Covid-19 mortality is negatively associated with test number and government effectiveness

www.nature.com/articles/s41598-020-68862-x

要旨

COVID-19パンデミックの中心的な問題は、なぜCOVID-19の死亡率が国によって大きく異なるのかということである。本研究の目的は、COVID-19型死亡率の国をまたいだ変動に関連する因子を調査することである。

COVID-19死亡率は、COVID-19症例100人当たりの死亡数として計算された。COVID-19死亡率に関連する因子を同定するために、169カ国からなる横断的データセットに線形回帰を適用した。

データはWorldometerのウェブサイト、Worldwide Governance Indicators、World Development Indicators、およびLogistics Performance Indicatorsのデータベースから取得した。

COVID-19死亡率は、100人当たりのCOVID-19検査数（RR=0.92、P=0.001）、政府の有効性スコア（RR=0.96、P=0.017）、病院のベッド数（RR=0.85、P＜0.001）と負の関係にあった。COVID-19死亡率は65歳以上の人口割合（RR = 1.12、P < 0.001）と交通インフラの質スコア（RR = 1.08、P = 0.002）と正の相関があった。

さらに、COVID-19死亡率と検査数との間の負の関連は、低所得国および政府の有効性スコアが低く、人口が若く、病院のベッド数が少ない国でより強くなった。予測された死亡率は観察された死亡率と高い関連性を示した（r = 0.77;P < 0.001）。COVID-19検査の増加、政府の有効性の改善、病院のベッド数の増加は、COVID-19による死亡率を減少させる可能性がある。

序論

コロナウイルス感染症2019（COVID-19）1,2を引き起こす重症急性呼吸器症候群コロナウイルス2（SARS-CoV-2）が最初に報告されて以来、2020年6月20日現在、世界で870万人以上が感染し、46万人以上が死亡している。高伝染性のCOVID-19は、多くの国で大量の感染、医療システムの過負荷、ロックダウンを引き起こしている3,4,5。

COVID-19パンデミックの中心的な問題は、なぜCOVID-19の死亡率が、フランスとベルギーの16%以上からシンガポールとカタールの0.1%未満まで、国によって大きく異なるのかということである。このような大きなばらつきがあるということは、政府の対応など、患者の特性以外にもCOVID-19型の死亡率を決定する要因があることを示唆している。患者レベルの研究では、COVID-19死亡率は、年齢、肥満、高血圧、糖尿病、冠動脈性心疾患などの基礎疾患によって説明できることが示されている6,7,8 、臨床症状、合併症、病院でのケア、以前の免疫、ウイルスの突然変異9,10 。これらの知見は、医療専門家がハイリスク患者を特定するのに役立つ。しかし、この証拠だけでは、COVID-19の死亡率を減少させるための効果的な政策を支持するには十分ではないかもしれない。

COVID-19の研究におけるこのギャップは、いくつかの研究によって対処されてきた。一部の学者は、COVID-19の蔓延を遅らせるための検疫やロックダウンなどの政府の政策の有効性を論じている11。また、COVID-19発生時の病院利用率を予測することは、多数の患者を治療するための資源の適切性を確保するために必要であると提案している学者もいる12。最近の研究では、COVID-19による死亡率と医療資源の利用可能性との関連を分析している13。さらに、COVID-19の感染拡大を抑制するために、COVID-19の検査を増やすことが提唱されている14。

このようにして得られた証拠は、COVID-19による死亡率の国ごとの違いを説明するために集められたり、適用されたりしたものではない。疾病の発生を予防し、発見し、対応する能力は、国によって大きく異なる15。我々は、国レベルでのCOVID-19人死亡率に関連する要因を探ることを目的としている。具体的には、重要な戦略であるCOVID-19検査がCOVID-19による死亡率を減少させることができるかどうかを検討した。また、COVID-19型感染症の発生の重症度（臨界症例率と症例数で測定）がCOVID-19型死亡者数の高さを説明しているかどうかについても検討した。さらに、政府の有効性、すなわち危機に対処するために健全な政策を策定し実施する政府の能力がCOVID-19型死亡率を減少させるかどうかを検討した。最後に、本研究では、COVID-19型死亡率と高齢者の割合、病院のベッド数、既往症のパターン、人の移動の代理である交通インフラとの関連性を分析した。

方法

研究設計とデータソース

この世界的な横断的研究には、オープンアクセスデータベースのデータを使用した。COVID-19の関連データは、「Worldometer: coronavirus」16のウェブサイトから取得した。このウェブサイトは、世界保健機関、米国疾病予防管理センター、ハーバード大学の計算保健情報学プログラムなどの重要なリソースからデータを収集している。200カ国以上のCOVID-19の症例数、死亡数、重症症例数、検査数を記録している。Worldometerデータベースから 2020年6月13日03:00GMT時点でのCOVID-19症例数7,732,952例、死亡数428,248例を特定した。

