原始论文
摘要
背景:尽管已有证据表明其严重程度，但一些阴谋论者甚至科学家经常将COVID-19与季节性流感进行比较。关于COVID-19与意大利大流行期间观察到的死亡之间的非因果相关性，出现了各种公开讨论。
摘要目的:本文旨在寻找2020年意大利记录的死亡率上升的内生原因，以验证这一有争议的假设。此外，我们为时间序列的流行病学分析提供了一个框架。
方法:我们分析了2011年至2019年意大利按年龄、性别、地区和死因划分的死亡人数。利用普通最小二乘(OLS)线性回归分析和自回归综合移动平均(ARIMA)预测2020年的最佳值。采用Grubbs单侧检验评估2020年预测死亡/死亡率与观察死亡/死亡率之间差异的显著性。最后，一个样本t检验用于将区域超额死亡人口与零平均值进行比较。使用OLS多元回归模型评估死亡率与预测变量之间的关系。由于多重比较调整没有统一的意见，假阴性意味着有很大的流行病学风险，因此采用不太保守的Siegel方法和更保守的Holm-Bonferroni方法。通过这样做，我们为读者提供了进行独立分析的手段。
结果:ARIMA和OLS线性回归模型都预测，2020年意大利的死亡人数将在64万至66万之间(95% ci范围:62万至69.5万)，而观测值为75万以上。我们发现强有力的证据支持所有地区的死亡增加(平均超出=12.2%)不是由于偶然(t21= 7.2;调整P<措施)。全国男性和女性死亡率偏高18.4% (P<措施;调整P=.006)及14.1% (P= .005;调整P分别=点)。然而，我们发现在使用Mann-Whitney比较男性和女性死亡率残差时，意义有限U测试(P= 10;调整P= 0)。最后，死亡率与纬度呈强正相关(R= 0.82;调整P<措施)。在这方面，2020年死亡率增加的意义因区域而异。伦巴第地区的死亡率增幅最高(男性经调整后为38%)P<措施;女性为31%，P<措施;调整P= .006)。
结论:我们的研究结果支持，缺乏能够证明2020年在意大利观察到的死亡率上升的历史内生原因。这些结果加上目前关于SARS-CoV-2的知识，为COVID-19的毁灭性影响提供了决定性证据。我们建议政府、卫生和信息部门利用这项研究，提供反对阴谋假设的证据，以最大限度地减少与covid -19相关的风险。最后，鉴于ARIMA和OLS回归之间的显著一致性，我们建议将这些模型用于公共卫生监测。具体来说，通过比较预测的流行病学趋势和观察到的流行病学趋势，可以推断出有意义的信息。
doi: 10.2196/36022
关键字
简介
背景
SARS-CoV-2是一种新的β冠状病毒，于2019年12月在中国武汉首次被发现。与之相关的疾病，即COVID-19，在全球肆虐，造成数百万人死亡，并使经济和卫生系统陷入严重危机。在这种戏剧性的情况下，欧洲是受影响最严重的地区之一:截至2021年12月，欧洲死亡人数占全球官方死亡人数的30%以上(约160万人)[］．由于危险因素是多种的，包括环境条件、污染、年龄、性别、种族、拥挤、贫困和医学合并症，因此死亡率在国家与国家之间以及在国家内部都有很大差异[-］．事实上，每百万居民每日死亡人数的峰值从1人(乌克兰)到超过40人(比利时)不等，中位数为3.5人(IQR 2-13) [］．第一个遭受COVID-19破坏性影响的欧洲国家是意大利，其死亡率峰值远高于欧洲中位数(超过15人)。特别是意大利北部地区，尤其是贝加莫省和布雷西亚省，面临着严峻的第一波疫情，死亡人数达到全球最高。，］．迄今为止，尽管由于大规模的疫苗接种运动，死亡率大幅下降，但意大利仍是欧洲官方COVID-19死亡人数排名第二的国家[，］．尽管如此，在大流行期间，关于COVID-19死亡率的争论一直很激烈。在早期阶段，由于测试能力较低，死亡率的计算存在许多不确定性，这导致了高估和低估。因此，研究人员将重点放在将2020年的数据与历史死亡系列进行比较[］．
普通最小二乘(OLS)回归模型因其简单有效而被科学家广泛采用。具体而言，OLS多元回归和简单回归经常被用于预测COVID-19病例和死亡的过程，无论是单独使用还是与易感感染-康复(SIR)等其他流行病学模型一起使用[-］．文献表明，当必要的假设得到满足时，线性回归分析是有价值的短期预测工具。然而，在处理实际流行病学数据时，违反残差正态性或同方差等要求是很正常的。在这些情况下，应考虑使用纠正程序或替代模型。其中，自回归综合移动平均(ARIMA)和SARIMA (ARIMA +季节分量)模型具有较好的预测能力。特别是Abolmaali和Shirzaei最近的一项研究[]证明ARIMA方法优于逻辑函数、线性回归和SIR等其他经典模型。Alabdulrazzaq等[]，他们证明了他们的ARIMA模型提供的COVID-19传播预测的准确性是适当的和令人满意的。
尽管意大利官方公布的死亡人数超过13.5万人，但一些阴谋运动认为，COVID-19是一种不危险的疾病，这些数字被故意夸大了。］．不幸的是，即使是著名的意大利科学家或其他知名人士也并不罕见，他们不顾一切地淡化COVID-19的风险，或支持假新闻的传播[，］．因此，“死于COVID还是死于COVID?”很快就充斥了社交网络。］．事实上，这一问题源于一种假设，即COVID-19与2020年意大利记录的死亡人数没有因果关系。
客观的
基于这一前提，本研究旨在估计2020年意大利观察到的死亡人数与预测死亡人数之间的差异。特别是，我们按死亡原因、性别和年龄组对2011年至2019年的所有死亡率趋势进行了建模，预测了2020年的最佳值。通过这样做，将为COVID-19等非内源性死亡因素的影响提供因果证据。本文的结果具有流行病学和信息流行病学的相关性，因为(1)比较了科学界广泛采用的两种模型，如OLS线性回归和ARIMA;(2)据我们所知，这是关于意大利死亡率的最详细的历史和预测调查;(3)对2020年意大利死亡率增加的统计意义进行了估计。最后，我们研究了流行病学和公共卫生监测的2个基本但经常被忽视的方面，即非线性子趋势的可能出现(能够使基于历史全球数据训练的模型的预测失效)和多重比较调整问题(能够危险地夸大假阴性)。
方法
数据收集
