評論 | 易富賢：新冠疫情對中國的出生和死亡的影響

作者：易富賢，美國威斯康星大學麥迪遜分校
2023.01.11

人口學家易富賢

照片由易富賢提供

社會越來越複雜，很多社會現象無法用單一的學科知識來解釋。本文將醫學引入人口學研究，再將人口學引入醫學研究，估算新冠疫情對死亡和出生的影響。如果中國的抗疫政策與美國同步，只會死亡一百多萬人，不是主流學者所預測的上千萬人。疫情和嚴厲的抗疫政策導致中國2021-2023年少出生約兩百萬人。中國放棄清零政策後，病死數不會如主流學者所預測的一兩百萬，而是可能不到五十萬。

一、對中國新冠死亡的預測

2020年新冠疫情爆發後，張文宏預測美國將病死600萬人[1]，鍾南山預測世界會死亡4500萬[2]。當時多位主流學者預測中國會死亡上千萬人，於是中國政府出於“緊急避險”、“生命至上”的原則實行了三年的嚴厲抗疫政策。2022年12月鍾南山還認爲：“我國疫情防控保護了近2000萬人”[3]。這有點類似1980年，當時宋健等人預測如果不實行獨生子女政策，中國人口在2080年會超過42億，嚇得中國領導人出於“緊急避險”原則，實行了三十多年的獨生子女政策。其實1980年徹底停止計劃生育，峯值人口只會達16億。

其實，2020年5月筆者完成一篇論文，建議放鬆抗疫政策，預測世界、中國、美國會死亡1520萬、351萬人（其實當時的預測還過於誇張，因爲沒有考慮到種族差異）、110萬人就能實行羣體免疫。疫情對生命的損失不僅在於“致死”，更在於“妨生”，如果實行嚴厲抗疫，會導致出生銳減，生命損失會更慘重。“病死”影響近期的經濟，而“少生”卻將影響今後幾十年、數百年的宏觀經濟。“生命至上”不能只盯着“死”，也要聚焦於“生”，要學會“與病共舞”，抗疫和經濟需要精細的平衡，避免雙重的生命損失，既要儘量減少病死數，也要避免因爲經濟衰退導致生育率下降。

《財經》準備發表筆者的文章，被勒令禁發，說唱衰中國抗疫政策。中國社科院的某學術期刊也以同樣理由拒發。《南方週末》[4]、《中國改革》[5]、《環球時報》[6]發了筆者對出生下降的預警，但未發表筆者對死亡的預測。

現在美國的疫情趨於平息，到2022年底，共死亡112萬人。回顧來看，當時對美國的死亡預測，國際學者似乎沒有誰比筆者更準確。

二、生死之間的神祕對稱

王羲之《蘭亭集序》：“死生亦大矣”。生死之間存在神祕的對稱關係，健康水平越高，生育率越低。民間也觀察到此種“生死攸關”：“千棺從門出，其家好興旺。子存父先死，孫在祖乃喪”。對生死都要敬畏，不能只顧一頭。世界各國、美國各州、中國各省的總和生育率（婦女人均生孩子數）與嬰兒死亡率正相關，與出生時預期壽命負相關。

圖1、生死之間的神祕對稱

西方（尤其保守派）認爲人死後會進天堂，生命從“此岸”到“彼岸”，因此相對看淡生死，無恐無懼。而儒家文化只有“此岸”，沒有“彼岸”，因此更珍惜生命，嬰兒死亡率最低、預期壽命最長，比如2019年日本、韓國、新加坡、香港、臺灣的預期壽命分別爲84.4歲、83.2歲、83.6歲、85.1歲、80.6歲，而美國、歐盟、印度、拉美只有78.8歲、81.3歲、70.9歲、75.0歲[7]。儒家地區的生育率也最低，2001-2020年的平均生育率，日本、韓國、新加坡、中國香港、中國臺灣分別爲1.37、1.15、1.24、1.06、1.13，而美國、歐盟、印度、拉美分別爲1.92、1.51、2.62、2.21[8]。這次抗疫，儒家地區較好的控制了“死”，但是卻暴露了“生”的危機，出生降幅最大，比如日本、韓國、臺灣地區的生育率從2019年的1.36、0.92、1.05降至2022年的1.23、0.76、0.85。

美國的出生時預期壽命在發達國家中是最低的，但是其生育率也相對更高。美國各州的生育率與嬰兒死亡率、新冠死亡率正相關。民主黨人相對更看重“活在當下”，更加“惜命”；共和黨人則對宗教更虔誠，“敬畏生死而不懼”，因此抗疫最“失敗”。共和黨的州的新冠病死率高，但經濟恢復更快，生育率更高，未來的經濟潛力更高。

圖2、美國各州的生育率與嬰兒死亡率、新冠死亡率

2020年美國總統選舉各州對民主黨的支持率[9]與2020年的總和生育率[10]、2020-2022年新冠死亡率[11]都是直線負相關，各州對共和黨的支持率則相反。

圖3、美國的兩黨的總和生育率、新冠死亡率

美國被中國稱爲“最大抗疫失敗國”，截至2022年底，因爲新冠疫情死亡112萬人，根據生命表推算，平均餘命12-14年，共損失1,344-1,568萬年生命。但是疫情沒有減少美國的出生。

圖4、新冠疫情未減少美國的出生

美國的2000萬亞裔的健康水平最高，生育率也最低，這次因爲新冠的死亡率也最低。比如2020年美國的出生時預期壽命爲77.0歲，其中亞裔83.6歲[12]；2020年美國的總和生育率1.641，亞裔只有1.385[13]。

三、2020-2022年中國抗疫政策的生命覈算

截至2022年底，美國檢測的感染率只有31%，但實際感染率可能超過90%。用美國2020年1月1日-2022年12月24日的新冠死亡數[14]，除以2021年底的各年齡人口數[15]，計算出各年齡組的新冠死亡率。