政府の有効性に関する情報は、Worldwide Governance Indicators (WGI)のウェブサイトから取得した17。WGI は、200 以上の国と地域を対象とした知覚に基づくデータソースを使用している。WGI のデータソースには、家庭や企業への調査、各種機関の専門家による評価などがある18。高齢者の割合、病院のベッド数、疾病パターンに関する情報は、世界開発指標（WDI）19 から取得したものである。

WDI は世界銀行がまとめたもので、開発に関する包括的な国をまたいだ比較可能なデータを提供している。輸送インフラの質に関するデータは、世界銀行が様々な機関と協力して実施した調査に基づいて作成された ロジスティクス・パフォーマンス・インデックス（LPI）のウェブサイト20 から取得した21。

WGI、WDI、LPIの国別データが入手可能な直近の年は2018年であった。COVID-19のデータと国レベルのデータをマージした後、調査サンプルは169カ国で428,086人が死亡したCOVID-19感染者全体で7,724,530人から構成されている。COVID-19死亡率のデータが公的な情報源から入手できなかった国は、この分析から除外した。サンプル国は補足表 S1 に記載されている。

変数

COVID-19死亡率は、COVID-19症例100人当たりの死亡数として定義された。COVID-19死亡の分布が右傾化していたので、データを正規分布により密接に適合させ、モデルの適合性を向上させるために、この変数を対数変換した。COVID-19に関連する因子は、100人あたりの検査数、1000人あたりの症例数、および重症化率であった。重症患者率は、重症患者数を COVID-19 感染者数で割って算出した。

 

政府の有効性は WGI の政府有効性スコアで測定した。これらのスコアは、公共・市民サービス（教育や基本的な保健サービスなど）の質、政策の策定と実施の質、政策に対する政府のコミットメントに関する多様なグループの認識を捉えたものである18。WGI は、様々な情報源から得られたデータを標準化し、指標を構築するために、無観察成分モデルと呼ばれる 統計的手法を適用した。政府の有効性のスコアは-2.50～2.50 であり、低い値は有効性のレベルが低いことを示している18。

人口の年齢構成は、65 歳以上の人口の割合で測定した。病床数は、人口 1,000 人当たりのベッド数を測定した。疾病パターンは、全死亡原因のうち感染症に起因するものの割合で測定した。伝染性疾患の範囲は、がんや糖尿病などの非伝染性疾患を除いたすべての疾患とした。輸送インフラの質は、LPI指標「貿易及び輸送関連インフラの質」によって測定された。この指標は、港湾、空港、鉄道、道路、情報技術の総合的な質を評価したものである。品質スコアは、1（最悪）から5（最高）までの範囲であり、国をまたいだ比較を可能にするために推定された21。

線形回帰分析

COVID-19の検査数は、我々のモデルでは他の予測因子よりも政府によって制御可能であるため、COVID-19死亡率と検査数との相関を調べるために単純線形回帰を最初に適用した。我々は、一人当たりの所得、政府の有効性スコア、65歳以上の人口の割合、病院のベッド数に基づいて国をランク付けした。各ランクについて、国を高、中・中程度、低に分類した。目的は、COVID-19による死亡率と検査との関係が国の特徴によって変化するかどうかを検討することであった。すべてのサブグループ分析について、相関係数と検査数に対する係数の p 値を算出した。

重回帰分析では、COVID-19死亡率をCOVID-19検査数、症例数、重症患者率、政府の有効性スコア、65歳以上の人口比率、病床数、伝染病に起因する死亡数、輸送インフラの質のスコアに回帰させた。攪乱項の潜在的分布における不均等な分散を考慮して、国の人口をウェイトとして使用した。重みを使用しても、回帰結果は実質的には変化しなかった。すべての分析は、Stata 16 ソフトウェア（StataCorp Inc.

