孟加拉国COVID-19死亡模式及其决定因素:来自不同社会环境三个人口与健康监测系统的启示

《Population Health Metrics》:Patterns and determinants of COVID-19 mortality in Bangladesh: insights from three health and demographic surveillance systems across diverse socio-environmental settings

【字体: 大 中 小 】 时间:2026年06月05日 来源:Population Health Metrics 2.5

编辑推荐:

  COVID-19大流行已严重影响全球健康与福祉。尽管大多数国家已报告与COVID-19相关的超额死亡,但关于孟加拉国COVID-19及非COVID-19死亡相关的个体与社会因素仍知之甚少。该研究通过纵向人口数据,调查了大流行期间(2020–2021年)COVI

  
COVID-19大流行已严重影响全球健康与福祉。尽管大多数国家已报告与COVID-19相关的超额死亡,但关于孟加拉国COVID-19及非COVID-19死亡相关的个体与社会因素仍知之甚少。该研究通过纵向人口数据,调查了大流行期间(2020–2021年)COVID-19及其他原因的死亡率及其相关社会人口学决定因素。2020至2021年间,研究人员对居住在孟加拉国三个HDSS(Health and Demographic Surveillance System,人口与健康监测系统)地区的573,433名个体进行了数据收集:Matlab(农村地区)、Chakaria(沿海地区)和达卡贫民窟(城市地区)。死因由医务人员使用WHO 2016年口头尸检(Verbal Autopsy, VA)工具并辅以COVID-19模块确定。死亡按ICD-10(International Classification of Diseases and Related Health Problems, tenth revision,疾病和有关健康问题的国际统计分类第十版)分为COVID-19死亡或非COVID-19死亡。COVID-19及非COVID-19死亡的相关因素采用Cox比例风险模型(Cox proportional hazards models)进行分析。2020年1月1日至2021年12月31日期间,三个HDSS地点共记录6,616例死亡,其中5.2%归因于COVID-19。COVID-19死亡率以Matlab最高(58例/10万人年),其次为Chakaria(15例/10万人年)和达卡城市贫民窟(11例/10万人年)。家庭社会经济地位与Matlab HDSS的COVID-19死亡率显著相关。最低财富三分位个体的死亡率比最高财富三分位低40%(调整后死亡率比(adjusted mortality rate ratio, aMRR):0.60;95%置信区间(CI):0.43–0.83)。相比之下,非COVID-19死亡在各财富三分位间未观察到显著差异。年龄、性别和婚姻状况与COVID-19及非COVID-19死亡均显著相关。
COVID-19大流行对全球人口造成了深远影响,重塑了人们的生活方式、社会互动模式及健康认知。自2019年12月出现至2025年3月,COVID-19已导致全球近7.78亿人感染、710万人死亡,对医疗卫生系统和社会造成了前所未有的负担。东南亚地区报告死亡808,871例,其中孟加拉国占29,499例。在大流行前,孟加拉国的死亡主要由非传染性疾病(Non-communicable Diseases, NCDs)驱动,2019年中风、缺血性心脏病和慢性阻塞性肺病等非传染性疾病是该国死亡的主要原因。COVID-19大流行因此给本已面临非传染性和传染性双重疾病负担的孟加拉国卫生系统带来了新挑战。

死亡率是衡量COVID-19大流行影响的关键指标,死亡数据对于公共卫生决策至关重要。理解死亡模式及其影响因素对于评估大流行应对和加强未来危机准备具有关键意义。然而,由于各国死亡报告系统存在系统性弱点,尤其在基础设施有限的国家,以及死因判定困难和难以准确核算大流行对整体死亡率的间接影响等因素,报告的死亡人数可能无法反映真实情况。在全球范围内,众多国家或次国家级研究已评估了COVID-19大流行在不同阶段对全因死亡的影响。已知COVID-19死亡率因人口统计学、社会经济和地理背景而异,如农村与城市人口之间存在差异。该研究利用孟加拉国三个人口与健康监测系统(HDSS)的数据,调查了大流行期间(2020–2021年)的死亡模式及社会人口因素对死亡的影响,并评估这些因素是否对COVID-19死亡和非COVID-19死亡产生差异化影响。在孟加拉国等民事登记和生命统计(Civil Registration and Vital Statistics, CRVS)实施和利用薄弱的国家,HDSS平台提供了可行的替代方案,能够实现对特定人群的纵向监测,生成可靠的出生、死亡、迁移和生育率估计。因此,在缺乏 robust CRVS数据的情况下,这些系统能够为COVID-19死亡提供关键洞察。

研究利用了国际腹泻病研究中心孟加拉国分部(icddr, b)运营的三个人口与健康监测系统平台的数据,这三个平台位于孟加拉国三个不同的社会经济和环境地点。HDSS旨在对特定人群队列或社区的健康、人口学和社会经济特征进行纵向数据收集。在这三个平台中,每三个月对家庭进行一次访视,记录死亡、妊娠结局、婚姻和迁移等关键人口和健康事件。

