米国におけるCOVID時代の公衆衛生災害の性質、全死因死亡率および社会・地理経済・気候データより　-デニス・ランコート論文

コンテンツ

AI要約
要旨
目次
要約
要約
1. はじめに
2. データと方法
3. 結果、分析、考察
4. カナダとの比較とその意味
5. COVID時代の死亡のメカニズム的原因
6. 結論
参考文献
- 付録

訪問者数： 855

Nature of the COVID-era public health disaster in the USA, from all-cause mortality and socio-geo-economic and climatic data

https://ocla.ca/nature-of-the-covid-era-public-health-disaster-in-the-usa/

再発行｜2021年10月25日

米国におけるCOVID時代の公衆衛生災害の性質、全死因死亡率および社会・地理経済・気候データより

デニス・G・ランコート1,*、マリーヌ・ボーダン2、ジェレミー・メルシエ2

1 Ontario Civil Liberties Association (ocla.ca) ; 2 Mercier Production (jeremie-mercier.com)；

* denis.rancourt@alumni.utoronto.ca

この記事はジャーナルによる査読を受けていない。以下のウェブサイトで同時公開されている。

https://ocla.ca/ https://denisrancourt.ca/ https://archive.today/

https://www.researchgate.net/profile/Marine-Baudin https://www.globalresearch.ca/

2021 年 10 月 25 日

AI要約

この文は、COVID-19パンデミックに関連する死亡率について、従来の見解とは異なる解釈を提供しています。要約すると、以下の主張がなされています。

1. 米国のCOVID時代の死亡率の分析: この文は、米国におけるCOVID-19パンデミック中の過剰死亡が、ウイルス自体よりもむしろ、医療と政府の対応、社会経済的な混乱、気候的要因、貧困や肥満などの社会的脆弱性から生じたものであると主張しています。
2. 歴史的パンデミックとの比較: 1900年以降、米国で宣言されたインフルエンザのパンデミックは、年間全死因死亡率に検出可能な増加を引き起こさなかったが、COVID-19パンデミックに対する医療と政府の対応が社会経済的な大変動と関連していると指摘しています。
3. 地理的・時間的な不均一性: COVID-19パンデミックにおける死亡率の地理的・時間的な不均一性は、ウイルス性呼吸器疾患が主因であるとは考えにくいと論じています。
4. その他の因子の影響: 貧困、肥満、気候温度といった因子が、COVID-19パンデミック時の過剰死亡率と相関していると述べています。
5. 若年層の死亡率: COVID-19パンデミック期間中に、特に若年層（15〜34歳）の死亡率が段階的かつ時間非依存的に増加したことを指摘しています。
6. ワクチン接種の効果: 大規模なワクチン接種キャンペーンが全死因死亡率において検出可能な利益をもたらさなかったと主張しています。
7. 細菌性肺炎の誤診: COVID-19の多くが細菌性肺炎と誤診されていた可能性があり、これが未治療の状態で放置されたことが、過剰死亡の一因であると述べています。
8. 社会的損害: この文は、COVID-19パンデミックに対する対応が透明性と説明責任に反する形で行われ、大きな社会的損害を引き起こしていると結論付けています。

この文書は、COVID-19に関する従来の理解や公衆衛生の対応に対して、独自の視点と解釈を提供しており、科学的な議論の一環として検討されるべき内容を含んでいます。ただし、これらの主張が科学コミュニティ全体で広く受け入れられているわけではなく、特定の見解を表していることに留意する必要があります。

要旨

カナダや西ヨーロッパ諸国とは異なり、米国が2020年3月から現在（2021年10月）までの「COVID時代」に、持続的に非常に大きな死亡率を示している理由を調査する。時間ごとの全死因死亡率は、死亡の原因となる真の大惨事を検出し、あらゆる原因による死亡の急増が集団レベルに及ぼす影響を測定するために、最も信頼できるデータである。米国の時間別（週、年）、年齢層別、性別、州別の全死因死亡率の挙動は、集団に自然免疫のない新しい呼吸器疾患ウイルスによるパンデミックの挙動に反している。その季節的構造（夏の最大値）、年齢層別分布（若い住民）、州別の大きな不均一性は前例がなく、パンデミックであろうとなかろうと、ウイルス性呼吸器疾患の行動とは正反対である。我々は、パンデミックは起こらなかったと結論づけた。我々は、COVID時代に政府が長期にわたって社会的、経済的変革を課したことによって誘発された持続的な慢性的心理的ストレスが、既存の社会的（貧困）、公衆衛生的（肥満）、暑熱気候の危険因子を致死的要因に変換し、その大部分が共に作用して、米国の脆弱で恵まれない住民の大規模な集団に対して壊滅的な集団レベルの結果をもたらし、それらの集団におけるCOVID時代以前の死亡率をはるかに上回ったと推論している。我々はまた、COVID時代の米国における大規模な肺炎の流行も発見したが、これはメディアでも言及されず、科学的文献でも大きく取り上げられておらず、十分な対策がとられていなかった。COVID-19とされた死亡例の多くは細菌性肺炎と誤診された可能性がある。大規模なワクチン接種キャンペーン（投与量3億8000万人、完全接種者1億7800万人、それぞれ主に2021年1月～8月、2021年3月～8月）には検出可能な軽減効果はなく、若年層をより脆弱にする一因となった可能性がある（35～64歳、2021年夏～の死亡率）。

要旨
概要
図一覧
略語と定義の表
1. はじめに
2. データと方法
3. 結果、分析、考察
- 3.1. 1年当たりの全死因死亡率、アメリカ、1900-2020年
- 3.2. 週当たりACM（ACM/w）、米国、2013-2021年
- 3.3. 週当たりACM（ACM/w）、米国、2013-2021年、州別
- 3.4. オレゴン州とワシントン州のACM/wにおける2021年6月下旬の熱波イベント
- 3.5. ACM-SB/wを人口で正規化したもの（ACM-SB/w/pop）（州別
- 3.6. ACM-SB/wを人口（WB/pop）で正規化したもの（ACM-SB/w/pop）。
- 3.7. COVID時代のSB以上の季節性死亡の地理的分布と相関：cvp1（春-2020年）、smp1（夏-2020年）、cvp2（秋-冬-2020年-2021年）
- 3.8. COVID時代の死亡転帰と社会的・地理経済的・気候的変数との関連
  - 肥満
  - 貧困
  - 気候温度
  - 肥満、貧困、気候温度
  - 人口の年齢構成
  - 人口密度
  - 年齢層別週別全死因死亡率（ACM/w）
  - 全死因超過死亡率とCOVID割り当て死亡率の比較
  - ワクチン接種
4. カナダとの比較とその意味
5. COVID時代の死亡のメカニズム的原因
6. 結論
参考文献
付録 ACM/w、2013年～2021年、アメリカ大陸の各州の色分けされたサイクル年

要約

我々は、2013-2021年の米国における時間別（週、年）の全死因死亡率（ACM）を、州別または年齢群別に、いくつかの社会的・地理経済的・気候的変数（貧困、肥満、気候温度、人口密度、地理的地域、夏の熱波）との関連で調査した。

私たちは、暦年、（夏から夏への）サイクル年、または選択された範囲の週ごとに、夏のベースライン（SB）ACMを上回る週ごとのACMとして「過剰」死亡率を計算し、2013年から2019年の10年単位で、単調かつ直線的な変動を持つACMを2021年に外挿した。

カナダや西ヨーロッパ諸国とは異なり、米国では2020年と2021年に、年別ACMと「過剰」ACMの両方で劇的な異常増加が見られ、これは世界保健機関（WHO）が2020年3月11日にパンデミックを宣言した直後に始まった。他の国ではこのようなことは起こらない。アメリカの2020年から2021年の年別死亡率は、第二次世界大戦直後の国内人口の年別死亡率（2020年）と等しく、2021年よりも大きい。

週別ACM（ACM/w）および週別ACM過剰（above-SB）（ACM-SB/w）の時空間変動については、「COVID時代」（2020年3月から現在）と「Pre-COVID時代」（2020年3月以前）の2つの明確な時期があることがわかった。一方、COVID時代には、ACMに前例のない州ごとの管轄区域と地域的な地理的不均質性が見られる。

COVID時代のACM-SB/wの季節的・年次的特徴を時間積分すると、州ごとに貧困（PV）、肥満（OB）、気候温度（Tav）と有意な相関があり、年齢層によっても異なっていた。この相関は、ACM-SB/wの1つの特徴（2020年3月～6月）における顕著な異常値を伴う、州ごとの異質性を説明するものであり、このような相関はCOVID時代以前のサイクル年の超過死亡率では見られなかった。PV、OB、Tavと過剰死亡との相関は、COVID時代にのみ見られる。我々は、通常（COVID以前）の過剰死亡（冬季）は、主に高齢者に発生するウイルス性呼吸器疾患に起因するが、PV、OB、気候に関係なく発生し、州の人口の年齢構造と相関があることを示す。

共相関の例として、2020年夏の超過死亡率を人口で正規化したもの（smp1/pop）と、OBとPVの積（OB.PV）の関係を州ごとに示した（詳細は記事参照）：

2021年夏にも同様の大規模な過剰死亡が発生しており、貧困、肥満、地域気候とも強く共相関している。加えて、これらの2020年と2021年の夏の死亡と、2020-2021年の秋から冬にかけての大規模な死亡は、ウイルス性呼吸器疾患による死亡とは異なり、幅広い年齢層にわたって若年層で発生していることを示した。

我々が明らかにした相関関係では、2020年と2021年の夏の過剰（SB以上）死亡率は、貧困、肥満、夏の気温の値が十分に小さい場合、あるいは貧困と肥満の積のようなそれらの組み合わせの場合、ゼロ値まで拡大する。

また、例えば、COVID時代の始まりは、15～34歳の死亡者数の増加と関連しており、ACM/w（週当たり約400人の死亡者数の増加）で新たな高原に達し、調査期間中も元に戻らないことがわかった。

COVID時代の全死因死亡率は、集団に自然免疫のない新型ウイルスによるパンデミックとは相容れない。

それどころか、我々はCOVID時代の死亡には2つのタイプがあると結論づけた：

WHOがパンデミックを宣言した直後に発生した（ACM/wにおける）大きな狭いピークは、明らかに、特定の州の管轄区域で、病気の高齢者集団に対して行われた積極的で斬新な政府・医療対応によって引き起こされた（34州はこの特徴を顕著に示していない）。
2020年夏、2020年秋～冬、2021年夏のピークと過剰（ACM/wにおいて）は、貧困、肥満、地域的気候と共相関しており、おそらく、生活と社会を大規模に混乱させ、15歳という幅広い年齢層に影響を与えた、政府と医療対応によって誘発された慢性的な心理的ストレスが原因である。

したがって、パンデミックは起こらなかった。しかし、米国の脆弱で恵まれない住民の大多数に対する前例のない組織的攻撃が起こったのである。我々は、COVID時代の社会的・経済的変容によって誘発された持続的な慢性的心理的ストレスが、既存の社会的（貧困）、公衆衛生的（肥満）、暑熱気候の危険因子を致死的な要因に変換し、その大部分が共働して、COVID時代以前の既存の危険因子の背景から発生したであろう死亡者数をはるかに上回る、壊滅的な集団レベルの結果をもたらしたと解釈している。

要約

我々は、2013-2021年の米国における時間別（週）の全死因死亡率（ACM）を、州別または年齢群別に、いくつかの社会的・地理経済的・気候的変数（貧困、肥満、気候温度、人口密度、地理的地域、夏の熱波）との関連で調査した。

共相関の例として、2020年夏の超過死亡率を人口で正規化したもの（smp1/pop）と、OBとPVの積（OB.PV）の関係を州ごとに示した（詳細は記事参照）：

COVID時代の全死因死亡率は、集団に自然免疫のない新型ウイルスによるパンデミックとは相容れない。

それどころか、我々はCOVID時代の死亡には2つのタイプがあると結論づけた：

WHOがパンデミックを宣言した直後に発生した（ACM/wにおける）大きな狭いピークは、明らかに、特定の州の管轄区域で、病気の高齢者集団に対して行われた積極的で斬新な政府・医療対応によって引き起こされた（34州はこの特徴を顕著に示していない）。
2020年夏、2020年秋～冬、2021年夏のピークと過剰（ACM/wにおいて）は、貧困、肥満、地域的気候と共相関しており、おそらく、生活と社会を大規模に混乱させ、15歳という幅広い年齢層に影響を与えた、政府と医療対応によって誘発された慢性的な心理的ストレスが原因である。

図リスト

図1 1900年から2020年までのアメリカの暦年別全死因死亡率…
図2a. 1900年から2016年までの米国における1-4歳、5-14歳、15-24歳、25-34歳の各年齢群別の全死因死亡率
図2b. 1900年から2016年までの米国における35-44歳、45-54歳の各年齢層の全死因死亡率
図2c. 米国の55-64歳、65-74歳、75-84歳、85歳以上の各年齢群における全死因死亡率（1900年から2016年まで）
図3a. 1900年から2020年までの米国の人口。
図3b. 1900年から2016年までの米国の年齢層別人口。
図4a. 1900年から2020年までの米国の人口で正規化した年別全死因死亡率
図4b. 1900年から1997年までの米国の15～24歳の男女各年齢群における全死因死亡率を人口で正規化したもの。
図4c. 1900年から1997年までの米国の男女各25-34歳の年齢階級における人口別に正規化した年別全死因死亡率….
図5 米国における2013年から2021年までの週ごとの全死因死亡率…
図6 2013年から2021年までの米国における全死因死亡率と夏季基準死亡率の差
図7 2018年から2021年までの米国における全死因死亡率と夏季ベースライン死亡率の差
図8 米国におけるCOVID時代の特徴パターンの地図
図9a. 2013年から2021年までのコネチカット、メリーランド、マサチューセッツ、ニュージャージー、ニューヨークの全死因死亡率と夏のベースライン死亡率の差を人口で正規化した週ごとの差。
図9b(i) 2013年から2021年までのコロラド州、イリノイ州、インディアナ州、ミシガン州、ペンシルベニア州の人口別に正規化した週ごとの全死因死亡率と夏季ベースライン死亡率の差
図9b(ii)。コロラド州、イリノイ州、インディアナ州、ミシガン州、ペンシルベニア州の2019年から2021年までの人口別に正規化した週ごとの全死因死亡率と夏季ベースライン死亡率の差
図9c. アイオワ州、カンザス州、ミズーリ州、モンタナ州、ネブラスカ州、ノースダコタ州、オクラホマ州、サウスダコタ州の2013年から2021年までの人口別に正規化した週ごとの全死因死亡率と夏季基準死亡率の差
図9d. アイダホ州、ネバダ州、ニューメキシコ州、ユタ州、ワイオミング州における2013年から2021年までの人口別にみた全死因死亡率と夏のベースライン死亡率の週ごとの差
図9e. 2013年から2021年までのオレゴン州とワシントン州における、人口別に正規化した週ごとの全死因死亡率と夏季ベースライン死亡率の差
図9f. カリフォルニア州とジョージア州の2013年から2021年までの人口別に正規化した週ごとの全死因死亡率と夏季ベースライン死亡率の差….
図9g. 2013年から2021年までのアリゾナ州、フロリダ州、ミシシッピ州、サウスカロライナ州、テキサス州の人口別に正規化した週ごとの全死因死亡率と夏季ベースライン死亡率の差
図9h(i) 2013年から2021年までのルイジアナ州とミシガン州の人口別に正規化した週ごとの全死因死亡率と夏のベースライン死亡率の差
図9h(ii). 2019年から2021年までのルイジアナ州とミシガン州の人口別に正規化した週ごとの全死因死亡率と夏のベースライン死亡率の差
図10a. カリフォルニア州、フロリダ州、ミシガン州、ネバダ州、ニューヨーク州、サウスダコタ州の2013年から2021年までの人口別に正規化した週ごとの全死因死亡率と夏のベースライン死亡率の差
図10b. 2013年から2019年までのカリフォルニア州、フロリダ州、ミシガン州、ネバダ州、ニューヨーク州、サウスダコタ州の人口別に正規化した週ごとの全死因死亡率と夏季基準死亡率の差
図10c. カリフォルニア州、フロリダ州、ミシガン州、ネバダ州、ニューヨーク州、サウスダコタ州の2019年から2021年までの人口別に正規化した週ごとの全死因死亡率と夏季ベースライン死亡率の差
図11a. コロラド州、コネチカット州、イリノイ州、ルイジアナ州、ニュージャージー州、ニューヨーク州における2013年から2021年までの人口別に正規化した週ごとの全死因死亡率と夏季ベースライン死亡率の差
図11b. コロラド州、コネチカット州、イリノイ州、ルイジアナ州、ニュージャージー州、ニューヨーク州の2013年から2019年までの人口別に正規化した週ごとの全死因死亡率と夏季基準死亡率の差
図11c. コロラド州、コネチカット州、イリノイ州、ルイジアナ州、ニュージャージー州、ニューヨーク州の2019年から2021年までの人口別に正規化した週ごとの全死因死亡率と夏季基準死亡率の差
図12a. 2014年から2021年までの米国における冬季の負担を人口で正規化したもの
図12b. 2014年から2021年までの各周期における、米国大陸の各州の冬期負担を人口で正規化したもの。
図12c. アラバマ州、アリゾナ州、フロリダ州、ルイジアナ州、ミシシッピ州、サウスカロライナ州、テキサス州の2014年から2021年までの各周期における冬期負担を人口で正規化したもの。
図12d. コネティカット州、メリーランド州、マサチューセッツ州、ニュージャージー州、ニューヨーク州の2014年から2021年までの各サイクルにおける冬期負担を人口で正規化したもの。
図13. 各周期におけるWB/人口の州間度数分布（2014～2021年）
図14. 2014年から2021年までの各サイクルにおける、米国大陸49州のWB/人口分布の統計パラメータ…
図15. アメリカ大陸におけるcvp1死亡率の強度を人口で正規化した地図。
図16. 米国大陸におけるsmp1死亡率の強度を人口で正規化した地図。
図17a. smp1/人口対cvp1/人口
図17b. cvp2/人口対cvp1/人口
図17c. cvp2/pop対smp1/pop
図17d. smp2/pop対smp1/pop
図18. cvp2/pop対smp1/pop、半径の大きさはcvp1/popによって決定される。
図19a. cvp1/pop対肥満症
図19b. smp1/popと肥満の比較
図19c. cvp2/popと肥満の比較
図19d. 2019年周期のWB/人口対肥満度
図19e. COVID時代の2020年のWB/人口対肥満度
図19f. COVID時代のサイクル年2021のWB/人口対肥満
図20a. cvp1/人口対貧困
図20b. smp1/pop対貧困率
図20c. cvp2/人口対貧困
図20d. サイクル年2019のWB/人口対貧困
図20e. COVID時代の2020年周期のWB/人口対貧困率
図20f. COVID時代の2021年のWB/人口対貧困率
図21.日平均気温：日平均気温：1日の最低気温と最高気温の平均値
図22. 2020年8月のアメリカ大陸の州ごとの平均気温
図23. smp1/pop 対 2020年7月と8月の日平均最高気温（Tmax Jul-Aug 2020）
図24. 肥満と貧困の比較
図25：肥満と貧困の積に対するsmp1/pop
図26. Tav2020対肥満と貧困の積、半径の大きさはsmp1/popで決まる。
図27a. 2014年周期のWB/人口対85歳以上/人口
図27b. 2015年周期のWB/人口対85歳以上/人口
図27c. 2016年周期のWB/人口対85人以上/人口
図27d. 2017年周期のWB/人口対85人以上/人口
図27e. 2018年周期のWB/人口対85人以上/人口
図27f. 2019年周期のWB/人口対85+/人口
図28a：cvp1/pop対85+/pop
図28b. smp1/pop対85+/pop
図28c. cvp2/人口対85+/人口
図28d. WB/人口対85人以上/人口（2020年サイクル）
図28e. 2021年周期のWB/人口対85人以上/人口
図29a. 2014年周期のWB/人口対人口密度
図29b. 2015年周期のWB/人口対人口密度
図29c. 2016年周期のWB/人口対人口密度
図29d. 2017年周期のWB/人口対人口密度
図29e. 2018年周期のWB/人口対人口密度
図29f. 2019年周期のWB/人口対人口密度
図30a. cvp1/人口対人口密度
図30b. smp1/人口対人口密度
図30c. cvp2/人口対人口密度
図30d. 2020年周期のWB/人口対人口密度
図30e. 2021年周期のWB/人口対人口密度
図31. 2020年から2021年までの米国における、週ごとの全死因死亡率、日ごとの完全接種者数、日ごとのコロナワクチン投与量。
図32a. 米国における18～64歳と65歳以上の年齢層の週別全死因死亡率（2014年から2021年まで）
図32b. 米国における65歳以上と18～64歳の年齢層の週別全死因死亡率の差（2014年から2021年まで）
図33a. 米国における14歳以下の年齢層の人口で正規化した週別全死因死亡率、男女それぞれ、2020年から2021年まで….
図33b.図33b. 米国における15～34歳の男女別週別全死因死亡率（2020～2021年）
図33c. 米国の15～34歳の女性における人口で正規化した週ごとの全死因死亡率（2020年から2021年まで）
図33d. 2020年から2021年にかけての米国における35-54歳の男女の週別全死因死亡率
図33e. 米国の35-54歳の女性における人口で正規化した週別の全死因死亡率（2020年から2021年まで）
図33f. 米国の55～64歳の男女各年齢群の人口別に正規化した週ごとの全死因死亡率（2020年から2021年まで）….
図33g. 米国の65～74歳の人口別に正規化した週別の全死因死亡率、男女別、2020年から2021年まで….
図33h. 男女それぞれ75～84歳の米国における2020年から2021年までの人口別に正規化した週ごとの全死因死亡率….
図33i. 米国の85歳以上の年齢群における人口別に正規化した週別の全死因死亡率、男女別、2020年から2021年まで….
図34a. 2014年から2021年までのアメリカの週別全死因死亡率、COVID-19死亡率、インフルエンザ死亡率、肺炎死亡率、PIC死亡率
図34b. 2019年から2021年までのアメリカの週別全死因死亡率、COVID-19死亡率、インフルエンザ死亡率、肺炎死亡率、PIC死亡率…
図34c. 2014年から2021年までのアメリカのSB以上、COVID-19、インフルエンザ、肺炎、PICによる全死因死亡率の週別推移
図34d. 2019年から2021年までの米国におけるSB以上、COVID-19、インフルエンザ、肺炎、PICの週別全死因死亡率
図34e. 2014年から2021年までの米国におけるSB以上、COVID-19、インフルエンザ、肺炎-pSBおよびPIC-pSBの週別全死因死亡率…
図34f. 2019年から2021年までの米国におけるSB以上、COVID-19、インフルエンザ、肺炎-pSB、PIC-pSBの週別全死因死亡率…
図34g. 2014年から2021年までの米国におけるSB以上、COVID-19、インフルエンザ、肺炎-pSB、ACM-SBからPIC-pSBを除いた全原因死亡率の週別推移
図34h. 2019年から2021年までの米国におけるSB以上、COVID-19、インフルエンザ、肺炎-pSB、ACM-SBからPIC-pSBを除いた週ごとの全死因死亡率…
図34i. COVID-時代（2020年3月から2021年まで）のアメリカにおける、週ごとのSB以上、COVID-19、インフルエンザ、肺炎-pSBによる全死因死亡率、および週ごとのCOVID-19による全死因死亡に対する肺炎によるCOVID-19による死亡の比率
図35. カナダにおける2010年から2021年までの週別全死因死亡率….
図36a. カナダのサイクルイヤー別全死因死亡率（2011年から2021年まで）…
図36b. 2011年から2021年までのカナダの冬期負担….
図37. カナダの2010年から2020年までの暦年別全死因死亡率と2011年から2021年までのサイクル年別全死因死亡率を示す。
図38a. 米国各州の出生時平均余命の地図（2010～2015年の国勢調査による）
図38b. 米国の全年齢における州別（六分位数）人口1,000人当たりの抗生物質処方量（2019年）
図39. 抗生物質処方箋を調剤された外来患者数の推定値（米国、2019～2020年）

