工作文件|问题 13/2022|2022 年 7 月 19 日欧盟的 COVID-19：健康影响和对经济活动的影响莱昂纳多·卡达穆罗、J. 斯科特·马库斯和弗朗西斯科·帕帕迪亚吨他的论文定量描述了 COVID-19 大流行的不同方面：新病例、住院、重症监护和死亡，同时说明了它们随时间变化的关系。然后评估不同变量如何影响相关部门和宏观经济指标。最后，它得出的结论是，从经济角度来看，在管理大流行病时重要的是防止因 COVID-19 引起的重症监护入院和死亡。吨疫苗接种的成功应该根据其预防最严重后果的能力来衡量，而不是根据其预防感染和住院的能力来衡量。Leonardo Cadamuro是一桥大学的博士生J. Scott Marcus (scott.marcus@bruegel.org) 是 Bruegel Francesco Papadia (弗朗切斯科.番木瓜@bruegel.org) 是 Bruegel 的高级研究员推荐引用：Cadamuro, L.,J。S. Marcus 和 F. Papadia（2022 年）“欧盟的 COVID-19：健康影响和对经济活动的影响”，工作文件 13/2022，Bruegel 1介绍许多国家正在放松或完全取消与 COVID-19 相关的限制。在 2022 年 6 月下旬/2022 年 7 月上旬，大流行的情况是否真的改善到了必要的程度？本文首先对流行病学参数进行了综合和定量评估，这些参数构成了人们普遍认为情况有所改善的基础。它通过对新病例、住院、重症监护和死亡人数的发展以及它们随时间变化的关系的实证检验来做到这一点。具体来说，我们评估了这些变量之间关系的演变方式，以及它们如何影响部门和宏观经济指标。第 2 节简要检查了有关 COVID-19 大流行的原始数据，而第 3 节侧重于比率分析，以解释主要趋势的演变。第 4 节将经济数据添加到研究中并应用回归分析，第 5 节得出结论。附件 1 描述了我们如何处理不良数据质量的特定方面，而附件 2 阐明了数据的性质和来源。2合成感染的发展图 1 描绘了选定欧盟国家每天发生的新 COVID-19 病例、住院、重症监护和死亡的 7 天平均值。该图显示了我们拥有足够全面数据的 14 个欧盟国家的时间序列。我们使用对数标度来阐明这些数字的趋势，并使尽管标度不同，但更容易比较它们。该数字仅从 2020 年 5 月开始，因为在大流行的头几个月中感染（新病例）的数字不可信。事实上，即使是 5 月至 8 月之间的数据（如图 1 左侧的灰色阴影部分），质量也很差，如附件 1 所述。因此，我们的分析集中在 2020 年 8 月开始的数据上。图 1 右侧反映了疫苗接种程度的提高，每增加 10% 的完全接种疫苗的人口，颜色就会变深。 图 1：2020 年 5 月至 2022 年 5 月，部分欧盟国家的新病例、住院、重症监护和每百万居民死亡人数（7 天平均值），对数刻度资料来源：Bruegel 基于 Covid-19 数据集中的数据世界 (https://github.com/owid/covid-19-data/tree/master/public/data)。涵盖的 14 个国家是塞浦路斯、捷克、爱沙尼亚、法国、德国、希腊、爱尔兰、意大利、拉脱维亚、马耳他、荷兰、斯洛文尼亚、西班牙和瑞典。这 14 个国家占欧盟总人口的 71.25%。报告的新病例数在 2020 年下半年呈指数增长，在接下来的 6 个月内趋于平稳，并表现出不规则行为，然后在 2022 年初达到比 2020 年高得多的峰值，随后持续下降，使其回归到 2021 年春季达到的水平。因此，疫苗接种率的逐步提高并没有伴随报告的新病例数量的明显和持续减少。这一发展可能部分反映了更好的测试和报告，从而提高了记录案例的比例。这也可能部分反映了这样一个事实，即对于 COVID-19 的 Delta 和 Omicron 变体，疫苗在预防严重后果方面比预防感染更有效。