应对肆虐的新冠疫情,人类是应该“共存”还是“清零”?这是一个全世界都在广泛争论的话题。
美国从去年6月份开始就提出了和新冠病毒“共存”的策略,也就是从那个时候起,在美国的带头下,手握大量医疗资源的发达国家纷纷走上了“共存”之路。
“共存”策略简单来说就是放弃社会层面的防线,将医疗系统作为应对疫情的主要力量。“共存”策略下的社会防疫措施不能说没有,但其强度很低,已经完全无法阻挡疫情的扩散。
这些国家既然要张罗着“共存”,那么他们的社会防疫强度自然就是在不断往下躺的,不过有趣的是,在这个过程中他们又会时不时的支棱起来一下。
比如说德国一度打算从今年5月1日起废除新冠阳性病例强制隔离政策,但在4月5日的时候他们的卫生部长又反悔了。
该部长表示废除阳性病例强制隔离的政策发出了一个“错误和有害”的误导信号,让人误以为新冠毒性很低,随后德国卫生部决定延续强制隔离政策。
德国卫生部长劳特巴赫:
无独有偶,英国也开始在“共存政策”上摇摆,他们刚刚在4月1日取消免费的新冠检测,仅一个星期后其首相鲍里斯就表示视情况不排除再次进行严格封控。
“共存”带头人美国则是在4月13日宣布再次延长新冠公共卫生紧急状态。
这种一下躺下一下又支棱起来的行为看起来很像是在做仰卧起坐,那么为什么他们要这样来回折腾呢?
其实不管是各国在政策上的摇摆还是普通人对防疫政策的争论,本质上都是对疫情风险认知的不同造成的。
执行严格的防控政策,建立和维护社会层面的疫情防线,这本身就需要支付高昂的成本,如果政府觉得风险不大,没必要为此支付太多成本,那自然就躺下了;但如果躺着躺着又发现风险好像比预想的大,那么就又会想着支棱起来一下。
所以我们今天就先把争议放一放,从科学的角度来看看这个疫情的风险到底是个什么水平,为什么能让一些国家频繁的“仰卧起坐”?
到底死了多少人?
虽然疫情的死亡率并非衡量其破坏力的唯一指标,但它肯定是大家最关心的一个指标。人们对疫情影响的直观感受就首先来自于“这个疫情会死多少人?”。
所以我们就先研究一下死亡率。
这里首先需要说明一下的是,死亡率和病死率并不是一个概念,针对新冠疫情而言:
病死率可以理解为个人感染新冠后死亡的概率。
死亡率则是指一个国家因新冠死亡的人数占全国总人口的比例。
所以疫情的死亡率除了和该疾病的病死率有关,还和病毒的传播力有关,传播力越强,感染者的数量就越多,总的死亡人数和死亡率自然也就越高。
比如说病死率更低的奥密克戎毒株造成的死亡数就比之前的德尔塔更高:
(2021年四季度新冠死亡主要由德尔塔毒株造成,2022年一季度新冠死亡主要由奥密克戎造成)
其实新冠对人类社会的主要威胁一直都不是它的病死率,论病死率它跟很多疾病相比都只是个弟弟,那么为什么新冠疫情对世界的破坏力能够“鹤立鸡群”呢?
这主要靠的就是它超强的传播力了。
也就是说新冠病毒的能力是低病死率+高传播力的组合,这样的病毒特性就导致了这么一个局面:
如果你生活在一个疫情扩散的环境中,那么你被感染的概率就很大,但当你被感染后,最终因为这个疾病丧命的概率又很小。
所以即使在一些被疫情反复冲击的社会里,依然有很多人可以岁月静好。这些地区的人们也很容易会根据自己和周边朋友的经验,得出疫情并不可怕的结论。
但是这样的岁月静好是有前提的:
首先是社会运行能够保持稳定。
第二是社会生产力不会出现坍塌。
而这两个前提存续与否,并不取决于个体数据,而是取决于全局数据。
也就是说无论个体在一次感染中遭遇致命危险的概率有多小,只要疫情造成的全社会总死亡人数(以及其他影响)达到一个阈值,社会就会出现动荡,生产力也会开始坍塌,而这又会反过来降低该社会的医疗救助能力,进而导致死亡人数的进一步增加。
那么如果中国出现了疫情的全面扩散,会造成多少人死亡呢?
