

变量

在这项研究中，每日死亡率被定义为每百万人中每日新增死亡人数。该数据导入自马里兰州约翰霍普金斯大学医学院冠状病毒资源中心[35］.日发病率按每百万人新增确诊病例数计算，日检测率按每1000人计算。此外，采用7天滚动平均值计算每次检测的确诊病例数。严格程度指数反映了各国政府为防止感染传播而采取的应对措施。该指数基于九项措施，即关闭学校、关闭工作场所、取消公共活动、限制公共集会、关闭公共交通工具、居家要求、公共信息宣传、限制内部流动和国际旅行管制。其数值由0至100分不等，分数越高表示政府管制越严格[36］.疫苗覆盖率是指每100万人中至少接种疫苗的人数。本研究中所有变量均为面板数据;时间相关变量以每天为单位报告。最后，自变量之间不存在多重共线性(表3)附录)。

子群分析

所有分析均按i) 2020年和2021年以及ii)世界银行收入组进行分层。根据世界银行的数据，截至2021年10月，各国可能被划分为低收入国家(LIC;< 1045美元/人均/年)，中低收入国家(LMIC, 1046-4095美元/人均/年)，中高收入国家(UMIC;4096 - 12695美元/人均/年)，高收入(HIC;12695美元/人均/年)国家[37］.从比例上看，在214个国家中，低收入国家有28个(13.08%)国家，中低收入国家有54个(25.23%)国家，UMIC有54个(25.23%)国家，HIC有81个(37.85%)国家。此外，英国于12月8日推出了首个COVID-19疫苗。目前，很少有国家已经开始接种疫苗，因为大多数这些变量在2020年都不存在，而且我们在2020年模型中没有将疫苗覆盖率作为自变量。

统计数据

我们对所有变量进行了描述性分析。为了分析主要变量之间的关联，我们使用了纵向固定效应模型(FEM)。虽然区域或国家一级的面板数据不是人口提取的数据，但FEM通常比随机效应模型更合适。我们使用FEM是因为FEM探讨了一个实体(国家、个人、公司等)内预测变量和结果变量之间的关系[38］.因此，可以控制可能影响因变量和自变量的混杂因素的影响，特别是随时间保持不变的因素和难以观察和测量的因素。我们评估了有限元模型的适用性，这是一种纵向横截面分析，而不是普通最小二乘(OLS) [39］.此外，F检验和Hausman检验结果均显示Prof b> F = 0.0000, Prob b> Chi²= 0.0000;因此，我们证实了有限元模型是一种比混合普通最小二乘模型或随机效应模型更有效的模型。

本研究以日死亡率为因变量，对其与其他主要变量的相关性进行分析，计算公式如下:

其中i =国家，t =时间点(天)。

此外，自变量可能受到时滞效应的影响，或与因变量独立相关。SARS-CoV-2的潜伏期因测量方法和国家而异[40，41]，报告中位数为1周;然而，也有人提出了其他估计，包括平均50万至60周[14］.为了解释这种可变性，我们使用15天的时间滞后进行了额外的分析。

最后，线性回归线不一定是直线。根据死亡人数的不同，每个自变量之间的关联强度可能有所不同。因此，我们使用二次固定效应回归创建了预测图，以确定每日死亡率与每个自变量之间的关联。这种方法可以更直观地理解两个变量之间的关联。除描述性分析外，模型中包含的所有变量都进行了n变换。

在我们的分析中，有110个国家，其中9个(8.18%)、25个(22.72%)、31个(28.18%)和45个(40.90%)国家分别来自LIC、LMIC、UMIC和HIC。