略語と定義の表

1 本文中では「全死因SB以上」または「超過」死亡とも呼ばれる。
2 本文中では「2020年3～6月ピーク」または「covid peak」または「spring-2020 peak」または「spring-2020 excess mortality」とも呼ばれる。
3 本文中では「fall-winter-2020-2021 excess mortality」とも呼ばれる。
4 本文中では「夏-2020年超過死亡率」とも呼ぶ 5 本文中では「夏-2021年超過死亡率」とも呼ぶ
6年が前にある場合、それはこのサイクル年のWBであることを意味する。
7年が前にある場合は、このサイクル年のWB/POPであることを意味する。N/A は該当なしを表す

1. はじめに

COVID-19にまつわる出来事を理解するためには、全死因死亡率（ACM）、および全死因による過剰死亡を過去の傾向からの予測と比較して調べることが不可欠であることを認識する研究者が、少数ではあるが増えてきている（Jacobson and Jokela, 2021）（Kontopantelis et al.

多くの国（および州、地域、郡）のACMの時間別（日、週、月、年別）の先行分析では、COVID時代（2020年3月から現在）のデータはウイルス性呼吸器疾患のパンデミックとは矛盾しており、死亡率は管轄区域間で非常に不均一であり、ほとんどの場所で異常はなく、医療と行政の両方による積極的な地方または地域の対応と同期して死亡するホットスポットまたはホット地域があることを示した（Rancourt, 2020）（Rancourt et al. , 2020）（Rancourt et al., t21）。

全死因による死亡の急増は、地理的（管轄区域ごと）にも時間的にも非常に局地的であり、パンデミックの行動とは正反対であるが、この急増は既知の政府や医療機関の対応によって引き起こされたものである（Rancourt, 2020）（Rancourt et al.

特にカナダでは、COVID時代の年別ACM（ACM/y）が過去10年間の直線的なトレンドに正対していることから、パンデミックの証拠はない。加えて、カナダの週別ACM（ACM/w）データでは、ACMの時間的・季節的変化について、男女別、年齢層別で、州レベルの大きな不均一性を示しており、これは医療や政府の対策の影響と考えざるを得ない（Rancourt et al., t21）。

我々はまた、フランスについて、多くの管轄レベル（地域、県、コミューン）で、時間別（日、月）のACMを、施設居住や薬物使用に関する高解像度データ（Rancourt et al.

米国については、ACMに関する過去の記事（Rancourt, 2020）（Rancourt他, 2020）で、2020年3月から5月にかけて発生した壮大なホットスポットの異変を中心に報告した。ここでは、米国について、現在入手可能なデータまで分析を拡張し、社会・地理経済・気候データを含める。

COVID時代のアメリカのACMデータには、世界のどこにもない衝撃的な特徴がある。この点でアメリカは特異である。COVID時代の死亡者数は10年ごとのトレンドを上回っている。隣国のカナダではこのようなことは起こらない。西ヨーロッパ諸国でもこのようなことはない。似たような急増は東欧諸国でも起こるが、アメリカほど大規模ではない。

われわれの目的は、COVID時代に米国で発生した大規模な過剰死亡の性質を解明し、既知の疾病脆弱性メカニズム（精神神経免疫学、ヒトのストレス-免疫-生存の関係）を視野に入れながら、その原因と思われるものを特定するために、ACMから時間別、管轄地域別、年齢層別、性別に厳密に推測できる最大限のことを記述することであった。そのため、以下のような社会・地理経済的データを調査した：

人口の年齢構成
人口密度
人種に関する考察
肥満
貧困（世帯収入の中央値も含む）
気候温度
ワクチン接種状況（COVID-19とインフルエンザワクチン）
抗生物質の処方率

2. データと方法

表1に本研究で使用したデータとその出典を示す

表1 検索されたデータ。米国とは、本文中で特に断りのない限り、コロンビア特別区を含み、アラスカとハワイを除く49州からなる米国本土を意味する

アクセス時点では、2013年第40週から2021年第40週までのデータが利用可能であった。使用可能なデータは2021年第37週までであるが、それ以降の週ではデータが不十分であるため、大きなアーチファクト（死亡率の異常低下、付録参照）が生じている。USAの州レベルのデータについては、2013年の欠落週（2013年第1週から2020年第39週）を追加することができたが、これは同ウェブサイト（CDC, 2021a）から以前にダウンロードしたファイル（2020年6月24日ダウンロード）のおかげである。

** アクセスした時点では、2020年第1週（2020年1月4日終了週）から2021年第40週（2021年10月9日終了週）までのデータが利用可能であった。使用可能なデータは2021年第37週（2021年9月18日終了週）までであるが、それ以降の週ではデータ不足のため、大きなアーチファクト（死亡率の異常低下）が生じる。

*** アクセスした時点では、2021年8月までのデータが入手可能であった。

§ これらのデータは、CDC 2021a、CDC 2021c、CDC 2021dにあるデータを組み合わせたものである。

§§ これらのデータは、CDC 2021c、CDC 2021d、US Census Bureau 2021bにあるデータの組み合わせである。

# 私たちの研究では、2020年の人口データ（国勢調査推計）を使用している。

## 我々は2020年の人口密度データを使用している。

+ アクセス時点では、2020年12月14日（2020年第51週）から2021年9月27日（2021年第39週）までのデータが利用可能である。

++ アクセス時点では、2010年第1週（2010年1月9日終了週）から2021年第30週（2021年7月31日終了週）までのデータが利用可能であった。2021年第20週（2021年5月22日終了週）までは、それ以降の週のデータが統合されていないため、アーチファクト（死亡率の異常低下）が大きく、使用可能なデータは2021年第20週（2021年5月22日終了週）までである。

1 3つの年齢グループ：<18, 18-64, 65+
2 11の年齢グループ：<1, 1-4, 5-14, 15-24, 25-34, 35-44, 45-54, 55-64, 65-74, 75-84, 85+
3 12歳のグループ<1歳未満, 1～4歳, 5～14歳, 15～24歳, 25～34歳, 35～44歳, 45～54歳, 55～64歳, 65～74歳, 75～84歳, 85歳以上, 不明
4 14歳のグループ：<1, 1-4, 5-9, 10-14, 15-19, 20-24, 25-34, 35-44, 45-54, 55-64, 65-74, 75-84,

85歳以上, 記載なし

5 19の年齢グループ<1, 1-4, 5-9, 10-14, 15-19, 20-24, 25-29, 30-34, 35-39, 40-44, 45-49, 50-54,

55-59, 60-64, 65-69, 70-74, 75-79, 80-84, 85+

6 86歳：0歳から85歳以上まで、1歳刻みで表示。
7 コロンビア特別区の気温は入手できない。

StatCan (2021)は、死亡を「出生後、生命の痕跡が永久に消失した状態」と定義し、死産は除外している。StatCanは、2020年と2021年のACMは暫定的なものであり、変更される可能性があること、死亡者数は「統計法の守秘義務を満たすために5の倍数で四捨五入されている」ことを明記している。

CDCによると（CDC, 2021a）：

肺炎、インフルエンザおよび/またはCOVID-19（PIC）の死亡は、ICD-10の複数の死因コードに基づいて特定される。
NCHS Mortality Surveillance Systemのデータは、死亡者の居住州に基づいて、国、州、HHS地域レベルで死亡が発生した週ごとに示されている。
”すべての死亡が死亡後1週間以内に報告されるわけではないので、それ以前の週のデータは継続的に修正され、P&IまたはPICによる死亡の割合は、NCHSが新しい死亡診断書データや更新された死亡診断書データを受け取るにつれて増減する可能性がある。”
NCHSが報告し、ここに示したCOVID-19による死亡数は暫定的なものであり、マスコミ報道や郡保健所からの数など、他の情報源の数とは一致しない。COVID-19による死亡は、さまざまな報告やサーベイランスシステムで異なる分類や定義がされている可能性がある。NCHSが報告する死亡数には、死因としてCOVID-19が記載されている死亡が含まれ、検査室で確認されたCOVID-19による死亡および臨床的に確認されたCOVID-19による死亡が含まれる。NCHSが報告した暫定的な死亡者数は、米国におけるCOVID-19による死亡者数に関する他の公表データ源より約1～2週間遅れている。「NCHSが報告した死亡者数と他の情報源で報告された死亡者数との差は、このような理由によるものと考えられる。
以前のシーズンでは、NCHSのサーベイランスデータは、死因として肺炎および/またはインフルエンザ(P&I)が記載された各週に発生した全死亡のパーセンテージを計算するために使用された。COVID-19の流行が続いているため、COVID-19にコードされた死亡がP&Iに追加され、PIC（肺炎、インフルエンザ、および/またはCOVID-19）分類が作成された。PICには、死亡診断書に肺炎、インフルエンザ、COVID-19のいずれかが記載されたすべての死亡が含まれる。インフルエンザによる死亡の多くとCOVID-19による死亡の多くに肺炎が死亡診断書に記載されているため、P&Iはもはやインフルエンザの影響をこれまでと同じ方法では測定できない。これは、インフルエンザに関連した肺炎死亡の割合が、COVID-19に関連した肺炎の影響を受けるようになったためである。これらのウイルスが死亡率に与える影響と、PIC死亡率に対する各ウイルスの相対的な寄与をよりよく理解するために、PICの割合とインフルエンザとCOVID-19による死亡者数を示す。”

この論文で紹介するすべての散布図では、アメリカ大陸の49州（コロンビア特別区を含み、アラスカ州とハワイ州を除く）について、以下の色分けが適用されている。

我々の方法論の要点は以下の通りである。

死因が単純でも明らかでもないCOVID-19では、死因を特定する際の不確実性や偏りを避けるため、全死因死亡率（ACM）を用いる。ACMデータは、管轄区域別（州、国、郡）、年齢層別、人種別、性別、時間別（日、週）に入手できる。管轄区域間または異なるグループ間の比較を人口単位で可能にするために、グループ別のACM合計を関連グループのそれぞれの人口で正規化することができる。

一般に、季節的な冬の死亡率の最大値を示す管轄区域では、夏の谷における死亡率の底値は、10年またはそれよりも短い時間スケールで直線的な傾向をたどる。この傾向線を「夏の基準線」（SB）と呼び、「過剰死亡」を定量化したい場合には、SBを超える死亡数をカウントするためにこの基準線を使用する。

言い換えれば、時間（日、週、月）別の死亡率は、夏から翌年の夏までの（自然）周期年において、SBとSBを上回る冬期負担（WB）死亡率を用いて分析するのが最善であると主張した以前の方法論に従っている。夏の死亡率の谷の値は、（COVID時代以前の正常な状況では）時間によって直線的な局所傾向に従っているが、SB以上の特徴には季節ごとの変動に大きなランダム性があり、夏のベースライン死亡率は、冬期の生命を脅かすさまざまな季節変動のある健康問題の影響を受けていない「安定した」死亡率を代表していることを示唆している(Rancourt, 2020) (Rancourt et al., 2020) (Rancourt et al., 2021)。

州レベルでのSBの推定

線形夏季ベースライン（SB）は、アラバマ州とウィスコンシン州の2014年夏季と2015年夏季を除く米国本土の全州について、2013年夏季から2019年夏季までの夏季の谷の27週から36週を含む週を用いて最小二乗法で当てはめ、それぞれ1%補正したものである（下記参照）。アラバマ州については、2014年夏[27-29]週と[33-36]週でデータ低下が見られるため、2014年夏[30-32]週のみを使用した（付録参照）。ウィスコンシン州については、2015年の[30-32]週でデータ低下が見られるため、2015年夏については[27-29]週と[33-36]週のみを使用した（付録参照）。SBを1%補正してSBを下げ、夏の谷の底と一致させた。また、SBを1%補正するために、夏の期間を短いものから順に、[30-32]週、[29-33]週、[28-35]週、[27-36]週で推定した。その結果、期間が長いほどSBの勾配の推定値は良くなるが、前の冬シーズンの最後の週と次の冬シーズンの最初の週が含まれるため、SBの切片の推定値も高くなることがわかった。したがって、我々は、最大の夏期期間（[26-37]週）でSBを推定し、切片を1%下げることにした（補正なしでは切片が高くなりすぎ、補正係数2%では切片が低くなりすぎる）。SBは、プレCOVID時代（2013年から2019年の夏）の各夏の26週目から37週目（含む）の間に推定され、これは7月初旬から9月初旬までの週数に相当する。

国レベルでのSB推定

州が関与する作業については、米国のSB推定値は各州のSB推定値の合計である。
各州が関与しない作業では、SBは、2014年夏から2019年夏までの夏の谷の27週目から36週目を含むアメリカ全体（アラスカとハワイを含む）について、補正が不要なため最小二乗法で当てはめたものである。

このようにして、ある周期年における冬季の死亡負荷を定量化したのと同様に、任意の期間、例えばACMの顕著な特徴を時間的に捉えた期間における死亡の過剰（above-SB）を定量化することもできる。COVID時代には、2020年春ピーク（cvp1）、2020年夏ピーク（smp1）、2020年秋冬ピーク（cvp2）、2021年夏ピーク（smp2）があり、本文にあるように定義した。

3. 結果、分析、考察

3.1. 1年当たりの全死因死亡率、アメリカ、1900-2020年

まず、1900年から2020年までのアメリカにおけるACM/y（暦年当たり）を調べる。これを図1に示す。

図1 1900年から2020年までのアメリカにおける暦年ごとの全死因死亡率。データは表1のように検索した。

ACM/y 1900-2020には次のような主な特徴がある。第一に、全期間にわたっておおむね増加傾向にあり、1920-2010年の領域では年間約16K人（16K/y/y）の死亡者数の傾きがある。全体的な増加傾向は人口増加によるものである。この支配的な影響を取り除くためには、人口で正規化する必要がある（下記参照）。第2に、1918年に大きな増加が見られるが、これはいわゆる「1918年インフルエンザ流行」に相当する。第3に、COVID時代の最初の年に相当する2020年に大きな増加がある。第四に、1920年代後半と1930年代半ばに顕著な増加が見られるが、これは世界大恐慌とそれに伴う中西部の10年にわたるダストボウル干ばつに伴う苦難に対応している。

第五に（中略）1957-58年、1968年 2009年に起こったとされる20-21世紀のインフルエンザの大流行（Doshi, 2008）（Doshi, 2011）に対応するような増加は検出されていない。

ACM/yにおけるこれらの主な特徴は、年齢層別のACM/y（1900年から2016年まで入手可能）を調べることで明らかになり、さらに強化される。これを、1歳未満を除く全年齢を10の年齢グループに分けて図2に示す。

図2a. 1900年から2016年までの米国における1-4歳、5-14歳、15-24歳、25-34歳の各年齢群別の全死因死亡率。データは暦年ごとに表示されている。データは表1にあるように検索した。

図2b. 1900年から2016年までの、米国における35-44歳および45-54歳の年齢群の年別全死因死亡率。データは暦年ごとに表示されている。データは表1の説明に従って検索された。

図2c. 1900年から2016年までの、米国における55-64歳、65-74歳、75-84歳、85歳以上の各年齢群の全死因死亡率。データは暦年ごとに表示されている。データは表1のように検索した。

ACM/y 1900-2016の年齢層別データから、以下の観察が可能である。

1918年については、15〜24歳、25〜34歳では壊滅的であったが、35〜44歳、45〜54歳ではそれほどでもなく、55歳以上ではほとんど検出されなかった。実際、インフルエンザによる死亡のほとんどは、細菌性肺感染症によるものであり（Morens et al., s08）（Chien et al., n09）（Sheng et al., g11）、抗生物質がなかった時代であり、世界大戦によって大きく混乱した時代であり、ヨーロッパとロシアでは腸チフスの流行と同時期であった。

世界大恐慌とダストボウルの被害については、1920年代後半と1930年代半ばのACM/yの増加は15-24歳、25-34歳、35-44歳、45-54歳の年齢層で顕著であるが、55歳以上では検出されていない。

20世紀から21世紀にかけてのインフルエンザのパンデミックについては、55-64歳、65-74歳、75-84歳、85歳以上の高齢者層を含むどの年齢層においても、1957-58年、1968年 2009年の死亡率増加の痕跡はない。明らかに、これらの20世紀に宣言されたパンデミックは、全死因死亡率に無視できるほどの影響しか及ぼさなかった。1918年、1920年代後半から1930年代半ば、1945年未満、2020年のイベントの大きな影響（それぞれ第一次世界大戦、大恐慌とダストボウル、第二次世界大戦、宣言されたCOVID-19パンデミックに対する医療と政府の対応）とは比較にならない。

年齢層別のACM/yは、長期的（10年単位）な変動があり、顕著な大小の極小値はおよそ以下の時期に発生している：

~1975-1980年：35-44歳の年齢層
~1985～1990年：45～54歳の年齢層
~1995～2000年：55～64歳群
~2005-2010: 65～74歳群
~2010-2015: 75～84歳

これらの変動は、第二次世界大戦後のベビーブームの影響によるものである。

米国の人口は、図3に示すように、1900年から2020年まで変動した（年齢層については1900年から2016年まで）。

図3a. 1900年から2020年までのアメリカの人口。データは暦年ごとに表示されている。データは表1にあるように検索された。

図3b. 1900年から2016年までのアメリカの年齢層別人口。データは暦年ごとに表示されている。データは表1の説明に従って検索された。

ここで（図3a）、第二次世界大戦に関連して、1943年から1945年にかけて人口が大きく落ち込んでいるのがわかる。人口対時間の傾きも1943年から1945年にかけて劇的に変化し、ベビーブームと呼ばれる戦後増加した。年齢層別人口（図3b）を見ると、1943-1945年の落ち込みは、15-24歳と25-34歳の年齢層、特に15-24歳によるものであることが確認できる。この図（図3b）は、ベビーブームの劇的な結果も示しており、ベビーブーマーが高齢化するにつれて、年齢層に次ぐ年齢層でその姿を現している。85歳以上人口の単調増加（図3b）は、そのまま85歳以上死亡者数の単調増加（図2c）の原因となっている。

次に、ACM/y（図1）を1900年から2020年の人口（図3a）で正規化し、ACM/y/人口を求めると図4aのようになる。

図4a. 1900年から2020年までのアメリカの全死因死亡率を人口で正規化した年別死亡率。データは暦年ごとに表示されている。データは表1のように検索された。

これにより、ACM/yを人口に対する割合で見ることができる。

図3b）、1945年以降の死亡率は比較的平穏であり（公衆衛生上の大災害は検出されなかった）、1957-58年、1968年 2009年のパンデミックの兆候はなく、2020年のCOVID時代の増加（本稿の主題である）。

1920年代後半、1930年代中頃、1945年未満の死亡率と、1945年以上の平穏な期間の死亡率については、年齢層別、男女別にACM/y/popを調べることにより、以下のようにさらに明らかにすることができる。

図4b. 1900年から1997年までのアメリカの15-24歳の男女各年齢層の人口で正規化した年別全死因死亡率。各正規化には特定の年齢層と性別の人口が用いられている。データは暦年ごとに表示されている。データは表1にあるように検索された。

図4c. 1900年から1997年までの米国における25-34歳の各年齢層の全死因死亡率を人口で正規化したもの。各正規化には特定の年齢層と性別の人口が用いられている。データは暦年ごとに表示されている。データは表1のように検索された。

図4bと4cは、若い男女がともに1920年代後半と1930年代半ばの苦難の影響を受けたが、若い男性だけが第二次世界大戦の影響を受けて死亡したことを示している。興味深いことに、15～24歳の男性は、1960年代半ばから1980年代前半にかけて死亡率が比較的高かった。