在这项研究中，我们使用了意大利国家机构和人口统计研究门户网站的数据(详细信息和参考文献见下文)。具体而言，年度死亡人数(包括按性别和年龄组分列的死亡人数)、每种死亡原因的死亡人数(包括按性别和年龄组分列的死亡人数)和死亡率(包括按性别和年龄组分列的死亡人数)是从国家统计局和国家卫生观察站2011年至2020年的平台和年度报告中提取的[-］．从图坦塔利亚收集了人口数据(即每个年龄组的人口数量、人口数量和密度以及每个区域)。它(，］．本门户包含所有与市、省和地区有关的ISTAT人口统计信息。虽然调查期间为2011年至2020年，但直到2017年才有死亡原因统计数据，因为官方评估过程需要3年时间[］．有关数据收集过程的详细信息，请参见．
程序与统计分析要点
在这里，我们提供了所采用的程序的摘要。中报告了更详细的描述．我们通过OLS线性回归对2011年至2019年年度死亡和死亡率的区域趋势进行了建模。我们称Δ*为2011年至2019年的残差数据集，称Δ为2011年至2020年的残差数据集。通过Grubbs单侧检验，我们在Δ*和Δ中搜索高异常值。Grubbs测试使用RStudio v.4.1.2软件(库:异常值)进行。我们也进行了1个样本t测试以评估区域死亡增加是否是偶然的。这是通过将2020年的超额死亡人口与固定的零平均值(即预期残差)进行比较来实现的。此外，我们还计算了模型预测值与观测值的差值。为了证实或否认2020年期间死亡人数的任何统计异常，我们检查了2011-2019年期间以下年度统计数据的所有趋势:按年龄组划分的男性死亡人数、按年龄组划分的女性死亡人数、按年龄组划分的男性死亡率、按年龄组划分的女性死亡率、按死因划分的死亡人数、按死因划分的男性死亡人数、按死因划分的女性死亡人数。具体来说，我们寻找了能够扭曲累积数据解释的异常非线性子趋势(确实，线性趋势的总和是线性的)。这种现象的一个例子显示在图S1．关于年龄组的男性和女性死亡，我们还使用RStudio v.4.1.2软件(库:forecast和tseries)通过ARIMA (p, d, q)模型计算了每个年龄组的2020年预测。为了便于分析的重现性，我们在中提供了所有ARIMA模型．最后，我们使用OLS多元线性回归来验证与人口、人口密度和纬度等人口和地理统计数据的相关性[］．
关于多比较调整问题
的P多重比较检验的值调整源于无意中增加假阳性数量的可能性[］．然而，如格陵兰所示[]，这种方法的不分青红皂白和不假思索的实施可能会导致错误的、误导性的结论，当涉及敏感话题时(如公共卫生)，甚至是危险的结论。的确，科学家被要求同时考虑后果和产生错误结果的可能性。，］．例如，一些作者建议它是明智的调整P探索性调查的价值很高，因为由于别处观察效应而产生虚假相关性的可能性很高[］．相反,调整P当假设是有针对性的，而假阴性有严重的风险时(例如，机场金属探测器)，价值可能会适得其反。尽管如此，Bender和Lange []强调指出，在探索性分析中进行多项测试调整具有挑战性，因为多项测试可能缺乏明确的结构;因此，他们只推荐这种方法用于目标明确的假设。这种情况突显出缺乏明确的共识。］．另外的关键问题在于P价值不是检验假设成立的概率，也不是仅仅偶然产生所观察到的关联[］．因此，采用(未)调整的二分阈值不适合评估结果的统计显著性，如P值应该被使用——最好是作为反对检验假设的证据强度的分级度量。，］．最后，其他作者对调整提出了进一步的担忧P值。例如，勃兰特[他指出，根据病人当天做了多少次检查来评估病人的检查结果在医学上是不合理的。在这种挑衅下，勃兰特[他还质疑科学界是否有可能将结果划分为不同的研究，以绕过多重比较的问题。总之，格陵兰[]强调提出单一的零假设代表了分析中的偏差，并且P值不仅检验数据与零假设的兼容性程度，而且检验的所有假设[］．因此，必须承认，每一种统计解释或调整都受到作者对所作假设的偏见和不确定性的强烈影响[，，］．所谓的“稳健分析”也是如此，其复杂性使人更加困惑。由于这些原因，科学家除了说明方法和结果在不同条件下如何变化之外，别无他事。］．
我们的方法
本手稿旨在测试统计方法，以确定时间序列中的流行病学相关异常，并就COVID-19对意大利死亡率的影响提供近乎确凿的证据。基于上一小节总结的证据，我们得出的结论是，最好的选择是为读者提供进行独立评估的方法，以显示结果在不同假设下的变化。具体来说，我们使用了两种方法:第一种，由Siegel []，包括评估全球测试(即按性别划分的国家人口)的重要性，然后不加修正地实施其他子测试(即按性别划分的区域人口)。特别地，我们认为这种方法最适合这篇手稿的目的，并以A1表示。第二种方法用A2表示，是更为保守的Holm-Bonferroni方法，假设数量m=47 [］．
结果
2020年总体死亡超额
与OLS线性回归模型预测结果比较()，意大利2020年观察到的死亡人数的超额数量要大得多(超额=89 287;% excess=13.6 [SE 5.3])。的表S1和表S2给出了详细的报告．我们发现强有力的证据支持所有地区的死亡增加并非偶然(平均%超额=12.2 [SD 1.7];t21= 7.2;调整P<措施)。OLS线性回归预测值与ARIMA(0,2,2)模型预测值具有较高的统计可信度;这进一步证明了线性插值的优点。
2020年男性死亡率
对于A1，如果考虑到男性死亡率，2020年的超额在21个区域中的13个区域(所有区域P< .005)。其他5个区域均有中度显著增加(0.02≤P≤10)。低显著性仅在Molise, Basilicata和Calabria(全部P≥.20)。总体而言，2020年意大利男性超额死亡率高且显著显著(P<措施;过量=每10000人中有18.8人;% excess=18.4 [SE 5.4])。此外，所有地区的男性死亡率都在5%(巴西利卡塔)至38%(伦巴第)之间。各地区的详细资料载于．中表S3提供了关于模型优度的进一步信息．A2，调整后P≤。全国和6个大区(皮埃蒙特、伦巴第、特伦托、威尼托、利古里亚、艾米利亚罗马涅)达到了006,0.02≤调整P≤。在5个地区(博尔扎诺，弗留利威尼斯朱利亚，马尔什，阿布鲁佐，阿普利亚)达到了08个。坎帕尼亚和撒丁岛也有中等显著性(调整后)P≤16)。调整P≥。43were obtained in the remaining regions. Details of each region are provided in．
| 意大利地区 | 预测价值 | 预测值SE | 观测值 | 超额% (SE) | P价值一个 | 调整P价值一个 |
