流行病病原体估计的未来死亡率和流行病的可能性（英）

工作纸665•2023年11月 来自流行病和大流行潜在病原体的估计未来死亡率 NitaK.Madhav、BenOppenheim、NicoleStephenson、RinetteBadker、Dean T.Jamison、CathineLam和AmandaMeadows Abstract 流行病和大流行病对人类健康构成零星的，有时甚至是严重的威胁。相对于其他需求，政策制定者应该如何优先考虑预防和准备此类事件？为了回答这个问题，我们使用计算流行病学和极端事件建模模拟来估计未来低频率死亡的风险，在两个重要类别-呼吸道疾病（特别是由大流行性流感病毒和新型冠状病毒引起的疾病）和病毒性出血热（VHF），例如埃博拉病毒和马尔堡病毒病。我们估计全球每年平均有250万人死亡。 归因于呼吸道大流行。我们估计全球每年平均有26,000例VHF死亡，其中72％将在非洲。年平均值掩盖了逐年的巨大变化，报告的分析传达了这种变化-以及各地区和年龄的变化。我们的估计表明，这类事件的频率和严重程度都比以前认为的要高-考虑到本章对死亡的关注，这可能是一个下限估计。 关键词 流行病,大流行,流感,冠状病毒,风险模型 由一部分病原体引起的。我们的模拟表明，具有COVID-19死亡率水平的事件不应视为“百年一遇”的风险，而应以每年2-3％的概率发生（即33-50年事件）。尽管重尾分布存在很大的不确定性，但政策制定者可以使用这些估计来制定基于风险的融资、预防、准备和应对计划。 本文是作为世界银行将出版的《疾病控制优先事项》第2卷第4版的一章，也是柳叶刀健康投资委员会的背景文件。 来自流行病和大流行潜在病原体的估计未来死亡率 NitaK.Madhav GinkgoBioworksnmadhav@ginkgobiworks.com BenOppenheim 银杏生物工程 妮可·斯蒂芬森 银杏生物工程 RinetteBadker 银杏生物工程 DeanT.Jamison 加州大学旧金ft分校 CathineLam 银杏生物工程 阿曼达·梅多斯 银杏生物工程 作者感谢BeAsh，StefaoBertozzi，MatteoChiazzi，JasoEre，MieGaha，MarGalliva，DaielKatz，SeriLee，MelissaLesh，MatthewMcKight，KiersteMiller，OleNorheim，ChrisPardee，AaPastoreyPiotti，PatricSavage，VolodymyrSerhiyeo，SidSharma，CristiaStefa，ViramSridhara，LawreceSmmers，SwatiSrea，AlessadroVespigai和QiaZhag的宝贵计划，技术和编辑贡献我们还感谢先前DCP-4会议和大会的参与者，他们对手稿的各种迭代提供了宝贵的反馈。 作者非常感谢卑尔根大学健康伦理与优先中心和挪威发展合作机构（NORAD）（RAF-18/0009）提供资金支持。某些支持数据和代码在以下存储库中公开可用： 人畜共患病数据-https://github.com/concenticbyginkgo/zoonoic_spillover_trend 少报-https://github.com/metabiota-ameadows/少报 COVID-19数据集-https://data.humdata.org/dataset/2019-new-冠状病毒-cases其他数据和模型代码被认为是商业/专有的，不能公开发布。 NitaK.Madhav，BenOppenheim，NicoleStephenson，RinetteBadker，DeanT.Jamison，和 AmandaMeadows。2023年。“流行病和大流行潜在病原体的估计未来死亡率。”CGD工作文件665。华盛顿特区：全球发展中心。