表1、2020-2022年美國的新冠死亡率（%）

年齡組	美國	美國亞裔
0-4歲	0.003	0.002
5-17歲	0.001	0.001
18-29歲	0.013	0.007
30-39歲	0.042	0.018
40-49歲	0.112	0.042
50-64歲	0.315	0.155
65-74歲	0.724	0.466
75-84歲	1.608	1.062
85+歲	4.181	2.768
全部	0.328	0.167

可見亞裔的新冠死亡率只是全國的51%。2021年亞裔的年齡調整的新冠死亡率也只是全國水平的61%[16]。東亞裔約佔亞裔的三分之一，比如1999-2020年共有831萬亞裔獲得美國綠卡，其中東亞裔佔27%[17]。東亞裔的健康水平最高，生育率最低，比如1990年美國全國的生育率爲2.1，亞裔和太平洋島民爲2.0，而華裔只有1.4[18]。東亞裔的新冠死亡率應該比亞裔的平均水平要低很多。

美國的醫療技術高於中國，但是醫療制度存在嚴重的弊端，因此預期壽命比中國還低。中國整體人口結構仍比美國年輕，65歲以上老人佔比要到2031年纔會超過美國。

假設與美國同步放鬆防疫政策，用美國的新冠病死標準，根據各國/地區的年齡結構，用2020年-2022年美國全國、亞裔的年齡別新冠死亡率推算病死數。

表2、根據美國的新冠病死率推算的死亡數（萬）

	美國死亡率	亞裔死亡率	2022 年底公佈
中國大陸	367	216	2022 年底公佈
印度	206	116	53
日本	73.4	46.3	5.70
香港	3.03	1.85	1.18
新加坡	1.68	0.98	0.17
臺灣	7.56	4.51	1.52
韓國	17.8	10.7	3.22
泰國	21.5	12.8	3.36
越南	18.5	10.6	4.32

可見，如果用美國的年齡別死亡率推算，中國會死亡367萬人，與筆者2020年的估算的351萬一致；如果用美國亞裔的死亡率推算，中國會死亡216萬人。但是由於東亞裔的死亡率更低，因此如果中國的抗疫政策與美國同步，達到美國2022年底的感染率，中國只會額外多死亡一百多萬人（三年時間，每年死亡數比正常增加5%左右），而不是當初學者們所預測的上千萬人。學者們由於缺乏跨學科的知識，對新冠死亡的估算都沒有考慮生死之間的對稱關係，有些甚至未用年齡別死亡率來估算死亡數，因此估算結果是不準確的。

圖5、新冠疫情對中國的結婚和青年失業率的影響

中國的抗疫政策確實有效地減少了死亡，但是代價是慘重的。除了公所周知的巨大的社會、經濟、外交代價外，嚴厲的抗疫政策還增加失業率、民生壓力和不確定性，降低生育意願和結婚率，從而減少出生。

2015-2019年1-3季度的結婚數直線下降，而2020年、2021年、2022年的結婚數低於擬合直線，合計減少169萬結婚。由於9個月懷孕週期，2020-2022年的疫情和抗疫政策影響2021-2023年的出生。官方公佈出生數從2020年的1202萬減少到2021的1062萬，預計會公佈2022年、2023年只出生900多萬、800多萬。出生減少的原因很多，筆者粗略估算疫情和抗疫政策導致2021-2023年合計少出生約200萬人，平均預期壽命爲78歲，這意味着損失了1.56億年的壽命（生命損失比美國高一個數量級），降低了未來幾十年的社會經濟活力。

四、中國放棄新冠清零政策後會死多少人？

2022年11月底12月初各地陸續鬆綁防疫政策，至12月7日“新十條”頒佈，中國大陸事實上放棄了“動態清零”。學者們紛紛預測中國的新冠病死數，比如英國倫敦的健康分析公司Airfinity預測，中國將在83天內有130萬至210萬人死於新冠[19]。華盛頓大學醫學院健康指標與評估研究所(IHME) 預測，中國死於新冠的人數在2023年4月將達到50萬，到 2023 年底將達 160 萬[20]。原香港大學醫學院院長梁卓偉預測，在放開管控措施後，中國死於新冠的人數將達一百萬人[21]。

筆者對這些預測不敢苟同。由於新冠病毒變異，致死率在快速下降。比如日本感染新冠病毒的40歲以上人員中的感染者的病死率從2022年1-2月的0.80%降至7-8月的0.23%[22]。假設中國最終有90%的人感染新冠，用日本2022年7-8月的年齡別病死率計算，中國會病死87萬人。但是日本的病死率應該虛高，因爲很多輕症感染者並未檢測（絕大多數國家也如此）。如果以90%的感染率計算，日本會死亡25萬人，但是截至2022年底，日本公佈只死亡5.6萬人，感染率只23%（實際可能超過60%）。如果中國的實際感染率達到日本2022年底的水平，那麼只會病死20多萬人。當然，中國的醫療水平不如日本，死亡率會更高。日本的疫情尚未平息，今後的死亡趨勢值得參考。

全球對新冠死亡的判定標準不一，比如香港官方的標準[23]：“新型冠狀病毒測試結果呈陽性的個案，如果在首次陽性樣本收集日期的28日內死亡，則會被列爲2019冠狀病毒病的死亡個案。死者的死因可能與2019冠狀病毒病無關。”

如果依照這種“伴新冠死亡”標準，對於香港和中國大陸這種疫情快速蔓延的地區，會導致病死數高估，病死數更大程度取決於檢測率。比如2021年中國死亡1014萬人，冬季每月死亡近百萬人。中國放棄新冠清零政策後，在一個月內陽性率可能高達80%；那麼即便完全與新冠無關，80%的人口在28天內也會有70多萬人死亡。

如果用香港官方的這種病死標準，採用香港2021年12月31日-2023年1月4日期間接種兩劑、三劑科興滅活疫苗者的年齡別病死率[24]，假設最終感染率爲90%，那麼中國大陸會死亡243萬、137萬人。但是一方面香港的病死標準太寬，一方面現在的變異病毒的致死率大幅下降。因此中國的真實病死數會遠低於此推算。