2020年のACM/y/popの値は、1945年の人口別死亡率に等しい死亡率に戻る（図4a）。このことは、COVID-19の対応による社会経済的激変は、1930年代の苦難に対応して1945年にニューディールがすでに実施されていたため、現在の人口ははるかに高齢であり、おそらく階級格差がより大きいとはいえ、先の大戦期の激変に匹敵することを示唆している。

3.2. 週当たりACM（ACM/w）、米国、2013年～2021年

2013年から2021年までのアメリカのACM/wを図5に示す。2013年から2019年（COVID-以前の時代）の夏の谷の底を直線で結んだトレンドがある。この傾向線を「夏のベースライン」（SB）と呼び、SBを超える死亡（「超過」死亡）をカウントするために使用する。

我々は、時間（日、週、月）別の死亡率は、夏から次の夏にかけての（自然な）サイクル年において、SBと、SBを上回る冬季の負担死亡（WB）を用いて分析するのが最善であると主張した以前の方法論に従っている。季節性死亡率データの一般的な特徴として、SBトレンドは通常10年程度の時間スケールで直線的であるのに対して、SB以上の特徴には季節間の変動に大きなランダム性があり、夏のベースライン死亡率は、冬に発生する生命を脅かすさまざまな季節変動のある健康問題の影響を受けていない「安定した」死亡率を代表していることが示唆される(Rancourt, 2020) (Rancourt et al., 2020) (Rancourt et al., 2021)。

図5 2013年から2021年までの米国における週ごとの全死因死亡率

2013年第1週から2021年第37週までのデータが表示されている。線形夏季ベースライン（SB）は、2013年夏季から2019年夏季までの夏季の谷に最小二乗法を当てはめたもので、2014年夏季のアラバマ州と2015年夏季のウィスコンシン州を除き、それぞれ夏季の谷27週から36週を含み、1%で補正した（第2節参照）。データは表1の通り、CDC（CDC, 2021a）から取得した。

次に、可視化のために、週ごとにACMからSBを除去し、ACM-SB/wを求めることができる。これを2013年から2021年までのアメリカについて図6に示す。

図6 2013年から2021年までの米国における全死因死亡率と夏季ベースライン死亡率の差。2013年第1週から2021年第37週までのデータを表示した。異なる色は異なるサイクル年である。サイクル年は、暦年の第31週（8月初め）から翌暦年の第30週（7月末）までである。ACMのデータはCDC (CDC, 2021a)から取得した。SBは第2節で説明したように推定した。

アメリカのCOVID時代のACM/w（またはACM-SB/w）には多くの顕著な特徴が見られる（図5と6）：

WB（周期年ごとのSB超死亡者数）は、周期年2014年から2019年に比べて、2020年（2019年夏から2020年夏）と2021年（2020年夏から2021年夏）で非常に大きくなっており、これはすでに上述したACM/yと一致している（図1と図4）。
2020年のサイクル年には、2020年3月11日に世界保健機関（WHO）によってパンデミックが宣言された時点から、2020年の第11週から第25週にかけて、3カ月間続く鋭く激しい特徴が見られ、これは「COVIDピーク」と呼ばれ、我々の過去の論文（Rancourt, 2020）（Rancourt et al. 本稿では、この特徴とその積分強度を「cvp1」と呼ぶ。
死亡率の低下という点では、2020年夏には「夏がない」ACM/wはSBまで下降しない。実際、2020年の夏には、ACM/wが2020年の第26週から第39週（およそ6月中旬から9月中旬）にわたる広い意味での真夏のピークを示し、これは、1900年以降、数十の国と数百の管轄区域のデータを調査したACMの時間別データでは前例のないことである。本稿では、この特徴とその積算強度を「smp1」と呼ぶ。
2021年周期では、2020年第40週から2021年第11週（2020年9月下旬から2021年3月中旬）にかけて、大規模なピークが見られる。ピークはSBを上回り、週当たり35Kの死亡に及ぶ。2021年のACM/yは2020年よりも大きくなることが予想され、その結果、人口当たりで見ると、第二次世界大戦直後の死亡率に戻った（図4a）。本稿では、この2020-2021年冬の特徴とその統合強度を「cvp2」と呼ぶ。
最後に、2021年7月中旬から2021年夏にかけて、使用可能なデータセットの最後の週に死亡率（ACM/w）が急上昇する。このACM/wの急増は、例えばフロリダで特に大きい。我々はこの特徴を「smp2」と呼んでいるが、これはデータセットの終盤（第2節で説明したように、連結データでは2021年の第37週）で途切れている。

明確にするために、COVID時代の米国ACM/wにおける3つの中断されない顕著な特徴（cvp1、smp1、cvp2）を、図7の運用上の定義に従って示す。各特徴の定量化は、ACM-SB/wをその特徴に対応する週数で合計することで行う。2021年晩夏の特徴量「smp2」も示した。

図7 2018年から2021年までのアメリカの全死因死亡率と夏の基準死亡率の差

データは2018年第1週から2021年第37週まで表示されている。本文で取り上げたcvp1、smp1、cvp2、smp2の特徴が示されている。水色の縦線は2020年の11週、25週、40週、2021年の11週を表し、cvp1、smp1、cvp2特徴の区切り週を強調している。一定のゼロラインは黒で示されている。ACMデータはCDC (CDC, 2021a)から取得した。SBは第2節で述べたように推定した。

アメリカのACMにおけるこれらの特徴（cvp1、smp1、cvp2、smp2;図7で強調表示）は、ここ数十年で前例のないものであり、それ自体衝撃的であるが、同じように印象的な様相は、州ごとにACM/w（またはACM-SB/w）を調べて初めてわかる。後述するように、COVID時代の特徴は、これまで疫学で観察されたものとは異なり、州から州へと、相対的、絶対的な大きさ、形や位置が劇的に異なることが多い。次の章では、COVID時代のACMにおけるこの顕著な状態間変動を時間別に説明する。

3.3. 週別ACM（ACM/w）、アメリカ、2013-2021年、州別

アメリカ大陸の全州（アラスカとハワイを除く）の2013年から2021年までのACM/wのグラフを、周期年を色分けして付録（下に添付）に示す。

これらのグラフ（付録）において、COVID時代以前の季節パターン（2013～2019）は州ごとに基本的に同じである（これについてはさらに後述する）のに対し、COVID時代のパターンでは州ごとに大きな変化があることに注目されたい。このことは、ACMのCOVID時代の時系列的挙動が管轄区域単位で異常に不均一であり、過去の季節疫学的挙動とは正反対であるという我々のこれまでの知見と一致している(Rancourt, 2020) (Rancourt et al., 2020) (Rancourt et al., 2021)。Woolfら(2021)もCOVID時代の時間パターンによる全死因超過死亡率の大きな米国地域差を報告している。

これらの曲線におけるいくつかの比較的で系統的な特徴（付録）は以下の通りである。

L0M／北東部沿岸州：北東部沿岸州のいくつかは、cvp1-smp1-cvp2のパターン（「L0M」パターン）を示し、cvp1は非常に大きく、smp1は実質的にゼロ（ACM/wはSB値まで下がる）、cvp2は中程度の大きさ：ニューヨーク州、ニュージャージー州、コネチカット州、マサチューセッツ州、ロードアイランド州、メリーランド州、コロンビア特別区はある程度である。
LSL/北中東部の非沿岸州：近隣の北中東部非沿岸州のグループは、cvp1-smp1-cvp2のパターン（「LSL」パターン）を示し、cvp1が大きく、smp1が小さく（ゼロに近く）、cvp2が大きい：コロラド州、デラウェア州、イリノイ州、インディアナ州、ミシガン州、ペンシルベニア州（ただし、ミシガン州はACM/wでユニークなピークを持つ）。
LSLx／ミシガン州： LSLx／ミシガン州：ミシガン州はLSLパターンを有し、後者のグループに属するが、そのLSLパターンには、4月中旬を中心に2021年3月～5月に発生する独特の後期ピークがある。したがって、ミシガン州のパターンを「LSLx」と呼ぶ。
00L／プレーリー州：大草原地帯の10州のうち7州は、1930年代のダストボウル干ばつを経験した州であるが、COVID時代の後半、2021年秋まで死亡率の異常は全く見られなかった。ここでは、cvp1とsmp1は実質的にゼロかゼロに近く、唯一の大きな特徴はcvp2（「00L」パターン）である。東隣のアイオワ州、ミズーリ州、ウィスコンシン州もこの00Lパターンを持つ：アイオワ、カンザス、ミズーリ、モンタナ、ネブラスカ、ノースダコタ、オクラホマ、サウスダコタ、ウィスコンシンである。大草原のニューメキシコ州とワイオミング州も同様のパターンで0SL、テキサス州は0LL、コロラド州はLSLである。
一方、テキサス州は0LL、コロラド州はLSL：隣接するアーカンソー州、アイダホ州、ケンタッキー州、ノースカロライナ州、テネシー州、ウェストバージニア州、ワイオミング州、ネバダ州、ユタ州、大草原のニューメキシコ州は「0SL」パターンを示す。00Lと0SLのパターンは類似しており、00Lではsmp1を「ほぼゼロ」とするのに対し、0SLではsmp1を「小さい」とする。
0SL/北西沿岸州：オレゴン州とワシントン州の北西側沿岸州も、0SL パターンであり、後述（3.4 節）する急激な（1 週間の）熱波のシグナルが発生する。
SBL/北東側諸州：ミネソタ、ニューハンプシャー、オハイオ、バージニアは、SSLとS0Lの中間のSBLパターンを示す。
SSL／カリフォルニア州とジョージア州：カリフォルニア州とジョージア州は、cvp1とsmp1がともに明瞭だが小または中程度で、cvp2が非常に大きいという、互いに似たパターンを示す。これを「SSL」パターンと呼ぶ。SSLパターンは人口の多い州で発生するが、それ以外は00Lや0SLのパターンと似ており、COVID時代の後半まで、つまりACM/wでcvp2が始まり大きな特徴となる2021年秋まで、比較的小さいかゼロに近い過剰死亡率が発生する。
0LL / 南部諸州：フロリダ州とテキサス州は、cvp1-smp1-cvp2において「0LL」パターンを示し、cvp1は実質的にゼロであるが、smp1とcvp2はともに大きい。最も南に位置する州のほとんどがこのパターンを示している：アラバマ州、アリゾナ州、フロリダ州、ミシシッピ州、サウスカロライナ州、テキサス州はこのパターンを示すが、ルイジアナ州は3つの特徴すべてが大きい「LLL」パターンを示す。このように、南部諸州は一般的に、これらの州にとって例外的な2020年夏の大きな死亡率と、それに続く2020-2021年の秋と冬の大きな死亡率によって特徴づけられ、区別される。
LLL／ルイジアナ州：ルイジアナ州：ルイジアナ州は、ACM/Wの3つの主な特徴（cvp1、smp1、cvp2）がすべて同等で、かつ大きい唯一の州である。ルイジアナ州は、ACM/wの3つの主な特徴（cvp1、smp1、cvp2）のすべてが同等で、かつ大きい唯一の南部州である。

残りのバーモント州とメイン州は、それぞれ00Sと0SSの境界線上にある。

2021年夏の特徴「smp2」はほぼ全州で見られる（付録参照）。

このcvp1-smp1-cvp2パターンタイプの分布を、アメリカの地図上に色分けして示したのが図8である。

図8 アメリカにおけるCOVID時代の特徴パターンの地図。黒=L0M、灰色=LSL、紺=00L、青=0SL、水色=SSL、紫=SBL、赤=0LL、黄色=LLL、白=00Sおよび0SS。パターンの最初の文字はcvp1特徴、2番目の文字はsmp1特徴、最後の文字はcvp2特徴を表す。Lはlarge、Mはmedium、Sはsmall、Bはborderline、0はzero / near-zeroを表す。

3.4. オレゴン州とワシントン州の ACM/w では、2021年 6月下旬に熱波が発生した。

オレゴン州とワシントン州のACM/wデータには、2021年第26週（2021年6月28日の週）に発生した急激なピーク（1週間程度）がある（付録）。

死亡者数の増加は異常気象と一致している：この2つの州とブリティッシュ・コロンビア（カナダ）は、短時間ではあったが記録的な夏の熱波に見舞われた。NASA地球観測所(2021)はこの熱波を次のように説明している：

オレゴン州とワシントン州の熱波による死者数は、ピーク時の基準値でそれぞれ246人と475人であった。

これは、大気中の熱によるストレスの死者数の多さを思い起こさせるものであり、COVID時代の米国の異常に関する議論（下記）に関連する。2003年にフランスで発生したこのような熱波による死亡現象を、我々は以前に定量化した（Rancourt et al.）

3.5. ACM-SB/wを人口で正規化したもの（ACM-SB/w/pop）、州別

COVID時代の米国における州別の死亡率の異なるパターンは、ACM-SB/wを人口で正規化したもの（ACM-SB/w/pop）を用いて、上で同定したcvp1-smp1-cvp2のパターンを参照しながら調べるのが最適である。母集団で正規化することで、母集団が異なる州のデータを直接比較することができる。

以下の図では、正規化は以下のように行った：

サイクル年Nの正規化は、サイクル年の開始直前に推計された人口で行われた。人口推計は毎年7月1日に行われる。サイクルイヤーは暦年の第31週（8月初旬）から始まる。アクセスした時点では、人口推計は2010年から2020年までであったため、サイクル年2022年（データセットの最終週）は、入手可能な最後の人口推計である2020年の人口推計で正規化された。

州レベルの場合、正規化に使用される人口は特定の州の人口である。

ACM-SB/w/pop曲線は、図9に類似した行動をとるグループごとに示されている：

(a) L0M／北東部沿岸州：コネティカット、メリーランド、マサチューセッツ、ニュージャージー、ニューヨーク。

(b) LSL / 北中東部の非沿岸州：コロラド州、イリノイ州、インディアナ州、ミシガン州（LSLx）、ペンシルベニア州。

(c) 00L／大草原の州：アイオワ、カンザス、ミズーリ、モンタナ、ネブラスカ、ノースダコタ、オクラホマ、サウスダコタ。(ウィスコンシン州は2015年のデータポイントが悪いため除外。付録参照) (d) 0SL / 中西部の非沿岸州：アイダホ、ネバダ、ニューメキシコ、ユタ、ワイオミング。

(e) 0SL / 北西部沿岸州：オレゴン州とワシントン州。(f) SL/カリフォルニア州とジョージア州：カリフォルニア州とジョージア州。

(g) 0LL / 南部州：アリゾナ州、フロリダ州、ミシシッピ州、サウスカロライナ州、テキサス州（アラバマ州は2014年のデータポイントが悪いため除外）

(h) LLL / ルイジアナ州：ルイジアナ州はミシガン州とともに示されている。

図9a. 2013年から2021年までのコネティカット、メリーランド、マサチューセッツ、ニュージャージー、ニューヨークの全死因死亡率と夏のベースライン死亡率の差を週ごとに人口で正規化したもの。データは2013年の第1週から2021年の第37週まで表示されている。

破線はゼロを強調している。ACMデータはCDC (CDC, 2021a)から、人口データはUS Census Bureau (US Census Bureau, 2021a)から取得した。SBは第2節で述べたように推定した。

図9b(i) 2013年から2021年までのコロラド州、イリノイ州、インディアナ州、ミシガン州、ペンシルベニア州の週ごとの全死因死亡率と夏のベースライン死亡率の差を人口で正規化したものである。データは2013年の第1週から2021年の第37週まで表示されている。破線はゼロを強調している。ACMデータはCDC (CDC, 2021a)から、人口データはUS Census Bureau (US Census Bureau, 2021a)から取得した。SBは第2節で述べたように推定した。

図9b(ii)。2019年から2021年までのコロラド州、イリノイ州、インディアナ州、ミシガン州、ペンシルベニア州の人口で正規化した週ごとの全死因死亡率と夏のベースライン死亡率の差。データは2019年の第1週から2021年の第37週まで表示されている。破線はゼロを強調している。ACMデータはCDC (CDC, 2021a)から、人口データはUS Census Bureau (US Census Bureau, 2021a)から、表1に記載されているように取得した。SBは第2節で述べたように推定した。

図9c. アイオワ、カンザス、ミズーリ、モンタナ、ネブラスカ、ノースダコタ、オクラホマ、サウスダコタにおける2013年から2021年までの全死因死亡率と夏のベースライン死亡率の差を人口で正規化した週ごとの差。データは2013年の第1週から2021年の第37週まで表示されている。破線はゼロを強調している。ACMデータはCDC (CDC, 2021a)から、人口データはUS Census Bureau (US Census Bureau, 2021a)から取得した。SBは第2節で述べたように推定した。

図9d. 2013年から2021年までのアイダホ、ネバダ、ニューメキシコ、ユタ、ワイオミングの人口で正規化した週ごとの全死因死亡率と夏のベースライン死亡率の差。データは2013年の第1週から2021年の第37週まで表示されている。破線はゼロを強調している。ACMデータはCDC (CDC, 2021a)から、人口データはUS Census Bureau (US Census Bureau, 2021a)から取得した。SBは第2節で述べたように推定した。

図9e. 2013年から2021年までのオレゴン州とワシントン州の人口で正規化した週ごとの全死因死亡率と夏のベースライン死亡率の差。2013年の第1週から2021年の第37週までのデータが表示されている。破線はゼロを強調している。ACMデータはCDC (CDC, 2021a)から、人口データはUS Census Bureau (US Census Bureau, 2021a)から取得した。SBは第2節で述べたように推定した。

図9f. 2013年から2021年までのカリフォルニア州とジョージア州の人口で正規化した週ごとの全死因死亡率と夏のベースライン死亡率の差。2013年の第1週から2021年の第37週までのデータが表示されている。破線はゼロを強調している。ACMデータはCDC(CDC, 2021a)から、人口データは米国国勢調査局(US Census Bureau, 2021a)から取得した。SBは第2節で述べたように推定した。

図9g. 2013年から2021年までの、アリゾナ、フロリダ、ミシシッピ、サウスカロライナ、テキサスにおける、全死因死亡率と夏のベースライン死亡率の週ごとの差（人口で正規化）。データは2013年の第1週から2021年の第37週まで表示されている。破線はゼロを強調している。ACMデータはCDC (CDC, 2021a)から、人口データはUS Census Bureau (US Census Bureau, 2021a)から取得した。SBは第2節で述べたように推定した。

図9h(i) 2013年から2021年までのルイジアナ州とミシガン州の人口で正規化した週ごとの全死因死亡率と夏のベースライン死亡率の差。2013年の第1週から2021年の第37週までのデータが表示されている。破線はゼロを強調している。ACMデータはCDC(CDC, 2021a)から、人口データは米国国勢調査局(US Census Bureau, 2021a)から取得した。SBはセクション2に記載されているように推定された。

図9h(ii)。2019年から2021年までのルイジアナ州とミシガン州の人口で正規化した週ごとの全死因死亡率と夏のベースライン死亡率の差。データは2019年の第1週から2021年の第37週まで表示されている。破線はゼロを強調している。ACMデータはCDC (CDC, 2021a)から、人口データはUS Census Bureau (US Census Bureau, 2021a)から取得した。SBは第2節で述べたように推定した。

図8と図9は、COVID時代の死亡率には時間によって州間に大きな差があり、これらの差は地理的地域別に、おおよそ次の4つのタイプに分類されることを示している：

L0M ：北東部沿岸州
LSL ：北東部の非沿岸州
00L / 0SL / SSL / SBL：中央および西東部の州
0LL ：南部州

ルイジアナ州はユニークで、LLLパターンであり、3つの期間（cvp1、smp1、cvp2）すべてにおいて死亡率が大きい。ミシガン州(LSLx)は、2021年3月中旬を中心に、3月から5月にかけての遅いピークが特徴的である。

2021年4月中旬を中心とする。オレゴン州とワシントン州は、2021年6月～2021年5月の単週の熱波のピークがある。

この説明は「粗い粒」であり、簡略化されている。例えば、カリフォルニア州には、北東部の州よりもはるかに小さいが、cvp1の特徴がある。また、ニューヨークで起こったことは、cvp1に関しては文字通り桁外れである（Rancourt, 2020）。

COVID時代の死亡率の最も顕著な側面は、まさにACMの時間による州ごとの異質性である。これは、全死因死亡の季節的サイクルが、州から州へ、国から国へ、州から州へ、郡から郡へ……ウイルス性呼吸器疾患の流行やパンデミックが推測され、宣言されたすべての時期を通じて、通常驚くほど一様であるためである。ACMの時系列的な形は季節によって変化するが、それでもある年の形は、ほとんどの西洋諸国では第二次世界大戦後、良好なデータが得られているため（Rancourt, 2020）（Rancourt et al.