住院人数的模式与 2020 年和 2021 年的新病例相似。但是，到 2022 年年中左右，住院人数明显低于疫苗接种推出前的 60% 以上。重症监护的入院率与新病例和住院人数相同，但 2022 年夏季的水平比 2021 年春季的前一个峰值低近 80%。疫苗接种的最强效应似乎适用于死亡：而该变量中的波浪遵循与前三个变量类似的模式，在 在此期间结束时，与 2020 年底至 2021 年 3 月期间达到的峰值相比，死亡人数减少了约 90%。总之，疫苗接种的最强影响似乎是对死亡的影响，其次是住院和重症监护-护理入院。但报告的新病例数量并没有持续下降。这将在第 3 节中进一步探讨。3比率分析我们使用比率分析来研究大流行变量之间的关系如何随时间变化。我们探索这些比率的主要理由是更好地了解疫苗接种对感染与住院、重症监护和死亡的不同影响程度，同样了解 Delta 和 Omicron 变体之间的差异程度以及以前的变体。我们以每日频率计算大流行变量之间的四个比率。这五个比率是：1. 푟1 = ℎ푡⁄푖푖푡−푘2. 푟2 = 퐼푡⁄ℎ푡−푘3. 푟3 = 푑푡⁄퐼푡−푘4. 푟3.5 = 푑푡/ℎ푡−푘5. 푟4 = 푑푡⁄푖푖푡−푘在哪里：￿￿是时间 t 的新病例数ℎ是时间 t 的住院人数￿是时间 t ICU 入院的指标￿是时间 t 的死亡人数￿是时间；￿是滞后数，不同变量不同1.1分母变量在有用时是滞后的。变量的准确定义见附件 2。 比率遵循以下关系：푟4 = 푟1 × 푟2 × 푟3我们用比率分析来检验是否￿，每次感染死亡率的指标，已经下降，如果下降，那么住院人数相对于感染人数的减少对这种下降的贡献是多少以及是什么（￿，住院患者对重症监护的需求较低（￿以及与入住重症监护病房的患者相关的死亡人数（￿）。此外，我们可以记录比率随时间的变化，将它们与疫苗接种活动联系起来。图 2 中的证据可以总结如下：疫苗接种的最强影响似乎是相对于有记录的感染的死亡人数（푟)，尽管不规律地从 2020 年 8 月记录感染的 2% 左右下降到 2022 年春季的不到 0.2%。但是，不能排除这部分下降是因为感染报告变得更加完整时间。与有记录的新感染病例相比，住院人数减少（푟)，在上述同一时期从大约 56% 到 8%，也很引人注目，这意味着已知感染者需要住院治疗的人数要少得多。相比之下，重症监护入院率和住院率（푟) 没有显示出任何持续的变化。死亡人数与重症监护入院率之间的行为（푟) 表现出最大的变化，直到接种疫苗开始前没有明显或一致的趋势；然后持续下降，直到 2021 年秋季，然后逐渐上升，直到该时期结束。死亡与住院的比率也显着降低（푟，但仅是 2 倍而不是 10 倍，例如死亡与记录感染的比率（푟.特别有趣的是，从 2021 年 10 月到 2022 年 5 月，这一比例保持稳定，而死亡人数与记录在案的感染的比例（푟下降，死亡人数与重症监护患者的比例（푟增加。综合考虑这些趋势，医院似乎改变了他们的做法，即最终进入重症监护室的住院患者比例。 图 2：部分欧盟国家（2020 年 5 月至 2022 年 5 月）记录在案的感染、住院、ICU 入院和死亡之间的比率资料来源：勃鲁盖尔。注：该比率是通过相对于感染滞后 6、8 和 14 天的住院、ICU 和死亡人数计算得出的。所涵盖的国家见图 1 注释。总体而言，在 2020 年 8 月至 2022 年夏季期间，COVID-19 的致命性似乎已大幅下降，并且有记录感染的人中需要住院治疗的人数减少了。相比之下，从普通病床进入重症监护室的感染人数和重症监护室死亡人数几乎没有变化。我们的比率分析清楚地表明，相对于欧盟报告的病例数，有几个不同的因素可能导致死亡人数显着下降（尤其是￿).首先，针对 SARS-CoV-2 病毒的有效疫苗的广泛使用（即使可能不太理想）在降低严重疾病和死亡的频率方面产生了巨大的影响。这一发现不足为奇，与在英国和美国进行的多项流行病学研究一致。