https://www.cgdev.org/publication/估计-未来死亡率-病原体-流行病和大流行潜力 全球发展中心 2055LStreet,NWFifthFloor Washington,DC20036 全球发展中心致力于通过创新的经济研究来减少全球贫困并改善生活，这 些研究推动了世界最高决策者的更好政策和实践。使用和传播本工作文件鼓励；但是，复制副本不得用于商业目的。根据知识共享署名-非商业 4.0国际许可证的条款，允许进一步使用。 1大学院街修道院花 园伦敦 SW1P3SE CGD工作文件中表达的观点是作者的观点，不应归因于董事会，全球 发展中心的资助者或作者各自的组织。 Contents 数字列表 1.地方性流行的时间和大小的示例比较与大流行死亡8 2.每次爆发的历史丝状病毒病例随时间的分布显示拟合概率密度函数(红线)10 3.国家区域分组14 4.全局呼吸过度概率函数17 5.呼吸目录组成：模拟 事件大小及其对预期的贡献损失20 6.按地区分列的年平均呼吸系统疾病死亡人数21 7.按年龄组分列的年平均呼吸系统疾病死亡人数23 8.说明性呼吸系统疾病年龄形状23 9.病毒性出血热超标概率撒哈拉以南非洲的职能25 10.VHF目录组成：模拟事件大小以及对预期损失的贡献27 11.按年龄组分列的病毒性出血热年平均死亡人数27A1.流行病学区室模型43 A2.模型参数分布的拟合过程46 A3.防疫报告时间 索引(EPI)等间隔分位数49 A4.病死率（CFR）与病例之间的模型关系 住院比率(CHR)50 A5.Exampleexcedance概率函数54A6.情景1的模拟疫情曲线：1200万 全球死亡和情景2:8000万全球死亡57 A7.灵敏度测试结果的图形描绘58 A8.流感相关死亡与2009年部分国家流感大流行的历史估计的模型比较。历史 来自(Dawood等人，2012)59 A9.2009年流感高峰症状病例周大流行60 表列表 1.关键术语和缩写4 2.1月份超额死亡人数和报告的COVID-19死亡总数 2020-2021年12月按地区划分14 3.基于呼吸模型事件目录的全球平均年死亡人数16 4.基于选定的超额概率和相关的全球死亡在呼吸事件目录17上 5.基于选定全球死亡水平的超限概率在呼吸事件目录18上 6.年度、5年、10年和25年超额概率(EP)估计根据呼吸事件目录19选择的全局事件大小 7.呼吸目录的平均年损失(AAL)组成按事件严重性和事件频率20 8.按地区划分的平均年死亡人数模型事件目录21 9.按年龄组计算的全球平均年死亡人数模型事件目录24 10.基于VHF模型的撒哈拉以南非洲平均年死亡人数事件目录24 11.撒哈拉以南非洲在选定的超额概率点死亡，基于VHF事件目录25 12.基于选定撒哈拉以南非洲事件规模的年度、5年、10年和25年超额概率 (EP)估计 在VHF模型事件目录26上 13.撒哈拉以南非洲平均每年死亡人数按年龄组基于VHF事件目录28 A1.模型疾病状态的描述，其传染性，和通勤能力44 A2.车型转换率说明45 A3.模型参数类型和值（和参考）的范围46A4.与干预和疫苗接种相关的模型参数48 A5.干预和结果参数分布和范围(和参考)51 A6.按地区划分的大流行性流感病毒的火花风险比例52A7。按地区划分的MERS样冠状病毒的火花风险比例52A8。按地区划分的SARS样冠状病毒的火花风险比例52 A9.病原体对事件频率的参数化类别(和参考文献)53 A10.方案输入参数56 A11.估计情景结果56 A12.通过部分秩证明的敏感性测试结果相关系数58 A13。显著历史的估计超标概率（EP）呼吸道流行病和大流行61 B1.国家区域分组70 前言 全球发展中心（CGD）正在发布这份工作文件，因为该文件对下一次大流行风险的估计对于为包括大流行风险和监测资源分配框架在内的近期工作提供信息至关重要。