実際、余談だが、この経験的事実（時間曲線による同期死亡率の地理的均質性）は、ウイルス性呼吸器疾患は近接または「接触」によって人から人へと広がり、そのような広がりが集団レベルでの流行やパンデミックを引き起こすという理論に対する厳しい挑戦であると考える。

以下に、COVID時代の死亡率の時間ごとの地理的不均一性を定量化するが、その前に、異なる地域の異なるcvp1-smp1-cvp2パターンを持つ州のACM-SB/w/pop曲線の直接比較でさらに説明する。

図10は、以下のcvp1-smp1-cvp2パターンの各州のACM-SB/w/popを示している：カリフォルニア(SSL)、フロリダ(0LL)、ミシガン(LSLx)、ネバダ(0SL)、ニューヨーク(L0M)、サウスダコダ(00L)。

図10a. 2013年から2021年までのカリフォルニア州、フロリダ州、ミシガン州、ネバダ州、ニューヨーク州、サウスダコタ州における、全死因死亡率と夏のベースライン死亡率の週ごとの差（人口で正規化）。データは2013年の第1週から2021年の第37週まで表示されている。破線はゼロを強調している。ACMデータはCDC (CDC, 2021a)から、人口データはUS Census Bureau (US Census Bureau, 2021a)から取得した。SBは第2節で述べたように推定した。

図10b. 2013年から2019年までのカリフォルニア州、フロリダ州、ミシガン州、ネバダ州、ニューヨーク州、サウスダコタ州の人口で正規化した週ごとの全死因死亡率と夏のベースライン死亡率の差。データは2013年の第1週から2019年の第52週まで表示されている。

破線はゼロを強調している。ACMデータはCDC (CDC, 2021a)から、人口データは米国国勢調査局 (US Census Bureau, 2021a)から取得した。SBは第2節で述べたように推定した。

図10c. カリフォルニア州、フロリダ州、ミシガン州、ネバダ州、ニューヨーク州、サウスダコタ州の2019年から2021年までの人口で正規化した週ごとの全死因死亡率と夏のベースライン死亡率の差。データは2019年の第1週から2021年の第37週まで表示されている。破線はゼロを強調している。ACMデータはCDC (CDC, 2021a)から、人口データはUS Census Bureau (US Census Bureau, 2021a)から、表1に記載されているように取得した。SBは第2節で述べたように推定した。

図11は、cvp1の特徴が大きい州について同様の比較を行ったもの：コロラド州（LSL）、コネチカット州（L0M）、イリノイ州（LSL）、ルイジアナ州（LLL）、ニュージャージー州（L0M）、ニューヨーク州（L0M）である。

図11a. コロラド州、コネチカット州、イリノイ州、ルイジアナ州、ニュージャージー州、ニューヨーク州における2013年から2021年までの全死因死亡率と夏のベースライン死亡率の差を人口で正規化した週ごとの差。データは2013年の第1週から2021年の第37週まで表示されている。破線はゼロを強調している。ACMデータはCDC(CDC, 2021a)から、人口データは米国国勢調査局(US Census Bureau, 2021a)から取得した。SBは第2節で述べたように推定した。

図11b. 2013年から2019年までのコロラド州、コネチカット州、イリノイ州、ルイジアナ州、ニュージャージー州、ニューヨーク州の人口で正規化した週ごとの全死因死亡率と夏のベースライン死亡率の差。データは2013年の第1週から2019年の第52週まで表示されている。破線はゼロを強調している。ACMデータはCDC (CDC, 2021a)から、人口データは米国国勢調査局 (US Census Bureau, 2021a)から取得した。SBは第2節で述べたように推定した。

図11c. 2019年から2021年までのコロラド州、コネチカット州、イリノイ州、ルイジアナ州、ニュージャージー州、ニューヨーク州の人口で正規化した週ごとの全死因死亡率と夏のベースライン死亡率の差。データは2019年の第1週から2021年の第37週まで表示されている。破線はゼロを強調している。ACMデータはCDC (CDC, 2021a)から、人口データはUS Census Bureau (US Census Bureau, 2021a)から、表1に記載されているように取得した。SBはセクション2に記載されているように推定された。

3.6. ACM-SB（冬期負担、WB）×人口（WB/人口）、米国、州間変動

次に、ACM-SB/wをサイクル年ごとの統合強度で分析する。定義によれば、この積算強度は、その年における「冬の負担」WBである。WBは1年当たりの過剰（SB以上）死亡率である。WBを人口で正規化し、WB/人口とする。

図12aは、アメリカ大陸全体（49州）について、2014年から2021年までのWB/popを示している（2021年は2021年1月をほぼ中心としている）。2014年から2019年にかけての季節的（年ごとの）変動に続いて、2020年から2021年にかけてのCOVID時代の大きな増加が見られるが、これは図1と4に示した2020年の暦年の大きな増加と呼応している。

図12a. 2014年から2021年までの米国における冬期負担を人口で正規化したもの。サイクル年は、暦年の第31週（8月初旬）から翌暦年の第30週（7月末）までである。ACMデータはCDC (CDC, 2021a)から、人口データはUS Census Bureau (US Census Bureau, 2021a)から取得した。SBはセクション2に記載されているように推定され、WBが計算された。

図12bは、アメリカ大陸の全州について、WB/人口対サイクル年（2014～2021）を同じグラフで示したものである。

図12b. 2014年から2021年までの各周期におけるアメリカ大陸各州の冬期負担を人口で正規化したもの。サイクル年は、暦年の第31週（8月初め）から翌暦年の第30週（7月末）までである。49大陸州にはコロンビア特別区が含まれ、アラスカ州とハワイ州は含まれていない。ACMデータはCDC (CDC, 2021a)から、人口データはUS Census Bureau (US Census Bureau, 2021a)から取得した。SBはセクション2に記載されているように推定され、WBが計算された。

図12cは、「0LL」（cvp1-smp1-cvp2の0LLパターンを持つ）南部の州と、「LLL」（cvp1-smp1-cvp2のLLLパターンを持つ）ルイジアナ州のWB/人口を同じグラフ上に示したものである。ルイジアナ州は、LLLパターンのcvp1が大きいため、2020年のWB/popの値が、南部の州として予想される値よりも大きい。

図12c. アラバマ、アリゾナ、フロリダ、ルイジアナ、ミシシッピ、サウスカロライナ、テキサスの2014年から2021年までの各サイクルの冬期負担を人口で正規化したもの。サイクルイヤーは、暦年の第31週（8月初旬）から翌暦年の第30週（7月末）までである。ACMデータはCDC (CDC, 2021a)から、人口データはUS Census Bureau (US Census Bureau, 2021a)から取得した。SBはセクション2に記載されているように推定され、WBが計算された。

図12dは、L0M（cvp1-smp1-cvp2のL0Mパターンを持つ）グループの北東沿岸州（メリーランド州を含む）のWB/人口とサイクル年（2014-2021）を示している。このグループは例外的にcvp1が大きいので、一般にWB-2020の方がWB-2021よりも大きいことがわかる。

図12d. コネティカット州、メリーランド州、マサチューセッツ州、ニュージャージー州、ニューヨーク州における2014年から2021年までの冬期負担を人口で正規化したもの。サイクル年は、暦年の第31週（8月初旬）から翌暦年の第30週（7月末）までである。ACMデータはCDC (CDC, 2021a)から、人口データはUS Census Bureau (US Census Bureau, 2021a)から取得した。SBはセクション2に記載されているように推定され、WBが計算された。

図12bは、ACM-SB/w/pop曲線そのものが示唆するように（図10と11）、WB/pop値の州間の広がりは、COVID時代には、それ以前の10年程度に比べてはるかに大きいことを示している。このCOVID以前/COVID以後の違いを、各サイクル年のWB/popの州間値の度数分布をプロットすることで説明することができる。これらの分布を図13に示す。

図13 2014-2021年の各サイクルのWB/popの州間値の度数分布

各分布は、アメリカ大陸の州数（コロンビア特別区を含み、アラスカとハワイを除く）である49で正規化されている。ビン幅は2.5E-4死者/人口を使用した。サイクル年は暦年の第31週（8月初め）から翌暦年の第30週（7月末）までである。ACMデータはCDC (CDC, 2021a)から、人口データはUS Census Bureau (US Census Bureau, 2021a)から取得した。SBはセクション2に記載されているように推定され、WBが計算された。

ここで（図13）、興味深いことに、COVID時代以前の6つのサイクル年（2014年～2019）は、ACM/wまたはACM-SB/wパターン自体にも認められる「軽い」年（2014年、2016年、2019年;冬の死者が少ない）と「重い」年（2015年、2017年、2018年;冬の死者が多い）に対応する、幅は同じだが位置が一定量異なる2つの異なる分布タイプに分類される（例えば、図5,6）。

これと比較すると、サイクル年2020の分布は、WB/popの値が大きく、テールはさらに大きな値に向かって大きく広がっている。2021年周期の分布は、幅が非常に広く、極端に大きな値まで広がっている。

度数分布（図13）の特性は以下のように定量化できる。各分布について（ある年周期の）平均値（「av」）、中央値（「med」）、標準偏差（「sd」）、差分（「av-med」）を計算する。後者の差av-medは、分布の非対称性の大きさに関係し、その符号は、WB/popの値が小さい（マイナス）方、または大きい（プラス）方のどちらに伸びる尾があるかを示す。これら4つのパラメータ（av、med、sd、av-med）を図14に対サイクル年数で示す。

図14 2014年から2021年までの米国大陸49州のWB/人口分布の統計パラメータ

49大陸州にはコロンビア特別区が含まれ、アラスカ州とハワイ州は含まれていない。サイクル年は、暦年の第31週（8月初め）から翌暦年の第30週（7月末）までである。ACMデータはCDC (CDC, 2021a)から、人口データはUS Census Bureau (US Census Bureau, 2021a)から取得した。SBはセクション2に記載されているように推定され、WBが計算された。

ここで（図14）、「av」と「med」の変動は、アメリカ大陸全体のWB/popの対年周期の挙動（図12a）を考えると、おおむね予想されるものである。

sd”（図14）は、COVID時代以前（2020年以前）は約1.6(1.2-1.9の範囲)E-4死者/人口と驚くほど一定しているが、その後4.3E-4(2020)、6.1E-4(2020)と急上昇している。

(2020)および6.1E-4(2021)の死亡者数/人口に急増する。言い換えれば、COVID時代は、WB/popの値の州間の異質性が異常に大きいという特徴があり、絶対的な大きさでは約4倍になる。

実際、COVID時代の特徴であるcvp1とsmp1はWBよりもはるかに大きな本質的（相対的）不均質性を持っているため、WB/popを使うと実際の状態ごとの不均質性が覆い隠されてしまう。ACM-SB/w/popのデータ自体（図10と図11）でも、この大きな不均一性は明らかであるが、それを定量化し、「非対称性」（テールの存在）も検証してみよう。

無次元パラメータsd/avと(av-med)/avを用いる。

積算死亡数の州別分布の幅と非対称性特徴 sd/av (av-med)/av COVID以前のWB/pop 2014-2019

表2 COVID以前のWB/popとCOVID時代の特徴に関する統合死亡の州別分布の幅と非対称性

COVID時代の特徴は、2020年WB/人口、cvp1/人口、smp1/人口、cvp2/人口、2021年WB/人口である。

cvp1の状態別異質性は大きい（sd/av: ～0.25に対し0.79）（(av-med)/av： +これは、cvp1が基本的に北東沿岸州の極端な1地域から構成されているためである。smp1の州ごとの異質性は大きい（sd/av：～0.25に対して0.67）（(av-med)/av： +これは、smp1が基本的に南部の極端な地域で構成されているためである。

我々は、このようなCOVID時代の管轄区域の異質性を多くの国で、ヨーロッパでは国単位で観察しており、それはパンデミックの挙動に反しており、北半球におけるウイルス性呼吸器疾患負担のどの（1945-2021）シーズンにも反しており、主にパンデミックの宣告に対する適用される医療や政府の対応における管轄区域の違いから生じていると主張してきた(Rancourt, 2020) (Rancourt et al., 2020) (Rancourt et al., 2021)。

対照的に、cvp2は2021年周期に完全に含まれ、この周期の主要な（冬の）特徴であるが、COVID時代以前の州ごとの均質性は正常である（sd/av: 0.20-0.31に対して0.28）（(av-med)/av: -0.03-+0.04に対して0.00）。このことは、cvp2が、州ごとに大きく異なる反応の影響を受けているのではなく、アメリカの人口に対する、広範で持続的な、州ごとに均質なストレスの結果であることを示唆している。

3.7. COVID時代のSB期以上の季節性死亡の地理的分布と相関：cvp1（春-2020）、smp1（夏-2020）、cvp2（秋-冬-2020年-2021）

図7は、操作上定義された各特徴cvp1、smp1、cvp2におけるSB期以上死亡者数の合計を求めるために、どのように積分したかを示している。ピークの位置は（ミシガン州の余分なピークを除けば）すべての州で操作上同じであるため、図7に示したように、終始同じ区切り週を使用する。州間の比較を可能にするため、州別の死亡数を州別の人口で正規化した。

図15はアメリカ大陸のcvp1/popのマップである。

図15 アメリカ大陸におけるcvp1死亡率の強度を人口で正規化した地図

アメリカ大陸はコロンビア特別区を含み、アラスカとハワイを除く。cvp1の特徴は、2020年第11週から第25週までのACM-SBによる死亡を統合したものである。青が濃いほどcvp1/popが強いことを示す。ACMデータはCDC(CDC, 2021a)から、人口データは米国国勢調査局(US Census Bureau, 2021a)から取得した。SBはセクション2で説明したように推定した。

ここでは、北東部の沿岸州が基本的に唯一の激しいホットスポットであり、ルイジアナ州、イリノイ州、ミシガン州を含む他の州はそれほどでもなかった。実際、アメリカの34の州では、cvp1が分解されたり検出されたり有意な特徴が見られなかった。これについては以前にも述べた（Rancourt, 2020）（Rancourt et al.）我々は、cvp1特徴（「covid peak」）は、管轄地域によって非常に異質であり、2020年3月11日のWHOのパンデミック宣言と同期して開始し、北半球中緯度全域に存在すると主張してきた（Rancourt, 2020）（Rancourt et al. パンデミックの概念に反する現象である。

図16はアメリカ大陸の各州のsmp1/popの地図である。

図16 アメリカ大陸の人口で正規化したsmp1死亡強度のマップ

アメリカ大陸はコロンビア特別区を含み、アラスカとハワイを除く。smp1の特徴は、2020年第26週から2020年第39週までのACM-SBによる死亡を統合したものである。赤が濃いほどsmp1/popが強いことを示す。ACMデータはCDC (CDC, 2021a)から、人口データはUS Census Bureau (US Census Bureau, 2021a)から取得した。SBは第2節で説明したように推定した。

これは注目すべき地図であり、2020年夏のSB以上の死亡者がアリゾナ、テキサス、ルイジアナ、ミシシッピ、アラバマ、フロリダ、サウスカロライナの南部諸州に集中していることを示している。これらの結果は、以下に示すように、気候、社会経済、人口の健康への影響という観点から理解することができる。この結果（図16）は、ウイルス性呼吸器疾患のパンデミックという理論的概念とは矛盾している。さらに、アメリカの疫学の近代史において、過去に全死因死亡率の大きな異常が1シーズンに南部の州に集中したことはない。

cvp2/popの州別分布が基本的に均質であることを上で示したので（表2）、アメリカ大陸の州についてcvp2/popの地図を示す意味はない。cvp2/popの地図は、認識できるようなパターンを示さない。

次に、cvp1、smp1、cvp2、さらにsmp2の間に相関や反相関があるかどうかを調べる。一方と他方のプロットを図17に示す。

図17a smp1/pop対cvp1/pop。各ポイントはアメリカ大陸の1州を表す。49大陸州の色分けは第2節に示した。データの取得と計算は第2節に記述したとおりである。

図17b. cvp2/pop 対 cvp1/pop. 各ポイントはアメリカ大陸の1州分である。49大陸州の色分けは第2節に示す。データは第2節で説明したように検索され、計算された。

図17c. cvp2/pop 対 smp1/pop. 各ポイントはアメリカ大陸の1州分である。傾向線は、本文で議論した相関関係を単に説明するためのものである。グラフのすべての点を用いて、通常の最小二乗フィットを行った結果である。49大陸州の色分けは第2節に示した。データは第2節で説明したように検索され、計算された。

図17aは、cvp1/popの値が最も大きい場合にsmp1/popの値がほぼゼロになり、cvp1/popの値が小さい場合にsmp1/popの値が最も大きくなることを示している。同様に、図17bは、cvp2/popのゼロに近い値はcvp1/popの最大値で発生し、cvp2/popの大きな値のほとんどはcvp1/popの小さな値で発生することを示している。

このことは、cvp1/popの値が極端に大きかった州（ニューヨーク、ニュージャージー、コネチカット、マサチューセッツ…主にL0Mパターン）は、その後の季節（夏-2020、秋冬-2020-2021）における死亡率が小さい（cvp2）か、ほぼゼロ（smp1）であったことを示している。考えられる説明としては、いわゆる「乾いた火種」効果、つまり、死亡する可能性のある人が最初の「波」ですでに死亡している場合、あるいは、大きなsmp1やcvp2を与える社会・地理経済的・気候的要因が、cvp1が最大のピークを示した州には存在しない場合などがある。我々の分析によると、後者の説明の方が可能性が高い。実際、異なる年齢層、社会階層（貧困、肥満）、州の管轄区域が、cvp1対smp1、cvp2に大きく寄与している。cvp1/smp1-cvp2の乾燥した火種効果という解釈は、観察された多くの相関関係とは相容れない。

smp1-cvp1の関係（図17a）で顕著な例外（異常値）はルイジアナ州で、cvp1もsmp1も大きい。cvp1の大きな値（「covid peak」）は、世界中で不均質かつ同期的に発生しており、2020年3月11日のWHOのパンデミック宣言（Rancourt, 2020）（Rancourt et al. ニューヨーク市とニューヨーク州の指令は、そのような攻撃性の決定的な例である。ルイジアナ州には、ニューヨークのそれに近い医療行政文化があるという状況証拠がある：「ルイジアナ州最大の病院システムは、配偶者がワクチン未接種の場合、従業員に料金を課す」、ブレイズ・メディア、2021年10月1日、https://archive.ph/sDfL2。

図17cは、cvp2/popとsmp1/popの間に相関関係があることを示している。このような相関関係は、反相関関係とは対照的に、2020年夏から2020年秋から2021年冬にかけて発生した「乾いた火種」効果に反している。むしろ、同じ社会・地理・経済・気候の影響の一部または全部が、両季節の死亡率に影響を及ぼしていることを示唆している。

2021年夏の特徴であるsmp2は、多くの点でsmp1（2020年夏）と同様の挙動を示すが、開始時期は夏の方が遅く、図17dに示すようにsmp2/popはsmp1/popと相関している。

図17d. smp2/popとsmp1/popの比較。各ポイントはアメリカ大陸の1州のものである。コネティカット州、ノースカロライナ州、ウェストバージニア州は、ACM/wのsmp2の連結データポイントが十分でないため、グラフから削除した（付録参照）。傾向線は、単に本文で述べた相関関係を説明するためのものである。これは、グラフのすべての点を用いて、通常の最小二乗フィットを行った結果である。49大陸州の色分けは第2節に示した。データの検索と計算は、第2節で説明したように行った。

図18は、図17cと同じデータであるが、cvp1/popによって決定された円のシンボルサイズ（半径）を加えたものである。

図18：cvp2/pop対smp1/pop、cvp1/popで決定された半径サイズ。各ポイントはアメリカ大陸の1州を表す。49大陸州の色分けは第2節に示した。データは第2節で説明したように検索され、計算された。

州別の）cvp1/popの最大値は、smp1/popとcvp2/popの両方の値が小さいところに集まっている。

3.8. COVID時代の死亡率と社会・地域経済・気候変数との関係

アメリカ大陸の49の多様な州をすべて使用することができるので、相関関係や関係を調べるために、州ごとに定量的な死亡転帰（cvp1、smp1、cvp2、WB）がわかっているデータを、州ごとあるいは州固有の社会・地理経済・気候変数と比較することができる。これは、COVID時代の米国における（SBを上回る）過剰死亡率を引き起こした、あるいはその一因となった可能性のある因子を特定するまたとない機会である。

我々は、COVID時代のアメリカの夏-2020年（smp1）と秋-冬-2020年-2021年（cvp2）の過剰（SB以上）死亡率を決定すると思われる3つの変数を発見した。これらは以下の通り：

1. 気候温度（夏期の熱波効果）（smp1）。
2. 貧困（smp1とcvp2）
3. 肥満（smp1およびcvp2）

これらの変数は、互いにある程度の相関があるが、かなりの独立性がある（肥満でも金持ちでもありうる、など）。肥満（OB）と貧困（PV）の積「OB.PV」を用いると、どちらかの変数だけよりも強い相関が得られることがわかった（肥満と貧困の両方であることは、肥満か貧困のどちらかであることよりも致命的である）。

気候温度（2020年7-8月平均または暦年平均の最高気温（Tmax）または平均気温（Tav）を用いて評価）は、smp1死亡率の地理的位置を高度に予測することがわかった（2020年夏には、最も暑い州が最も死亡率が高く、劇的に高かった）。

smp1およびcvp2と相関する変数（OB、PV、Tmax）はいずれもcvp1と相関しておらず、COVID時代の2つの期間（cvp1対smp1-cvp2）において、死亡の原因となる現象が明らかに異なっている。我々は、cvp1が当面の積極的な医療・行政措置によるものであるのに対し、それ以降の死亡は、明らかに蓄積された社会的・心理的慢性ストレスによるものであり、気候ストレスと組み合わさって、より幅広い年齢層の若い個体に影響を及ぼしていると解釈している。

後者の年齢依存性は、州別に死亡率の結果と人口の年齢構成の相関を調べることによって示された。smp1の特徴（2020年夏におけるSB以上の死亡）は、州別人口の年齢と一意に反相関しており、これはCOVID時代以前のすべての調査年（2014～2019）におけるWBの死亡挙動に反しており、ウイルス性呼吸器疾患の疫学にも反している。

本研究を通して、COVID時代の結果と、COVID時代より前に発生した特定のサイクル年におけるWB/人口死亡結果との相関を同様に検索した結果を比較する。COVID時代の死亡とは対照的に、平穏な社会の通常の疫学では、2014年から2019年の6つの特定周期年のいずれにおいても、冬の負担と肥満、貧困、気候温度との州間相関はまったく見られなかった。唯一の「平年並み」の相関関係は年齢構成であり、それは年ごとに持続している。同じことが、フランスなど、さらに多くの周期年にも当てはまる。肥満、貧困、気候温度という変数が、COVID時代の対策で著しく社会経済的に混乱し、ストレスを受けた人々においてのみ、決定的になり、不釣り合いかつ即座に致命的な影響を及ぼすことは明らかである。

