截至8月24日，新冠肺炎已在全球造成超過2300萬人感染與80萬人死亡。從死亡率來看，各國差異可達百倍—從葉門28.6%、義大利13.7%、法國12.8%，到卡達0.2%與新加坡0.1%。除了患者本身的因素外，到底還有哪些因素可以解釋如此巨大的差異呢? 

　　據作者所知，這是第一篇利用跨國大數據系統性地找尋、預測新冠肺炎死亡率的研究。我們於2020年6月13日收集了169個國家的數據，覆蓋了75億人口和780萬名新冠肺炎患者。研究團隊發現，篩檢數越多、政府效能越好、人口結構越年輕、病床數越多、交通越不便利的國家，新冠肺炎患者的死亡率越低。研究團隊進一步發現，如在低收入國家，或政府效能較差、人口結構較年輕、病床數較少的國家，增加新冠肺炎篩檢數，可更為有效地降低新冠肺炎死亡率。台灣被歸類為高收入、高政府效能、高老年人口比例與擁有高床位數之國家。因此，增加篩檢數對降低台灣新冠肺炎死亡率的效果可能有限。

　　經研究分析，我們發現新冠肺炎死亡率的跨國差異可由多種因素解釋，而增加篩檢數或提高政府效能可能有助於降低新冠肺炎死亡率。然而，增加篩檢數的效益，在某些國家並不顯著。這些研究結果將有助於政府制定更有效的政策以降低死亡率，並做為全球政府面對疫情，是否應該進行普篩的重要參考依據。

研究團隊所建立的模型，成功預測新冠肺炎死亡率(相關係數0.77； P<0.001)。

　　截至8月24日，新冠肺炎已在全球造成超過2300萬人感染與80萬人死亡。從死亡率來看，各國差異可達百倍—從葉門28.6%、義大利13.7%、法國12.8%，到卡達0.2%與新加坡0.1%。除了患者本身的差異因素外，到底還有哪些因素可以解釋如此巨大的差異呢?  

　　以患者為觀察對象的研究顯示，新冠肺炎死亡率可以通過年齡、種族、肥胖、潛在疾病、臨床症狀以及先前的免疫力和病毒突變來解釋。這些發現有助於識別高危險群，但是，僅憑這些證據可能不足以幫助政府制定有效政策。在許多政策辯論中，學者們都強調了醫療體系承載力和醫療資源的重要性，其中有人提倡增加篩檢數以減少其傳播與感染。然而，上述的證據尚未被用於解釋新冠肺炎死亡率在國家之間的差異。

　　本研究以國家為觀察對象，探索新冠肺炎死亡率的相關因素。因各國的篩檢與治理能力有很大的差異，我們進而探討篩檢這一關鍵策略和死亡率的相關性。此外，我們也分析了政府運作效能是否與新冠肺炎死亡率相關。本研究還檢視了其他可能因素，包含老年人口比例、醫院病床數和交通基礎設施等。據作者所知，這是第一篇利用跨國大數據系統性地找尋預測新冠肺炎死亡率的研究。 

　　我們於2020年6月13日收集了169個國家的數據，覆蓋了75億人口和780萬名新冠肺炎患者。研究團隊發現，篩檢數、政府效能和病床數與新冠肺炎死亡率呈負相關；並與65歲以上人口比例和交通基礎設施品質呈正相關。這些結果表明，篩檢數越多、政府效能越好、人口結構越年輕、病床數越多、交通越不便利的國家，新冠肺炎的死亡率越低。研究團隊所建立的模型，成功預測新冠肺炎死亡率 (相關係數0.77；P<0.001)。表一列舉部分樣本的資料。 

　　我們進一步發現，在較低收入國家(圖一c)、政府效能較差(圖一f)、人口結構較年輕(圖一i)、病床數較少的國家(圖一l)，可以藉由增加新冠肺炎篩檢數有效地降低死亡率。台灣被歸類為高收入、高政府效能（排名前14%）、高老年人口比例（排名前23%）與高床位數（排名前16%）之國間，因此，增加篩檢數對降低台灣新冠肺炎死亡率的效果可能有限。

　　綜上所述，我們發現新冠肺炎死亡率的跨國差異可由多種因素解釋—篩檢數越少，政府效能越差，人口越老化與病床數越少，則新冠肺炎死亡率越高；而增加篩檢數或提高政府效能將可能有助於降低新冠肺炎死亡率。然而，增加篩檢數的效益，在高收入、高政府效能、人口老化、高床位數的國家並不顯著。這些研究結果將有助各國政府制定更有效的政策以降低死亡率，並做為是否應該進行普篩的重要參考依據。

表一：新冠肺炎死亡率、篩檢數、政府效能、老年人口比例與病床數

註: 新冠肺炎死亡率與篩檢數為2020年6月13日的資料。政府效能與65歲以上人口為2018年資料；床位數為2015年資料。

圖一：Covid-19死亡率與篩檢數之相關性。各國按所得高低分類（a-c）：a. 高所得（N = 59）、b. 中所得（N = 75）、c. 低所得（N = 19）；按政府效能分類（d-f）：d. 高效能（N = 50）、e. 中等效能（N = 50）、f. 低效能（N = 51）；按65歲以上人口比例分類（g-i）：g. 老年人比例高（N = 49）、h. 老年人比例中等（N = 49），i. 老年人比例低（N = 49）；按醫院病床數分類（j-l）：j. 高床位數（N = 45）、k. 中等數量的床（N = 43）、l. 床位數少（N = 46）。