其次，与此相关的是，虽然最新的 Omicron 病毒变种（包括 BA.1 和 BA.2 子变种）比 Delta 更具传染性，但它的致命性低于包括 Delta 在内的先前变种。对于英国，Nyberg 等人 (2022) 发现 Omicron 的总体死亡可能性比 Delta 低 69%（年龄差异显着），这与 67% 的下降完全一致 Ward 等人 (2022) 发现。疫苗对 Omicron 的效果不如对 Delta 的效果，部分抵消了固有毒力的差异。Nyberg 等人 (2022) 还发现，从 Omicron 入院的可能性比从 Delta 低 59%。第三，与大流行初期相比，欧洲的卫生系统已经变得不那么容易超负荷了。超负荷的卫生系统，特别是超负荷的重症监护病房，通常与导致死亡的感染人数增加有关。这些变量随时间的演变可能反映了多种因素，包括：由于疫苗接种、先前感染或两者兼有而免疫的人口百分比。卫生当局施加的限制（非药物干预或 NPI）。个人根据自己对流行病学风险的看法自愿实施的行为改变。Delta 和 Omicron 变体相对于彼此以及之前的 COVID-19 变体的毒力差异。整体护理得到改善。医院实践的变化与入住重症监护的 COVID-19 患者比例有关。随着时间的推移更好地报告，特别是关于受感染的人数。4估计经济影响本节探讨不同 COVID-19 变量与经济活动之间的关系。我们将经济变量分为两组：第一组包括更广泛的指标——GDP和工业生产——因此涵盖了在大流行中遭受不同影响的一系列部门；第二组变量包括航空公司航班和旅游业，它们是可能预计最容易受到大流行病和由此产生的限制的特定部门的例子。我们选择这些变量是因为它们似乎可能揭示感染与经济之间的潜在关系。 在表 1 中，我们报告了回归结果，其中旅游业、国内生产总值、工业生产和航空旅客人数相对于不同的 COVID-19 变量（感染、住院、重症监护和死亡）和严格性指数进行了回归2总结了 2020 年 8 月至 2022 年 5 月期间不同程度的“封锁措施”。为了将经济变量（通常仅按月频率提供）与大流行变量进行回归，我们切换到月频率并计算与同月相比的变化百分比2019 年的大流行变量和经济变量。具有统计学意义的结果以绿色（99% 显着性）、橙色（95% 显着性）和黄色（90% 显着性）突出显示。在 GDP 和工业生产的回归中，欧元的有效汇率和全球制造业采购经理人指数 (PMI) 作为控制变量包括在内。表 1：回归结果资料来源：勃鲁盖尔。2 这是牛津大学制定的总体指数，总结了每个国家对 COVID-19 的限制水平。请参阅 https://covidtracker.bsg.ox.ac.uk/。 结果很有趣，因为它们表明：广泛变量（GDP 和工业生产）在重症监护入院率高的时期下降，并且这种关系具有统计学意义。 GDP也受到新死亡人数的影响。总体而言，大流行的严重后果对于这两个广泛的变量都很重要。相比之下，我们没有发现广泛的经济变量与较轻的事件（例如病例数和住院人数）之间存在显着关系。这可能部分是由于新感染数据的可靠性较低，这在很大程度上取决于检测水平（见附件 1）和许多其他潜在的混杂因素；然而，从这种缺乏关系中得出的最重要信息是，报告的病例数和住院人数本身对这些关键的宏观经济指标几乎没有影响。病例的严重程度是一个更好的指标。我们的分析并未具体揭示重症监护入院等严重流行病结果影响 GDP 和工业生产的机制。很明显，劳动力人数的减少不足以解释观察到的 GDP 和工业生产的变化。一个更有可能的解释是，在危机最严重的阶段，当重症监护病房饱和并且死亡风险很大时，公众的自愿疏远增加了（见 Toxvaerd，2020 年；以及 Goolsbee 和 Syverson，2021 年） ）。媒体的关注可能向公众发出了退出生产和消费的信号，对这两个变量产生了强烈的影响。有效汇率和全球工业采购经理人指数这两个控制变量对工业生产都非常重要。