詳細は以下の通りである。

肥満

図19は肥満（OB）の散布図である。OBは米国成人の自己申告による肥満の有病率として定義されている（CDC, 2021e）。

図19a. cvp1/pop 対肥満。各ポイントはアメリカ大陸の1州分である。アメリカ大陸の49州のカラーコードはセクション2に示されている。データは第2節の説明に従って検索され、計算された。

cvp1/popとOBとの間に明確な傾向は見られない。

図19b. smp1/popと肥満の関係。各ポイントはアメリカ大陸の1州のものである。傾向線は単に本文で議論した相関関係を説明するためのものである。グラフのすべての点を用いて、通常の最小二乗フィットを行った結果である。49大陸州の色分けは第2節に示した。データは第2節で説明したように検索され、計算された。

smp1/popとOBの間には正の傾向がある。

図19c. cvp2/pop vs 肥満。各ポイントはアメリカ大陸の1州のものである。傾向線は単に本文で議論した相関関係を説明するためのものである。グラフのすべての点を用いて、通常の最小二乗フィットを行った結果である。49大陸州の色分けは第2節に示した。データは第2節で説明したように検索され、計算された。

cvp2/popとOBの間には正の傾向がある。

図19d. 2019年周期のWB/人口と肥満の関係。各ポイントはアメリカ大陸の1州分である。49大陸州の色分けは第2節に示した。データは第2節に記載されているように検索され、計算された。

相関は全くない。これはCOVID時代以前のすべてのサイクル年、2014年から2019年についても同様である（データは示していない）。「通常期」のSB以上の冬季負担死亡は、州単位では肥満とは関係がない。

図19e. COVID時代のサイクル年2020のWB/人口と肥満の関係。各ポイントはアメリカ大陸の1州を表す。アメリカ大陸49州の色分けは第2節に示した。データは第2節で説明したように検索され、計算された。

2020年のWB/popの値が最も高く、OBが31%未満の6州（コネチカット、コロンビア特別区、マサチューセッツ、ニュージャージー、ニューヨーク、ロードアイランド）を除くと、残りの州では正の傾向が見られる。これは、2020年サイクルにはcvp1とsmp1の約半分が含まれること、また、除外された州はほとんどが裕福な州でcvp1/popの値が極めて大きいことと整合的である。

図19f. COVID時代の2021年対肥満のWB/pop。各ポイントはアメリカ大陸の1州のものである。傾向線は単に本文で議論した相関を説明するためのものである。グラフのすべての点を用いて、通常の最小二乗フィットを行った結果である。アメリカ大陸49州の色分けは第2節に示した。2.で説明したようにデータを検索し、計算を行った。

COVID時代の2021年とOB年のWB/popの間には正の傾向がある。

貧困

図20は、貧困（PV）の散布図である。貧困（PV）は、貧困状態にある全年齢人口の推定割合として定義される（米国国勢調査局、2021d）。

図20a. cvp1/pop 対貧困。各ポイントはアメリカ大陸の1州のものである。アメリカ大陸49州のカラーコードは第2節に示した。データは第2節にあるように検索され、計算された。

cvp1/popとPVの間には明確な傾向は見られない。

図20b. smp1/pop 対貧困。各ポイントはアメリカ大陸の1州である。傾向線は単に本文で議論した相関関係を説明するためのものである。グラフのすべての点を用いて、通常の最小二乗フィットを行った結果である。49大陸州の色分けは第2節に示した。データは第2節で説明したように検索され、計算された。

smp1/popとPVの間には正の傾向がある。

図20c. cvp2/pop 対貧困。各ポイントはアメリカ大陸の1州のものである。傾向線は単に本文で議論した相関関係を説明するためのものである。これは、グラフのすべての点を用いて、通常の最小二乗フィットを行った結果である。49大陸州の色分けは第2節に示した。データは第2節で説明したように検索され、計算された。

cvp2/popとPVの間には正の傾向がある。

図20d. サイクル年2019のWB/人口と貧困の関係。各ポイントはアメリカ大陸の1州のものである。アメリカ大陸49州の色分けは第2節に示されている。データは第2節で説明したように検索され、計算された。

相関はまったくない。これはCOVID時代以前のすべてのサイクル年、2014年から2019年についても同様である（データは示していない）。「通常時代」のSB以上の冬季負担死亡は、州単位では貧困とは関係がない。

図20e. COVID時代のサイクル年2020のWB/popと貧困。各ポイントはアメリカ大陸の1州である。アメリカ大陸49州の色分けは第2節に示した。データを取得し、第2節で説明したように計算を行った。

2020年のWB/popの値が最も高い4州（コネチカット、マサチューセッツ、ニュージャージー、ニューヨーク）を除くと、残りの州では正の傾向が見られる。これは、2020年サイクルにはcvp1とsmp1の約半分が含まれていること、また、除外された州のほとんどが裕福な州でcvp1/popの値が極めて大きいことと整合的である。

図20f. COVID時代のサイクルイヤー2021のWB/popと貧困。各ポイントはアメリカ大陸の1州のものである。傾向線は単に本文で議論した相関関係を説明するためのものである。これは、グラフのすべての点を用いて、通常の最小二乗フィットを行った結果である。アメリカ大陸49州の色分けは第2節に示した。2.で説明したようにデータを検索し、計算を行った。

COVID時代の2021年とPVのWB/popの間には正の傾向がある。貧困率が13.6%という異常値はノースカロライナ州であるが、これはこの州の最終週のデータが不完全であったためである（付録参照）。

気候温度

本研究の最も顕著な結果のひとつは、2020年夏季の過剰（SB以上）死亡率が南部諸州に集中していることである（図16）。なぜなら、ウイルス性呼吸器疾患は湿度の高い夏の気候ではほとんど感染しないからである（エアロゾル粒子は絶対湿度が高いと安定しない：Harper, 1961; Shaman et al. しかし、ここアメリカでは、2020年夏にACM/wの実際のピークがあった（図5,6,7,9,10、付録）。

2020年夏の過剰（SB以上）死亡率の地理的パターンは、アメリカの地図（図16）上では、図21に示すように、気候温度によって驚くほどよく予測されている。

図21日平均気温： 1日の最低気温と最高気温の平均値で、30年間（1970～2000）の平均値である

これは、アメリカ大陸の「気候平均気温」を表している（空間平均は、利用可能な地上気象観測所を用いて、加重セルを用いて達成されている）。出典：米国気候アトラス、NOAA国立気候データセンター（ノースカロライナ州アッシュビル）開発、バージョン2.0、CD-ROM 2002年9月リリース。図は2021年9月26日にhttp://www.virginiaplaces.org/climate/。(誤字：「< 70.0」は「>70.0」とすべきである）。

図22は、州別の2020年8月平均気温を用いて、これを州ごとに示したものである。

図22. 2020年8月のアメリカ大陸の州ごとの平均気温。アメリカ大陸はアラスカとハワイを除く。赤が濃いほど平均気温が高い。気温データは表1にあるようにNOAA（NOAA, 2021）から取得した。(読者はこの地図と図16の地図を比較していただきたい）。

2020年7月でも、どの月でも、年平均でも、日平均気温ではなく日最高気温でも、基本的に同じパターンが起こる。基本的に、気候の気温を表すために選ばれた平均気温（日平均気温の平均値、または日最高気温の平均値。私たちの目的では、これらの異なる平均値は交換可能である。

図23は、2020年7～8月の日平均最高気温（州別、2カ月間の平均）を用いて、気温と2020年夏の過剰（SB以上）死亡率（smp1/pop、州別）の相関を示したものである。

図23 smp1/popと2020年7～8月の日平均最高気温（Tmax Jul-Aug 2020）の関係

各ポイントは、気温データが得られなかったコロンビア特別区を除く、アメリカ大陸の1州である（NOAA, 2021）。傾向線は、本文で議論した相関を説明するためのものである。これは、グラフのすべての点を用いて、通常の最小二乗フィットを行った結果である。他の48大陸州の色分けは第2節に示した。データは第2節で説明したように検索され、計算された。

明確な正の傾向が見られる。ここで（図23）、smp1/pop値が高い4つの主な異常値はミシシッピ、サウスカロライナ、アラバマ、ルイジアナであり、一方、smp1/pop値が低い3つの主な異常値はマサチューセッツ、コネチカット、ニュージャージーである。

州ごとの過剰（SB以上）死亡率と平均気温の間のこのような傾向は、2014～2019年のCOVID時代以前のどのサイクル年の冬季負担死亡率（WB/pop）にも全く存在しない（データは示していない）。

肥満、貧困、気候温度

次に、上記の相関関係をさらに検証する。図24は、肥満（OB）と貧困（PV）が互いにある程度相関していることを示している。

図24. 肥満と貧困。各ポイントはアメリカ大陸の1州を表す。傾向線は単に本文で述べた相関関係を説明するためのものである。グラフのすべての点を用いて、通常の最小二乗フィットを行った結果である。49大陸州の色分けは第2節に示した。データは第2節で説明したように検索した。

以上のことから、肥満と貧困の積（OB.PV）を変数として使ってみることにした。図25は、OB.PVに対するsmp1/popを示したもので、円記号の大きさ（半径）は2020年7月～8月の日平均最高気温（州別、2カ月間の平均）で決定した。

図25. smp1/popと肥満と貧困の積（OB.PV）の比較。各ポイントは、気温データが得られなかったコロンビア特別区を除く、アメリカ大陸の1州である（NOAA, 2021）。他の48大陸州の色分けは第2節に示す。データを取得し、2節で説明したように計算を行った。

相関は良好である。気候温度（円の大きさ）もOB.PVと相関があるようだ（図25）。図26は2020年暦年（Tav2020）の日平均気温とOB.PVの関係を示したもので、円記号の大きさ（半径）はsmp1/popの結果で決定される。

図26.肥満と貧困の積（OB.PV）に対するTav 2020。各ポイントは、気温データが入手できなかったコロンビア特別区を除く、アメリカ大陸の1州である（NOAA, 2021）。他の48大陸州の色分けはセクション2に示す。データは第2節で説明したように取得した。

図26は2つのことを示している。

第一に、気温とOB.PVの相関である。

第二に、気候温度対OB.PVの図は、集団に慢性的な心理的ストレスが長期間かかった後、夏季に大きな死亡率が発生するかどうかの強力な予測因子となる。

人口の年齢構成

米国ではCOVIDによる死亡の60%以上が85歳以上の年齢層で発生している（Kostoff et al., f21;図1）。欧米諸国におけるすべてのウイルス性呼吸器疾患も同様である。

図27は、WB/人口と85歳以上の人口（「85+/人口」）の割合を、COVID時代以前の各サイクル年（2014-2019）について示したものである。後者の割合は、全州で約1.2%から約2.6%へと2倍以上に増加している。

図に示された相関は弱いが、2016年（図27c）を除いて、すべてのサイクル年において、同じような傾きの大きさを持つ持続的な正の相関があり、名目上の正の相関（図示せず）は統計的に意味がない。

図27a. 2014年のWB/人口対85人以上/人口。各ポイントはアメリカ大陸の1州のものである。傾向線は、本文で議論した相関関係を説明するためのものである。グラフのすべての点を用いて、通常の最小二乗フィットを行った結果である。49大陸州の色分けは第2節に示した。データは第2節にあるように検索され、計算された。外れ値外れ値：ユタ州（2014年のデータが悪い）、ワイオミング州（人口の少ない州、統計が不十分、SBの過小評価）。

図27b. 2015年サイクルのWB/人口対85人以上/人口。各ポイントはアメリカ大陸の1州を示す。傾向線は、本文で議論した相関関係を説明するためのものである。グラフのすべての点を用いて、通常の最小二乗フィットを行った結果である。49大陸州の色分けは第2節に示した。データは第2節で説明したように検索され、計算された。ウィスコンシン州の異常値は、この州の2015年のデータポイントが悪かったためである（付録参照）。

図27c. 2016年サイクルにおけるWB/人口対85歳以上/人口。各ポイントはアメリカ大陸の1州分である。アメリカ大陸49州の色分けは第2節に示した。データは第2節の説明に従って検索され、計算された。

図27d. 2017年周期のWB/人口対85歳以上/人口。各ポイントはアメリカ大陸の1州のものである。傾向線は、本文で議論した相関関係を単に説明するためのものである。これは、グラフのすべての点を用いて、通常の最小二乗フィットを行った結果である。49大陸州の色分けは第2節に示した。データは第2節で説明したように検索され、計算された。外れ値：外れ値：ワイオミング州（人口が少なく、統計が不十分）。

図27e. 2018年周期のWB/人口対85人以上/人口。各ポイントはアメリカ大陸の1州である。傾向線は、本文で論じた相関関係を説明するためのものである。これは、グラフのすべての点を用いて、通常の最小二乗フィットを行った結果である。49大陸州の色分けは第2節に示した。データは第2節にあるように検索され、計算された。外れ値外れ値：ウェストバージニア州（SBの過小評価、WBの過大評価）、モンタナ州（逆）

図27f. 2019年サイクルにおけるWB/人口対85歳以上/人口。各ポイントはアメリカ大陸の1州のものである。異常値：異常値：コロンビア特別区（小さな州、統計が不十分）。

同じ現象（WB/人口とその年齢層の人口比率との正の相関、COVID時代以前のサイクル）が、45～54歳、55～64歳、65～74歳、75～84歳、85歳以上のすべての高齢者層で起きている。その後、35-44歳では負の相関（反相関）が見られ、それ以下の年齢層では相関は見られない（データは示していない）。

このような冬季負担死亡率の年齢依存性は予想されたことであり、よく知られている。一般に、若者は冬に流行するウイルス性呼吸器疾患で死亡することはない。

COVID時代のcvp1/popは、図28aに示すように85歳以上/popと統計的に意味のある相関はない。これは、cvp1/popの値が実質的にゼロである州では相関がまったくなく、cvp1/popの値がほぼゼロであるグループの上にランダムに配置されたいくつかの異常値であると表現するのが最も適切であろう。このことは、cvp1の特徴は、パンデミック宣言に対する管轄地域特有の反応によるところが大きいという考えと一致している。

しかし驚くべきことに、図28bに示すように、2020年夏季の過剰（SB以上）死亡率（smp1/pop）は85歳以上/popと反相関（「neg-cor」）を示し、図28cに示すように、2020-2021年秋冬の死亡率（cvp2/pop）は85歳以上/popと明確な相関を示さない。これに対応して、WB/pop対85+/popは、2020年サイクルでは正の相関があり（図28d）、2021年サイクルでは独特の強い負の（反）相関がある（図28e）。

図28a. cvp1/pop対85+/pop。各ポイントはアメリカ大陸の1州分である。49大陸州の色分けは第2節に示した。データは第2節の説明に従って検索され、計算された。

図28b. smp1/pop対85+/pop。各ポイントはアメリカ大陸の1州分である。傾向線は、本文で述べた相関関係を説明するためのものである。グラフのすべての点を用いて、通常の最小二乗フィットを行った結果である。49大陸州の色分けは第2節に示した。データの取得と計算は2節で説明したとおりである。

図28c. cvp2/pop 対 85+/pop. 各ポイントはアメリカ大陸の1州分である。49大陸州の色分けは第2節に示した。データは第2節にあるように検索され、計算された。

図28d. 2020年周期のWB/人口対85歳以上/人口。各ポイントはアメリカ大陸の1州のものである。傾向線は、本文で説明した相関関係を説明するためのものである。グラフのすべての点を用いて、通常の最小二乗フィットを行った結果である。49大陸州の色分けは第2節に示した。データの検索と計算は第2節に記述した通り行った。

図28e. 2021年周期のWB/人口対85歳以上人口。各ポイントはアメリカ大陸の1州のものである。傾向線は、本文で議論した相関関係を説明するためのものである。グラフのすべての点を用いて、通常の最小二乗フィットを行った結果である。49大陸州の色分けは第2節に示した。データは第2節で説明したように検索され、計算された。

smp1とcvp2の州ごとの相関は、他の年齢層でも同じように見られる（データは示していない）。まとめると以下のようになる。

smp1/pop：-18/popでpos-cor、55-64/popでneg-cor、85+/popでneg-cor。
cvp2/pop：-18/popでpos-cor、45-54/popでneg-cor、55-64/popでneg-cor。

人口密度

人口密度（「popD」）（単位面積当たりの住民数）は、ワイオミング州からニュージャージー州まで2桁以上の差があるため、米国の州別データは、人口密度（「popD」）（単位面積当たりの住民数）と過剰（SB以上）死亡率との関係を調べるまたとない機会を提供する。

図29はWB/pop対popDを、COVID時代以前の2014年から2019年の各サイクル年について示している。ここで（図29）、冬期負担死亡率（WB/pop）とpopDの間には、調査したどの年においても統計的に有意な、検出可能な相関関係は見られない。

COVID時代以前のサイクル年について、図10と11に示すように、州ごとに死亡率のパターンが同期しており、伝染病伝播に関する現在の理論的理解(Hethcote, 2000) (McCallum et al., 2001)を踏まえると、今回の結果（図29）は季節性死亡現象のモデルに制約を課し、ウイルス性呼吸器疾患の季節的優勢は人から人への「接触」による伝播・拡散の結果ではないことを強く示唆している。

図29a. 2014年周期のWB/人口対人口密度。各ポイントは、極端な人口密度を持つコロンビア特別区を除く、アメリカ大陸の1州を示す。他の48大陸州の色分けはセクション2に示す。データは第2節で説明した方法で取得し、計算を行った。

図29b. 2015年周期のWB/人口と人口密度。各ポイントは、極端な人口密度を持つコロンビア特別区を除く、アメリカ大陸の1州である。他の48大陸州の色分けは第2節に示されている。データは第2節に記載されている方法で取得され、計算が行われた。

図29c. 2016年周期のWB/人口対人口密度。各ポイントは、極端な人口密度を持つコロンビア特別区を除く、アメリカ大陸の1州のものである。他の48大陸州の色分けは第2節に示されている。データは第2節に記載された方法で取得され、計算が行われた。

図29d. 2017年周期のWB/人口対人口密度。各ポイントは、極端な人口密度を持つコロンビア特別区を除く、アメリカ大陸の1州である。他の48大陸州の色分けは第2節に示す。データは第2節に記載された方法で取得され、計算が行われた。

図29e. 2018年周期のWB/人口対人口密度。各ポイントは、極端な密度を持つコロンビア特別区を除く、アメリカ大陸の1州のものである。他の48大陸州の色分けは第2節に示されている。データは第2節に記載された方法で取得され、計算が行われた。

図29f. 2019年周期のWB/人口対人口密度。各ポイントは、極端な人口密度を持つコロンビア特別区を除く、アメリカ大陸の1州のものである。他の48大陸州の色分けは第2節に示されている。データを取得し、第2節で説明したように計算を行った。

この結果（図29）は、死亡率がpopDと強い相関と反相関を持つCOVID時代に観察された相関とは対照的である。COVID時代では、cvp1/popはpopDと大きな正の相関を持つが、図30aに示すようにニューヨークの異常値は有意である。一方、2020年夏の超過（SB以上）死亡率（smp1/pop）と2020-2021年秋冬の死亡率（cvp2/pop）はpopDと逆相関を持つ（それぞれ図30bと30c）。

これに対応して、WB/pop対popDは、ニューヨークが異常値である2020年には大きな正の相関があり（図30d）、2021年には強い負の（反）相関がある（図30e）。

図30a. cvp1/pop 対人口密度。各ポイントは、極端な人口密度を持つコロンビア特別区を除いたアメリカ大陸の1州を示す。他の48大陸州の色分けは第2節に示す。データを取得し、第2節で説明したように計算を行った。

図30b. smp1/pop 対人口密度。各ポイントは、極端な人口密度を持つコロンビア特別区を除いた、アメリカ大陸の1州である。他の48大陸州の色分けは第2節に示す。データの取得と計算は2.で述べたとおりである。

図30c. cvp2/pop 対人口密度。各ポイントは、極端な人口密度を持つコロンビア特別区を除く、アメリカ大陸の1州を示す。他の48大陸州の色分けは第2節に示す。データの取得と計算は2.で述べたとおりである。

図30d. 2020年周期のWB/人口と人口密度。各ポイントは、極端な人口密度を持つコロンビア特別区を除く、アメリカ大陸の1州のものである。他の48大陸州の色分けは第2節に示されている。データの取得と計算は2節に記述したとおりである。

図30e. 2021年周期のWB/人口対人口密度。各ポイントは、極端な人口密度を持つコロンビア特別区を除く、アメリカ大陸の1州のものである。他の48大陸州の色分けは第2節に示されている。データは第2節に記述したように検索され、計算された。

我々は、COVID時代の死亡率とpopDの前例のない相関を、新しいウイルスが引き起こしたとは考えていない。むしろ、人口密度の高い州は、大都市を中心に、低人口密度の州とは一般的に異なる、同様の制度構造や政策対応をとっていたと考えられる。また、気候温度、貧困、肥満によるsmp1死亡率が高い南部の州は、人口密度の低い州である。

ニューヨーク州とフロリダ州の2つの州は、人口密度そのものが制御因子ではないことを顕著に示している。この2つの州はpopDの値が基本的に同じであるのに対して、cvp1死亡率の値は正反対であり（図30a）、逆の順序でsummer-2020（smp1）死亡率の値も正反対である（図30b）。

実際、COVID時代のpopDとの相関は、死亡率がウイルス性呼吸器疾患の結果ではなく、むしろ制度、政府、社会経済、気候の違いに結びついていることを示している。

年齢群別週別全死因死亡率（ACM/w）

COVID以前とCOVID時代における死亡率の年齢依存性は、州別の相関を調べるだけよりも、アメリカ（州別の解像度はない）のACM/wそのものを年齢群別に調べることによって、以下のように直接的に示される。