关于这个问题,我们只能先拿其他那些疫情已经全面扩散的国家来进行参考。
下图是4月13日当天英国的数据,这一天英国新增病例35836例,新增死亡651例:
目前英国累计新冠死亡总数已经超过17万例。
英国的总人数是6700多万,那么按照这个数据计算可知,目前新冠疫情在英国造成的全国死亡率大致是17万/6700万=0.25%。
我们再看看韩国的数据,他们在4月13日一天增加了148417例阳性病患,死亡318例。
韩国到目前为止疫情的总死亡数是2万多人,该国人口大致为5200万人,因此目前新冠疫情在韩国造成的全国死亡率大致是2万/5200万=0.04%。
同样的,根据各国的官方数据我们还可以了解到:
美国的新冠全国死亡率是98.5万/3.3亿=0.30%
越南的新冠全国死亡率是4.28万/9730万=0.04%
印度的新冠全国死亡率是52.1万/13.8亿=0.04%
看完这几个主要国家的全国死亡率,我们会发现一个特点:不同国家之间的死亡率差异很大。
如果按里面的最低水平0.04%套用到中国的人口基数上,那么会得到总死亡数=14亿X0.04%=51万人。
如果按最高水平0.30%套用到中国的人口基数上,那么会得到总死亡数=14亿X0.30%=418万人。
这个巨大的差异可以说是非常不靠谱了,而且更让人觉得不靠谱的是:全国死亡率这个指标居然跟国家的发达程度没多大关系。
强如美帝大英,他们的死亡率居然远高于越南印度,而且是高出一个数量级的那种。
那么为什么这个指标会让人感觉这么不靠谱呢?
因为它确实不靠谱。
首先,在统计疫情死亡率的时候有个技术上的难题:如何确定病患的死亡与疫情相关?
关于这个问题,不同地区的执行标准并不一样。
比如说如果某个地方规定只有做了肺部CT,发现肺部有症状后才认定为确诊,除此以外的其他任何症状都不算数,那么这个确诊数实际上就受限于CT检查的数量。
而一旦出现疫情扩散,那么数量众多的患者自然不可能都去做CT。于是这个标准下的确诊数就必然失真,在该确诊数的基础上计算出来的重症率和死亡率当然也就会和实际情况相差甚远了。
这就是数据出现巨大差异的第一个原因:不同地方的认定标准不同。
第二,各国统计数据的全面性也很难保证。现在全球范围内能做到对本国居民“应检尽检”的地方很少。
就比如说印度吧,按照他们的官方数据,该国到目前为止累计确诊的人数为4200多万。
但是根据印度去年10月份在新德里做的新冠病毒血清抗体检测结果,90%以上的样本都是阳性,这表明已有九成左右的人曾经感染新冠病毒。
印度的九成人口就是12.5亿。
如果连基本的感染人数都是错的,那疫情死亡数就更谈不上准确了,这类情况在落后国家非常普遍,他们的数据的参考价值都非常有限。
即使是发达国家,在疫情扩散后,因为感染人数过多,也很难做到准确的统计。
也就是说这些国家实际的疫情死亡率很可能高于他们公布的纸面数字,再加上各国政府在主观上本来就不希望数据过高影响民众心态,所以自然也就没有什么积极性去查证,甚至不排除人为干预压低数据的情况。
那么有没有什么办法可以规避这些误差呢?
死亡率的另一面
3月份的时候世界著名医学期刊《柳叶刀》提出了观察超额死亡数的方法。
什么是超额死亡数?
简单的说就是拿一个国家每年的总死亡数来进行对比,看看他在疫情年份的总死亡数比正常年份的总死亡数多多少。
这个数据的优点在于统计方法简单,不需要设定详细的判定标准,技术上不容易出错。
而且因为该数据统计的是所有原因的死亡,并不针对疫情,所以数据本身受到的外力干预的情况也比较少。
不过也正是因为该数据不针对疫情,所以它并不能直接代表疫情造成的死亡人数。
那为什么《柳叶刀》要建议观察这个数据呢?
这是因为各国每年的死亡数基本是稳定的,它虽然会因为包括老龄化在内的各种因素而出现波动,但如果不发生特殊事件,这个波动幅度是很小的。
因此一旦某些年份的总死亡数出现了远高于平时的波动水平,那肯定是和这些年份发生的特殊事件有关,比如说大规模战争,大规模自然灾害,以及现在的大规模疫情。
可以说超额死亡数比较全面的反映了特殊事件对社会整体死亡数的影响。
那么2020年和2021年这两年各国的超额死亡数相比之前有什么变化呢?
