Estimating all-cause excess mortality during COVID-19 pandemic in Serbia, 2020-2022
Notice bibliographique
Résumé
Early reports indicated that Serbia was among the best-performing European countries in dealing with COVID-19 health issues based on relatively small COVID-19 mortality. This success can be partly attributed to the government's rapid response and implementation of restrictive measures to curb the spread of the virus. It can also be noted that the high level of solidarity among citizens contributed to the effective containment of the pandemic, with many adhering to experts' prescribed measures and recommendations. Serbia has become an example of good practice in the fight against COVID-19, resulting in positive assessments by international organizations and experts. However, Mortality from the virus alone is insufficient to describe the pandemic's health effects, unlike excess mortality from all causes. This paper aims to estimate excess mortality in Serbia during 2020-2022 and to compare estimated mortality with the reported COVID-19 deaths. Excess was calculated using a negative binomial regression with historical 2015-2019 data. Estimation provides a P-score as a percentage difference between the reported and expected number of deaths. Mortality excess in Serbia was 15,437 in 2020 and 35,836 in 2021, with 224 and 524 per 100,000 population rates and P-scores of 15% and 36%, respectively. Three prominent waves of excess were observed: the winter of 2020 and the spring and last quarter of 2021. The highest monthly excess was noticed in December 2020, with a rate of 113 per 100,000 and a P-score of 84%. The ratios of reported COVID-19 deaths to calculated excess mortality were 20% in 2020 and 27% in 2021. The excess mortality dramatically increases with age. Serbia faced high levels of mortality excess in 2020 and 2021, particularly among older people. During 2022, there was a decrease in mortality trends compared to pandemic years. That year 109,203 died with a rate of 1,639 per 100,000. The excess in 2022 was 7733 (116 per 100,000) with a P-score of 8%.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».