バリデーション調査

我々の回帰モデルの妥当性は、観測されたCOVID-19死亡率と各国の予測死亡率を比較することによって検討された。観察された死亡率と予測された死亡率を2軸にグラフを描いた。モデルがよく適合していれば、データ点がグラフ上の45度の十字線の周りに散らばっていることが予想された。

結果

記述的統計

表1は、COVID-19死亡率と回帰共変量をまとめたものである。調査対象の169カ国について、平均COVID-19死亡率は3.70%（95%CI 3.15～4.25%）であった。100人当たりの平均COVID-19検査数は3.75（95%CI 2.82～4.69）、1000人当たりの平均COVID-19症例数は1.69（95%CI 1.20～2.18）、平均重症例率は0.56%（95%CI 0.44～0.68）であった。また、政府効果スコアの平均値は-0.01（95%CI-0.17～0.16）、65歳以上の人口比率の平均値は9.17%（95%CI-8.15～10.18）、人口1,000人当たりの平均ベッド数は3.14（95%CI-2.72～3.57）、感染症死亡率の平均値は31.04%（95%CI-27.50～34.58）、交通インフラ品質スコアの平均値は2.75（95%CI-2.64～2.86）となっていた。

表1 モデル変数の記述統計。

原文参照

単純回帰分析：COVID-19死亡率と検査番号との関係

COVID-19死亡率と検査番号との関係を図1に示す。図1a、1b、および1cは、高所得国（r = ・0.32、P = 0.015）、中所得国（r = ・0.28、P = 0.015）、および低所得国（r = ・0.67、P = 0.002）において、それぞれCOVID-19死亡率が検査数と負の有意な相関を示していることを示している。図1eおよび1fは、中程度（r = -0.33、P = 0.021）および低所得（r = -0.42、P = 0.002）の国では、COVID-19死亡率と検査数との間の負の相関がそれぞれ有意であったことを示している。図1hと図1iは、高齢者比率が中程度（r = -0.39, P = 0.006）と低い（r = -0.67, P < 0.001）国で、それぞれ負の相関が有意であることを示している。最後に、図1lから、ベッド数の少ない国では負の相関が有意であることがわかる（r = -0.41, P = 0.005）。

図1

原文参照

図1　COVID-19死亡率と検査番号との相関。国を所得グループ（a-c）ごとに分類した。(a) 高所得者（N = 59）、(b) 中所得者（N = 75）、(c) 低所得者（N = 19）;政府の有効性スコア（d-f）で分類した。(d) 高い効果スコア（N=50）、(e) 中程度の効果スコア（N=50）、(f) 低い効果スコア（N=51）;65歳以上の人の割合別（g-i）。(g) 高齢者の割合が高い（N=49）、(h) 高齢者の割合が中程度（N=49）、(i) 高齢者の割合が低い（N=49）;病院の病床数別（j-l）：(j) 高齢者の割合が高い（N=50）、(e) 中程度（N=50）、(f) 効果が低い（N=51）;65歳以上の人の割合（g-i）。(j) 高いベッド数（N = 45）、(k) 中程度のベッド数（N = 43）、(l) 低いベッド数（N = 46）。線は、試験番号に関するCOVID-19死亡率の線形予測である。フィットした値の95%信頼区間は灰色の領域で示されている（r：相関係数）。

重回帰分析

COVID-19死亡率を予測するための重回帰の結果を表2に示す。COVID-19関連因子のうち、100人あたり1回のCOVID-19スクリーニング検査の追加は死亡リスクの8%の減少と関連していた（RR = 0.92;95%CI 0.87～0.96、P = 0.001）。国に関連する因子のうち、政府の有効性スコアの0.1増加は死亡リスクの4%の減少と関連していた（RR = 0.96;95%CI 0.92～0.99、P = 0.017）;65歳以上の人口の1%ポイントの増加は死亡リスクの12%の増加と関連していた（RR = 1.12、95%CI 1.07～1.17、P < 0.001）。人口1,000人当たり1床の追加は、死亡リスクの15%低下と関連していた（RR = 0.85、95%CI 0.80～0.90、P < 0.001）。物流インフラの品質スコアの0.1増加は死亡リスクの8%増加と関連していた（RR = 1.08;95%CI 1.03～1.14、P = 0.002）。

表2 COVID-19死亡率を予測するための重回帰。

予測モデルの検証
回帰モデルを検証するために、各国の死亡率の予測値と観測値の関連性を調べた（図2）。予測値は重回帰から求めた。X軸は観測された死亡率、Y軸は予測された死亡率であった。シンガポールとカタールは外れ値であったため、図2から除外した。予測死亡率は観察死亡率と有意かつ正の相関を示した（r = 0.77、P < 0.001）。

図2

原文参照

観測されたCOVID-19死亡率と予測されたCOVID-19死亡率の相関。45度の線は、観察されたCOVID-19死亡率と予測されたCOVID-19死亡率が等しいことを示す（r：相関係数、N = 99）。

ロバストネス解析

ロバストネス・チェックとして、COVID-19死亡率の重回帰に、一人当たりGDP、健康支出、小学校就学率の変数を入れた。これらの変数は、補足表S2にまとめられている。これらの変数の係数はいずれも統計的に有意ではなく、主回帰の結果は変化しなかった。したがって、これらの変数は最終モデルから除外した。さらに、COVID-19死亡率と一人当たりGDPおよび就学率との関係について、所得階層別に分析を行った。結果を補足S3に示す。