図32aは、米国（図5）のACM/wを、18～64歳と65歳以上の2つの年齢層について、年齢層別に表したものである。ここでは（図32a）、18～64歳の年齢層のACM/wに、2014年夏の谷における65歳以上の年齢層のACM/wと等しくなるのに十分な係数を掛けている。これは、2014年夏の谷において、週当たりの死亡者数が65歳以上の週当たりの死亡者数と等しくなるまで、18～64歳の人口を乗じることに相当する。これは、2つの年齢層の死亡率の相対的な季節変化をよりよく可視化し、比較するために行われる。

図32a. 米国における18-64歳と65歳以上の年齢層の週ごとの全死因死亡率（それぞれ水色と紺色の線）、2014年から2021年まで。18～64歳の年齢層のACM/wは、本文で説明したように、比較のため、2014年夏の谷における両年齢層の1週間当たりの死亡数が等しくなるように再尺度化（乗算）されている。データは2013年第40週から2021年第37週まで、アラスカとハワイを含むアメリカ大陸全体で表示されている。データは表1にあるようにCDC（CDC, 2021a）から取得した。

図32aを見ると、COVID以前の時代では、高齢者グループ（65歳以上）は若年グループ（18～64歳）よりも常に約2～3倍、冬のさらなる困難やストレスの影響を受けやすいことがわかる。この法則はCOVID時代には当てはまらない。COVID時代では、2020年夏と2021年夏の相対的死亡率は、高齢者グループよりも若年グループの方が高く（図32a）、これはウイルス性呼吸器疾患による死亡に対する年齢依存の脆弱性が知られているのと逆転している。

COVID時代のこの逆転は、図32aに描かれた2つの曲線の週ごとの差を示した図32bでより明確に示されている。

図32b. アメリカにおける2014年から2021年までの65歳以上と18-64歳の間の週ごとの全死因死亡率の差。18-64歳のACM/wは、本文で説明したように、比較のために、2014年夏の谷における両年齢層の1週間当たりの死亡数が等しくなるようにリスケーリング（乗算）された。2013年第40週から2021年第37週までのデータを、アラスカとハワイを含むアメリカ大陸全体について表示した。破線はゼロを強調している。データは表1のようにCDC(CDC, 2021a)から取得した。

ここで（図32b）、若い年齢層（18～64歳）では、2020年夏の死亡者数が中程度に多く（リスケーリング）、2021年夏の死亡者数が有意に多い（リスケーリング）ことがわかる。2つの可能な解釈が思い浮かぶ：政府の施策による長期的な累積ストレスが、年長者よりも寛容な年少者に影響を及ぼすのに時間がかかるか、あるいは、2つの夏の間に実施された大規模な予防接種キャンペーン（下図31）が年少者層に不釣り合いな悪影響を及ぼしたかである。

COVID時代のより詳細な検討は、以下のように国レベル（州レベルではない）で、その時期の年齢層別データが公開されている（CDC, 2021b）おかげで可能である。これらのデータの一部を図33に示す。

図33a. 2020年から2021年までのアメリカの14歳以下（「-14歳」）年齢群の人口で正規化した週別全死因死亡率（男女それぞれ）。データは、アラスカとハワイを含むアメリカ大陸全体について、2020年第1週から2021年第37週まで表示されている。正規化に使用した母集団は、特定の年齢層と性別の母集団である。ACMデータはCDC (CDC, 2021b)から、人口データはUS Census Bureau (US Census Bureau, 2021b)から取得した。

図33b. 米国における2020年から2021年までの男女15～34歳の週別全死因死亡率。データは、アラスカとハワイを含むアメリカ大陸全体について、2020年の第1週から2021年の第37週まで表示されている。正規化に使用した母集団は、特定の年齢層の母集団である。ACMデータはCDC(CDC, 2021b)から、人口データは米国国勢調査局(US Census Bureau, 2021b)から取得した。

図33c. 米国の15～34歳女性における2020年から2021年までの人口で正規化した週ごとの全死因死亡率。データは、アラスカとハワイを含むアメリカ大陸全体について、2020年の第1週から2021年の第37週まで表示されている。正規化に使用した母集団は、特定の年齢層と性別の母集団である。ACMデータはCDC (CDC, 2021b)から、人口データはUS Census Bureau (US Census Bureau, 2021b)から取得した。

図33d. 米国における2020年から2021年までの35～54歳男女の週別全死因死亡率。データは、アラスカとハワイを含むアメリカ本土全体について、2020年の第1週から2021年の第37週まで表示されている。正規化に使用した母集団は、特定の年齢層の母集団である。ACMデータはCDC(CDC, 2021b)から、人口データは米国国勢調査局(US Census Bureau, 2021b)から取得した。5 500」の水平線は、本文で論じた死亡率のプラトーを視覚的に示すものである。

図33e. アメリカの35-54歳女性における2020年から2021年までの人口で正規化した週ごとの全死因死亡率。データは、アラスカとハワイを含むアメリカ大陸全体について、2020年の第1週から2021年の第37週まで表示されている。正規化に使用した母集団は、特定の年齢層と性別の母集団である。ACMデータはCDC(CDC, 2021b)から、人口データは米国国勢調査局(US Census Bureau, 2021b)から取得した。

図33f. 2020年から2021年までの米国における55～64歳の男女各年齢層の人口で正規化した週ごとの全死因死亡率。データは、アラスカとハワイを含むアメリカ大陸全体について、2020年の第1週から2021年の第37週まで表示されている。

正規化に使用した母集団は、特定の年齢層と性別の母集団である。ACMデータはCDC (CDC, 2021b)から、人口データはUS Census Bureau (US Census Bureau, 2021b)から取得した。

図33g. 2020年から2021年までの米国における65～74歳の男女各年齢層の人口で正規化した週ごとの全死因死亡率。データは、アラスカとハワイを含むアメリカ大陸全体について、2020年の第1週から2021年の第37週まで表示されている。正規化に使用した母集団は、特定の年齢層と性別の母集団である。ACMデータはCDC(CDC, 2021b)から、人口データは米国国勢調査局(US Census Bureau, 2021b)から取得した。

図33h. 2020年から2021年までの米国における75～84歳の年齢層の人口で正規化した週ごとの全死因死亡率（男女それぞれ）。データは、アラスカとハワイを含むアメリカ大陸全体について、2020年の第1週から2021年の第37週まで表示されている。正規化に使用した母集団は、特定の年齢層と性別の母集団である。ACMデータはCDC(CDC, 2021b)から、人口データは米国国勢調査局(US Census Bureau, 2021b)から取得した。

図33i. 米国における2020年から2021年までの85歳以上（「85歳以上」）の男女各年齢群の人口で正規化した週ごとの全死因死亡率である。データは2020年第1週から2021年第37週まで、アラスカとハワイを含むアメリカ大陸全体について表示されている。

アラスカとハワイを含む。正規化に使用した母集団は、特定の年齢層と性別の母集団である。ACMデータはCDC(CDC, 2021b)から、人口データは米国国勢調査局(US Census Bureau, 2021b)から取得した。

図33は以下のことを示している：

図33a）-14歳では夏と冬の季節性、COVID時代の異常は見られない。ACM/w/popは期間を通じてほぼ横ばいである。アメリカの若年（-14歳）住民は基本的にウイルス性呼吸器疾患やCOVID-19、あるいはその影響に強い季節変動を持つ死因によって死亡していない。
図33bと33c）図33bは、COVID時代の開始（2020年3月）が、ACM/wの新たな高原までの15-34歳の死亡数の増加（1週間当たり約400人の死亡数の増加）と関連しており、調査期間中に元に戻ることはないことを示している。COVID時代の死亡率増加のプラトーへの上昇は男女ともに起こる（図33c）。
図33dと33e）35-54歳の年齢群も15-34歳の年齢群と同様に、死亡率の高い基本的に一様なプラトーを経験し、これは調査期間中正常値に戻らないが、この年齢群（35-54歳）のACM/wはまた、前記プラトーに重なった明瞭なcvp1、smp1、cvp2、smp2の特徴を示している。この年齢層（35-54歳）では、smp2特徴量（夏-2021年の死亡率）が他の特徴量に比べて不釣り合いに大きく、smp1特徴量とcvp2特徴量を参考としているが、これは男性でも女性でも同じである（図33e）。
図33f、33g、33h、33i）55-64歳、65-74歳、75-84歳、85歳以上の年齢群では、15-34歳、35-54歳の年齢群で見られたCOVID時代のベースラインのプラトー死亡率の増加は見られない。2020年（smp1）と2021年（smp2）の夏の死亡率は、55-64歳、65-74歳、75-84歳、85歳以上の順に年齢が上昇するにつれて、cvp1とcvp2の特徴と比較して、相対的に単調減少した。

死亡率の州間年齢構造への依存性に関する結果（図27と28）は、2020年夏の過剰（SB以上）死亡は、ウイルス性呼吸器疾患によるものが主ではなく、若年層に影響を与えたことを示している。同様に、2020-2021年の秋から冬にかけての（SB値以上の）過剰死亡は、ウイルス性呼吸器疾患以外の原因によるものが大部分を占め、若年層に影響を与えたに違いないと推測される。推測される若年層への影響は、全国レベルの年齢層別死亡率によって裏付けられる（図32と33）。

全死因超過死亡率とCOVID割り当て死亡率の比較

COVID-19に割り当てられた死亡が実際にCOVID-19に起因する死亡であるかどうかは信頼できない（Borger et al., r21）。さらに、COVID-19による死因の割り当ては、あまりにも多くの死亡を捕捉している可能性が高い（Elsoukkary et al., y21）。それにもかかわらず、米国におけるCOVID-19に割り当てられた総死亡数を過剰（SB以上）全死因死亡率と比較することができる。

2020年と2021年の2つのサイクル年（2019年7月から2021年7月）において、WBの総死亡数は107万人であり、CDCが報告した2021年7月までの（2021年サイクル年の最終週である2021年第30週（2021年7月26日の週）までの）COVID-19による総死亡数は613万人である（CDC, 2021a、表1に記載）。どちらの数字もアラスカとハワイを含んでいる。CDCの統計によると、2021年7月までのSB以上の死亡者数は458K人であり、COVID-19には含まれていない。

もしCOVID-19の割り当てが信頼できるとすれば（信頼できない）、この458Kの差は、COVID-19に割り当てられていない若年住民の死亡（458K）の多さと一致する（Kostoff et al., f21年;彼らの図1）。上記の我々の結果に加えて、Jacobson and Jokela (2021)は、COVID-19で死亡するには若すぎる多数の個人がCOVID時代に死亡していることも発見した。

この差（458人の死亡）をより詳しく調べるために、CDC（2021a）が報告した肺炎（P）、インフルエンザ（I）、COVID-19（C）の週ごとの全死因死亡率と割り当てられた週ごとの全死因死亡率を図34で比較する;2014-2021年（図34a）と2019-2021年（図34b）の拡大スケールで。週ごとのPICも示されているが、これはCDCによって「肺炎、インフルエンザ、および/またはCOVID-19」として割り当てられた死亡であり、これは死亡診断書に肺炎および/またはインフルエンザおよび/またはCOVID-19が死因として記載されていることを意味する。

図34a. 2014年から2021年までのアメリカの週ごとの全死因死亡率（青）、COVID-19（赤）、インフルエンザ（黄）、肺炎（緑）、PIC（黒）。データは、アラスカとハワイを含むアメリカ本土全体について、2013年の第40週から2021年の第37週まで表示されている。PICは肺炎および/またはインフルエンザおよび/またはCOVID-19に割り当てられた死亡である。ACMおよび原因別死亡データは、表1に記載されているようにCDC（CDC, 2021a）から取得した。

図34b. 2019年から2021年までの米国の週ごとの全死因（青）、COVID-19（赤）、インフルエンザ（黄）、肺炎（緑）、PIC（黒）死亡率。データは、アラスカとハワイを含む米国本土全体について、2019年第1週から2021年第37週まで表示されている。PICは肺炎および/またはインフルエンザおよび/またはCOVID-19に割り当てられた死亡である。ACMおよび原因別死亡データは、表1に示すようにCDC（CDC, 2021a）から取得した。

CDCが毎週報告するCOVID-19またはPICによる死亡と全死因死亡率（ACM/w）との間の時間的変動のパターンが類似しているのは、COVID-19による死亡の多くまたは大部分が、我々の上記のSBによる死亡から引き出されたものであるためと解釈される; すなわち、貧困、肥満、気候の複合的な要因によって政府の施策によって誘発された死亡、持続的な慢性的心理的ストレスによって強力になった死亡、および2020年3月から6月にかけての高齢者に対する直接攻撃（cvp1）の結果生じた死亡から引き出されたものである（Rancourt, 2020）。

これらの関係をさらに検証してみよう。図34cは、2014年から2021年までの週ごとのP、I、C、PICのCDCデータを我々のACM-SB/wで示したものであり、図34dは2019年から2021年までの同じデータを示したものである。

図34c. 2014年から2021年までの米国の週ごとの全死因above-SB（ACM-SB）（青）、COVID-19（赤）、インフルエンザ（黄）、肺炎（緑）、PIC（黒）死亡率。データは、アラスカとハワイを含むアメリカ本土全体について、2013年の第40週から2021年の第37週まで表示されている。PICは肺炎および/またはインフルエンザおよび/またはCOVID-19に割り当てられた死亡である。ACMおよび原因別死亡データは、表1に示すようにCDC（CDC, 2021a）から入手した。SBは第2節に記載したように推定した。

図34d. 2019年から2021年までの米国の週ごとの全死因above-SB（ACM-SB）（青）、COVID-19（赤）、インフルエンザ（黄）、肺炎（緑）、PIC（黒）死亡率。データは、アラスカとハワイを含む米国本土全体について、2019年第1週から2021年第37週まで表示されている。PICは肺炎および/またはインフルエンザおよび/またはCOVID19に割り当てられた死亡である。ACMおよび原因別死亡データは、表1に示すようにCDC（CDC, 2021a）から入手した。SBは第2節で述べたように推定した。

図34cと34dを見ると、肺炎は夏期の死亡に大きく寄与しており、夏期から冬期にかけての肺炎の死亡数は、示されている年ではほぼ水平の直線的な傾向にあることがわかる（ベースラインでは1週間あたり約2,680人の肺炎による死亡）。PICについても同様である。次に、肺炎データとPICデータから「肺炎-SB」（「pSB」）を除去し、夏期の平年死亡率を上回る死亡のみを可視化する。

その結果を図34e（2014-2021）と図34f（2019-2021）に示す。

図34e. 2014年から2021年までの米国における週ごとの全死亡率（ACM-SB）（青）、COVID-19（赤）、インフルエンザ（黄）、肺炎-pSB（緑）、PIC-pSB（黒）。アラスカとハワイを含むアメリカ大陸全体の2013年第40週から2021年第37週までのデータが表示されている。破線はゼロを強調している。pSBはサマースルーの肺炎死亡率で、各週の肺炎死亡率、PIC死亡率から取り除かれている。PICは肺炎および/またはインフルエンザおよび/またはCOVID-19に割り当てられた死亡である。ACMおよび原因別死亡データは、表1に記載されているようにCDC (CDC, 2021a)から入手した。SBは第2節に記載したように推定した。

図34f. 2019年から2021年までの米国の週ごとの全死因above-SB（ACM-SB）（青）、COVID-19（赤）、インフルエンザ（黄）、肺炎-pSB（緑）、PIC-pSB（黒）死亡率。データは、アラスカとハワイを含むアメリカ大陸全体について、2019年第1週から2021年第37週まで表示されている。破線はゼロを強調している。pSBはサマートラフ肺炎死亡率で、肺炎、PIC死亡の各週から取り除かれている。PICは肺炎および/またはインフルエンザおよび/またはCOVID-19に割り当てられた死亡である。ACMおよび原因別死亡データは、表1に記載されているようにCDC (CDC, 2021a)から入手した。SBは第2節で述べたように推定した。

図34gと34hは、上記と同じデータの一部であるが、米国の週ごとの差（残差）「ACM-SB」から「PIC-pSB」を引いたものである（黒い曲線）。この差（ACM-SBからPIC-pSBを引いたもの）は、死因に呼吸器疾患（ウイルス性肺炎またはその他の肺炎）が含まれていない死亡を示している。

図34g. 2014年から2021年までの米国の週ごとの全死因above-SB（ACM-SB）（青）、COVID-19（赤）、インフルエンザ（黄）、肺炎-pSB（緑）、ACM-SBマイナスPIC-pSB（黒）死亡率。アラスカとハワイを含むアメリカ大陸全体の2013年第40週から2021年第37週までのデータが表示されている。破線はゼロを強調している。pSBは夏期の肺炎死亡率で、各週の肺炎死亡率、PIC死亡率から取り除かれている。PICは肺炎および/またはインフルエンザおよび/またはCOVID-19に割り当てられた死亡である。

ACMおよび原因別死亡データは、表1に記載されているようにCDC (CDC, 2021a)から入手した。SBは第2節に記載したように推定した。

図34h. 2019年から2021年までの米国の週ごとの全死因above-SB（ACM-SB）（青）、COVID-19（赤）、インフルエンザ（黄）、肺炎-pSB（緑）、およびACM-SBからPIC-pSBを差し引いたもの（黒）の死亡率である。データは、アラスカとハワイを含む米国本土全体について、2019年第1週から2021年第37週まで表示されている。破線はゼロを強調している。pSBは夏期の肺炎死亡率で、各週の肺炎死亡率、PIC死亡率から取り除かれている。PICは肺炎および/またはインフルエンザおよび/またはCOVID-19に割り当てられた死亡である。

ACMおよび原因別死亡データは、表1に記載されているようにCDC (CDC, 2021a)から入手した。SBは第2節で述べたように推定した。

図34aから34hは、COVID-19に関連した死亡に加えて、米国ではCOVID時代に肺炎に関連した死亡が大幅に増加したことを示しており、これはACMおよびCOVID-19に関連した死亡と同じ時間的パターンであった。

図34iによると、COVID-19に指定された死亡はCOVID時代を通じて一貫して肺炎が死因の40～60%を占めている。また、上記のpSBによる肺炎の割り当ては、事実上すべてCOVID-19によるものであった。つまり、COVID時代の過剰肺炎はすべてCOVID-19の併用であった。

図34i. COVID時代のアメリカ（2020年3月から2021年3月まで）の週ごとの全死因（ACM-SB）（青）、COVID-19（赤）、インフルエンザ（黄）、肺炎-pSB（緑）死亡率、および全COVID-19死亡者に対するCOVID-19肺炎死亡者の比率（黒、右Yスケール）。アラスカとハワイを含むアメリカ大陸全体について、2020年第11週（WHOがパンデミックを宣言した2020年3月11日の週）から2021年第37週までのデータが表示されている。破線はゼロを強調している。各週の肺炎死亡数から夏期の肺炎死亡率であるpSBを取り除いた。ACMおよび原因別死亡データは、表1のようにCDC (CDC, 2021a)から入手した。1. SBは第2節に記述したように推定した。

図34gおよび34hに示した差（ACM-SBからPIC-pSBを引いた値）は、死因に呼吸器疾患（ウイルス性肺炎またはその他の肺炎）が指定されていない過剰（above-SB）死亡数が、COVID時代も例年とほぼ同じ数であることを示している。過剰（SB以上、冬期負担）死亡の死因として知られているのは、心臓病、アルツハイマー病／認知症、糖尿病である（Woolf et al., f21）。しかし、その差（ACM-SBからPIC-pSBを引いた値）は、COVID時代には、2020年3月～5月に急激なピークを示し、2020年夏には一貫して大きな値を示すという異常を示している。2020年夏と異なり、2021年夏のACM-SBの上昇は、全てPICに割り当てられ、実質的に呼吸器以外の割り当てがないことが顕著な特徴である。

米国のCOVID時代（図34g）において、呼吸器以外の原因による過剰死亡が基本的になかったという結果は驚くべきことである。イングランドとウェールズについて、Kontopantelisら(2021)は、過去の傾向を上回る過剰死亡を調べた結果、パンデミック宣言後の最初の30週間で62,321人の過剰死亡があったことを明らかにしている。

COVID-19による死亡は、呼吸器系の死亡をCOVID-19に正しく割り当てることができなかったため、大幅に過小評価されている可能性があると主張する著者もいる（Stokes et al., 2021）（IHME、2021）。米国では、これは非常にあり得ないことである。COVID時代の非呼吸器過剰（SB以上）死亡数がCOVID時代以前と同程度であることを考慮すると（図34g）、COVID時代のその他の過剰（SB以上）死亡数（数）は実質的にすべてCOVID-19に割り当てられており、COVID-19に割り当てられた症例の約40～60%の死因に肺炎が一貫して含まれていると結論づけられる（図34i）。アメリカの死亡率を計算する上で、COVID-19による死亡が増える余地はない。実際、COVID-19による死亡が、世界で最も優れた医療統計の集まるこの国で、記憶にないほどメディア化され、検査され、医療プロトコルで規制されたパンデミック宣言の最中に、どうして過小にカウントされたのであろうか？

COVID時代の米国における過剰（SB以上）死亡に関しては、呼吸器系の原因が主な死亡原因であったようである;しかし、COVID-19の割り当ては疑わしいままである（Borger et al.）

驚くべきことに、CDCのデータ（CDC, 2021a）によると、COVID時代の米国では肺炎の大流行または共流行があった（図34）。COVID-19が過剰に割り当てられているとすれば、それはCOVID時代の呼吸器疾患による過剰死亡の最大100%に相当するかもしれない。大規模な流行の実際の原因が、推定されたウイルス性病原体ではなく細菌感染であったというのは初めてのことではないだろう（Morens et al., s08）（Chien et al., n09）（Sheng et al., g11）。Ginsburg and Klugman (2020)の言葉を借りよう：

