加纳COVID-19大流行对死亡人数的冲击：基于ARIMA干预模型的时间序列分析

这篇研究运用自回归积分滑动平均模型（ARIMA）结合干预分析，评估了COVID-19大流行对加纳全因死亡率的影响。通过分析2018-2022年月度死亡数据，研究发现尽管全球疫情严峻，加纳的死亡人数未显著偏离基于大流行前模式预测值（p=0.563），提示非洲地区可能存在独特的流行病学特征。研究创新性地整合ARIMA(3,1,0)模型与中断时间序列设计（ITS），为资源有限地区的公共卫生决策提供了方法论范例。

　　

研究方法与数据基础

研究采用准实验设计中的中断时间序列分析（ITS），以2020年3月加纳首例COVID-19病例报告为干预节点。数据源自加纳出生死亡登记局（BDR）的月度全因死亡记录，覆盖2018年1月至2022年12月共60个观测点。研究团队通过KPSS检验（p=0.063）确认数据经一阶差分后满足平稳性要求（d=1），并基于赤池信息准则（AIC）和贝叶斯信息准则（BIC）筛选出最优模型为ARIMA(3,1,0)。

模型验证与干预效应

标准化残差图显示无趋势性变化（Ljung-Box检验p=0.5228），Q-Q图证实残差符合正态分布。模型预测显示：

1. 1.

   后干预期32个月中，68.75%（22/32）预测值误差<10%

2. 2.

   实际死亡总数140,784例较预测值142,217例减少1,433例

3. 3.

   月均死亡差异-44.8例（约1%下降），经配对t检验（p=0.563）和Wilcoxon检验（p=0.722）均无统计学意义

非洲特异性发现

与欧美地区不同，研究未发现COVID-19导致的超额死亡。敏感性分析显示，即使对数据±10%调整，干预前后残差仍无显著差异（95%CI包含0）。可能解释包括：

• •

  人口结构优势：15-64岁群体占比达56.7%

• •

  非特异性免疫：卡介苗（BCG）等活疫苗的交叉保护作用

• •

  交通死亡持续上升（年均增长2.1%）排除封锁干扰

方法学创新与局限

研究首次将ARIMA与ITS结合应用于西非死亡率分析，但存在两点局限：

1. 1.

   未区分COVID-19直接/间接死亡

2. 2.

   未纳入变异株特异性数据

公共卫生启示

结果挑战了非洲COVID-19低死亡率的"数据缺陷假说"，支持"免疫保护假说"。建议加强：

• •

  实时死亡率监测系统（DHIMS2）

• •

  针对非传染性疾病（NCDs）的应急管理

• •

  青年群体免疫特征研究

模型应用拓展

该方法可延伸至：

• •

  疫苗干预效果评估

• •

  气候相关死亡预测

• •

  医疗资源需求规划

研究为资源有限地区建立了一套可复制的疫情响应评估框架，其方法论价值超越地理限制，对全球公共卫生决策具有启示意义。