2020年，高收入者日死亡率最高(1.65±4.78)，其次是中低收入者(1.59±3.18)，低收入者(0.44±2.10)，低收入者(0.06±0.20);但在2021年，UMIC的日死亡率最高(3.25±6.03)。2020年日确诊发病率以HIC最高(89.40±216.05)，其次为UMIC(61.00±127.45)、LMIC(18.01±47.00)和LIC(2.31±4.81)。2021年日确诊病例以HIC最高(233.50±483.50)，其次为UMIC、LMIC和LIC。2020年每日检测次数以HIC(1.99±2.73)次最多，其次为UMIC(0.53±0.72)次、LMIC(0.29±0.63)次、LIC(0.06±0.08)次。2021年，HIC(7.45±12.48)数量最多，其次是UMIC、LMIC、LIC。2020年检出率最高的是UMIC(0.13±0.13)，其次是LMIC(0.09±0.09)、LIC(0.06±0.08)和HIC(0.06±0.08)。2021年，UMIC(0.12±0.09)阳性率最高，其次是LMIC、LIC和HIC。在2020年的严格指数中，UMIC(65.61±21.50)最高，其次是LMIC(60.91±23.17)、LIC(56.56±22.49)和HIC(54.93±20.99)。2021年，UMIC(59.3408±15.97)的紧缩指数最高，其次是HIC(53.92±16.26)、LMIC(50.66±19.66)和LIC(39.75±17.49)。 Finally, for 2021 the vaccinated people per hundred was the highest in HIC (3.42 ± 16.26), followed by UMIC (2.87 ± 1.18), LMIC (2.39 ± 1.28), and LIC (1.17 ± 0.82) (Table1)。2020年没有疫苗接种的数据。

固定效果和滞后模型

2020年和2021年日确诊发病率与日死亡率均呈正相关;同样，15天的滞后模型显示出显著的正相关。对于除LIC外的所有收入群体，每日检测次数与每日死亡率相关;然而，在2021年，所有收入群体都出现了正相关。2020年，除LIC外，所有收入群体的每日检测次数与每日死亡率相关。与此同时，在2021年，所有组都有正相关，15天滞后模型显示了相同的结果。

在严格指数的情况下，根据年份和滞后，结果是不同的。2020年，LIC和HIC呈正相关，LMIC呈负相关。另一方面，在2021年，UMIC和HIC之间存在正相关关系。在15 d滞后模型中，2020年LIC与HIC呈正相关，LMIC与UMIC呈负相关。2021年，除低收入群体外，所有收入群体都有正相关。每百名接种疫苗的人只在2021年进行了分析。在非滞后模型和15天滞后模型中，LMIC呈正相关，HIC呈负相关(表1)2)。

二次回归模型

2020年和2021年新冠肺炎大流行的斜率和方向相似。当检测方法增加时，每日病例增加。总体上相似。日死亡率有随日发病率增加而增加的总体趋势。当每日病例数超过一定水平时，死亡率上升更快。随着日检测率的提高，2020年，中低收入国家的日死亡率也有所上升;然而，在2021年，所有收入群体的日死亡率都开始上升，然后下降。严格度指数、日死亡率和斜率均较小。而在HIC中，随着日死亡率的降低，严格度指数也随之降低，达到一定水平后又有上升趋势。

在2020年的阳性病例中，LMIC和UMIC随死亡率的增加而增加，而HIC中，随着阳性率的增加，日死亡率呈先升高后降低的趋势。2021年，LMIC、UMIC和HIC的阳性率随着死亡率的增加而增加，但当超过一定水平时下降。最后，2021年的疫苗接种覆盖率似乎不随死亡率而变化。然而，HIC的死亡率最初并没有变化，而是在超过一定水平后下降(图1)附录)。

在本研究中，高收入国家的每日死亡率和发病率以及每日检测率均高于其他收入国家，这表明COVID-19大流行的第一年在美国、欧洲和其他发达国家比其他国家更严重[42，43］.这些研究结果表明，在大流行的第一年，COVID-19对高收入国家的影响大于其他国家。虽然卫生保健中心报告的每日检测率最高，但这些国家也报告了最低的阳性率，这可能是由于进行的检测次数相对较多[44］.由于这些国家测试的人口范围比其他地方更广，因此结果的阳性率可能低于其他地方的观察结果[45］.它间接表明，高人均GDP不足以控制COVID-19大流行等突发公共卫生事件，因为每百万人的新病例和死亡人数在高收入国家最高。高SI意味着严格的公共限制，这样的政治决定可能并不完美地控制传播。这意味着，在大流行时期，考虑到当地情况，明智地应用这些限制可能会更有效。

这是第一个使用当前模型的研究;因此，很难将研究结果与以前的研究进行直接比较。以前的研究报告了每日发病率与死亡率之间的正相关关系，[1这与目前的研究是一致的。在关键供应、病例检测和疫苗接种方面存在差异[46，47，48]及结构性因素[49在低收入和中等收入国家，这与我们的研究结果一致。目前的研究结果表明，每日发病率与每日死亡率有关;随着日发病率的增加，日死亡率的上升幅度也越来越大。这些发现可能表明，当确诊病例的数量超过卫生保健系统的能力时，就会出现与传染病管理相关的挑战，导致患者无法得到所需的护理并过早死亡[50］.