| 意大利 | 102.1 | 4.6 | 120.9 | 18.4 (5.4) | <措施 | .006 |
| 皮埃蒙特 | 105.7 | 5.2 | 132.3 | 25.1 (6.2) | <措施 | <措施 |
| 瓦莱达奥斯塔 | 114.4 | 11.3 | 136.3 | 19.1 (12.3) | 02 | .40 |
| 伦巴蒂大区 | 98.5 | 4．1 | 136.2 | 38.3 (5.8) | <措施 | <措施 |
| 博尔扎诺 | 93.6 | 4．9 | 110 | 17.5 (6.2) | 措施 | 02 |
| 特兰托 | 90.7 | 4．7 | 121 | 33.4 (7) | <措施 | <措施 |
| 威尼托 | 97.2 | 3．7 | 114.7 | 18 (4.5) | <措施 | .002 |
| 弗留利·威尼斯·朱利亚 | 99．6 | 5.9 | 116.3 | 16.8 (7) | .002 | 06 |
| 利古利亚 | 103.4 | 5.6 | 126.5 | 22.3 (6.7) | <措施 | .006 |
| 选票 | 97.5 | 4．5 | 116.1 | 19.1 (5.6) | <措施 | .006 |
| 托斯卡尼 | 97.2 | 6 | 108.5 | 11.6 (7) | 03 | 点 |
| 翁布里亚 | 94.5 | 6.3 | 105.4 | 11.5 (7.6) | .04点 | .62 |
| 马尔凯 | 96.3 | 5.4 | 111.1 | 15.3 (6.6) | .003 | 07 |
| 拉齐奥 | 100.1 | 5.2 | 110.1 | 10 (5.7) | 02 | 点 |
| 阿布鲁佐 | 101.9 | 4．5 | 114.6 | 12.5 (5) | .002 | 06 |
| 莫利塞 | 107.3 | 7.2 | 113.8 | 6 (7.2) | 50 | 获得 |
| 坎帕尼亚 | 116.1 | 5.5 | 129.9 | 11.9 (5.4) | .005 | 点 |
| 普利亚区 | 100.1 | 5.8 | 115.6 | 15.5 (6.7) | .003 | 。08 |
| 巴斯利卡塔 | 107.2 | 6.1 | 112.9 | 5.3 (6) | .40 | 获得 |
| 卡拉布利亚 | 106.5 | 6.1 | 113.9 | 6.9 (6.2) | .20 | 获得 |
| 西西里岛 | 112.7 | 7.2 | 122.9 | 9.1 (7) | ．10 | 获得 |
| 萨丁岛 | 101.2 | 5.3 | 113.7 | 12.3 (5.9) | .007 | 16 |
一个格拉布测试。
2020年妇女死亡率
就A1而言，北部地区和撒丁岛的女性死亡率非常高(P≤。01，除了瓦莱达奥斯塔，P= .02点)。在托斯卡纳、马尔凯、莫利塞和阿普利亚(.04≤P≤。07)。在意大利的其他地区，几乎没有明显的差异P> .40)。然而，所有地区的女性死亡率都在4%(巴西利卡塔)至31%(伦巴第)之间。各地区的详细资料载于．关于模型优度的进一步信息见表S4 in．A2，伦巴第(调整P=.006)和Trento(调整P=.001)达到了最大的统计学意义。中度显著性(.01≤调整P≤.06)达到5个地区(皮埃蒙特，博尔扎诺，弗留利威尼斯朱利亚，利古里亚和艾米利亚罗马涅)。撒丁岛(调整P=.19)和威尼托(调整P=.20)也有一定的显著性。其余区域(全部调整)观察到低显著性P≥38)．各地区的详细资料载于．
| 意大利地区 | 预测价值 | 预测值SE | 观测值 | 超额% (SE) | P价值一个 | 调整P价值一个 |
| 意大利 | 68.3 | 3.9 | 77.9 | 14.1 (6.6) | .005 | 点 |
| 皮埃蒙特 | 70.8 | 4 | 84.1 | 18.8 (6.8) | 措施 | 02 |
| 瓦莱达奥斯塔 | 69.9 | 9.8 | 88.9 | 27.1 (19.3) | 02 | 38 |
| 伦巴蒂大区 | 64.3 | 3．5 | 84.2 | 30.9 (7.2) | <措施 | .006 |
| 博尔扎诺 | 60.5 | 3.6 | 73.9 | 22.1 (7.4) | <措施 | . 01 |
| 特兰托 | 59.4 | 2.8 | 73.4 | 23.6 (5.9) | <措施 | 措施 |
| 威尼托 | 64.2 | 3.8 | 72.8 | 13.4 (6.9) | .009 | .20 |
| 弗留利·威尼斯·朱利亚 | 64.2 | 2.8 | 72.6 | 13 (5) | 措施 | 0。 |
| 利古利亚 | 67.4 | 4.３ | 79.3 | 17.7 (7.6) | .002 | 06 |
| 选票 | 66.1 | 3．3 | 75.6 | 14.4 (5.7) | .002 | 0。 |
| 托斯卡尼 | 65.4 | 3．7 | 71.2 | 8.9 (6.3) | 07 | .80 |
| 翁布里亚 | 63.2 | 4 | 67 | 6.1 (6.8) | 点 | 获得 |
| 马尔凯 | 64 | 4．7 | 71.8 | 12.2 (8.5) | 0。 | .68点 |
| 拉齐奥 | 67.8 | 4．7 | 71.9 | 6 (7.5) | 56 | 获得 |
| 阿布鲁佐 | 67.6 | 4.6 | 72 | 6.5 (7.4) | 点 | 获得 |
| 莫利塞 | 66.4 | 5.1 | 74.7 | 12.6 (8.9) | 06 | 收 |
| 坎帕尼亚 | 80.3 | 5.7 | 85.1 | 6 (7.7) | N/Ab | N/A |
| 普利亚区 | 68.5 | 4．7 | 76.5 | 11.6 (7.8) | .04点 | 主板市场 |
| 巴斯利卡塔 | 71.5 | 4．7 | 74.4 | 4.1 (7) | .40 | 获得 |
| 卡拉布利亚 | 71.7 | 4.4 | 75.1 | 4.8 (6.5) | .79 | 获得 |