由银杏生物工程与Cocetric合作编写，反过来又寻求为有关大流行基金的设计和实施的政策讨论做出贡献。根据G20高级别独立小组关于为全球公地提供大流行准备和应对资金的报告的建议，大流行基金开始实施。由NgoziOojo-Iweala，LawreceSmmers（CGD董事会主席）和TharmaShamgaratam共同主持，CGD和Bregel作为项目团队，美国国家医学院和惠康信托基金会作为行政秘书处。 在相互竞争的政策议程中，本文将为有关大流行融资未来的政策讨论提供宝贵的信息。它提供了大流行风险的估计，并强调了“尾部风险”的重要性，表明了高度严重但罕见的事件的潜在影响。与Fa，Jamiso和Smmers（2017）关于大流行损失的论文相比，本文的估计要大得多。 这份工作文件是《疾病控制优先事项》（DCP）第四版的许多章节之一，由卑尔根大学卑尔根伦理和优先事项确定中心主办，由OleNorheim领导，并将由世界银行出版。 DCP的版本于1993年作为《世界发展报告》（WDR）的一部分出版。这份题为“投资于健康”的报告是世界银行有史以来第一份关于健康的WDR。它由LawreceSmmers（当时的世界银行首席经济学家）和DeaJamiso领导，他们几乎每十年领导一次DCP的后续版本。在这个多重危机时代，以经济证据和物有所值为依据，确定健康的优先事项仍然像以往一样重要，以帮助确保在医疗保健上花费的每一分钱都能改善和挽救生命。 VictoriaFan高级研究员 全球发展中心 Introduction 早在COVID-19出现之前，政策分析师就将流行病描述为全球安全的“被忽视的层面”，因为预防和准备的基本方面一直(并将继续)资金不足(Jamiso等人。，2013，金沙等人。,2016)。在COVID-19大流行期间召开的几个高级别小组呼吁大幅增加全球在加强卫生系统、监测和准备方面的支出(Sirleaf&Clar，2021年)。 这些建议至关重要，但却与根深蒂固的恐慌和忽视模式作斗争-零星的卫生紧急情况强烈倾向于引发短期关注和投资，一旦危机过去，这种趋势就会很快消失。 从恐慌到忽视的滑坡发生的部分原因是政策制定者在不确定性下运作；他们缺乏对包括大流行在内的流行病的可能性的估计（表1），这将使他们能够相对于其他需求优先考虑对此类事件的准备。结果，流行病和大流行往往被视为不可避免和不可预测的现象，而不是 而不是决策者可以进行严格分析，估计成本并确定投资优先级的事件。本章的一个关键目标是通过应用风险管理原理来减少流行病和流行病分析中不确定性的某些方面：一个可以充分估计概率以指导决策的框架。 政策制定者通常选择优先为高概率事件而不是罕见事件做好准备，因为为不常见事件做好准备的好处通常是看不见的(Lempert&Light，2009)。为了应对罕见、严重的流行病带来的威胁，分析师应该采用基于风险的决策方法，更类似于其他自然灾害的方法。应急计划人员和政策制定者习惯于考虑自然灾害，如洪水和地震，其频率和严重程度（FEMA，2016）。本章提供了一个量化流行病风险的框架，可以用来改变风险评估和准备计划的主导范式。这个框架通常不用于规划流行病-但可以。 采用最具成本效益的策略来预防，准备和应对流行病，需要了解其预期的频率和严重程度-即它们构成的风险水平（表1）。如果严重的大流行仅仅是“百年一遇”的风险，那么诸如加强疾病监测系统，投资实验室和诊断能力以及开发新的疫苗平台，生产系统和供应链之类的干预措施可能具有适度的效益成本比，但是-如果风险大大增加-可能是非常具有成本效益的策略，以保护全球健康和降低死亡率。我们的风险估计使决策者能够估计流行病防备措施的必要水平，并确定在流行病期间和之间哪些措施最具成本效益。 在本章中，我们估计了由关键呼吸道病原体和病毒性出血热引起的未来流行病的死亡风险。我们提出了新的证据和模拟分析，强调了流行病带来的巨大风险。在DCP-3中，Madhav等人。（2017）提出了针对大流行性流感