我们看一下美国国家卫生统计中心的数据
https://www.cdc.gov/nchs/nvss/vsrr/covid19/excess_deaths.htm 下图是从2018年至今美国的每周死亡人数,其中每个小蓝柱就代表一周的死亡人数,红色曲线代表的是往年的平均数。
我们可以看到,从2018年到2020年初,美国每周的死亡数变化一直处在一个平稳的波动曲线中,而从2020年4月份开始,突然就出现了明显高于往年水平的大幅波动。
这意味着死亡人数在这个时候出现了不正常的大幅提升,比往年同期多死了很多人,也就是说出现了巨大的“超额死亡数”。
这个异常的波动在2020年4月份,2021年1月份,2021年9月份,以及2022年1月份分别达到了几个高峰。整个变化的时间节点和新冠疫情的发展节奏强相关。
所以我们基本可以确定,美国2020年4月份开始至今的这波超额死亡数主要是由新冠疫情造成的。
从这个图表上我们可以发现疫情发展的一个特点,它对人类社会的攻击并非一直持续进行,而是以一波接一波的节奏进行冲击,对应到现实中就是一个接一个出现的新毒株。
图中的最高点是2021年1月的第一周,这一周比往年同期多死了2万6千多人,超额死亡率高达43%,是疫情爆发以来的最高峰。
美国是从2021年6月开始采取“共存”政策,紧接着就受到了德尔塔和奥密克戎的连续暴击,并很快迎来了第二高的高峰,也就是今年1月份的第三周,即奥密克戎的冲击波:
这一周比同期多死了2万2千多人,超额死亡率达36.8%。
值得一提的是,2021年底和2022年初的这两波高峰是连着的,2021年底的这一波是德尔塔,2022年初的这一波是奥密克戎。
很明显,奥密克戎杀的人更多。
顺带说一下,美国流感每年造成的死亡人数是3到6万人,仅相当于奥密克戎一个月的水平。不知道某些向公众暗示奥密克戎=流感的专家是怎么想的?
我们还可以拿美国和中国的历年死亡数做一个对比,中国是目前世界上唯一一个没有出现疫情大规模扩散的大国,美国则是世界上仅次于印度的“新冠乐园”,二者的数据都非常有代表性。
美国在疫情前,其历年死亡数在280万左右波动;但是疫情爆发后,该数字就急剧上升至330万左右,等于是每年多死亡了50万人。
相比之下,虽然中国的每年死亡数也在缓慢提升,但这主要是跟老龄化的因素有关,所以其提升的幅度很小,每年死亡人口的变化幅度在3%以内,没有出现美国这种年变化幅度突然超过15%的情况。
我们把这两个国家的死亡数换算成每万人口死亡数来进行对比,这个曲线的区别就比较清晰了。
蓝色的是美国每年每万人口的死亡数,黄色的为中国:
可见美国这两年的每万人口死亡数有一个大幅度的跃升。
算下来美国在2020年和2021年这两年里总共多死了100多万。这和美国自己公布的新冠死亡病例数还是比较接近的。
但是其他国家就没有美国这么老实了。
比如说印度的官方数据是他们这两年因为疫情造成的死亡总人数为50多万。
而实际上他们这两年每年的超额死亡数就超过400万,算下来两年超额死了800多万。
全球官方公布的疫情死亡人数是600多万。
但按照《柳叶刀》的报告,全球疫情造成的超额死亡数是官方疫情死亡数的3倍,即超过1800万人。
不过即使是超额死亡数这个目前相对客观的数据,在未来也有可能越来越失真。因为现在各国政府已经开始意识到这个数据是和疫情相关的,有些机灵鬼已经开始动手干预数据了。
比如说英国的统计部门就开始把同为疫情年份的2021年放到2022年的超额死亡数比对中,这样得出的2022年超额死亡数自然就会非常低,甚至是负的。
不过不管英国人怎么折腾数据和控制舆论,顶多只能糊弄一下愚蠢的人类,新冠病毒并不吃这一套。
你既然放弃社会防线,那我就直捣医疗系统的黄龙。
社会防线投降,让医疗系统去直接面对疫情冲击,这本来是一个让人压力山大的局面。但在一些人的认知里,放松防控可以避免“医疗资源过度向疫情倾斜”,从而也就降低了医疗系统的压力。
我不是很理解这样的脑回路,我们还是来看看现实中发生了什么吧。
“共存”= 医院轻松?