有人建議今後用“額外死亡”來估算新冠死亡。此方法適用於其他國家，但不適用於中國，因爲中國官方公佈的死亡數長期低估、嚴重不可信。死者主要是65歲以上老人，日本、臺灣地區的1970-2019年每年死亡數與65歲及以上老人數直線強正相關，相關係數都高達0.993。但中國官方公佈的死亡數與老人數並沒有這種相關性。中國大陸2008年的65歲及以上老人佔比與日本1978年、臺灣地區1998年相當。日本1978-1990年這12年間，老人數增加51%，死亡數增加18%；臺灣地區1998-2010年間老人數增加37%，死亡數增加18%。中國大陸2008-2020年這12年間，老人數增加74%，但公佈的死亡數只增加7%，這是極不可信的。

圖6、死亡數與65歲及以上老人數的相關性

1990年之後的中國人口普查，出生嚴重虛高、死亡嚴重漏報。比如2020年普查顯示只死亡797萬，那麼預期壽命高達81.6歲，顯然不符合中國的健康水平，官方也不敢認可，而是公佈預期壽命爲77.93歲。可見，2020年人口普查的質量極差。2020年普查表上的很多老人其實已經去世，以普查表的老人數爲分母，會得出“老人新冠疫苗接種率偏低”的假象。如果2020年預期壽命真是77.93歲，用官方的人口（總人口14.1億）計算，那麼死亡數應該超過1100萬；但是官方公佈只死亡998萬人（意味着總人口不到12.8億）。由於老人數逐年增加，死亡數應該每年增加十多萬，但是2020年武漢爆發新冠疫情後，可能是爲了體現“疫情未增加死亡”，官方公佈的死亡數與2019年一樣爲998萬，這是違背醫學規律的。官方公佈2021年死亡1014萬，即便沒有疫情，2022年的死亡數也會因爲老齡化而增加十多萬人。不知道2023年1月17日官方會公佈2022年死亡多少人。

中國官方目前是用極窄的標準公佈新冠死亡數，只要有任何其他疾病，通通不算新冠死亡，儘管火葬場要排長隊，但報告新冠死亡奇少，這其實是在降低政府數據的公信力。

現在只能用人口結構和感染者的年齡別死亡率來粗估新冠死亡數了。中國2020年普查的總人口虛高了至少1.3億人，但主要是1990年之後出生的低齡組，病死率極低，對新冠死亡數的估算影響不大。本文姑且用2020年普查全國和各省的年齡結構估算新冠病死數，假設未來中國的感染率達到90%，用兩種感染者的年齡別病死率估算死亡數。病死1：用原香港大學醫學院院長梁卓偉團隊發表在美國疾控中心的論文所整理的香港2022年1月6日-3月21日（疫情大爆發期）的年齡別死亡率[25]；病死2：用新加坡2022年9月-11月[26]的年齡別死亡率。“率”是指每萬總人口的死亡數。

表3、中國各省新冠病死數估算

	病死1		病死2			病死1		病死2
省份	數	率	數	率	省份	數	率	數	率
全國	566965	4.0	263403	1.9	河南	38342	3.9	17783	1.8
北京	9362	4.3	4362	2.0	湖北	24010	4.2	11113	1.9
天津	5855	4.2	2709	2.0	湖南	29803	4.5	13876	2.1
河北	28148	3.8	12942	1.7	廣東	35811	2.8	16682	1.3
山西	13130	3.8	6068	1.7	廣西	19752	3.9	9213	1.8
內蒙古	9157	3.8	4207	1.7	海南	3774	3.7	1768	1.8
遼寧	21197	5.0	9792	2.3	重慶	15677	4.9	7336	2.3
吉林	10341	4.3	4748	2.0	四川	40994	4.9	19189	2.3
黑龍江	14188	4.5	6532	2.1	貴州	13199	3.4	6149	1.6
上海	12418	5.0	5803	2.3	雲南	15454	3.3	7174	1.5
江蘇	41805	4.9	19529	2.3	西藏	617	1.7	282	0.8
浙江	26905	4.2	12538	1.9	陝西	15114	3.8	6992	1.8
安徽	27574	4.5	12916	2.1	甘肅	8773	3.5	4056	1.6
福建	14536	3.5	6739	1.6	青海	1527	2.6	704	1.2
江西	16309	3.6	7562	1.7	寧夏	1974	2.7	910	1.3
山東	44815	4.4	20778	2.0	新疆	6402	2.5	2953	1.1

可見，如果採納香港2022年1-3月的年齡別病死率，中國會死亡57萬人，其中92%、82%、59%分別是60歲以上、70歲以上、80歲及以上老人。如果採納新加坡2022年9-11月的年齡別病死率，中國會死亡26萬人，其中94%、86%、62%分別是60歲以上、70歲以上、80歲及以上老人。

在疫情爆發初期，香港的疫苗接種率不高，截至2022年3月22日，總人口的全程疫苗接種率、加強接種率分別爲76%和35%，遠低於新加坡的92%、71%；香港70歲以上老人的全程接種率爲57%，遠低於新加坡的95%[27]。香港的年輕人大多接種復必泰mRNA疫苗，老人則主要接種中國科興的滅活疫苗[28]。70歲及以上老人所接種的疫苗，66%是科興疫苗，27%是復必泰疫苗，7%是二者混打。80歲及以上老人所接種的疫苗，76%是科興疫苗，19%是復必泰疫苗，5%是二者混打。

中國大陸在疫情爆發初期的疫苗接種率比當初香港要高。截至2022年12月13日，全國有90%的人口、87%的60歲以上老人、66%的80歲以上老人完成了全程接種，42%的80歲以上老人完成了加強接種[29]。加上變異病毒的致死率比2022年1-3月下降了很多，因此中國的死亡數有可能少於50萬。

新加坡的醫療水平高，又像織繡球一樣精細抗疫，控放有序，沒有像香港那樣出現醫療擠兌和死亡堆積。新加坡的疫苗加強接種率高於中國，並且絕大多數接種的是保護效果更好的mRNA疫苗，而中國接種的是滅活疫苗。因此中國的新冠死亡數不應少於26萬。

