《Future Science OA》：Significant but small: the modest impact of population ageing on reported COVID-19 case rates worldwide
编辑推荐：
这篇研究通过生态学分析揭示了各国报告的COVID-19发病率差异的驱动因素。研究发现，尽管人口老龄化在双变量分析中与病例率有强关联，但其独立贡献度微小，而经济繁荣和亨内贝格指数是主导预测因子。文章强调了公共卫生策略应超越单一的人口结构分析，着重加强全球监测能力和对疫情数据的解读。
背景
COVID-19大流行促使全球努力探究各国报告的病例率存在显著差异的原因。在个体层面，高龄是导致重症和死亡的明确临床风险因素，这促使人们普遍假设，老年人口比例更高的国家可能会经历更高的感染率。然而，关于人口结构、经济和社会发展等宏观因素如何影响国家间报告病例模式的研究尚不充分。特别是，人口老龄化本身在多大程度上独立地、在控制了经济富裕程度、亨内贝格指数、城市化水平、疫苗接种覆盖率等结构性和长期背景因素后，仍能预测COVID-19病例率，以及这种关系在不同国家分组中的差异，是本研究的核心问题。
材料与方法
本研究是一项全球生态学研究，分析了来自215个国家/地区的数据。核心结局变量是报告的COVID-19病例率，即截至2022年6月28日，世界卫生组织报告的每10万人口中累积实验室确诊病例数。该指标反映了报告的病例，而非真实的感染负担，受各国检测能力和报告实践的显著影响。主要暴露变量是人口老龄化，定义为2018年65岁及以上人口占总人口的百分比。研究中纳入的协变量包括：经济富裕程度、城市化比例、疫苗接种覆盖率，以及一个特殊的长期人口背景指标——亨内贝格指数。亨内伯格指数基于历史生育率和死亡率数据计算，反映了一个国家长期的人口进化与生存模式，在研究中被用作长期人口和医疗保健转型的背景指标，而非代表个体免疫或遗传易感性。
研究采用多层次的分析策略。首先，通过相关性分析探讨了变量间的关系。其次，运用主成分分析来评估几个预测变量之间的共享方差和潜在结构。随后，通过多元线性回归来量化人口老龄化、经济富裕、亨内贝格指数、城市化、疫苗接种覆盖率各自对报告病例率的独立贡献，比较了“全进入法”和“逐步回归”两种模型。此外，研究还根据世界银行收入水平、联合国发展状况和世界卫生组织区域进行了亚组分析，以评估关系在不同背景下的异质性。
结果
研究结果揭示了一系列重要发现。首先，地理分布图显示报告的病例率存在显著差异，高报告率主要集中在西欧和美洲等经济更富裕、人口更老、监测系统更完善的国家和地区。在双变量分析中，人口老龄化与报告的COVID-19病例率呈显著的正相关。然而，这种关联是中等且非线性的，呈凹形曲线，即病例率随老龄化程度提高而上升，但在老龄化程度最高的地区趋于稳定。在未调整的模型中，老龄化单独解释了相当一部分变异。
相关性矩阵进一步显示，报告的病例率与多个变量存在强相关，其中与经济富裕度的相关性最强。人口老龄化与经济富裕度和亨内贝格指数也存在强相关，表明这些因素紧密交织。亚组分析发现，老龄化与病例率的关系高度依赖于背景。在高收入和发达国家/地区，关联性最强；而在低收入和中低收入国家/地区，这种关联很弱甚至不存在。例如，在低收入国家，相关性不显著，但在高收入国家则非常强。在欧洲地区关联性最强，而在东地中海和东南亚等地区则未检测到显著关系。
主成分分析的结果表明，所有五个预测变量（人口老龄化、经济富裕度、亨内贝格指数、城市化和疫苗接种覆盖率）在单因素上表现出高载荷，特别是经济富裕度载荷最高。这表明它们共同构成了一个衡量国家层面疫情脆弱性的、主要反映结构性和背景性因素的维度，变量间存在大量共享方差。
在控制了混淆因素后的偏相关分析中，人口老龄化与病例率之间仍然存在统计学上显著的正相关，但其关联强度随着逐步加入经济富裕度、亨内贝格指数等其他变量而减弱。在完全调整模型中，人口老龄化独立解释了约7.5%的病例率方差。