考察

我々の知る限りでは、本研究はCOVID-19死亡率に関連する因子を体系的に調査した最初の国レベルの研究である。重回帰の結果、COVID-19死亡率は検査数と負の関係にあることが明らかになった。死亡リスクを減少させるためのCOVID-19感染症の集団スクリーニングの有効性は現在議論されている。スクリーニングを支持する人々は、無症状の患者を特定してCOVID-19の感染拡大を減少させるという有益な効果を示唆している。反対派は、死亡リスクの減少は主に無症候性患者の発見の増加によるものであると主張している。今回の研究では、症例数、重症患者率、および様々な国の関連因子を調整した後でも、100人あたり1回の追加検査で死亡率が8%減少することが明らかになった。

特筆すべきは、単純回帰分析により、COVID-19による死亡率と検査数との負の関連性は国の特徴によって異なることが示された。低所得国および政府の有効性スコアが最も低く、高齢者の割合が最も低く、病床数が最も少ない国（すなわち、ランキングの下位3分の1に位置する国）は、COVID-19人死亡率と検査数との間に最も負の相関関係（相関係数の点で）を示した。我々は、検査数と国の特徴との間の相互作用項を含めてこれらの結果を再検討したが、同様の結論に達した。これらの結果は、政府が疾病発生の抑制にあまり効果的でない場合や、病院のベッドが十分でない場合には、検査の規模を拡大することが死亡率を減少させるための効果的なアプローチとして役立つ可能性があることを示唆している。

本研究では、政府の有効性が高ければ高いほど、COVID-19の死亡率が低下することが明らかになった。この指標は、健全な政策を効果的に策定・実施する政府の能力を示すものであり、良好なガバナンスの重要な側面である。良好なガバナンスは、一人当たりの所得などの長期的な開発成果に不可欠である22。本研究では、COVID-19の発生のような短期的な危機に対しては、政府の有効性が依然として重要であることが示された。例えば、効果的な政府は、個人用保護具の十分な供給を確保するための政策を行うことで、COVID-19パンデミックに積極的に対応するだろう23。効果的な検疫、ロックダウン、スクリーニング政策の迅速な実施3,24,25、およびCOVID-19患者の管理と治療における優れた公衆衛生サービスの提供もまた、効果的な政府を必要としている26。

最近のCOVID-19臨床研究では、老年期の死亡率や複数の合併症との関連性が報告されている6,7,27。我々はこれらの観察を確認した。65歳以上の高齢者の割合が高い国では、死亡率が有意に高かった（P < 0.001）。本研究では、ベッド数はCOVID-19死亡率と負の有意な関連があった（P < 0.001）。この知見は、集中治療を必要とするCOVID-19感染患者の治療において、病院のベッドが重要なインプットであるという議論を支持するものである5。さらに、貿易と輸送関連のインフラが優れている国では、COVID-19感染者の死亡率が高いようであった（P = 0.002）。考えられる説明としては、交通インフラが人の移動と物資の移動を容易にし、それが高リスク集団の間でCOVID-19の感染を増加させる可能性があるということである。

本研究にはいくつかの限界がある。第一に、本研究は各国から報告されたCOVID-19の症例に基づいている。不正確な報告と症例数の急激な増加が、本研究のモデルの予測力に影響を与えた可能性がある。しかし、死亡率を予測するための予後因子の傾向は変わっていないかもしれない。第二に、データベースの完全性の欠如により、中国での検査数やニュージーランドやインドネシアでの重症患者数など、特定の国での分析が制限されている。

第三に、本研究で使用されているCOVID-19関連因子は国レベルのデータであり、患者レベルのデータではない。全世界の患者レベルのデータが解析に利用できるようになれば、予測精度はさらに向上するであろう。第四に、我々はその国のCOVID-19死亡率を決定する可能性のある限られた数の因子のみを選択した。今後の研究では、予測精度を向上させるために他の国に関連する因子を探索する可能性がある。最後に、COVID-19が世界的に広まった後に後天的に獲得したコミュニティ免疫が予測精度を変える可能性がある。しかし、本研究の結果は、将来のパンデミック関連の国レベルでの政策立案に貢献する可能性がある。

結論として、COVID-19の死亡率の上昇は、検査数の低下、政府の効果の低下、人口の高齢化、ベッド数の減少、輸送インフラの改善と関連していることがわかった。COVID-19の検査数を増やし、政府の有効性を改善することは、COVID-19関連の死亡率を減少させる可能性がある。