2021年全國59%的遺體是火葬，共火葬596萬具，平均每天1.6萬具，北京、上海、天津平均每天火葬296、384、222具。中國放棄清零政策後，疫情快速蔓延，一些地區出現醫療擠兌，每天的死亡數是平時的數倍，殯儀館、火葬場出現遺體堆積。一些人據此誤以爲中國會病死數百萬人，誤以爲過去三年的嚴厲抗疫政策真挽救了上千萬生命。

中國在重症醫學上的準備並不充足，而是非常倉促。根據《中國衛生健康統計年鑑》，全國重症醫學牀位總數: 2019年57160張，2020年63527張，2021年67198張（每10萬人4.8張）。2022年11月15日《人民日報》發表《堅定不移貫徹“動態清零”總方針》[30], 各地還忙於建方艙醫院。在2022年11月22日的國務院聯防聯控機制新聞發佈會，國家衛生健康委醫療應急司司長郭燕紅說[31]：“每10萬人口的重症醫療牀位纔不到4張”，“要補齊重症醫療服務的短板”。

但在2022年12月9日國家衛健委醫政司司長焦雅輝卻公佈[32]：“目前，全國的重症醫學牀位總數是13.81萬張，其中三級醫療機構重症醫學牀位是10.65萬張。重症醫學牀位接近10張/10萬人的水平。”2023年1月6日焦雅輝再次公佈：“全國重症醫學牀位總數爲21.6萬張”[33]。重症醫學牀位瞬間降級暴增，是因爲中國政府推動各級各類醫療機構實現了“平急轉換”。

中國77%的重症醫學牀位分佈在位於省會、地級市的三級醫療機構，其他23%的牀位也基本分佈在大城市。而根據2020年人口普查，68%的65歲及以上老人分佈在鄉鎮。很多留守農村的老人，子女並不在身邊，重症轉縣醫院都不多，轉三級醫院極少，因此這次疫情對鄉鎮的老人衝擊最大。如果中國將用於“新冠清零”成本的1%用於農村醫療建設，可以避免一些死亡。

表4、中國地級市新冠病死數估算

		病死1		病死2
省份	地市	數	率	數	率
河北	石家莊	4050	3.6	1866	1.7
河北	唐山	3273	4.2	1505	1.9
河北	秦皇島	1402	4.5	647	2.1
河北	邯鄲	3111	3.3	1427	1.5
河北	邢臺	2448	3.4	1122	1.6
河北	保定	4211	3.6	1934	1.7
河北	張家口	2094	5.1	970	2.4
河北	承德	1388	4.1	636	1.9
河北	滄州	2728	3.7	1254	1.7
河北	廊坊	1724	3.2	789	1.4
河北	衡水	1719	4.1	791	1.9
山西	太原	1919	3.6	894	1.7
山西	大同	1341	4.3	622	2.0
山西	陽泉	514	3.9	236	1.8
山西	長治	1092	3.4	500	1.6
山西	晉城	729	3.3	332	1.5
山西	朔州	615	3.9	285	1.8
山西	晉中	1273	3.8	588	1.7
山西	運城	1877	3.9	868	1.8
山西	忻州	1245	4.6	578	2.2
山西	臨汾	1385	3.5	638	1.6
山西	呂梁	1140	3.4	527	1.5
內蒙古	呼和浩特	1244	3.6	575	1.7
內蒙古	包頭	1193	4.4	554	2.0
內蒙古	烏海	194	3.5	90	1.6
內蒙古	赤峯	1499	3.7	683	1.7
內蒙古	通遼	909	3.2	412	1.4
內蒙古	鄂爾多斯	651	3.0	299	1.4
內蒙古	呼倫貝爾	940	4.2	433	1.9
內蒙古	巴彥淖爾	618	4.0	284	1.8
內蒙古	烏蘭察布	1016	6.0	472	2.8

內蒙古	興安盟	435	3.1	197	1.4
內蒙古	錫林郭勒	377	3.4	172	1.6
內蒙古	阿拉善	81	3.1	37	1.4
遼寧	瀋陽	4121	4.5	1905	2.1
遼寧	大連	3778	5.1	1754	2.4
遼寧	鞍山	1799	5.4	833	2.5
遼寧	撫順	1095	5.9	505	2.7
遼寧	本溪	737	5.6	340	2.6
遼寧	丹東	1212	5.5	560	2.6
遼寧	錦州	1453	5.4	671	2.5
遼寧	營口	1139	4.9	526	2.3
遼寧	阜新	825	5.0	380	2.3
遼寧	遼陽	835	5.2	386	2.4
遼寧	盤錦	572	4.1	263	1.9
遼寧	鐵嶺	1139	4.8	522	2.2
遼寧	朝陽	1309	4.6	602	2.1
遼寧	葫蘆島	1183	4.9	546	2.2
吉林	長春	3571	3.9	1644	1.8
吉林	吉林	1740	4.8	801	2.2
吉林	四平	801	4.4	367	2.0
吉林	遼源	453	4.5	207	2.1
吉林	通化	807	4.5	369	2.0
吉林	白山	521	5.4	241	2.5
吉林	松原	845	3.8	384	1.7
吉林	白城	659	4.2	301	1.9
吉林	延邊	943	4.7	434	2.2
黑龍江	哈爾濱	4176	4.2	1923	1.9
黑龍江	齊齊哈爾	1819	4.5	835	2.1
黑龍江	雞西	812	5.4	376	2.5
黑龍江	鶴崗	478	5.4	221	2.5
黑龍江	雙鴨山	619	5.1	287	2.4
黑龍江	大慶	1101	4.0	505	1.8
黑龍江	伊春	533	6.1	247	2.8
黑龍江	佳木斯	916	4.2	420	1.9
黑龍江	七臺河	275	4.0	125	1.8
黑龍江	牡丹江	1194	5.2	553	2.4
黑龍江	黑河	546	4.2	250	1.9
黑龍江	嫩江	1560	4.2	713	1.9