多元线性回归的结果更清晰地量化了各因素的独立贡献。在“全进入法”模型中，当控制经济富裕度、亨内贝格指数、城市化、疫苗接种覆盖率的模型解释了总方差的71.3%。其中，经济富裕度是占主导地位的预测因子，其次是亨内贝格指数，而城市化和疫苗接种覆盖率不具独立的预测能力。当在模型中增加人口老龄化后，模型解释的总方差增加到76.5%。老龄化本身也是一个显著的独立预测因子，但其贡献度小于经济富裕度和亨内贝格指数。
“逐步回归”分析提供了一个更保守的估计。在该方法下，模型仅保留了经济富裕度和亨内贝格指数，二者共同解释了总方差的74.6%。当允许模型纳入人口老龄化时，其贡献是增加了1.7个百分点，使模型总解释力达到76.3%。这明确表明，尽管老龄化独立地、显著地贡献了变异解释，但其解释力相对于更广泛的结构性和背景性因素（如经济富裕度和亨内贝格指数）而言是微小的。
讨论
本研究的结果挑战了“人口老龄化是驱动国家间COVID-19病例率差异的主要原因”这一普遍假设。研究发现，尽管高龄个体的重症和死亡风险更高，但国家层面的人口老龄化比例本身并不能充分解释报告的感染病例数的跨国差异。经济富裕度，通过其与更强的检测能力、监测系统、国际流动性和城市化环境的关联，成为最强大、最一致的预测因子。亨内伯格指数，作为一个长期人口背景的代理指标，也解释了显著的方差，这反映了它与经济发展、医疗保健成熟度和人口结构的共享关联，但它最好被理解为生态模型中的一个背景性混淆因素，而非直接的因果机制。
人口老龄化、经济富裕度、亨内贝格指数、城市化、疫苗接种覆盖率等变量在主成分分析中聚集在一起，进一步证实了它们共享一个共同的结构背景。老龄化在这个结构中有意义，但并非主导。其独立贡献有限，在“逐步回归”模型中仅增加了1.7%的解释方差，表明其大部分看似与病例率的关联，实际上与更广泛的结构性因素存在重叠。
亚组分析的结果强调了背景的重要性。人口老龄化与报告病例率的关联在富裕、高资源环境中最强，而在低收入环境中基本不存在。这表明，低收入国家报告的病例率较低，更可能反映了检测能力有限、病例确认不足和监测基础设施薄弱，而非真实的低传播。因此，报告的病例率在很大程度上是一个监测能力的函数，而不仅仅是生物学易感性的结果。
优势与局限性
本研究的优势在于使用了覆盖215个国家/地区的大规模全球代表性数据集，采用了多因素的生态学框架，并结合了多种互补的统计方法。其局限性包括依赖可能存在系统性漏报的监测数据，生态学、横断面设计无法进行个体层面的因果推断，以及疫苗接种覆盖率仅为单一时间点快照等。研究强调了应将结果解释为反映了广泛的结构和背景影响，而非精确的生物或因果效应。
公共卫生意义
研究发现对公共卫生政策有三点关键启示。第一，鉴于经济富裕度和系统能力对报告病例率差异的解释力远超人口老龄化，持续投资于监测、检测、追踪和疫苗公平获取等基础能力建设，对控制疫情至关重要。第二，人口老龄化虽贡献微小但仍具统计学意义的独立影响，强调了继续优先为老年人提供疫苗接种、健康沟通和保护性干预的重要性，尤其是在人口结构快速转型的国家。第三，在疫情风险评估模型中纳入亨内伯格指数等长期人口背景指标，有助于更全面地理解跨国模式差异。重要的是，这些指标应被视作背景描述符，而非生物或遗传决定因素。
结论
综上所述，本研究证实，尽管人口老龄化与国家报告的COVID-19病例率存在统计关联，但其独立贡献有限。在考虑经济富裕度和亨内贝格指数所代表的长期人口背景等更具影响力的因素后，人口老龄化的贡献变得微小。这挑战了“老龄人口是国家级感染负担的主要驱动因素”的假设，并凸显了更广泛的结构性和背景性因素的主导作用。因此，有效的公共卫生对策应超越以年龄为基础的风险评估，转向一种综合的、系统导向的策略。该策略应优先考虑加强监测能力、社会经济韧性，并结合具体背景来解读人口特征。这样的方法才能为未来的大流行防备和应对提供一个更坚实的基础。