根据英国国家医疗服务体系(NHS)的报告,目前英国各类疾病就诊排期超过2年的病患人数从2021年开始就一直在明显攀升。在不到一年的时间里,很多疾病的长期候诊人数已经翻倍,有些疾病的长期候诊人数甚至翻了十倍。
下图不同颜色的曲线代表了不同疾病的病患排队人数变化:
另外,急诊室长时间等待(等待时间超过12个小时)收治的人数明显增加,从2021年年底到2022年年初这段时间里,该数据出现了巨额的增长。
其中2022年2月份的急诊长时间等待人数是2019年2月份的31倍。
根据英国政府最新的数据表明,目前英国新冠患者住院人数已经占到全部住院患者的四成多。该国医疗系统的应对措施是发布公告恳请新冠患者家属将患者带回家,避免占用过多的医疗资源...
而让医疗系统去直面大规模疫情还有一个严重的副作用:医疗人员感染。
NHS员工因新冠缺勤的人数已经连续数周增加,全英已有3.78%的医护人员患上了感染新冠造成的长期后遗症,医院的病床占用率也达到了94%。
NHS政策总监干脆直接指出该国整个公共医疗体目前正处于“崩溃”状况。
这说明英国的共存策略并未让医疗机构的压力减轻。
我们再来看看美国的共存策略有没有减轻他们的医疗负担。
下图是全美ICU使用的情况,绿色柱子代表的是其他病患使用的ICU病床数,橙色柱子代表的是新冠病患使用的ICU病床数,灰色柱子代表的是空闲的ICU病床数。
可以看到被用于新冠治疗的ICU床位占比很大,在疫情高峰期甚至可以占到全部ICU床位的四分之一,不过得益于美国强大的医疗资源,全美的ICU病床一直够用。
然而这只是美国全国的平均情况,在疫情较为严重的州,医疗资源的压力就非常大了。比如说疫情严重的阿拉巴马州:
我们看到该州的ICU床位资源一直在被击穿的边缘疯狂试探,美国是从去年6月份开始走上共存路线的,其总统拜登甚至在当年的独立日白宫派对上宣布美国“已从新冠肺炎疫情中走出”。
结果2个月后阿拉巴马州的医疗资源就被击穿。
可见在西方共存政策下,只要出现新毒株的冲击波,医疗体系就必然承压,然后该国家的防疫政策就会出现摇摆。
无论你对医疗系统有没有信心,都无法否认这个客观现实:社会防线一旦崩溃,医院就会成为战场。
然而社会层面的疫情防控基本上就是一条单行道,一旦放开,就很难再次收紧(尤其对大国而言)。因为应对几万几十万的病患和应对几百几千万的病患完全是两码事。
所以疫情一旦扩散,全社会就再也没有躲过疫情冲击波的可能,人们唯一能做的只是在新的冲击波到来前,通过加强管控尽可能的减少伤害。
这也就是为什么西方国家会在防疫政策上反复做“仰卧起坐”的原因,因为总会有新的冲击波冒出来。
不过即使是做“仰卧起坐”,也是需要综合国力做基础的,国力弱小的国家连仰卧起坐的机会都没有。
降低死亡率的关键
相对于各国遭受的疫情冲击,中国的重症率控制水平还算不错,比如说近期数据比较有代表性的长春市,其重症率大致是0.27%,这个数字比韩国的0.38%低不少。
目前全球最优秀的重症率水平在新加坡,大致是0.2%,该国的疫苗接种率非常高,他的这个重症率控制水平是世界顶级的。
当然还有地方搞出了0.003%左右的重症率,对于这个低于全球其他地区数据两个数量级的神奇数据,以我目前的认知水平还无法做出评价。
不过确实有些大V对全球大多数地区的数据视而不见,偏偏拿这个神奇的数据以科学之名到处宣扬...我劝他们还是把科学的理念先搞懂,不是什么野生大V都配谈“科学”两个字的。
中国在医疗层面真正优秀的地方是对病死率的控制,我们的新冠病死率非常低,对此中国疾控中心流行病学首席专家吴尊友有一个解释:
“我国新冠病死率低的原因是一直在采取多项措施预防或减少死亡;此外对所有感染者进行管理,以便对轻症转成重症的病例能够及时发现、及时提供医疗服务,规避了他们的危重或者死亡的发生。”
简单的说就是我国能够对新冠患者进行无差别的全力救治。
不过能够实现这个效果的前提是我国拥有强大的公立医疗体系,我国主要的医疗资源都集中在公立医疗体系里,这一点和大多数国家并不相同。这个特点使得我国在大规模疫情爆发的时候可以集中全国的医疗资源去进行应对。
当然也有人会质疑“将医疗资源向新冠患者倾斜是不是对其他病患不公平?”