COVID-19肺炎における細菌重複感染に関するデータはまだ出てきていないが、血液中の細菌産物の検出とCOVID-19患者における疾患の重症度との間に関連性が認められている[ref]。COVID-19肺炎の診断には、診断的処置を避け、医療従事者がCOVID-19に暴露されるのを最小限に抑えたいという願望があるためである、
COVID-19中に潜在的な細菌性重複感染を診断することは困難であった。

[多くの血清バイオマーカーは特異性に欠けるが、プロカルシトニン濃度の上昇は、細菌性気道感染に対するウイルス反応からの特異的な細菌鑑別として研究されている。蓄積されたデータと報告から、さまざまなカットオフ値が選択されているにもかかわらず、プロカルシトニン濃度の上昇とCOVID-19の重症度上昇との間には明確な関連があるように思われる[refs]。

十分に早期に発見された細菌性肺炎のほとんどは、抗生物質で安全かつ効果的に治療することができる［…］。

ワクチン接種

大規模なコロナワクチン接種キャンペーンが死亡率や本稿で述べた現象に何らかの影響を及ぼしたかどうかを検証することは重要である。図31は、COVID時代（CDC, 2021a; CDC, 2021f）における、週ごとの全死因死亡率（ACM/w）、総（全メーカー）接種ワクチン数（接種回数/日）、完全接種者数（接種回数/日）を同じ時間軸で示したものである。

2回接種ワクチンの2回目、または1回接種ワクチンの1回目の接種が完了した時点で、完全接種者とみなされる（CDC, 2021f）。

図31 2020年から2021年までの米国における、週ごとの全死因死亡率（水色）、日ごとの完全接種者（紺色）、日ごとのコロナワクチン投与量（オレンジ色）

データは2020年第1週から2021年第37週まで表示されている。日別のデータでは、週に1日（月曜日）のみがグラフに表示されている。2回接種の場合は2回目、1回接種の場合は1回目の接種が完了した時点で完全接種とみなす。米国とは、コロンビア特別区を含み、アラスカ州とハワイ州を除く49州を指す。データはCDC（CDC 2021a, CDC 2021f）から表1のように入手した。

図示した期間の総接種回数は約380M、完全接種者数は約178Mである。したがって、1日あたりの接種回数の大きなこぶは、計画されたワクチン接種キャンペーンの大部分を構成している（図31）。

ここで（図31）、cvp1死亡率とsmp1死亡率に関する我々の解釈は、ワクチン接種によって影響を受けることはありえない。

cvp2ピークの下降をワクチン接種キャンペーンのせいだと考えたくなる読者は、この下降が、過去100年以上にわたって疫学者によって観察されてきたすべての季節的な冬の極大期の予想される下降と一致していることに注意すべきである。

さらに重要なことは、ワクチン接種キャンペーンがほぼ終了しても、夏の死亡の第2波（2021年、「smp2」）を防ぐことはできなかったことである（図31）。この第二波の死亡率は、2020年夏の死亡率に匹敵するか、それ以上のようである。

さらに、COVID-19（CDC、2021a）の死亡数は、2020年夏よりも2021年夏の方が有意に多く（図34）、COVID時代の他の時期とは異なり、ワクチン接種キャンペーン後の2021年夏の特徴（smp2）（図34）において、過剰（SB以上）死亡のほぼすべてを占めている。

ACM/wでは、ワクチン接種キャンペーンが何らかのプラスの効果をもたらしたという兆候は見られない。しかし、ワクチン接種キャンペーンが2020年夏のかなり後に開始され、実質的にsmp2特徴が始まる前の2021年夏半ばに終了していること、2021年夏の過剰（SB以上）死亡数（smp2）が2020年夏の過剰死亡数よりも有意に若い個体で発生していること、smp2特徴がsmp1特徴よりも有意に大きいことを考えると、当該若い個体（35-54歳、図33dと33e; および55-64歳、図33f、より小さい）、ワクチン接種によって35-54歳やその他の年齢層が死亡しやすくなった可能性があり、特に暑い気候の州で不利な立場にある人の夏季死亡が増加した（Montgomery et al. , 2021）（Simone et al., e21）。

4. カナダとの比較とその意味

アメリカにおける死亡率について最も顕著な点の一つは、カナダにおける年間総死亡率がCOVID時代において完全に正常であることである。我々は最近の論文（Rancourt et al., 2021）でカナダについてこの事実を詳しく述べた。論文発表時点では、カナダについては2020年サイクルを完了するのに十分な週次データしかなかった。しかし、現在では、2021年夏季の谷の部分を完成させるために、信頼性の高い短い（10 週間）外挿を実施することで、2021年周期のデータを得ることができる。

カナダの最新データを図 35に示す。

図35 カナダにおける2010年から2021年までの週ごとの全死因死亡率

線形夏季ベースライン（SB）は、2013年夏から2019年夏までの夏季の谷に、以下の夏季の谷の週を用いて最小二乗法で当てはめたもの： 2013-週[24-37]、2014-週[28-33]、2015-週[27-37]、2016-週[24-34]、2017-週[25-34]、2018-週[28-35]、2019-週[26-38]。データは、ACMは2010年第1週（2010年1月9日終了週）から2021年第20週（2021年5月22日終了週）まで、SBは2021年第30週（2021年7月31日終了週）まで表示されている。つまり、SBは2021年サイクル末（2021年第30週）まで延長され、本文で説明した外挿が必要な区間を示している。

データはStatCan (StatCan, 2021)から取得した。

外挿は以下のように行われる。ACM-SB/wを使用し、ACM-SB/wの比較的平坦な領域である2021年第10週から第20週の値を2021年夏の「谷」（第20週はデータ上使用可能な最後の週）で平均し、この平均値をACM-SB/wの第21週から第30週（第30週は2021年サイクルイヤーの最後の週）に採用する。次に、このACM-SB/w（こうして外挿された10週区間を含む）を、SBを加えてACM/wに戻す。そして、このACM/wデータを最終(2021)サイクル年まで拡張した合計から、サイクル年ごとの総死亡数を算出する。この外挿は、2021年の真夏の10週間に、カナダのCOVID時代（図35）に発生した、すでに高い夏の谷の値を超える、予期せぬ重大なことが発生しない限り、2021年サイクル年の最後の10週間を正確に表している。

その結果、カナダで観測された周期年ごとの ACMを図 36に示す。

図36a. カナダのサイクル年ごとの全死因死亡率、サイクル年2011年から2021年。破線は最小二乗フィットの直線である。サイクル年は暦年の第31週（8月初め）から始まり、翌暦年の第30週（7月末）に終わる。2021年のサイクルイヤーを完成させるため、本文にあるように、2021年の第21週から第30週までのACMを外挿した。生データはStatCan (StatCan, 2021)から取得した。

図36aは、サイクルイヤー(2021)を1つ追加した以外は、我々の先行論文（Rancourt et al., 2021）の図2と同じである。これにより、「カナダではパンデミックは発生しなかった」（Rancourt et al, 2021）ことがさらに確認された。

また、2011年から2021年までのサイクル年における死亡者数のWBも計算し、図36bに示した。冬季に最も死亡しやすい人の人口が増加しているため、年によって若干の増加が予想される。繰り返しになるが、ACMそのものと同様に、WBの死亡者数の値は、2020年、2021年というサイクル年におけるパンデミックや、年間死亡の異常な追加原因を示すものではない。

図36b. 2011年から2021年までのカナダにおける冬季のWB死亡数。サイクル年は暦年の第31週（8月初旬）から翌暦年の第30週（7月末）までである。2021年のWBを完成させるために、本文で説明したように、2021年の第21週から第30週までのACM-SBを外挿した。生データはStatCan (StatCan, 2021)から取得した。

ACM/wは暦年別ACMの計算にも使用でき、カナダの図37にサイクル年別ACMと比較して示している。

図37 カナダの2010年から2020年までの暦年別全死因死亡率（濃い青）と2011年から2021年までのサイクル年別全死因死亡率（薄い青）を示す

Nサイクル年は、N-1暦年の真夏からN暦年の真夏までの期間を意味する。2021年の21週から30週までのACMは、本文に記述されているように、2021年のサイクル年を完成させるために外挿された。生データはStatCan (StatCan, 2021)から取得した。

図37を見ると、2020年の暦年別ACMは、ACM/wのピークの位置が偶然にずれているため、目に見えるトレンドよ。りも高くなっている：2020年3～6月の遅いピーク（いわゆる。「covid」ピーク、または「cvp1」）が大きく、 2021年冬ピークの早い時期に大きく上昇している。この図では、N年周期はN-1暦年の真夏からN暦年の真夏までを意味する。

明らかに、カナダではパンデミックの兆候は見られず、COVID時代の異常も見られない（図36）：図1：2020年までの暦年別、図5：ACM/wデータそのもの、図12a：WB対周期年で表したものである。

もし新しい病原体がCOVID時代に米国に大混乱をもたらしたとしたら、そのような強毒で伝染性の病原体が、2つの主要貿易相手国の間にある世界最長の陸路国境（8,890km）を越えなかったということがあり得るだろうか？カナダは、アメリカの主要州で適用されているのとはまったく異なる効果的な緩和策を適用し、カナダ領内での新しい病原体の死亡率への影響をゼロにしたのだろうか？答えはそれぞれ「不可能である」と「ノー」に違いない。

特にウイルス性呼吸器疾患は非常に感染力が強いと考えられており、パンデミックを引き起こすと推定される新型ウイルスについては、世界の集団にあらかじめ免疫が存在しないため、なおさらである。推定される新型ウイルスが米国とカナダの国境を越えることができなかったか、異質な出自のカナダ人が遺伝的に新型ウイルスに強いか、あるいはCOVID時代に米国で発生した大規模な過剰死亡は、主として新型呼吸器ウイルスによるものではない。私たちは後者であると考えるが、これは社会・地理経済的要因や気候的要因との共相関という私たちの知見と一致しており、相関あるいは共相関する要因の値が十分に小さい場合には過剰死亡はゼロになる（例えば、図25、夏-2020年の死亡者数）。

5. COVID時代の死亡のメカニズム的原因

図38aのようなアメリカの州別の出生時平均余命の地図から推測できるように、それ自体はかなりの程度真実であろうが。

図38a. 2010年から2015年の国勢調査によるアメリカ各州の出生時平均余命の地図（Tejada-Vera et al.）現在のインタラクティブ・マップの位置：

https://www.cdc.gov/nchs/datavisualization/life-expectancy/index.html

この州別出生時平均余命マップ（図38a）は、図38bのような州別人口別抗生物質処方マップと非常によく似ている。

図38b. 全年齢の州別人口1,000人当たりの抗生物質処方数（六分位数）（米国、2019）。「医療従事者は2019年に2億5,110万件の抗生物質を処方した-1,000人当たり765件の抗生物質処方に相当する」（CDC, 2021g）。

出生時の平均余命（図38a）と抗生物質処方（図38b）の州ごとの分布が類似していることを考えると、COVID以前の時代のアメリカでは、平均余命を制限する死因の大部分は細菌感染であり、そのような感染症の中で最も一般的な致死的感染症は細菌性肺炎であると結論づけるのは不合理ではない。

しかし、我々が示したのは、COVID時代、2020年夏（smp1）、2020年秋冬（cvp2）、2021年夏（smp2）において、貧困、肥満、暑い気候を含む複合的要因が、COVID時代以前の既存の危険因子の背景から起こるであろう死亡を超える、過剰（SB以上）死亡の致命的な関連となったということである。

さらに、我々は、アメリカのいくつかの州で2020年3月から6月にかけて発生した超過死亡率の急激なピーク（「コビッド」ピーク）（cvp1）は、アメリカの特にニューヨーク市などのホットスポットの管轄区域において、2020年3月11日のWHOのパンデミック宣言に対する政府や医療機関の積極的な対応の結果に違いないと繰り返し結論づけ、この積極的な対応が、それが発生したあらゆる場所の介護施設や病院で大規模な死亡の急増を引き起こしたであろう可能性の高いメカニズムについて概説してきた（Rancourt, 2020）（Rancourt et al. 2020）（Rancourt他、2021）。

ここで疑問が生じる： COVID時代の政府と医療の混乱は、どのようなメカニズムによって、集団レベルで、最も脆弱な集団（高齢者、貧困+肥満+暑い気候）における過剰死亡を誘発したのだろうか？あるいは（図34）、COVID時代の政府と医療の混乱は、どのようなメカニズムによって、最も脆弱な集団（高齢者、貧困+肥満+暑い気候）において、人口レベルで、肺炎を含む呼吸器疾患の致死率を通常より非常に高くしたのだろうか？COVID時代は、米国において、貧困+肥満+暑い気候の致命性を劇的に増大させたが？

私たちは、簡潔すぎる3つの言葉の答えは、「慢性的な心理的ストレス」と、2020年3月～6月の大災害に関する致命的な制度的攻撃と病気の高齢者のネグレクト（cvp1）であると提唱する。「慢性的な心理的ストレス」は個人の健康を決定する強力な要因であるが（下記参照）、ウイルス性呼吸器病原体の病原性と伝染性は主にウイルス遺伝学によって決定され、宿主の特性や宿主の特性の社会的決定要因からは二次的な影響しか受けないという支配的な見解を受け入れている人々には本質的に無視されている。この支配的な考え方は、上で説明したように（図1〜図4）、1世紀以上にわたる死亡率のデータによって否定されている。パンデミックが宣言されても検出されず、検出された主要な死亡率の超過はすべて社会経済的な時期や出来事と関連している。

病気による死亡率を考える研究者は、通常の心理的ストレスが免疫反応に大きな影響を与えること、そして精神神経免疫学が大きな研究分野であることを認識しなければならない（Ader and Cohen, 1993）。

ヒトを含む社会的動物では、特定の支配階層内での社会的地位が慢性的ストレスの主要な予測因子であり（Cohen et al., n97a）（Sapolsky 2005）、ひいてはそれが個体の健康、疾病負担、長寿の主要な決定因子となる可能性がある（Cohen et al., n07）。

通常の心理的ストレスは、ウイルス性呼吸器疾患の症候性感染に罹患しやすくし、感染の重症度を高める支配的な要因であることが知られている（Cohen et al., n91）。また、個人の心理的ストレスに加えて、社会的孤立（社会的ネットワークでの交流の少なさ）もウイルス性呼吸器疾患への感受性に影響を与えることが知られている（Cohen et al., n97b）。

さらに、ストレス耐久性には大きな年齢勾配がある。長期間にわたる心理的ストレスは、高齢者では若年者よりも健康に悪影響を及ぼすことが知られている（Prenderville et al., e15）。

しかし、ストレスと免疫の関係は、単純に統合強度の単調関数ではない。ストレスの頻度と持続時間が極めて重要であり、慢性的または長期的なストレスは免疫反応に悪影響を及ぼすが、短期的な適応ストレスは免疫反応を促進する。よく引用されるDhabhar(2014)の総説にはこうある：

免疫活性化中に経験する短期的（すなわち数分から数時間持続する）ストレスは、自然免疫応答／一次免疫応答および適応免疫応答／二次免疫応答を増強する。免疫増強のメカニズムには、樹状細胞、好中球、マクロファージ、リンパ球の輸送、成熟、機能の変化や、サイトカインの局所的および全身的産生が含まれる。対照的に、長期ストレスは、タイプ1とタイプ2のサイトカインバランスを変化させ、低グレードの慢性炎症を誘発し、免疫保護細胞の数、輸送、機能を抑制することによって、自然免疫応答と適応免疫応答を抑制または調節不全にする。

Petersら(2021)は、COVID-19との関連性について、これらの概念と既知の科学をレビューした。彼らは、「心理社会的ストレスと密接に関連する社会経済的問題や欧米型のライフスタイルの様々な側面が、COVID-19の一因であることが最近報告されている」と指摘している。彼らの究極の目的は、”心理社会的介入が、COVID-19パンデミック中およびそれ以降に、呼吸器ウイルス感染に対する神経内分泌-免疫反応を最適化する可能性があるかどうかを明らかにすること”である。

したがって、COVID時代の大規模な社会経済的混乱が、すでに社会的支配階層の最下層にあり、劇的に新しい状況に適応する手段が最も乏しい人々に対して、過度の慢性的心理的ストレスを引き起こし、支配階層ストレスを増幅させたであろうことは想像に難くない。新たな状況とは、合法・非合法の収入源の喪失、社会的孤立の増大、階層的な押しつけの増大、絶え間ない恐怖の宣伝、厳しい移動制限、これまで利用されていた公共空間や企業公共空間の閉鎖、私的・非公式な集まりに対する強制と脅迫、「新しい現実」を快く受け入れない人々に対する暴徒化、同じようにストレスを受けた個人からの攻撃の増大などである。適応するために欠けている手段としては、邪魔されない給与と在宅勤務の能力、（ビデオ会議アプリケーションによって）ズームでつながっている手段、空調の効いた快適な広い家、適応した環境で子供を家庭教育する手段、外で運動するための近くの施設、体を動かすための個人的な施設、宅配による邪魔されない買い物、邪魔されない自己治療、医療への継続的なアクセス、などが挙げられるだろう。

上記で検討した科学から、一般的に集団全体に適用される「過度の慢性的な心理的ストレスと増幅された支配-階層ストレス」は、そのストレスを経験する可能性が最も高く、すでにリスクの高いカテゴリーに属している人々に死をもたらすだろう。例えば、アメリカ南部の夏の熱波に通常適応している集団は、暑さに対する通常の適応が妨げられたか、この生理的ストレスに対してより脆弱になったか、あるいはその両方であったようだ。

また、慢性的な心理的ストレスによって免疫力が低下すると、細菌性肺炎と闘う能力が低下することも明らかで、COVID時代に最も大きな打撃を受けた集団は、すでに細菌性肺炎に不釣り合いにかかりやすくなっている（図38）。

現段階（図34、図38）で、この点に関する科学と実践の状況（Ginsburg and Klugman, 2020）を考えると、論理が逆転していないかと問うのは無理からぬこと： COVID-19の割り当ては、実際には細菌性肺炎であるにもかかわらず、誤った原因となっているのだろうか？この観点から、イベルメクチンはおそらく結核に対して有効な抗菌薬であり（Crump, 2017）（Lim et al., 2013）、主流プロトコルが抗生物質の使用を避けるよう求めている場合（Beovic et al.

Karamiら(2021)はこのように言っている：

結論　結論　病院受診時に細菌性合併感染症に罹患していることはまれであるが、経験的な抗生物質の使用は多い。このことは、COVID-19患者では経験的抗生剤の使用を控えるべきであることを示唆している。このことは、COVID-19パンデミックにおける抗生物質の過剰使用を劇的に減らす可能性がある。

Buehrleら(2020)は、同時に米国では外来での抗生物質処方が大幅に減少したことを指摘している：

要旨：2020年4月、米国では外来で最も処方されている10種類の抗生物質の処方量がそれぞれ大幅に減少した。毎月のアジスロマイシン、アモキシシリン-クラブラネート、レボフロキサシンの処方量は、2020年4月から7月まで有意に回復しなかった。

新型コロナウイルス感染症は、米国の外来抗生物質処方に即時的かつ持続的な影響を与えた。

CDC（2021h）はこのグラフを示している：

図39. 外来で抗生物質を処方された推定患者数、米国、2019-2020年。(CDC、2021h）。

もしCOVID-19の大部分が細菌性肺炎と誤診されているとすれば（誤ったPCR検査を使用している： Borgerら、 2021; あるいは、いかなる臨床検査も用いない）、細菌性肺炎との同時感染が適切に認識されない場合（Ginsburg and Klugman, 2020）、あるいは、大規模な社会経済的混乱によって引き起こされた慢性的な心理的ストレスから免疫系が抑制された脆弱で感受性の高い住民の大規模な集団が存在する状況下で、抗生物質（およびイベルメクチン）が中止される一方で、細菌性肺炎そのものが治療されないまま放置される場合、国家は1918年の恐ろしい細菌性肺炎の流行を生み出した状況を再現したことになる（Morens et al. , 2008) (Chien et al., 2009) (Sheng et al., 2011)の恐ろしい細菌性肺炎の流行を生み出した状況を、COVID時代のアメリカで再現したことになる。

6. 結論

ACM/wデータの社会的・地域的・時間的構造を検討し、社会的・地域経済的・気候的データと比較することによって、米国におけるCOVID時代のトレンドを上回る大規模な死亡率はパンデミックの結果ではなく、大規模な医療と政府の対応に起因するものであると結論づける、通常の季節性呼吸器疾患と典型的な夏の熱波気候の影響の中で、国内経済と生活環境を一変させ、（貧困と肥満に関して）最も脆弱な人々に長期にわたる慢性的な心理的ストレスの影響を及ぼしたのである。

ここに示された結果に照らせば、米国におけるCOVID時代（2020年3月から現在）の過剰死亡の原因が新しい呼吸器疾患ウイルスであるという見解は、経験的データやウイルス性呼吸器疾患の現象論に反する、贅沢な理論であると考えざるを得ない：