| 西西里岛 | 78 | 5.9 | 83.4 | 7 (8.3) | 票价 | 获得 |
| 萨丁岛 | 64 | 3.4 | 71.5 | 11.6 (5.9) | .008 | .19 |
一个格拉布测试。
bN/A:不可用。
死亡与地理人口统计的关系
对数转换统计量之间的线性多元回归模型，区域居民数量(X1)，区域人口密度(X2)，区域纬度(X3.)，以及2020年区域超额死亡人数(Y)，返回如下公式:
Y = f (X3.k×战俘(X) =3.),
与k = 2.6×107= 9.9,R= 0.82,调整P<措施。
死亡病例回顾性分析
显示了2012年至2017年意大利每种死亡原因的死亡人数(2018年和2019年的数据不可用，如图所示)．肿瘤和循环系统疾病一直占总死亡人数的60%以上(也考虑到2020年的预测)。男性(女性)肿瘤死亡比例为55.6%(44.4%)至56.3%(43.7%)，而与循环系统相关的死亡比例为43.1%(56.9%)至43.7%(56.3%)。所有的趋势都是线性的。
最后,而且显示2011年至2019年按年龄组分列的男性和女性死亡人数。明确计算每个年龄和性别群体的每个趋势，并总结2020年的预测，我们得到了648,733例死亡的最佳值。所有趋势均呈显著线性(图S3和S4))．总结ARIMA模型对每个年龄和性别群体的所有预测，我们得到了637,534例死亡。通过汇总男性和女性的全球趋势(640,508例死亡)，得出了类似的结果。
男女死亡率的比较
死亡率增加了18% (P<措施;调整P=.006)， 14% (P= .005;调整P在国家一级，女性为0.12)，男性为16%，而在地区一级，女性平均为13%。然而，在使用Mann-Whitney比较残差群体时，我们发现意义有限U测试(P= 10;调整P= 0)。
讨论
主要研究结果
本文提供了有力的证据，支持意大利在2020年期间发生异常死亡率事件，根据2011年至2019年之间的死亡和死亡率趋势等内源性原因，这是不可预测的。值得注意的是，2020年观察到的总死亡人数超过线性回归模型预测的8.9万多人(比预测标准误差高出近3倍)，超过ARIMA预测的8.6万多人。拉布和t测试证实，这个数字出乎意料。在全国范围内，男性人口死亡率增加了18%，女性人口增加了14%。尽管如此，这种差异的统计学意义很低。总超额死亡率与纬度呈正相关，这比人口数量和密度等人口统计数据更好地解释了数据集的可变性。2012年至2017年，所有“死因死亡”趋势均呈明显线性或平稳;这就排除了与死亡原因有关的异常分趋势的存在。此外，将2020年所有年龄组的死亡预测进行汇总，我们得到的死亡人数在64万至66万之间，与观测到的75万相差甚远。总之，这些研究结果证实，不存在任何能够解释2020年意大利死亡人数过多的混杂内在子趋势。
与之前工作的比较
据我们所知，意大利国家统计局和国家卫生研究所(ISS)编校的报告对2020年期间意大利的超额死亡率进行了最全面和详细的研究[］．他们的研究重点是比较2015-2019年3月至12月和2020年期间，首先假设COVID-19是造成观测到差异的原因。相反，我们的分析更加公正，因为我们没有对造成这种现象的原因提出任何假设。因此，我们的发现提供了以前没有考虑到的统计学和流行病学意义的证据。具体而言，排除内因进一步加强了将COVID-19确定为造成这种悲惨局面的主要原因的理论。COVID-19的危险性在分子遗传水平上得到证实[-］．我们发现，高死亡率与纬度之间存在强正相关，这与其他文献中描述的意大利北部COVID-19的高毒性和死亡率相吻合[，］．在这方面，越来越多的数理统计调查将COVID-19归类为季节性低温感染[-]，但环境因素的影响大小仍有争议[］．然而，低温会对感染的传播产生间接影响，比如造成室内聚集(空气流通不足)和免疫防御能力减弱[，］．由于北部地区的平均气温较半岛其他地区低[)，这种现象可以部分解释意大利的流行病学情况。大量文献也将污染确定为COVID-19的相关危险因素。例如，NO2， PM10和PM2.5与更严重的情况有因果关系，因为它们会大大降低免疫反应，损害呼吸功能[-］．这类污染物在波河流域广泛存在[，］．与其他文献相反，我们的论文没有发现男性和女性国家死亡率之间的差异具有高度的显著性[-］．尽管如此，这一结果并不是结论性的，值得进一步调查，因为考虑到受影响最大和受影响最大的年龄组，这种差异可能会更加明显。此外，COVID-19病程还受到多种合并症的影响，如癌症、慢性肾病、糖尿病、高血压、慢性阻塞性肺病、哮喘、慢性呼吸道疾病、免疫功能低下、艾滋病毒感染、心脏病、超重和肥胖、痴呆或其他神经系统疾病以及精神健康状况[-］．这些病理大多在老年人群中更常见，这有助于解释某些地区感染的更强侵袭性[，］．因此，有必要考虑到，大流行前的流行病学情况加剧了意大利的疾病损害。然而，仅将老年人群视为弱势群体是不正确的:在包括儿童和青少年在内的较年轻群体中，长冠状病毒(即在初步恢复后持续数周至数月的医疗并发症)等现象正在增加[，］．长冠肺炎最常见的症状是疲劳、虚弱、咳嗽、胸闷、呼吸困难、心悸、肌痛和注意力难以集中;它们的外观与COVID-19病程的严重程度无关[，］．此外，受病毒不受控制的传播所青睐的新的关切变种不断对所有年龄组构成新的威胁[，，］．在这方面，疫苗接种和非药物控制措施等战略一直是并将继续是控制COVID-19扩散、避免医院过度拥挤和减缓流行病学高峰的根本策略[-］．事实上，尽管这篇论文提供了证据，支持意大利在2020年(接种COVID-19疫苗之前)因COVID-19而死亡的人数很高，但封锁、社交距离和口罩阻止了死亡人数上升数倍[-］．
限制
我们的方法有局限性需要考虑。由于统计显著性是对数据与零假设(包括模型假设)兼容性的衡量，在不同的初始假设下，本文提供的证据可能会有所不同。然而，不确定性的程度降低了测试假设的目标。此外，还没有直接调查因果关系。因此，这些发现必须根据其他文献的结果进行背景分析。最后，模型预测和观测数据之间的差异没有被患者的临床特征所加权。
结论