在这里我们需要明白一个基本的逻辑:医疗资源向新冠患者倾斜和公不公平毫无关系,其唯一的原因就是新冠病毒的传染力太强。
现在的奥密克戎毒株基本传染指数RO甚至到了10(即平均1人可以传染10人),仅次于人类历史上传染力最强的麻疹。
所以要控制疫情就只能对病患“应收尽收,应治尽治”,既不能放任不理(这样会导致疫情扩散),更不能收了不治(这样不可能获得民众的配合)。
但是,即使是举全国之力,资源也不是无限的。我国能做到对新冠病患的无差别全力救治还需要另一个前提:医疗资源没有被击穿。
不过只要社会层面能够做到动态清零,那么医疗系统所需要面对的新冠病患数量就会很少,重症的数量就更加稀少了。在这样的情况下把医疗资源向新冠患者进行倾斜,对整个医疗系统的影响微乎其微,是一个性价比很高的选择。
只有在社会防线不幸被突破的情况下,医疗系统才会因为要应对超额的病患而出现顾此失彼的情况。如果此时想把医疗系统从长期挤兑的悬崖边拉回来,唯一的办法就是立刻去修复破损的社会防线。
而这个工程又无疑会在短期内消耗大量的公共资源,进而导致很多人暂时失去他们本应得到的来自社会的照顾和帮助。这将是一个非常困难的阶段,如果此时再摊上拉胯的组织者,没有安排好暂时短缺的公共资源,民众就将承受巨大的苦难。
所以最开始对社会防线的保护就非常关键,不过只要措施得当,实事求是地认真工作,即使防线出现纰漏也是完全可以及时修复的。而修复所花的时间越短,人们的损失就越小。
比如说最近我国的长春市已经实现社会面清零,完成了社会防线的修复。
那么在那些社会防线已经不复存在的“共存之国”里,他们的医疗系统采取了什么办法来应对超额病患的压力呢?
4月初的时候日本出了个新闻,一个10月大的女婴在确诊新冠后一直找不到医院愿意接诊,最终在确诊第三天后死亡。
日本医院做出这样的选择并未违反日本的任何规定,因为该国的卫生部门本来就规定新冠阳性要发烧4天以上医院才有必要接诊,奈何一些体弱的幼儿坚持不了这么多天。
这样的案例在日本并非孤例,从中我们不难发现在疫情扩散的情况下,医疗系统减轻负担的办法其实也很简单:
不给治就完事了。
争 议
尽管本文列举了很多有关疫情严重性的资料,但我相信还是会有很多人在看完这些资料后仍然认为“疫情扩散并不会造成严重后果”。
这其实体现的是人们在感性认知和理性数据之间的一个冲突。
正如前文所说,新冠病毒对于个体的致死率只是一个很小的数字,而只要人不死,就算有后遗症别人也看不出来。所以人们很容易根据自己和身边的经验得到一个感性的认知:“这个病得了也没啥事。”
至于客观资料里高额的全社会死亡人数和后遗症患者数量,只要不落到自己身上,就仿佛离自己很远。
当然还有人会说,现在看看那些选择与病毒共存的西方国家,他们确实社会稳定,已经恢复正常生活了啊,这又怎么解释呢?
首先,在这个现实的世界里,穷国是不配拥有姓名的。我们平时关注的“外国”主要都是些发达国家,很容易把他们的状态等同于世界的普遍状态。
而这些发达国家财力雄厚,本来就有更多的资本去“躺平”。
另外,“共存之国(地区)”们之所以可以时不时的向大家展示岁月静好,还和疫情爆发的规律有关。
我们知道新冠疫情冲击社会的节奏并非持续输出,而是以一个又一个冲击波的模式进行冲击。也就是说社会承受的疫情破坏力是有起伏的。
一个从“病毒家族”中脱颖而出的毒株会给人类社会带来一波高额的感染率和死亡率,之后随着社会的大面积感染,免疫力不适应该毒株的个体就会被逐步淘汰。
赞(6)