黑龍江	大興安嶺	160	4.8	74	2.2
上海	上海	12418	5.0	5803	2.3
江蘇	南京	3974	4.3	1858	2.0
江蘇	無錫	3232	4.3	1506	2.0
江蘇	徐州	4161	4.6	1942	2.1
江蘇	常州	2312	4.4	1077	2.0
江蘇	蘇州	4823	3.8	2249	1.8
江蘇	南通	5674	7.3	2672	3.5
江蘇	連雲港	1973	4.3	915	2.0
江蘇	淮安	2253	4.9	1048	2.3
江蘇	鹽城	3979	5.9	1854	2.8
江蘇	揚州	2636	5.8	1232	2.7
江蘇	鎮江	1594	5.0	742	2.3
江蘇	泰州	3029	6.7	1424	3.2
江蘇	宿遷	2164	4.3	1009	2.0
浙江	杭州	4427	3.7	2065	1.7
浙江	寧波	3587	3.8	1664	1.8
浙江	溫州	3678	3.8	1716	1.8
浙江	嘉興	2283	4.2	1064	2.0
浙江	湖州	1591	4.7	742	2.2
浙江	紹興	2498	4.7	1162	2.2
浙江	金華	2596	3.7	1211	1.7
浙江	衢州	1297	5.7	605	2.7
浙江	舟山	607	5.2	282	2.4
浙江	台州	3052	4.6	1425	2.2
浙江	麗水	1287	5.1	602	2.4
安徽	合肥	3432	3.7	1609	1.7
安徽	蕪湖	1739	4.8	815	2.2
安徽	蚌埠	1483	4.5	696	2.1
安徽	淮南	1512	5.0	708	2.3
安徽	馬鞍山	1146	5.3	538	2.5
安徽	淮北	888	4.5	418	2.1
安徽	銅陵	684	5.2	320	2.4
安徽	安慶	2039	4.9	952	2.3
安徽	黃山	700	5.3	326	2.5
安徽	滁州	1909	4.8	894	2.2
安徽	阜陽	3439	4.2	1613	2.0
安徽	宿州	2501	4.7	1177	2.2

安徽	六安	2090	4.8	975	2.2
安徽	亳州	2093	4.2	982	2.0
安徽	池州	630	4.7	293	2.2
安徽	宣城	1287	5.1	600	2.4
福建	福州	2975	3.6	1382	1.7
福建	廈門	988	1.9	454	0.9
福建	莆田	1226	3.8	568	1.8
福建	三明	1140	4.6	531	2.1
福建	泉州	2498	2.8	1151	1.3
福建	漳州	1983	3.9	919	1.8
福建	南平	1253	4.7	582	2.2
福建	龍巖	1236	4.5	577	2.1
福建	寧德	1237	3.9	573	1.8
江西	南昌	2065	3.3	964	1.5
江西	景德鎮	545	3.4	251	1.6
江西	萍鄉	715	4.0	331	1.8
江西	九江	1686	3.7	780	1.7
江西	新餘	462	3.8	214	1.8
江西	鷹潭	421	3.6	194	1.7
江西	贛州	3104	3.5	1441	1.6
江西	吉安	1730	3.9	802	1.8
江西	宜春	1910	3.8	884	1.8
江西	撫州	1289	3.6	597	1.7
江西	上饒	2383	3.7	1103	1.7
山東	濟南	3744	4.1	1735	1.9
山東	青島	4412	4.4	2049	2.0
山東	淄博	2335	5.0	1085	2.3
山東	棗莊	1635	4.2	760	2.0
山東	東營	918	4.2	426	1.9
山東	煙臺	3788	5.3	1760	2.5
山東	濰坊	4279	4.6	1983	2.1
山東	濟寧	3497	4.2	1618	1.9
山東	泰安	2426	4.4	1120	2.0
山東	威海	1628	5.6	756	2.6
山東	日照	1404	4.7	652	2.2
山東	臨沂	4705	4.3	2182	2.0
山東	德州	2297	4.1	1060	1.9
山東	聊城	2321	3.9	1071	1.8

山東	濱州	1729	4.4	800	2.0
山東	菏澤	3696	4.2	1719	2.0
河南	鄭州	3507	2.8	1627	1.3
河南	開封	1933	4.0	896	1.9
河南	洛陽	2732	3.9	1267	1.8
河南	平頂山	2050	4.1	952	1.9
河南	安陽	1948	3.6	897	1.6
河南	鶴壁	524	3.3	242	1.5
河南	新鄉	2352	3.8	1090	1.7
河南	焦作	1316	3.7	607	1.7
河南	濮陽	1324	3.5	611	1.6
河南	許昌	1881	4.3	874	2.0
河南	漯河	1080	4.6	502	2.1
河南	三門峽	796	3.9	367	1.8
河南	南陽	3823	3.9	1767	1.8
河南	商丘	3254	4.2	1519	1.9
河南	信陽	2542	4.1	1177	1.9
河南	周口	3856	4.3	1796	2.0
河南	駐馬店	3177	4.5	1481	2.1
河南	河南	248	3.4	113	1.6
湖北	武漢	4311	3.5	1999	1.6
湖北	黃石	890	3.6	412	1.7
湖北	十堰	1152	3.6	529	1.6
湖北	宜昌	1957	5.2	908	2.4
湖北	襄陽	2156	4.1	994	1.9
湖北	鄂州	404	3.7	187	1.7
湖北	荊門	1161	4.5	535	2.1
湖北	孝感	1858	4.4	863	2.0
湖北	荊州	2625	5.0	1219	2.3
湖北	黃岡	2520	4.3	1165	2.0
湖北	咸寧	945	3.6	435	1.6
湖北	隨州	852	4.2	392	1.9
湖北	恩施	1543	4.5	718	2.1
湖北	湖北轄	1636	4.8	758	2.2
湖南	長沙	3356	3.3	1556	1.5
湖南	株洲	1700	4.4	788	2.0
湖南	湘潭	1368	5.0	639	2.3
湖南	衡陽	2864	4.3	1328	2.0

