📄 公衆衛生・グローバルヘルス

Large-scale assessment of socioeconomic, demographic and health system structures with US county excess mortality, 2020-2024

米国の2,745郡を対象としたこの大規模な生態学的研究は、2020年から2021年のパンデミック期間中における超過死亡の主な要因は、医療システムの資源ではなく、社会経済的構造および人口統計学的特性であったことを明らかにしているが、これらの相関関係はその後数年間で著しく減退している。

原著者： Levitt, M., Marten, B., Oren, G., Ioannidis, J.

公開日 2026-10-11

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Levitt, M., Marten, B., Oren, G., Ioannidis, J.

原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ⚕️ これは査読を受けていないプレプリントのAI生成解説です。医学的助言ではありません。この内容に基づいて健康上の判断をしないでください。免責事項の全文を読む

パンデミックが襲来するとき、それはあらゆるコミュニティに等しい力で降りかかるわけではない。ある近隣地域が壊滅的な損失を被る一方で、わずか数マイル先にある他の地域では、死者数がはるかに少なくなることがある。この不均衡なパターンはランダムなものではない。それは、人々がどのように生活し、働き、ケアにアクセスするかを形作る、深く根付いた既存の条件の結果である。科学者たちは、これらの条件を「健康の社会的決定要因」と呼んでいる。これらには、家族の収入額、大学の学位の有無、健康保険の加入状況、そして居住する住宅の質といった要因が含まれる。長年、研究者たちはこれらの要因が重要であることを知っていたが、通常は一度にわずかな数しか見ておらず、どの単一の要素が最も重要であるかを推測しようとしてきた。問いは残されていた。もし、すべてを同時に見ることができたなら、その全体像は、なぜある場所が危機の間にこれほど多くの苦しみを受けたのかについて、何を明らかにするのだろうか、ということである。

研究チームは、全米の郡（カウンティ）の全体像を調査することで、この問いに答えるべく動き出した。彼らは調査対象となる容疑者を数人選んだのではなく、全米のすべての郡に関する約3,000もの膨大な事実のリストを集めた。これらの事実は、医師や病床の数から、失業者の割合、貧困層の割合、そしてコミュニティの人種構成に至るまで多岐にわたった。そして、これらの事実を、2020年から2024年までの各郡における超過死亡数と比較した。超過死亡とは、パンデミック前のその郡自身の歴史に基づいた期待値よりも、ある特定の年にどれだけ多くの人が亡くなったかをカウントする特定の指標である。これらの比較を実行することで、研究者たちは、どの郡の特徴が死者の急増と最も密接に結びついているかを見ることができるのである。

結果は、明確かつ一貫した姿を描き出した。死亡率の高さとの最も強い関連が見られたのは、医療インフラではなく、コミュニティの社会的・経済的な構造であった。貧困率が高く、教育水準が低く、健康保険を持たない人が多い郡では、有意に高い超過死亡が確認された。実際、研究者たちは、貧困層の割合が単独で最も強力な予測因子であり、次いで大学学位を持つ成人の割合、そして高所得世帯の割合がそれに近いことが判明した。しかし、最も強力な単一の変数であっても、超過死亡の郡間の変動の42%未満しか説明しておらず、どの単一の特性も決定的なものに近いわけではない。対照的に、一人当たりの医師数や病床数といった医療資源の可用性は、死者数との極めて弱い結びつきしか示さなかった。データは、より多くの医師や病床があることが、人口が経済的に安定し、教育を受けていることほど効果的にコミュニティを守るわけではないことを示唆していた。