本文提供了强有力的证据，证明缺乏能够解释2020年意大利记录的异常死亡率增长的历史内生原因。通过对证实COVID-19毒性高的众多分子遗传学、医学、生物学、病毒学和流行病学出版物的统计结果进行权衡，我们得出结论，大流行对意大利超额死亡的影响构成了科学事实。这回答了“死于COVID还是死于COVID?”具体来说，卫生部门和信息披露机构可以采用这份手稿，以抹黑将COVID-19风险降至最低的假新闻。此外，鉴于ARIMA和OLS回归模型之间的显著一致性，我们建议将这些方法用于公共卫生监测目标。特别是，考虑到它们的效率和效力，通过对预测趋势和观察到的趋势进行比较，可以获得有关当前和未来流行病学情况的有意义的信息。
利益冲突
没有宣布。
意大利，罗维塔。
DOCX文件，814 KB
自回归综合移动平均(ARIMA)模型。
ZIP文件(压缩档案)，1717 KB参考文献
- 冠状病毒(COVID-19)仪表盘。世界卫生组织。URL:https://covid19.who.int/[2021-12-11]访问
- 评估严重COVID-19疾病的风险因素。美国疾病控制与预防中心2020年11月30日。URL:https://www.cdc.gov/coronavirus/2019-ncov/covid-data/investigations-discovery/assessing-risk-factors.html[2021-12-11]访问
- Bourdrel T, Annesi-Maesano I, Alahmad B, Maesano CN, Bind M.室外空气污染对COVID-19的影响:来自动物和人类研究的证据综述Eur Respir Rev 2021 3月31日;30(159):1 [免费全文] [CrossRef] [Medline］
- jabozynska K, Aballéa S, Toumi M.影响欧洲国家COVID-19日死亡高峰的因素。公共卫生2021年5月;194:135-142 [免费全文] [CrossRef] [Medline］
- 关于可能由空气颗粒物(PM)引起的COVID-19病毒在空气中扩散的首次数据分析:以伦巴第(意大利)为例Environ Res 2020年7月;186:109639 [免费全文] [CrossRef] [Medline］
- 2019冠状病毒病流行病学:2021年全国疫情1 -矿石12。高等学院Sanità。2021年12月3日。URL:https://www.epicentro.iss.it/coronavirus/bollettino/Bollettino-sorveglianza-integrata-COVID-19_1-dicembre-2021.pdf[2021-12-11]访问
- Meyerowitz-Katz G, Merone L.对已发表的COVID-19感染病死率研究数据进行系统回顾和荟萃分析。国际传染病杂志2020年12月;101:138-148 [免费全文] [CrossRef] [Medline］
- Rath S, Tripathy A, Tripathy AR.利用多元线性回归模型预测新冠病毒病(COVID-19)流行活动性病例。糖尿病代谢综合征2020;14(5):1467-1474 [免费全文] [CrossRef] [Medline］
- 彭震，敖山，刘林，鲍松，胡涛，吴华，等。用时变SIR回归模型估计未报告的COVID-19病例。国际环境与公共卫生2021年1月26日;18(3):1 [免费全文] [CrossRef] [Medline］
- Melik-Huseynov DV, Karyakin NN, Blagonravova AS, Klimko VI, Bavrina AP, Drugova OV，等。预测新型冠状病毒感染死亡人数的回归模型。Sovrem Tekhnologii Med 2020;12(2):6-11 [免费全文] [CrossRef] [Medline］
- SIR模型、线性回归、logistic函数和ARIMA模型预测新冠肺炎病例的比较研究。AIMS公共卫生2021;8(4):598-613 [免费全文] [CrossRef] [Medline］
- Alabdulrazzaq H, Alenezi MN, Rawajfih Y, Alghannam BA, Al-Hassan AA, Al-Anzi FS。基于ARIMA的COVID-19传播预测的准确性。Phys 2021 Aug;27:104509 [免费全文] [CrossRef] [Medline］
- 德·沃格里·r·莫蒂对冠状病毒有何看法?我的心错了，我的心错了è我的心错了。2021年11月11日。URL:https://www.ilfattoquotidiano.it/2021/10/25/morti-con-o-per-il-coronavirus-lapice-degli-errori-sul-tema-e-stato-raggiunto-in-questi-giorni/6366640/[2021-11-11]访问
- Rovetta A, Castaldo L.大众媒体对COVID-19大流行期间意大利网络用户的影响:信息流行病学分析。JMIRx Med 2021 10月18日;2(4):e32233 [免费全文] [CrossRef] [Medline］
- COVID-19对意大利阴谋假说和风险认知的影响:使用谷歌趋势的信息流行病学调查研究。JMIR信息流行病学2021;1(1):e29929 [免费全文] [CrossRef] [Medline］
- Tavole di mortalità。国家统计研究所。URL:http://dati.istat.it/Index.aspx?DataSetCode=DCIS_MORTALITA1[2021-11-01]访问
- C04: Sanità敬礼。国家统计研究所。URL:https://www.istat.it/it/files//2020/12/C04.pdf[2021-11-01]访问
- 新型冠状病毒肺炎Osservatorio sulla致敬。URL:https://www.osservatoriosullasalute.it/wp-content/uploads/2021/05/ro-2020-isc-covid.xlsx[2021-11-01]访问