湖南	邵陽	3179	4.8	1484	2.3
湖南	岳陽	2259	4.5	1050	2.1
湖南	常德	3013	5.7	1408	2.7
湖南	張家界	749	4.9	350	2.3
湖南	益陽	2101	5.5	983	2.6
湖南	郴州	1795	3.8	829	1.8
湖南	永州	2328	4.4	1083	2.0
湖南	懷化	2238	4.9	1044	2.3
湖南	婁底	1715	4.5	800	2.1
湖南	湘西	1140	4.6	535	2.1
廣東	廣州	4833	2.6	2260	1.2
廣東	韶關	1244	4.4	580	2.0
廣東	深圳	1771	1.0	809	0.5
廣東	珠海	511	2.1	236	1.0
廣東	汕頭	1855	3.4	863	1.6
廣東	佛山	2148	2.3	993	1.0
廣東	江門	1880	3.9	874	1.8
廣東	湛江	3030	4.3	1425	2.0
廣東	茂名	2607	4.2	1223	2.0
廣東	肇慶	1568	3.8	731	1.8
廣東	惠州	1470	2.4	683	1.1
廣東	梅州	1906	4.9	893	2.3
廣東	汕尾	985	3.6	461	1.7
廣東	河源	1195	4.2	560	2.0
廣東	陽江	1126	4.3	528	2.0
廣東	清遠	1526	3.8	711	1.8
廣東	東莞	1250	1.2	572	0.5
廣東	中山	813	1.8	373	0.8
廣東	潮州	1045	4.1	485	1.9
廣東	揭陽	2060	3.7	964	1.7
廣東	雲浮	985	4.1	460	1.9
廣西	南寧	2989	3.4	1393	1.6
廣西	柳州	1629	3.9	758	1.8
廣西	桂林	2256	4.6	1051	2.1
廣西	梧州	1167	4.1	546	1.9
廣西	北海	743	4.0	348	1.9
廣西	防城港	356	3.4	166	1.6
廣西	欽州	1230	3.7	573	1.7

廣西	貴港	1731	4.0	809	1.9
廣西	玉林	2164	3.7	1008	1.7
廣西	百色	1404	3.9	654	1.8
廣西	賀州	852	4.2	399	2.0
廣西	河池	1457	4.3	680	2.0
廣西	來賓	908	4.4	424	2.0
廣西	崇左	866	4.1	404	1.9
海南	海口	893	3.1	418	1.5
海南	三亞	236	2.3	109	1.1
海南	三沙	0	1.3	0	0.6
海南	儋州	332	3.5	156	1.6
海南	海南轄	2313	4.4	1085	2.1
重慶	重慶	12167	4.8	5689	2.2
重慶	重慶	3511	5.3	1647	2.5
四川	成都	8483	4.1	3968	1.9
四川	自貢	1578	6.3	740	3.0
四川	攀枝花	567	4.7	266	2.2
四川	瀘州	2153	5.1	1005	2.4
四川	德陽	1965	5.7	918	2.7
四川	綿陽	2535	5.2	1184	2.4
四川	廣元	1153	5.0	536	2.3
四川	遂寧	1622	5.8	761	2.7
四川	內江	1899	6.0	892	2.8
四川	樂山	1806	5.7	847	2.7
四川	南充	3270	5.8	1534	2.7
四川	眉山	1757	5.9	826	2.8
四川	宜賓	2049	4.5	955	2.1
四川	廣安	1788	5.5	838	2.6
四川	達州	2734	5.1	1281	2.4
四川	雅安	725	5.1	340	2.4
四川	巴中	1413	5.2	662	2.4
四川	資陽	1511	6.5	709	3.1
四川	阿壩	270	3.3	126	1.5
四川	甘孜	281	2.5	131	1.2
四川	涼山	1434	3.0	669	1.4
貴州	貴陽	1785	3.0	834	1.4
貴州	六盤水	932	3.1	434	1.4
貴州	遵義	2426	3.7	1129	1.7

貴州	安順	867	3.5	404	1.6
貴州	畢節	2141	3.1	995	1.4
貴州	銅仁	1273	3.9	594	1.8
貴州	黔西南	978	3.2	454	1.5
貴州	黔東南	1484	3.9	693	1.8
貴州	黔南	1312	3.8	612	1.8
雲南	昆明	2774	3.3	1297	1.5
雲南	曲靖	1913	3.3	888	1.5
雲南	玉溪	875	3.9	409	1.8
雲南	保山	936	3.8	435	1.8
雲南	昭通	1488	2.9	693	1.4
雲南	麗江	403	3.2	187	1.5
雲南	普洱	785	3.3	362	1.5
雲南	臨滄	710	3.1	328	1.5
雲南	楚雄	875	3.6	404	1.7
雲南	紅河	1465	3.3	679	1.5
雲南	文山	1073	3.1	498	1.4
雲南	西雙版納	349	2.7	160	1.2
雲南	大理	1193	3.6	552	1.7
雲南	德宏	359	2.7	165	1.3
雲南	怒江	145	2.6	67	1.2
雲南	迪慶	110	2.8	51	1.3
西藏	拉薩	151	1.7	69	0.8
西藏	日喀則	127	1.6	57	0.7
西藏	昌都	138	1.8	64	0.8
西藏	林芝	38	1.6	17	0.7
西藏	山南	74	2.1	34	0.9
西藏	那曲	73	1.4	33	0.7
西藏	阿里	18	1.5	8	0.7
陝西	西安	4071	3.3	1892	1.6
陝西	銅川	318	4.6	148	2.1
陝西	寶雞	1439	4.3	664	2.0
陝西	咸陽	2051	4.1	951	1.9
陝西	渭南	2086	4.4	964	2.1
陝西	延安	722	3.2	332	1.5
陝西	漢中	1537	4.8	712	2.2
陝西	榆林	1206	3.3	556	1.5
陝西	安康	968	3.9	446	1.8