先前的研究表明，进行的检查次数与死亡率呈负相关[51]，这与目前的研究结果相矛盾。在乔杜里的一项研究中[52]，进行的检查次数与死亡率无关。这种差异可能是由于目标国家之间的差异和数据的时间不同。这种差异的另一个可能解释是研究设计的研究间差异。以前的研究是横断面的，而现在的研究是纵向的。最后，之前的一些研究检查了COVID-19检测与死亡率之间的关系，包括了大流行早期的数据，因此排除了第三波和第四波COVID-19的数据。相比之下，本研究考虑了这一时期。先前的研究报道，由于无症状和轻度症状患者的检出率较高，广泛的检测策略导致病死率相对较低[45]，有助于降低总体死亡率[53，54］.换句话说，检查次数增加了无症状患者的数量，可以支持症状轻微的患者，降低了死亡率。然而，当COVID-19病例数量急剧增加时，检测和死亡率之间的关联无法用这一理论来解释。检测以确定受感染的个体是防止感染扩散的关键[7］.积极的检测政策可以降低相关的死亡率并防止传播[53，55］.在本研究中，阳性率与死亡率呈正相关。此外，富裕国家的效应值大于贫穷国家。在HIC，进行了相对较多的检测，导致阳性率高于其他地方，这表明这里感染和死于COVID-19的患者比其他地方多。在本研究中，llic、LMIC和UMIC的阳性率与死亡率增加有关。相反，在HIC中，当阳性率超过一定值时，死亡率下降。这一发现很难解释，需要进一步的研究来阐明检测政策、疾病严重程度和卫生保健系统能力之间的相互依存关系。

除低收入和中等收入国家外，所有国家的检测率都随着死亡率上升，随后又下降。这些发现表明，检测次数多并不意味着COVID-19的传播率高。然而，超过一定阈值的积极检测策略可能有助于防止COVID-19的传播，并能够向受影响的患者提供及时的干预措施，从而降低死亡率。

严格程度指数是政府控制措施程度的一个指标，数值越高，表示对人口流动和人与人之间接触的限制越大。然而，该指数并不一定与发病率、死亡率或病死率呈正相关。在我们的研究中，SI与HIC呈正相关，但与UMIC和LMIC负相关。研究结果与Oghenowede Eyawo, A. M. Viens和Uchechukwu Chidiebere Ugoji于2021年的研究部分相似[56]摩根·平科姆、维多利亚·里斯、凯莉·B·多兰2021 [57］.先前的一项横断面研究显示，严格程度指数与病死率之间没有关联[55，58］.此外，先前的研究表明，封锁与死亡率无关[52］.但是，这并不一定意味着政府实施的限制措施对新冠病毒的传播没有影响。事实上，乔杜里[52研究表明，封锁可能会降低每日发病率，尽管对死亡率没有直接影响。相比之下，Sorci的一项研究报告说，实施严格限制的国家死亡率较高;这一发现可能是由于受此次大流行影响较小的国家可能实施了较温和的限制[59］.虽然严格的政策可以防止疾病传播和降低死亡率，但也可能存在反向关联，即高死亡率导致更严格的政策，这表明这两个变量之间总体上存在正双向关联[60］.

在本研究中，低收入国家和高收入国家的严格指数与死亡率呈正相关，表明死亡率较高的国家可能实施了更严格的政策。高死亡率引发了旅行限制和封锁等政策。在四组国家中，卫生保健国家的严格指数最低，但死亡率和发病率最高。事实上，严格指数的增加导致HIC死亡率的急剧上升，这表明随着死亡率的增加，控制措施得到加强，一旦死亡率超过某一阈值，就同时实施几种控制措施。与此同时，在低收入和中等收入国家和少数民族国家，死亡率与严格程度指数呈负相关，这表明尽管死亡率高，但限制程度较低，而在大流行的早期阶段，严格的限制可能降低了死亡率。到目前为止，还没有关于LMIC和UMIC的严格指数与COVID-19相关的每日死亡率之间关系的研究。LIC、LMIC和UMIC的系数较低，很难确定LMIC和UMIC在拟合线上呈负相关关系。需要进一步的研究来阐明这些国家中这些变量之间的关系。在我们的研究期间，世界范围内的疫苗接种率仍然很低，这是排除疫苗效应的结果。因此，在本研究中，SARS-CoV2的一种新的强突变病毒的出现或一种新的传染病的发生在没有疫苗的时期，而不是接种疫苗后的一段时间，可能会产生更大的影响。