- Popolazione per età， 2019年人民节日。意大利合奏。URL:https://www.tuttitalia.it/statistiche/popolazione-eta-sesso-stato-civile-2019/[2021-11-01]访问
- Regioni italiane per densità。意大利合奏。URL:https://www.tuttitalia.it/regioni/densita/[2021-11-01]访问
- 多元线性回归计算器。统计王国。URL:https://www.statskingdom.com/410multi_linear_regression.html[2021-11-03]访问
- Jafari M, Ansari-Pour N.为什么，何时以及如何调整你的P值?Cell J 2019 1月;20(4):604-607 [免费全文] [CrossRef] [Medline］
- 受邀评论:方法论中认知科学的需要。美国流行病学杂志2017年9月15日;186(6):639-645。［CrossRef] [Medline］
- 多重比较的争议是关于背景和成本，而不是频率论和贝叶斯论。欧洲流行病学杂志2019 Sep;34(9):801-808 [免费全文] [CrossRef] [Medline］
- Bender R, Lange S.除Bonferroni外的多种测试方法值得广泛使用。英国医学杂志1999年2月27日;318(7183):600-601 [免费全文] [CrossRef] [Medline］
- Reito A.临床研究中的多重性问题和存在时所作的推论:致编辑的信。Am J Sports Med 2020年1月;48(1):NP13。［CrossRef] [Medline］
- 绿地S, Senn SJ, Rothman KJ, Carlin JB, Poole C, Goodman SN，等。统计检验、P值、置信区间和幂:误读指南。欧洲流行病学杂志2016 april 21;31(4):337-350 [免费全文] [CrossRef] [Medline］
- Amrhein V, Korner-Nievergelt F, Roth T.地球是平的(> 0.05):显著性阈值和不可复制研究的危机。peer2017;5:e3544 [免费全文] [CrossRef] [Medline］
- 2005年INS主席演讲:神经心理犯罪和轻罪。临床神经心理杂志2007 7月;21(4):553-568。［CrossRef] [Medline］
- 多重t检验:一些实际考虑。地理科学季刊1990;24(4):773。［CrossRef］
- 一个简单的连续排斥多重测试程序。中国统计杂志，2009;6(2):65-70 [免费全文] [CrossRef］
- 2020年Covid-19疫情对常住人口总死亡率的影响国家统计研究所。2021年3月5日。URL:https://www.istat.it/it/files//2021/03/Report-_ISS_Istat__5-marzo-2021_en.pdf[2021-11-10]访问
- 冠状病毒如何感染细胞，以及为什么三角洲病毒如此危险。自然科学2021年7月;595(7869):640-644。［CrossRef] [Medline］
- Nguyen HL, Lan PD, Thai NQ, Nissley DA, O'Brien EP, Li MS. SARS-CoV-2与人类ACE2的结合比SARS-CoV更强吗?J物理化学B 2020 Aug 27;124(34):7336-7347 [免费全文] [CrossRef] [Medline］
- 尚杰，叶刚，石凯，万勇，罗超，爱原华，等。SARS-CoV-2受体识别的结构基础自然2020年5月;581(7807):221-224 [免费全文] [CrossRef] [Medline］
- 陈峰，张颖，李霞，李伟，刘霞，薛旭。ACE2基因多态性对COVID-19疾病的影响:易感性、严重程度和治疗。前端细胞感染微生物2021;11:753721 [免费全文] [CrossRef] [Medline］
- Cegolon L, Pichierri J, Mastrangelo G, Cinquetti S, Sotgiu G, Bellizzi S，等。解释意大利北部COVID-19严重形式的假设。BMJ Glob Health 2020 Jun;5(6):1 [免费全文] [CrossRef] [Medline］
- Fortunato F, Martinelli D, Lo Caputo S, Santantonio T, Dattoli V, Lopalco PL，等。COVID-19中的性别差异:一项基于意大利当地登记册的研究。英国医学公开赛2021年10月07日;11(10):e051506 [免费全文] [CrossRef] [Medline］
- Fontal A, Bouma MJ, San-José A, López L, Pascual M, Rodó X.两半球不同COVID-19大流行波的气候特征。物理计算学报2021 10月21日;1(10):655-665。［CrossRef］
- Christophi CA, Sotos-Prieto M, Lan F, Delgado-Velandia M, Efthymiou V, Gaviola GC，等。经合组织国家和美国个体的环境温度和随后的COVID-19死亡率。科学通报2021年4月22日;11(1):8710 [免费全文] [CrossRef] [Medline］
- 陈s, Prettner K, Kuhn M, Geldsetzer P，王c, Bärnighausen T，等。气候与COVID-19的传播。科学通报2021 4月27日;11(1):9042 [免费全文] [CrossRef] [Medline］
- Sera F, Armstrong B, Abbott S, Meakin S, O'Reilly K, von Borries R，世纪挑战公司合作研究网络，CMMID COVID-19工作组等。对26个国家409个城市的气象因素和SARS-CoV-2传播进行横断面分析。Nat Commun 2021年10月13日;12(1):5968 [免费全文] [CrossRef] [Medline］