陝西	商洛	715	3.5	327	1.6
甘肅	蘭州	1592	3.7	742	1.7
甘肅	嘉峪關	100	3.2	46	1.5
甘肅	金昌	164	3.7	76	1.7
甘肅	白銀	600	4.0	278	1.8
甘肅	天水	1054	3.5	488	1.6
甘肅	武威	510	3.5	233	1.6
甘肅	張掖	339	3.0	153	1.4
甘肅	平涼	710	3.8	328	1.8
甘肅	酒泉	327	3.1	149	1.4
甘肅	慶陽	786	3.6	362	1.7
甘肅	定西	916	3.6	423	1.7
甘肅	隴南	834	3.5	386	1.6
甘肅	臨夏	643	3.1	299	1.4
甘肅	甘南	196	2.8	91	1.3
青海	西寧	767	3.1	355	1.4
青海	海東	363	2.7	166	1.2
青海	海北	53	2.0	24	0.9
青海	黃南	62	2.2	29	1.0
青海	海南	93	2.1	43	1.0
青海	果洛	35	1.6	16	0.8
青海	玉樹	83	1.9	39	0.9
青海	海西	71	1.5	32	0.7
寧夏	銀川	735	2.6	338	1.2
寧夏	石嘴山	281	3.7	130	1.7
寧夏	吳忠	350	2.5	161	1.2
寧夏	固原	327	2.9	151	1.3
寧夏	中衛	282	2.6	129	1.2
新疆	烏魯木齊	1308	3.2	610	1.5
新疆	克拉瑪依	169	3.4	78	1.6
新疆	吐魯番	138	2.0	62	0.9
新疆	哈密	233	3.5	108	1.6
新疆	昌吉	568	3.5	263	1.6
新疆	博爾塔拉	133	3.1	61	1.4
新疆	巴音郭楞	379	2.5	174	1.2
新疆	阿克蘇	503	1.9	229	0.8
新疆	克孜	103	1.6	47	0.7
新疆	喀什	714	1.6	325	0.7
新疆	和田	314	1.3	141	0.6
新疆	伊犁	721	2.6	332	1.2
新疆	塔城	399	3.6	185	1.7
新疆	阿勒泰	170	2.6	78	1.2
新疆	區直轄	549	3.5	257	1.6

表5、病死率最高的50個縣級行政區

			病死1		病死2
省份	地市	縣區	數	率	數	率
江蘇	南通市	如東縣	850	9.7	401	4.6
上海	上海	崇明區	607	9.5	286	4.5
江蘇	南通市	啓東市	827	8.6	389	4.0
江蘇	鹽城市	東臺市	755	8.5	355	4.0
黑龍江	伊春市	大箐山縣	47	8.2	22	3.8
江蘇	南通市	海安市	700	8.0	330	3.8
四川	資陽市	樂至縣	382	7.8	180	3.7
江蘇	南通市	如皋市	964	7.8	454	3.7
山東	威海市	乳山市	358	7.7	167	3.6
江蘇	泰州市	姜堰區	512	7.7	241	3.6
江蘇	南通市	通州區	960	7.6	452	3.6
江蘇	泰州市	興化市	856	7.6	403	3.6
四川	樂山市	井研縣	211	7.5	99	3.5
內蒙古	烏蘭察布市	卓資縣	64	7.5	30	3.5
黑龍江	雙鴨山市	嶺東區	21	7.5	10	3.5
上海市	上海	虹口區	566	7.5	266	3.5
黑龍江	伊春市	豐林縣	46	7.4	22	3.5
遼寧	撫順市	東洲區	176	7.4	82	3.5
黑龍江	伊春市	友好區	40	7.4	19	3.5
江蘇	南通市	海門市	728	7.3	343	3.5
四川	自貢市	榮縣	339	7.2	160	3.4
遼寧	撫順市	新撫區	161	7.2	75	3.4
內蒙古	烏蘭察布市	涼城縣	86	7.2	40	3.4
河北	張家口市	尚義縣	75	7.2	35	3.3
江蘇	泰州市	泰興市	712	7.2	335	3.4
上海市	上海	長寧區	495	7.1	234	3.4
黑龍江	鶴崗市	向陽區	52	7.1	24	3.3
湖北	黃石市	鐵山區	30	7.1	14	3.3
四川	南充市	西充縣	296	7.0	139	3.3
內蒙古	烏蘭察布市	察哈爾右前旗	88	7.0	41	3.3
上海市	上海	楊浦區	869	7.0	408	3.3
山東	威海市	文登區	394	7.0	184	3.3
內蒙古	烏蘭察布市	察哈爾右中旗	60	7.0	28	3.2
四川	自貢市	貢井區	158	7.0	74	3.3
黑龍江	伊春市	湯旺縣	23	6.9	11	3.3
遼寧	阜新市	太平區	99	6.9	46	3.2
陝西	榆林市	佳縣	78	6.9	37	3.2
四川	綿陽市	鹽亭縣	256	6.9	120	3.2
上海市	上海	靜安區	673	6.9	316	3.2
吉林	白山市	江源區	95	6.9	44	3.2
黑龍江	伊春市	南岔縣	57	6.9	26	3.2
上海市	上海	徐彙區	764	6.9	361	3.2
四川	樂山市	五通橋區	163	6.9	77	3.2
內蒙古	烏蘭察布市	察哈爾右後旗	71	6.9	33	3.2
江蘇	揚州市	江都區	633	6.8	297	3.2
山東	煙臺市	棲霞市	298	6.8	138	3.2
湖南	常德市	安鄉縣	292	6.8	137	3.2
四川	眉山市	青神縣	115	6.8	54	3.2
江蘇	揚州市	高郵市	483	6.8	227	3.2
四川	樂山市	沙灣區	99	6.8	46	3.2

