Excess deaths in China during SARS-CoV-2 viral waves in 2022–2023
Notice bibliographique
Résumé
Background: The extent to which the Omicron variant of SARS-CoV-2 raised death rates in China during its viral wave of December 2022-January 2023 remains largely undocumented. Methods: We worked with an established national survey organization to survey 8,004 adults in all 31 administrative areas of China to ask about deaths in families since January 2020. We examined age-specific death rates, focusing on deaths above age 60 years, and at 15-59 years. We compared these to the United Nations (UN) estimates of age-specific mortality in 2019. Findings: The survey participants were broadly similar to the 2020 census and other national surveys in age, sex, region, and smoking status, but had lower SARS-CoV-2 vaccination rates and higher education levels. There were no differences in reporting of deaths during the Omicron period (after November 2021) versus earlier. The survey captured 456 deaths, of which 329 occurred at ages 60+ years and 212 were of women. At ages 60+ years, death rates approximately doubled during December 2022-January 2023. Deaths at ages 15-59 years did not rise appreciably. The UN estimates approximately 675,000 deaths per month at ages 60+ years in 2019. If rates doubled nationally as in our survey, China had approximately 1.35 million excess deaths from December 2022-January 2023. Interpretation: China experienced a sharp but short increase in excess deaths among its elderly during the Omicron wave. If death registry data corroborate our estimates of substantial excess deaths in China, the worldwide estimates of excess deaths due to SARS-CoV-2 in 2022-2023 may need upward adjustment.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».