- A.影响传染病季节模式的因素。国际预防医学杂志2013 Feb;4(2):128-132 [免费全文] [Medline］
- Mourtzoukou EG, Falagas ME。暴露于感冒和呼吸道感染。国际结核肺杂志2007 9月11日(9):938-943。［Medline］
- Rovetta A, Castaldo L.人口、地理和环境统计数据与意大利新型冠状病毒疾病(COVID-19)传播之间的关系。Cureus 2020 11月09日;12(11):e11397 [免费全文] [CrossRef] [Medline］
- Pegoraro V, Heiman F, Levante A, Urbinati D, Peduto I.一项意大利个人层面的数据研究，调查了初级保健环境中空气污染暴露与Covid-19严重程度之间的关系。BMC公共卫生2021年5月12日;21(1):902 [免费全文] [CrossRef] [Medline］
- Kasioumi M, Stengos T.污染对COVID-19在欧洲传播的影响。经济灾难气候昌2021年10月22:1-12 [免费全文] [CrossRef] [Medline］
- 普鲁奇诺，李志强，李志强，等。COVID-19暴发流行风险评估的新方法。科学通报2021 Mar 05;11(1):5304 [免费全文] [CrossRef] [Medline］
- Raimondi F, Novelli L, Ghirardi A, Russo FM, Pellegrini D, Biza R, HPG23 Covid-19研究组。Covid-19与性别:女性严重疾病的发病率较低但死亡率相同——一项观察性研究BMC Pulm Med 2021 3月20日;21(1):96 [免费全文] [CrossRef] [Medline］
- Galasso V, Pons V, Profeta P, Becher M, Brouard S, Foucault M. COVID-19态度和行为的性别差异:来自八个国家的小组证据。Proc Natl Acad Sci U S A 2020年11月03日;117(44):27285-27291 [免费全文] [CrossRef] [Medline］
- L'uso E L'abuso Di Alcol在意大利。国家统计研究所。2015年4月16日URL:https://www.istat.it/it/files//2015/04/statistica_report_alcol_2014.pdf[2022-04-02]访问
- Aspetti della vita quotidiana: Abitudine al fumo - età， titolo di studio。国家统计研究所。URL:http://dati.istat.it/Index.aspx?QueryId=15513[2022-04-02]访问
- 冠状病毒:为什么男性比女性更容易感染Covid-19 ?SN Compr临床医学2020年6月4日;2(7):874-876 [免费全文] [CrossRef] [Medline］
- 戴敏，陶磊，陈震，田震，郭旭，Allen-Gipson DS，等。香烟和酒精对COVID-19严重程度和死亡的影响:中国武汉的一项多中心回顾性研究Front Physiol 2020;11:588553 [免费全文] [CrossRef] [Medline］
- 张华，马珊珊，韩涛，曲刚，程成，吴建平，等。吸烟史与COVID-19患者严重和危重结局的关系:系统回顾和荟萃分析Eur J integral Med 2021年4月;43:101313 [免费全文] [CrossRef] [Medline］
- Patanavanich R, Glantz SA。一项系统综述和荟萃分析显示，吸烟与COVID-19的恶化结果有关，尤其是在年轻人中。BMC Public Health 2021 Aug 16;21(1):1554 [免费全文] [CrossRef] [Medline］
- Wehbe Z, hamoud SH, Yassine HM, Fardoun M, El-Yazbi AF, Eid AH。COVID-19严重程度和死亡率性别差异的分子和生物学机制。Front Immunol 2021;12:659339 [免费全文] [CrossRef] [Medline］
- 哈希姆IY, Hachim MY, Talaat IM, López-Ozuna VM, Saheb Sharif-Askari N, Al healy S，等。新型冠状病毒(COVID-19)疫情相关死亡率性别差异的分子基础。Mol生物科学2021;8:728409 [免费全文] [CrossRef] [Medline］
- 吴文华，王志强，王志强，王志强，等。SARS-CoV-2患者的共病:系统综述和荟萃分析。mBio 2021 Feb 09;12(1):1 [免费全文] [CrossRef] [Medline］
- Gülsen A, König IR, Jappe U, Drömann D.合并症肺部疾病对COVID-19严重程度的影响:系统综述和荟萃分析。呼吸科学2021年6月;26(6):552-565 [免费全文] [CrossRef] [Medline］
- COVID-19:患有某些疾病的人。疾病控制和预防中心。URL:https://www.cdc.gov/coronavirus/2019-ncov/need-extra-precautions/people-with-medical-conditions.html[2021-11-11]访问
- Lopez-Leon S, Wegman-Ostrosky T, Perelman C, Sepulveda R, Rebolledo PA, Cuapio A，等。COVID-19的50多种长期影响:系统综述和荟萃分析。科学通报2021 Aug 09;11(1):16144 [免费全文] [CrossRef] [Medline］