在COVID-19大流行期间，病例发现、疫苗接种和公共限制政策(此处的严格指数提到)没有一致的趋势。除了国家的经济水平，还应考虑到病例的规模、严重程度和传播的高风险地区，采取更多的资源、技术和限制政策。更多的研究合作和有效政策的复制是非常重要的。

目前的研究有几个优点。首先，这是一项纵向研究，提供了在以前的横断面研究中不可能获得的证据。由于本研究包括来自100个国家的数据，因此本研究结果可能具有全球普遍性，但需要谨慎。其次，据我们所知，本研究是最早在全球范围内确定covid -19相关死亡率和检测率、阳性率和严格性指数之间关系的研究之一。根据我们的研究结果，这些发现的应用可以考虑人均GDP、物流供应链趋势、个人和家庭防护方案以及基于需求的COVID-19疫苗供应等多种因素，制定控制大流行的政策。现在，大流行似乎得到了解决，但由于现有数据不足以应对下一阶段或未来大流行的情况，因此需要在全球范围内进行定期研究和监测。此外，它可能有助于加强卫生服务系统，以应对未来可能出现的大流行，观察2年的COVID-19趋势。

本研究存在一定的局限性。其中一个重要的限制是，由于政策的执行有很大的背景差异，因此在全球范围内比较各国本身就很困难。这些政策的接受率也可能影响这些政策的有效性。同样，这项纵向研究以一天为时间单位进行分析。因此，本研究未考虑可能影响死亡率估计数的人口年龄和密度。其次，本研究使用了从几个来源获得的数据。本研究最重要的限制是政治制度，使能者或障碍采取人口水平的决定，以及如何跟进这些决定。采取公共限制措施的时机、监测和严格跟进影响COVID-19趋势的结果。最后，大流行的不同阶段可能遵循不同的模式;特别是，我们的研究结果是来自疫苗尚未在全球广泛分布的时期的数据，并且没有考虑疫苗的影响。

这些数据来自我们的数据世界。如果您需要处理后的数据，请与作者联系索取数据。

有限元法:

固定效应模型

GNI:

国民总收入

嗝:

高收入国家

地方政府投资公司:

低收入国家

LMIC:

中低收入国家

MERS-CoV:

中东呼吸综合征

OLS:

普通最小二乘

冠:

严重急性呼吸系统综合症

UMIC:

中高收入国家

人:

世界卫生组织

一个也没有。

不可用。

作者及隶属关系

1. 大韩民国大田派济大学老年健康与福利系

   Myung-Bae公园

2. 东肯塔基大学健康促进与管理系，美国肯塔基州里士满

   Chhabi Lal Ranabhat

3. 全球研究与发展中心，尼泊尔加德满都

   Chhabi Lal Ranabhat

贡献

MBP提出了这个想法，并领导了形式化分析。CR对最终稿进行了检查、审核和认可，并牵头完成了发布过程。作者阅读并批准最终的手稿。

相应的作者

对应到Chhabi Lal Ranabhat。

伦理批准并同意参与

这项研究是根据《赫尔辛基宣言》进行的，文章中使用的所有材料都是公开的数据。此外，所有这些数据都是非身份数据，任何人都可以使用。

发表同意书

不适用。

相互竞争的利益

我们声明没有利益冲突。

出版商的注意

伟德体育在线施普林格自然对出版的地图和机构从属关系中的管辖权主张保持中立。

开放获取本文遵循知识共享署名4.0国际许可协议，该协议允许以任何媒介或格式使用、共享、改编、分发和复制，只要您适当地注明原作者和来源，提供知识共享许可协议的链接，并注明是否进行了更改。本文中的图像或其他第三方材料包含在文章的创作共用许可协议中，除非在材料的信用额度中另有说明。如果材料未包含在文章的创作共用许可协议中，并且您的预期使用不被法定法规所允许或超出了允许的使用范围，您将需要直接获得版权所有者的许可。如欲查看本牌照的副本，请浏览http://creativecommons.org/licenses/by/4.0/。创作共用公共领域免责声明(http://creativecommons.org/publicdomain/zero/1.0/)适用于本条所提供的资料，除非在资料的信用额度中另有说明。

转载及权限