このパターンは、ワクチンがまだ利用できず、ウイルスが最も致命的であったパンデミックの最初の2年間、2020年と2021年に最も強烈であった。この時期、最も不遇な郡と最も恵まれた郡との間の格差は際立っていた。研究者たちは、最も強力な社会的要因を組み合わせた単一のスコアを作成し、郡をその優位性によってランク付けした。最も不遇な5分の1の集団における超過死亡は、最も恵まれた5分の1の集団（0.136に対して0.274）の2.0倍であった。パンデミックが2022年、2023年、2024年へと進むにつれ、超過死亡の総数は減少し、これらの社会的要因との結びつきは弱まったが、完全に消失したわけではなかった。研究者たちは、異なる背景情報を用いて異なる年を調べたり、異なる統計的手法を用いたりと、さまざまな方法でデータの妥当性を検証したが、主要な結論は変わらなかった。すなわち、社会環境が死者数の支配的な要因であったということである。

研究者たちは、自分たちの研究は個人ではなく集団を対象としたものであることに注意を払っており、特定の人物が貧困や保険の欠如のために亡くなったことを証明することはできないと述べている。しかし、データセットの膨大さと結果の一貫性は、強力な現実を示唆している。これらの知見は、命を救うための医療システムの能力が、人々が置かれている条件によって深く制約されていることを暗示している。病院は、貧困、教育の欠如、あるいは経済的不安によるストレスの危険を、容易に補うことはできない。この研究は、将来の健康危機を真に理解し防止するためには、病院の壁を越えて、一部のコミュニティを他よりも脆弱なものにしている根本的な経済的・社会的不平等の問題に取り組まなければならないことを示唆している。データは、人口を守るための最も効果的な方法は、病床を増やすことではなく、取り残されたコミュニティを押し上げることであると示している。

問題提起
COVID-19パンデミックは、米国の郡（カウンティ）間における死亡率の著しい地理的変動を浮き彫りにした。既存の文献では、貧困、人種、保険未加入、およびヘルスケアへのアクセスの欠如が不良な結果の相関要因として頻繁に指摘されている。しかし、これまでの分析は断片的であり、通常はわずかな数の予測因子のみを検討している。この断片化は、結論が堅牢な基礎的パターンではなく、特定の分析手法の選択に依存している可能性という懸念を生じさせる。さらに、社会、環境、構造的な決定要因に対して「オミクス」のパラダイムを拡張し、大規模なスケールで疫学的曝露を包括的に研究すると同時に、異なるデータの年代（ヴィンテージ）、重み付けスキーム、および相関指標に対して、知見の堅牢性を検証する必要がある。

方法論
著者らは、2020年から2024年における米国の郡レベルの人口加重・年齢調整済み超過死亡数に対し、2,745個の郡レベル変数を対象とした大規模な生態学的評価を実施した。

データソース： 予測変数は、合成指数として構築されたものではなく、生のデータ列を利用してArea Health Resources File (AHRF) から抽出された。アウトカムは、各郡独自の2017–2019年の年齢別死亡率から導出された期待死亡数と比較することで算出された、年ごとの超過死亡割合である。死亡データは、小規模セル数（1–9件の死亡）に対する抑制ルールを回避するため、補完クエリ法を用いてCDC WONDERから回収された。
変数処理： 本研究では「最新年保持」ルールを適用し、各変数のパンデミック直前の最新値（中央値は2018年）を選択した。変数は一人当たりに正規化され、再スケーリングされた。欠損している予測値には、郡の平均値が補完された。
クラスタリング： 変数名はクリーニングされた後、MPNet文変換器モデルを用いて埋め込み（エンベディング）が行われた。これらの埋め込みはWard法による階層的凝集クラスタリングを用いてクラスタリングされ、その結果、120の意味的クラスターが生成され、さらにそれらは11の「スーパークラスター」（例：社会経済、デモグラフィック、ヘルスシステム）へと集約された。
統計分析： 各年（2020–2024）における各変数と超過死亡アウトカムとの間の加重ピアソン相関係数（CC）を算出した。相関は、弱い（ $|CC| \le 0.30$ ）、中程度（ $0.30 < |CC| \le 0.45$ ）、強い（ $|CC| > 0.45$ ）として分類された。
堅牢性チェック： 本研究では、以下の項目を含む広範な感度分析を実施した：
- 異なる変数の年代（2015年までのデータ vs. 2023–2024年）。
- 様々な人口重み付け（無重み、平方根、0.75乗、全人口）。
- ピアソン相関とスピアマン相関の比較。
- 実証的な帰無分布を確立し、偽発見を制御するための置換テスト（10,000回の置換）。