- Asadi-Pooya AA, Nemati H, Shahisavandi M, Akbari A, Emami A, Lotfi M，等。儿童和青少年的长冠肺炎。世界儿科杂志2021 10月;17(5):495-499 [免费全文] [CrossRef] [Medline］
- Raveendran AV, Jayadevan R, Sashidharan S. Long COVID:概述。糖尿病代谢综合征2021;15(3):869-875 [免费全文] [CrossRef] [Medline］
- 宫川K, Jeremiah SS，加藤H，山冈Y, Go H, Yajima S，等。疫苗接种后血清中SARS-CoV-2变异中和抗体的快速检测。中国生物医学工程学报(英文版);2006年1月29日;13(12):918-920 [免费全文] [CrossRef] [Medline］
- Choi JY, Smith DM. SARS-CoV-2变种值得关注。延世医学杂志2021年11月;62(11):961-968 [免费全文] [CrossRef] [Medline］
- 洛佩兹·伯纳尔J，安德鲁斯N，高尔C，加拉格尔E，西蒙斯R，西尔沃尔S，等。针对B.1.617.2 (Delta)变种的Covid-19疫苗的有效性。英国医学杂志2021年8月12日;385(7):585-594。［CrossRef］
- 边玲，高强，高峰，王强，何强，吴霞，等。Delta变异对疫苗效力和应对策略的影响。2021年10月;20(10):1201-1209 [免费全文] [CrossRef] [Medline］
- 范勇，陈坤，洪友友。COVID-19疫苗的安全性和有效性:3期不同疫苗的系统综述和荟萃分析。疫苗(巴塞尔)2021年9月04日;9(9):1 [免费全文] [CrossRef] [Medline］
- Pozzetto B, Legros V, Djebali S, Barateau V, Guibert N, Villard M, cov - ser研究组，等。ChAdOx1-BNT162b2异源疫苗的免疫原性和有效性。自然学报2021年12月;600(7890):701-706。［CrossRef] [Medline］
- 2019冠状病毒病流行病学:2021年11月3日国家疫情报告高等学院Sanità。2021年11月5日。URL:https://www.epicentro.iss.it/coronavirus/bollettino/Bollettino-sorveglianza-integrata-COVID-19_3-novembre-2021.pdf[2021-11-11]访问
- 格罗索FM, Presanis AM，昆兹曼K，杰克逊C，科贝拉A，格拉塞利G, Covid-19伦巴第工作组。伦巴第大区第一波COVID-19疫情期间降低医院负担:应急措施背景BMC Public Health 2021 Sep 03;21(1):1612 [免费全文] [CrossRef] [Medline］
- COVID-19疫苗的安全性。欧洲药品管理局。URL:https://www.ema.europa.eu/en/human-regulatory/overview/public-health-threats/coronavirus-disease-covid-19/treatments-vaccines/vaccines-covid-19/safety-covid-19-vaccines[2021-11-11]访问
- Xylogiannopoulos KF, Karampelas P, Alhajj R. COVID-19大流行传播与各国非药物干预反应:一项数据挖掘驱动的比较研究。BMC Public Health 2021 Sep 01;21(1):1607 [免费全文] [CrossRef] [Medline］
- Askitas N, Tatsiramos K, Verheyden B.利用多事件研究评估非药物干预对COVID-19发病率和人口流动模式的全球影响。科学通报2021年1月21日;11(1):1972 [免费全文] [CrossRef] [Medline］
- Riccardo F, Ajelli M, Andrianou XD, Bella A, Del Manso M, Fabiani M, COVID-19工作组。2020年1月28日至3月31日，意大利COVID-19病例的流行病学特征和流行1个月后生殖数量的估计。2020年12月25日(49):1 [免费全文] [CrossRef] [Medline］
- Alfano V, Ercolano S.封锁对COVID-19的疗效:跨国小组分析。应用卫生经济卫生政策2020年8月03日;18(4):509-517 [免费全文] [CrossRef] [Medline］
缩写
| 华宇电脑:自回归综合移动平均 |
| 空间站:国家卫生研究所 |
| ISTAT机构:国家统计研究所 |
| OLS:普通最小二乘 |
| SARIMA:ARIMA +季节成分 |
| 先生:Susceptible-Infected-Recovered |
T·桑切斯编辑，A·马夫拉加尼;提交28.12.21;同行评议:K Nagar, H Nguyen;对作者25.01.22的评论;订正版本收到日期为31.01.22;接受03.03.22;发表07.04.22
版权©Alessandro Rovetta, Akshaya Srikanth Bhagavathula。最初发表于JMIR公共卫生与监测(https://publichealth.www.mybigtv.com)， 07.04.2022。
这是一篇根据创作共用署名许可协议(https://creativecommons.org/licenses/by/4.0/)发布的开放获取文章，允许在任何媒介上不受限制地使用、分发和复制，前提是正确引用了首次发表在JMIR公共卫生和监测上的原创作品。必须包括完整的书目信息，https://publichealth.www.mybigtv.com上的原始出版物的链接，以及此版权和许可信息。