米国では1900年以降、パンデミック（1957-58年、1968年 2009）と宣言されたものは、インフルエンザのパンデミックと誤って決めつけられた1918年を除いて、年間全死因死亡率の検出可能な増加を引き起こしたことはない。
1900年以降のアメリカにおける年間全死因死亡率の異常はすべて、第一次世界大戦、大恐慌とダストボウル、第二次世界大戦、COVID-19パンデミック宣言に対する医療と政府の対応など、社会経済的な大変動と関連している。
最近宣言されたウイルス性呼吸器疾患のパンデミック（1957-58年、1968年 2009）、および前世紀以上の季節性（冬期）流行で、十分に良好なデータを持つ北半球のすべての国で、COVID時代に見られたような全死因死亡率における（時間的にも場所的にも）管轄地域の大きな不均一性を示すものはない。
それとは逆に、ウイルス性呼吸器疾患の流行は、パンデミックと宣言されたとしても、管轄区域の境界や、国、州、県、地域、郡の境界で止まることはない。それどころか、季節性（冬期）の全死因死亡率は、北半球の中緯度の管轄区域では常に同期しており、一方、どの年においても時間的変動は類似しているか、統計的に同一のパターンを示している。
米国（および他の国々）におけるCOVID時代の全死因死亡率の管轄地域および時間的不均一性は、前例のない性格と大きさであり（図5-11,13-16、表2）、これはウイルス性呼吸器疾患が主因ではなく、地域的・時間依存的な力とそれらに対する脆弱性によるとしか考えられない。
2020年3月から6月にかけてニューヨーク市と北東部沿岸のいくつかの州で発生し（cvp1）、事実上それ以外の場所では発生しなかった異常な死亡率の急上昇（アメリカのいくつかの34州では、全死因死亡率においてこの特徴を有意に示さなかった）は、地域的な侵略や地域的な環境災害のない社会で作用する病原性・伝染性の呼吸器疾患ウイルスではありえないことである。われわれの知る限り、このような強烈な特徴は、世界の疫学的記録の中で、この周期の後半に発生したことはない。
ウイルス性呼吸器疾患は、夏にピーク（最大値）を示すことによって全死因死亡率を上昇させることはない。COVID時代の米国でみられた前例のない夏のピークは、既知のウイルス性呼吸器疾患の疫学に反している。
COVID時代以前のウイルス性呼吸器疾患負荷死亡率（冬季負荷）は肥満と相関しないが、州ごとに異質な夏-2020年、秋-冬-2020-2021年、夏-2021年の過剰（SB以上）死亡率は肥満と相関する。
COVID時代以前のウイルス性呼吸器疾患負担死亡率（冬季負担）は貧困と相関しないが、州別にみた夏-2020年、秋-冬-2020-2021年、夏-2021年の過剰（SB以上）死亡率は貧困と相関する。
COVID時代以前のウイルス性呼吸器疾患負担死亡率（冬季負担）は気候温度と相関しないが、州別にみた夏-2020年、秋-冬-2020-2021年、夏-2021年の過剰（SB以上）死亡率は気候温度と相関する。
我々が同定した相関関係では、2020年と2021年の夏の過剰（SB以上）死亡率は、貧困、肥満、夏の気温、または貧困と肥満の積のようなそれらの組み合わせの値が十分に小さい場合にゼロになる。
COVID時代以前のウイルス性呼吸器疾患による死亡率（冬季の負担）は、常に高齢者人口の割合と相関しているが、2020年夏季、2020年秋冬季、2021年夏季の過剰（SB以上）死亡率は、州ごとに異なる高齢者人口の割合と反相関しており、夏季の死亡率では強く相関している。
COVID時代に起こったと思われる、15～34歳の死亡率の永続的な（1.5年と数え）段階的な時間非依存的増加を引き起こした呼吸器疾患ウイルスは知られていない（図33b～33e）。
COVID時代以前のウイルス性呼吸器疾患負担死亡率（冬季負担）は人口密度と相関しないが（図29）、州ごとに異なる2020年3月～6月の過剰死亡率（cvp1）は人口密度と強い相関があり、2020年夏季、2020年秋冬、2021年夏季の過剰（SB以上）死亡率は人口密度と反相関がある（図30）。(これは、2020年3月～6月の異常の地域性と、貧しい州は人口密度が低い傾向にあることの結果である)。
推定される病原体を対象とした史上最大のハイテク・ワクチン接種キャンペーンは、ワクチン接種キャンペーン後の2021年夏の急増を考えると、全死因死亡率において検出可能な利益をもたらさなかった。
米国でCOVID時代の非常に大きな過剰死亡率を引き起こしたであろう強毒で伝染性のウイルス性呼吸器病原体が、2つの主要貿易相手国の間にある世界最長の国際陸上国境（8,890km）であるカナダに国境を越えなかった可能性は極めて低い。

最後に、われわれの経験的観察から、COVID-19の大部分は細菌性肺炎と誤診された可能性がある（誤ったPCR検査による）： Borgerら、 2021;およびGinsburg and Klugman, 2020を参照）、正しく診断された細菌性肺炎そのものは、抗生物質（およびイベルメクチン）が中止されている間、大部分が未治療のままであり、脆弱で影響を受けやすい住民の大規模な集団が、大規模な社会経済的混乱（「COVID反応」）によって誘発された慢性的な心理的ストレスから免疫系が抑制されている状況であり、COVID時代のアメリカは、こうして1918年の恐ろしい細菌性肺炎の流行を生み出した状況を再現した（Morens et al. , 2008) (Chien et al., 2009) (Sheng et al., 2011)。

COVID時代に米国の最も脆弱で恵まれない住民に発生した約100万人の過剰死亡を考えると、過剰死亡の原因に関する経験的・統計的データからの証拠を考えると、そして我々の研究と一般的観察から考えると、我々は以下のコメントをする正当性を感じる。我々は、（疫学、生物学、心理学、健康学に関連する他の広範な学問分野とは対照的に）遺伝子配列を中心としたウイルス学者や数学的モデラー、製薬業界のロビイスト、政治化された公衆衛生当局者（WHO、国、地方）、偏向したメディア、承認欲求の強い政治家たちが、過剰な死亡の原因を明らかにするために、遺伝子配列の解析や数理モデリングを行ってきたと考えている、承認欲求の強い政治家たちは、パンデミック宣言にまつわる出来事や、疑問の多い支配的なシナリオの確立において、公共政策にあまりにも大きな影響力を持ってきた; 集団レベルの実害の確固とした指標を無視する一方で、トンネルビジョン的な原因究明を許している。その結果、透明性と説明責任の枠組みの中で、客観的、科学的、平等かつ独立に、あらゆる影響力のある政策のリスクと利益を評価するという公衆衛生の原理に反することがほとんどであり、完全に定量化することが困難な重大な過剰死亡率を超えて、大きな社会的損害を引き起こしている。

参考文献

AderとCohen. (1993) ”Psychoneuroimmunology：条件づけとストレス」Annual Review of Psychology 1993 44:1, 53-85. https://pubmed.ncbi.nlm.nih.gov/8434895/
Beovićら(2020)「COVID-19患者における抗生物質の使用：『スナップショット』感染症国際研究イニシアチブ（ID-IRI）調査」J Antimicrob Chemother. 2020年11月1日;75(11):3386-3390. doi: 10.1093/jac/dkaa326. pmid: 32766706; pmcid: pmc7454563.
Borger et al. (2021) 「Addendum to the Corman-drosten Review Report.」. OSF Preprints. 2021年 1月 12日. doi:10.31219/osf.io/9mjy7. https://osf.io/9mjy7/.
Buehrle et al. (2020) ”Impact of the Coronavirus Disease 2019 Pandemic on Outpatient Antibiotic Prescriptions in the United States”, Open Forum Infectious Diseases, Volume 7, Issue 12, December 2020, ofaa575. .
CDC (2021a) ”Pneumonia and Influenza Mortality Surveillance from the National Center for Health Statistics Mortality Surveillance System”. (2021年10月18日アクセス). https://gis.cdc.gov/grasp/fluview/mortality.html
CDC (2021b) 「Provisional COVID-19 Deaths by Week, Sex, and Age」｜NCHS. 最終更新日：2021年10月13日：最終更新日：2021年10月13日。(accessed 18 October 2021). https://data.cdc.gov/NCHS/Provisional-COVID-19-Deaths-by-Week-Sex-and-Age/vsak-wrfu
CDC (2021c) ”National Vital Statistics System | Historical Data, 1900-1998”. 最終更新日：2015年11月6日： 2015年11月6日。(accessed on 28 July 2021). https://www.cdc.gov/nchs/nvss/mortality_historical_data.htm
CDC (2021d) ”National Center for Health Statistics | CDC WONDER Online Database”. (https://wonder.cdc.gov/mortSQL.html）。
CDC (2021e) ”Adult Obesity Prevalence Maps | Overall Obesity：米国成人の州・地域別肥満の自己申告有病率、BRFFS、2020年”. 最終更新日：2021年9月27日 https://www.cdc.gov/obesity/data/prevalence-maps.html#states。
CDC (2021f) ”COVID-19 Vaccinations in the United States, Jurisdiction”. 最終更新日：2021年10月25日：最終更新日：2021年10月25日。(https://data.cdc.gov/Vaccinations/COVID- 19-Vaccinations-in-the-United-States-Jurisdi/unsk-b7fc。
CDC (2021g) ”Outpatient Antibiotic Prescriptions – United States, 2019”. 最終更新ページ：最終更新日：2021年7月22日。(accessed 17 October 2021). https://www.cdc.gov/antibiotic-use/data/report- 2019.html
CDC（2021h）「米国における抗生物質使用、2020年最新版：進展と機会」ジョージア州アトランタ：米国保健社会福祉省CDC; 2021年。最終更新日：2021年6月22日最終更新日：2021年6月22日。(accessed 17 October 2021). https://www.cdc.gov/antibiotic-use/stewardshipreport/current.html
Chien et al. (2009) ”Bacterial pathogens and death during the 1918 influenza pandemic”. N Engl J Med. 2009 Dec 24;361(26):2582-3. doi: 10.1056/NEJMc0908216. pmid: 20032332.
https://www.nejm.org/doi/10.1056/NEJMc0908216
Cohenら(2007)「心理的ストレスと疾患」JAMA, 298(14), pp. 1685-1687. doi: 10.1001/jama.298.14.1685. https://pubmed.ncbi.nlm.nih.gov/17925521/.
Cohen et al. (1997a) ”Chronic Social Stress, Social Status, and Susceptibility to Upper Respiratory Infections in Nonhuman Primates”. Psychosomatic Medicine： Susceptibility_to_Upper_Respiratory_Infections_in_Non_Humanan_Primates/6613937/files/121065 95.pdf.
Cohen et al. (1997b) 「Social Ties and Susceptibility to the Common Cold」. JAMA, 277(24), pp. 1940-1944. doi: 10.1001/jama.1997.03540480040036.
https://pubmed.ncbi.nlm.nih.gov/9200634/
Cohen et al. (1991) ”Psychological Stress and Susceptibility to the Common Cold”. New England Journal of Medicine. Massachusetts Medical Society, 325(9), pp. 606-612. doi: 10.1056/NEJM199108293250903. https://pubmed.ncbi.nlm.nih.gov/1713648/.
Crump (2017) ”Ivermectin: enigmatic multifaceted ‘wonder’ drug continues to surprise and exceed expectations”. J Antibiot 70, 495-505 (2017). https://doi.org/10.1038/ja.2017.11.
Dhabhar. (2014) ”Effects of stress on immune function: the good, the bad, and the beautiful”.
Immunologic Research. 2014 May; 58(2-3)： 193-210. doi: 10.1007/s12026-014-8517-0. PMID：
24798553. (cited >800). https://link.springer.com/article/10.1007%2Fs12026-014-8517-0
Doshi (2008) ”Trends in Recorded Influenza Mortality： Doshi (2008) ”Trends in Recorded Influenza mortality: United States, 1900-2004”, American Journal of Public Health 98, no. 5 (May 1, 2008): pp. 939-945. .
Doshi (2011) 「The elusive definition of pandemic influenza」. 世界保健機関（WHO）の会報。2011 Jul;89(7):532-538. DOI: 10.2471/blt.11.086173. pmid: 21734768; pmcid：
PMC3127275. https://europepmc.org/article/pmc/3127275
Elsoukkaryら(2021)「COVID-19患者32人の剖検所見：単一施設での経験」病理生物学 2021;88:56-68. doi: 10.1159/000511325. https://www.karger.com/Article/FullText/511325.
Ginsburg and Klugman (2020) 「COVID-19肺炎と抗生物質の適切な使用」. Lancet Glob Health. 2020 Dec;8(12):e1453-e1454. doi: 10.1016/S2214-109X(20)30444-7. Epub 2020 Nov 11. pmid: 33188730; pmcid: pmc7833845.
https://www.thelancet.com/journals/langlo/article/PIIS2214-109X(20)30444-7/fulltext
Hethcote (2000) 「The Mathematics of Infectious Diseases」 SIAM Rev., 42(4), 599-653. http://www.math.yorku.ca/~hhuang/math693706/siamreview.pdf
Harper (1961) ”空気中の微生物： 4種のウイルスによる生存試験」疫学と感染, 59(4), 479-486. doi:10.1017/S0022172400039176.
https://www.cambridge.org/core/journals/epidemiology-and-infection/article/airbornemicroorganisms-survival-tests-with-four-viruses/78E907605FDC1FCF878F4C48FC0BF3B6
IHME (2021) (Institute for Health Metrics and Evaluation) 「Estimation of excess mortality due to COVID-19」, 13 May 2021, (accessed on 14 October 2021)
Jacobson and Jokela (2021) ”Beyond COVID-19 deaths during the COVID-19 pandemic in the United States”. Health Care Manag Sci (2021). https://doi.org/10.1007/s10729-021-09570-4
Karami et al. (2021) ”Few bacterial co-infections but frequent empiric antibiotic use in the early phase of hospitalized patients with COVID-19: Results from a multicentre retrospective cohort study in The Netherlands”, Infectious Diseases, 53:2, 102-110, DOI: 10.1080/23744235.2020.1839672.
https://www.tandfonline.com/doi/full/10.1080/23744235.2020.1839672
Kontopantelis他(2021)「イングランドとウェールズにおけるパンデミックの最初の30週間におけるCOVID-19とその他の原因による死亡の地域別、近隣の貧困レベル別、死亡場所別の超過数： A retrospective registry study”, The Lancet Regional Health – Europe, Volume 7, 2021, 100144, ISSN 2666-7762. https://doi.org/10.1016/j.lanepe.2021.100144.
Kostoffら(2021)「なぜ我々はCOVID-19を子供たちに接種するのか？」 Toxicol Rep.
2021;8:1665-1684. doi: 10.1016/j.toxrep.2021.08.010. Epub 2021 Sep 14. pmid: 34540594; pmcid: pmc8437699. https://pubmed.ncbi.nlm.nih.gov/34540594/.
Lim et al. (2013) ”Anthelmintic avermectins kill Mycobacterium tuberculosis, including multidrug-resistant clinical strains”. Antimicrob Agents Chemother. 2013 Feb;57(2):1040-6. doi: 10.1128/AAC.01696-12. Epub 2012 Nov 19. pmid: 23165468; pmcid: pmc3553693.
McCallumら(2001)「病原体伝播はどのようにモデル化されるべきか？」 Trends Ecol Evol.
2001 Jun 1;16(6):295-300. doi: 10.1016/s0169-5347(01)02144-9. pmid: 11369107.
https://www.math.ttu.edu/~anpeace/files/Math5354Papers/McCallumetal_2001_TREE.pdf
Montgomeryら(2021)「米軍兵士におけるmRNA COVID-19ワクチン接種後の心筋炎」JAMA Cardiol. doi:10.1001/jamacardio.2021.2833. .
Morens et al. (2008) ”Predominant role of bacterial pneumonia as a cause of death in pandemic influenza: implications for pandemic influenza preparedness.”. The Journal of infectious diseases, vol. 198,7 (2008)： doi:10.1086/591708.
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC2599911/
NASA Earth Observatory (2021) 「Exceptional Heat Hits Pacific Northwest」, 25 June 2021. (2021年9月28日アクセス）。https://earthobservatory.nasa.gov/images/148506/exceptional-heat-hits-pacific-northwest
NOAA (2021) National Centers for Environmental information, ”Climate at a Glance：州全体のマッピング」、2021年9月発行。(https://www.ncdc.noaa.gov/cag/）。
Petersら(2021)”To stress or not to stress：脳と行動と免疫の相互作用は、SARS-CoV-2に対する免疫反応を弱めたり促進したりする可能性がある」Neurobiology of Stress, Volume 14, 100296. issn 2352-2895. https://doi.org/10.1016/j.ynstr.2021.100296.
Prenderville et al. (2015) ”Adding fuel to the fire: the impact of stress on the aging brain”. Trends in Neurosciences, 38(1), pp.13-25. doi: 10.1016/j.tins.2014.11.001. https://pubmed.ncbi.nlm.nih.gov/25705750/.
Rancourt (2020) ”COVID-19中の全死因死亡率： Rancourt, DG著（2020年6月2日） ResearchGate. DOI: 10.13140/RG.2.2.24350.77125.
https://archive.ph/PXhsg
Rancourt et al. (2020) ”Evaluation of the virulence of SARS-CoV-2 in France, from all-cause mortality 1946-2020”, by Rancourt, DG, Baudin, M, and Mercier, J, ResearchGate (20 August 2020) DOI: 10.13140/RG.2.2.16836.65920/1.
https://www.researchgate.net/publication/343775235_Evaluation_of_the_virulence_of_SARS- CoV-2_in_France_from_all_cause_mortality_1946-2020
Rancourtら(2021)”カナダにおける2010年から2021年の週ごとの全死因死亡率の分析（州、年齢、性別）： Rancourt, DG, Baudin, M, and Mercier, J, ResearchGate (06 August 2021) DOI: 10.13140/RG.2.2.14929.45921. https://www.researchgate.net/publication/353750912_Analysis_of_allcause_mortality_by_week_in_Canada_2010_2021_by_province_age_and_sex_There_was_no_COVID- 19_pandemic_and_there_is_strong_evidence_of_response_caused_deaths_in_the_most_elderly_and_in_y
サポルスキー (2005) ”The Influence of Social Hierarchy on Primate Health”, Science, 29 April 2005, vol. 308, pages 648-652. https://www.pinniped.net/sapolsky2005.pdf.
Shaman et al. (2010) ”Absolute Humidity and the Seasonal Onset of Influenza in the Continental United States”, PLoS Biol 8(2): e1000316. https://doi.org/10.1371/journal.pbio.1000316.
Sheng et al. (2011) ”Autopsy series of 68 cases dying before and during the 1918 influenza pandemic peak”. Proc Natl Acad Sci U S A. 2011 Sep 27;108(39):16416-21. doi: 10.1073/pnas.1111179108. Epub 2011 Sep 19. pmid: 21930918; pmcid: pmc3182717.
https://www.pnas.org/content/108/39/16416.long
Simone et al. (2021) ”Acute Myocarditis Following COVID-19 mRNA Vaccination in Adults Aged 18 Years or Older”. JAMA Intern Med. doi:10.1001/jamainternmed.2021.5511. .
Simonsenら(1997)「インフルエンザ流行が死亡率に及ぼす影響：重症度指数の導入」Am J Public Health. 87(12):1944-1950. doi:10.2105/ajph.87.12.1944. https://pubmed.ncbi.nlm.nih.gov/9431281/
StatCan (2021) ”表表Table -10-0768-01 Weekly death counts, by age group and sex”. ページ最終更新：最終更新日：2021年10月14日。(accessed on 16 October 2021). https://doi.org/10.25318/1310076801-eng
Stokes et al. (2021) ”Excess Deaths During the COVID-19 Pandemic: Implications for US Death Investigation Systems”. Am J Public Health. 2021 Jul;111(S2):S53-S54. doi: 10.2105/AJPH.2021.306331. pmid: 34314220; pmcid: pmc8495654.
Tejada-Vera et al. (2020) ”Life Expectancy Estimates by U.S. Census Tract, 2010-2015”. National Center for Health Statistics. 2020. Design by B Tejada-Vera et al：全米保健統計センター。最終更新日：2020年3月9日 2020年3月9日。コンテンツソース： https://www.cdc.gov/nchs/data-visualization/life-expectancy/index.html (accessed on 17 October 2021) 米国国勢調査局 (2021a) 「State Population Totals: 2010-2020」. 最終改訂ページ：最終改訂日：2021年10月8日。(accessed on 18 March 2021). https://www.census.gov/programssurveys/popest/technical-documentation/research/evaluation-estimates/2020-evaluationestimates/2010s-state-total.html 米国国勢調査局 (2021b) 「State Population by Characteristics: 2010-2020」. 最終更新日：2021年10月8日：最終改訂日：2021年10月8日。(2021年9月24日閲覧）。
https://www.census.gov/programs-surveys/popest/technical-documentation/research/evaluationestimates/2020-evaluation-estimates/2010s-state-detail.html 米国国勢調査局 (2021c) 「Historical Population Density Data (1910-2020)」. 公開された： 2021年4月26日。最終改訂ページ：最終改訂日：2021年10月8日。(accessed on 23 September 2021). https://www.census.gov/data/tables/time-series/dec/density-data-text.html US Census Bureau (2021d) ”Small Area Income and Poverty Estimates (SAIPE) Program | State and County Estimates for 2019”. 最終改訂ページ：最終改訂日：2021年10月8日。(accessed on 23 September 2021). https://www.census.gov/data/datasets/2019/demo/saipe/2019-state-andcounty.html
Woolf et al. (2021) ”Excess Deaths From COVID-19 and Other Causes in the US, March 1, 2020, to January 2, 2021”. JAMA. 2021;325(17):1786–1789. doi:10.1001/jama.2021.5199.
https://jamanetwork.com/journals/jama/fullarticle/2778361。

「コンテンツ」（2021年10月14日アクセス）

付録

ACM/w、2013-2021年、アメリカ大陸の各州について、色分けされたサイクル年である。

以下のグラフは、2013年から2021年までのアメリカ大陸の各州における週ごとの全死因死亡率を表している。データは2013年の第1週から2021年の第40週まで表示されている（特に断りのない限り、アクセスした時点で入手可能な最後のデータポイント）。色の違いは、各サイクルの年である。サイクルイヤーは、暦年の第31週（8月初旬）から翌暦年の第30週（7月末）までである。2013年と2022年は未完了である。データはCDC（CDC, 2021a）から入手した。

【省略】