主な結果

相関の普及度： 全体として、2,745個の変数のうち24.1%が、少なくとも1つの年において中程度の相関レベル（ $|CC| > 0.30$ ）に達した。また、7.4%（202変数）が強い相関（ $|CC| > 0.45$ ）に達した。
時間的動態： 有意な相関の集中は2020年（11.4%）と2021年（14.8%）で最も顕著であった。このシグナルは、その後の数年間（2022年は3.3%、2023年は1.3%、2024年は4.1%）で大幅に減退し、特に65歳未満の人口において顕著であった。
支配的な要因： 最も強い相関は、社会経済的およびデモグラフィックな変数において観察された。上位3つは、貧困率（2021年に $+0.64$ ）、大学卒業率（2021年に$-0.62 $）、および高所得（2021年に$ -0.61 $）であった。$ |CC| > 0.30$となった656個の変数の大部分は、社会経済およびデモグラフィックのスーパークラスターに属していた。
ヘルスシステム要因： 対照的に、ヘルスシステム変数（医師数、病院収容能力など）のうち、中程度の相関閾値に達したのはわずか10.4%であり、社会経済・デモグラフィック変数の42%と比較して低かった。強い相関（ $|CC| > 0.45$ ）に達したヘルスシステム変数は、「16歳以上の就業者数」（$-0.50 $）と「非活動的な女性医師」（$ -0.46$）の2つのみであった。
地理的パターン： $|CC| > 0.45$ に達した200の社会経済およびデモグラフィック変数から構築された「アドバンテージ指数」は、単調な勾配を示した。最も不利な状況にある郡の超過死亡割合は2020–2021年に0.274であったのに対し、最も有利な状況にある郡では0.136であった。この勾配は2022–2024年にも持続したが、その大きさは縮小していた。
堅牢性： 定性的な知見は非常に堅牢であった。主要な相関因子（貧困、保険、教育）は、異なるデータの年代、重み付けスキーム、および相関手法（ピアソン vs. スピアマン）の間で一貫していた。相関の大きさは、大きな郡に与えられる重みによって変化したが、主要な変数のランキングおよび社会経済的要因とヘルスシステム要因の対比は安定していた。

意義と主張
本論文は、少数の特定の予測因子の選択を超えて、約3,000個の膨大な変数セットをスクリーニングすることにより、超過死亡の相関に関する包括的な「鳥瞰図」を提供することを主張している。

社会経済的勾配： 本研究は、郡の社会経済的構造およびデモグラフィクスが、基礎となるヘルスシステムの供給や収容能力よりも、超過死亡とより強く関連していると結論付けている。著者らは、社会経済的な不利は、従来の病院レベルの介入によって対処できるものよりも、より深い根源で作用していることを示唆している。
時間的特異性： 社会経済的要因と超過死亡との間の強い関連は、ワクチン接種の普及や致死性の低い変異株の出現前である、パンデミックの初期段階（2020–2021年）において最も顕著であった。
生態学的性質： 著者らは、データの生態学的性質（生態学的誤謬）に鑑み、因果推論や個人レベルの推論を行うことに対して明示的に注意を促している。彼らは、これらの知見を決定的な個人のリスクメカニズムの証拠としてではなく、生態学的データから生成された仮説として位置づけている。
有用性： 著者らは、これらのパターンが備えの計画において有用であると示唆している。病院のベッド数や医師の供給量によって郡をランク付けすることは、リスクを効果的にランク付けすることにはならない。代わりに、社会経済的な勾配が超過死亡のリスクをより良く予測する。彼らは、このような大規模な「外部エクスポソーム」研究が、主要な健康アウトカムの構成に関する具体的かつ標的を絞った調査を導くことができると提案している。

関連論文