註釋：

《張文宏：人類歷史上從未有一例傳染病控制靠羣體免疫》，人民日報（來源：《新民晚報》），2020年4月16日，https://wap.peopleapp.com/article/5392226/5305978
喬地：《錯把人羣當畜羣，一些國家正在品嚐惡果》，《科技日報》，2020年5月19 ，http://m.stdaily.com/index/kejixinwen/2020-05/19/content_943361.shtml
《鍾南山：我國疫情防控保護了近2000萬人》，新浪網，2022年12月15日， https://k.sina.com.cn/article_6351705477_m17a97558503302165g.html?from=edu#/
易富賢：《瘟疫爲什麼導致生育率下降》，《南方週末》，2020年4月30日，https://new.qq.com/rain/a/20200506A00UF200
易富賢：《新冠疫情下的生命覈算和人口政策反思》，《中國改革》 2020年第4期（2020年7月1日出版）, https://cnreform.caixin.com/2020-07-09/101577479.html
易富賢：《“病死”影響當下，“少生”關係未來》，《環球時報》，2020年5月24日，https://opinion.huanqiu.com/article/9CaKrnKr7n9
“Life expectancy at birth, total (years)”, World Bank database, https://data.worldbank.org/indicator/sp.dyn.le00.in
Fertility rate, total (births per woman), https://data.worldbank.org/indicator/SP.DYN.TFRT.IN
U.S. Election Results, https://newsinteractives.cbc.ca/elections/us/2020/results/
Births: Final Data for 2020, https://www.cdc.gov/nchs/data/nvsr/nvsr70/nvsr70-17.pdf
States Ranked by Age-Adjusted COVID Deaths，https://www.bioinformaticscro.com/blog/states-ranked-by-age-adjusted-covid-deaths/
United States Life Tables, 2020，https://www.cdc.gov/nchs/data/nvsr/nvsr71/nvsr71-01.pdf
Births: Final Data for 2020, https://www.cdc.gov/nchs/data/nvsr/nvsr70/nvsr70-17.pdf
Provisional COVID-19 Deaths by HHS Region, Race, and Age，https://data.cdc.gov/NCHS/Provisional-COVID-19-Deaths-by-HHS-Region-Race-and/tpcp-uiv5
National Population by Characteristics: 2010-2020，https://www.census.gov/programs-surveys/popest/technical-documentation/research/evaluation-estimates/2020-evaluation-estimates/2010s-national-detail.html
Provisional CVID-19 Age-Adjusted Death Rates, by Race and Ethnicity — United States, 2020–2021, https://www.cdc.gov/mmwr/volumes/71/wr/mm7117e2.htm
Annual Number of New Legal Permanent Residents by Country of Birth, Fiscal Years 1999 to 2020. https://www.migrationpolicy.org/sites/default/files/datahub/MPI-Data-Hub_LPRsbyCOB_2020.xlsx
“Asian Americans: Diverse and Growing”,Population Bulletin, 53, No. 2 (1998), https://www.prb.org/resources/asian-america, ns-diverse-and-growing/
Dennis Normile, “Models predict massive wave of disease and death if China lifts ‘zero COVID’ policy,” Science, 6 Dec 2022, https://www.science.org/content/article/models-predict-massive-wave-disease-and-death-if-china-lifts-zero-covid-policy
Smriti Mallapaty, “China COVID wave could kill one million people, models predict”, Nature, 20 December 2022, https://www.nature.com/articles/d41586-022-04502-w
Kathy Leung, Gabriel M. Leung, Joseph T. Wu：“Modelling the adjustment of COVID-19 response and exit from dynamic zero-COVID in China”. medRxiv , December 14, 2022. https://www.medrxiv.org/content/10.1101/2022.12.14.22283460v1.full.pdf
令和４年１～８月における新型コロナの重症化率・致死率について https://www.mhlw.go.jp/content/10900000/001027743.pdf
《2019冠狀病毒病死亡個案報告初步數據分析( 2021年12月31日至2023年1月4日)》，https://www.covidvaccine.gov.hk/pdf/death_analysis.pdf
《2019冠狀病毒病死亡個案報告初步數據分析( 2021年12月31日至2023年1月4日)》，https://www.covidvaccine.gov.hk/pdf/death_analysis.pdf
Smith DJ, Hakim AJ, Leung GM, Xu W, Schluter WW, Novak RT, Marston B, Hersh BS. COVID-19 mortality and vaccine coverage-Hong Kong special administrative region, China, January 6, 2022-March 21, 2022. MMWR Morb Mortal Wkly Rep. 2022;71:545–548. doi: 10.15585/mmwr.mm7115e1. https://www.cdc.gov/mmwr/volumes/71/wr/mm7115e1.htm
《同樣是奧密克戎感染，爲何新加坡的輕症感覺輕得多？》，2022年12月28日，https://redian.news/wxnews/195814
Guanhao He, et al. “Association Between COVID-19 Vaccination Coverage and Case Fatality Ratio: a Comparative Study - Hong Kong SAR, China and Singapore, December 2021-March 2022”, China CDC Wkly, 2022 Jul 29;4(30):649-654. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC9433760/
《2019冠狀病毒病死亡個案報告初步數據分析( 2021年12月31日至2023年1月4日)》，https://www.covidvaccine.gov.hk/pdf/death_analysis.pdf
《國家疾控局：60歲以上老年人全程接種新冠疫苗超2.28億人佔老年人口86.6%》，央視網，2022年12月14日，https://news.cctv.com/2022/12/14/ARTIRwfZV158fjXiew866cI6221214.shtml
仲音：《堅定不移貫徹“動態清零”總方針》，《人民日報》（2022年11月15日第03版），http://paper.people.com.cn/rmrb/html/2022-11/15/nw.D110000renmrb_20221115_2-03.htm
國務院聯防聯控機制2022年11月22日新聞發佈會文字實錄，http://www.nhc.gov.cn/xcs/s3574/202211/73e4c0a099244ca8a512aa97468ce68e.shtml
國務院聯防聯控機制2022年12月9日新聞發佈會，http://www.nhc.gov.cn/cms-search/xxgk/getManuscriptXxgk.htm?id=d9f06b80eaaf4e37bf1023e9bb89d711
李純、黃鈺欽：《中國國家衛健委：全國重症醫學牀位總數逾21萬張》，中國新聞網，2023年1月6日，https://www.chinanews.com.cn/gn/2023/01-06/9929555.shtml

（文章只代表評論員個人的立場和觀點）

RFA

評論 | 易富賢：新冠疫情對中國的出生和死亡的影響

熱門文章

RFA

熱門文章

評論