三个HDSS地点分别位于孟加拉国不同地理区域:Matlab HDSS建立于1966年,代表农村人口,由查德布尔区142个村庄约240,804人组成,位于达卡东南约55公里处;Chakaria HDSS建立于1999年,代表沿海人口,覆盖86,667人,分布于孟加拉湾海岸7至30公里范围内的49个村庄;城市HDSS始于2016年,覆盖达卡五个贫民窟及相邻城市地区,随访人口124,817人。

研究纳入三个HDSS地区的所有个体,随访时间为2020年1月1日至2021年12月31日。Matlab、Chakaria和城市HDSS的所有家庭分别由社区健康研究工作者(CHRWs)、监测工作者(SWs)和田野工作者(FWs)每季度访视,询问人口变化和健康状况。大流行早期,2020年3月25日至11月9日期间,按照国家预防指南,数据收集由上门访视改为电话收集,未能首次联系到的家庭信息在后续轮次补录。

家庭社会经济地位通过家庭资产数据评估,包括衣柜、桌子、椅子、床、展示柜、电力、电视、自行车、冰箱、手表/时钟、沙发、风扇、缝纫机和电话等。采用主成分分析(Principal Component Analysis, PCA)产生各家庭的共同因子得分,并按升序因子得分分为三个相等的类别,即家庭财富三分位,各占33.33%。2020至2021年间所有死亡均被记录。

研究设计了基于网络的软件应用程序,用于三个HDSS的VA数据收集。CHRWs/SWs/FWs记录死亡后,受过培训的田野研究督导员(FRS)在死亡至少七天后对死者近亲属或照护者进行访谈,使用世界卫生组织(WHO)2016年VA工具。VA工具适用于卫生部门外死亡且缺乏医学死亡证明或死因的情况。为调查COVID-19死亡,WHO更新了VA工具,增加了识别COVID-19死亡的附加问题集。该研究使用此更新版本(v. 1.5.3)进行口头尸访谈。死因由医务人员按照ICD-10指南进行判定。

粗死亡率计算为死亡数除以人年数。由于Chakaria和城市HDSS地点的COVID-19死亡数较少,COVID-19及非COVID-19死亡相关因素分析仅限于Matlab HDSS。采用Cox比例风险回归模型估计死亡率比(Mortality Rate Ratio, MRR)及其95%置信区间,以评估协变量与死亡的关联。部分分析将人群限定为18岁及以上。年龄、性别、受教育年限、社会经济地位和婚姻状况作为潜在混杂因素纳入调整模型。数据分析使用STATA 17版本进行,部分图表采用R软件的ggplot2包绘制。

研究期间共随访573,433人,记录6,616例死亡,其中345例归因于COVID-19,6,271例归因于其他原因。COVID-19死亡中,Matlab记录287例,Chakaria 26例,城市HDSS 32例。COVID-19死亡占全部死亡比例在Matlab为7%,Chakaria为3%,城市HDSS为2%。

背景特征显示,超过一半总人口年龄在18–59岁,39.6%不足18岁。老年人口(60岁及以上)比例以Matlab HDSS最高(10.7%),其次为Chakaria(5.7%)和城市地点(3.3%)。Chakaria 45.2%的人口不足18岁,而城市HDSS近一半人口处于18–44岁的经济生产年龄组。总体而言,HDSS人口中超过半数为女性(52.4%)和已婚者(51.7%),6%为离婚、分居或丧偶者。

三地点死亡率分析显示,Matlab HDSS死亡率最高,Chakaria和城市HDSS死亡率相对较低。

年龄与Matlab地区COVID-19及非COVID-19死亡均强烈相关。60岁及以上个体与18–44岁个体相比,COVID-19死亡调整后死亡率比(aMRR)为17.34(95% CI: 10.94–27.50),非COVID-19死亡aMRR为25.93(95% CI: 21.73–30.94)。与女性相比,男性COVID-19死亡风险高50%(aMRR: 1.50; 95% CI: 1.14–1.98),非COVID-19死亡风险为两倍(aMRR: 2.04; 95% CI: 1.88–2.22)。最低财富三分位个体COVID-19死亡风险比最高财富三分位低40%(aMRR: 0.60; 95% CI: 0.43–0.83)。离婚、丧偶或分居者在Matlab地区COVID-19及非COVID-19死亡中均较已婚者有更高死亡率。

研究旨在调查孟加拉国三个HDSS地点大流行期间的死亡情况,识别与COVID-19和非COVID-19死亡相关的背景因素。讨论指出,年龄、性别、受教育程度、社会经济地位和婚姻状况是与全因死亡相关的已知社会人口因素。Matlab HDSS的死亡率比分析同样显示,老年人和男性在COVID-19和非COVID-19死亡中均有更高的调整后死亡率比。

老年人对COVID-19的高度脆弱性是全球性关切,在不同环境中均观察到其持续较高的死亡风险。基层医疗服务中断,加之卫生系统不足和老年友好型设施缺乏,进一步加剧了大流行期间老年人的健康结局恶化。此前Matlab的一项研究报告了大流行第一阶段老年人28%的超额死亡率。冈比亚和肯尼亚的两项HDSS研究揭示了很少或没有超额死亡,但肯尼亚研究报告了65岁及以上老年人显著的超额死亡。

研究发现城市HDSS地点记录的COVID-19死亡很少,尽管众所周知人口密集的非正规定居点有利于COVID-19病毒等传染因子的传播。这可能归因于Matlab和城市HDSS人口 contrasting 的人口学特征。农村Matlab HDSS的老年人口比例几乎是城市HDSS的三倍。此外,Matlab HDSS人群21年的随访报告显示,年轻健康成年人,尤其无慢性共病者,更可能迁出农村地区。在孟加拉国,近68.5%的人口居住在农村地区,主要是年轻健康的成年人迁移到城市寻求更好机会,最终常居住于非正规聚居点。因此,城市地区较年轻的年龄结构和相对较低的共病患病率,可能是城市HDSS人口COVID-19死亡率较低的部分原因。

与大量现有证据表明COVID-19死亡率在社会贫困阶层更高相反,该研究发现最高财富三分位个体的COVID-19死亡率高于最低财富三分位。南亚地区的相关证据较为匮乏。印度的一项研究报告了复杂图景,在COVID-19死亡热点的东部和西部印度,更富裕地区观察到更高死亡率。一项美国研究报道,大流行早期,富裕县的COVID死亡率更高,但随着大流行进展,这一轨迹发生逆转。该研究中,最低财富三分位个体的COVID-19调整后死亡率比低于最高财富三分位,其原因尚不清楚,有待进一步调查。理解社会经济差异及其相关实践和行为对于解释大流行期间健康结局的不平等至关重要。这些洞察有助于决策者优化资源配置、动员和制定针对特定群体的靶向干预。

总体而言,该研究使用VA工具归因5.2%的总死亡为COVID-19。相比之下,肯尼亚一项使用VA和COVID-19快速死亡监测(CRMS)软件的研究将1.8%的死亡归因于COVID-19。

研究的优势在于基于三个人口与健康监测系统的纵向人群队列直接观察,能够以高完整性和及时性分析死亡模式。使用标准化WHO口头尸诊工具确保了可比性和方法学严谨性。通过利用纵向HDSS数据,该研究为孟加拉国COVID-19和非COVID-19死亡提供了罕见洞察,尤其针对老年人等脆弱亚群体。这些发现增加了南亚地区有限的证据基础,有助于为循证政策、靶向干预和未来大流行相关死亡监测的方法学改进提供信息。

研究也存在若干局限性。所有口头尸诊均在死亡事件后四个月内进行,尽管WHO推崇VA作为资源有限环境死因监测的标准工具,并建议在死亡后12个月内收集信息,但仍不能完全排除回忆偏倚。此外,由于死亡数据来自VA,将死亡归因于COVID-19可能存在一定模糊性。虽然VA能提供有价值洞察,但可能无法总是准确判定精确死因,在捕捉复杂现实方面存在局限。既往研究报告,不同种族和民族的人群沟通方式可能不同,这会影响结果,指出差异更可能与社会结构而非生物和生理因素相关。该研究仅纳入了作为HDSS常规数据收集部分的社会人口变量,可能还有其他潜在重要因素如医疗保健可及性、文化实践和环境条件未被收集,但也可能影响死亡率。

研究结论部分指出,该研究基于孟加拉国三个人口与健康监测系统,提供了关于COVID-19和非COVID-19死亡的 robust 的、基于人群的证据,为民事登记和生命统计覆盖有限的低资源环境提供了罕见洞察。研究结果凸显了老年人和男性不成比例的高死亡率,以及社会经济阶层间出乎意料的模式,强调了需要对大流行结局的社会和背景决定因素进行更细致调查的必要性。通过证明HDSS平台和标准化VA工具对于及时死亡监测的价值,这项工作强调了其在信息靶向、循证干预和改善未来公共卫生紧急情况准备方面的关键作用,尤其在数据空白阻碍准确死亡估计的资源有限环境中。尽管COVID-19死亡检测存在不确定性,该研究产生的洞察有助于南亚地区COVID-19和非COVID-19死亡的社会和人口决定因素的有限证据基础。这些发现能够支持循证政策的制定,并为未来更细致、更 robust 的大流行相关死亡研究奠定方法论基础。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号