国立感染症研究所

我が国におけるすべての死因を含む超過死亡の推定
(2020年9月までのデータ分析)

 掲載日:2020年12月23日

 

※結果をご覧いただく際の注意事項

本報告(2020年9月までのデータ分析)は、すべての死因を含む超過死亡数を提供します。すべての死因を含むため、観察された超過死亡数は新型コロナウイルス感染症を直接の原因とする死亡の総和ではなく、生活習慣の変化等に伴う持病の悪化による死亡といった間接的な影響による死亡も含まれています。これら死因を考慮し、直接と間接を明確にした分析結果は、別途公表いたします。

本報告は、日本国内での新型コロナウイルスの影響に関しての「データに基づく開かれた議論」に貢献することを主眼としています。開かれた議論の担保のため、データおよび解析用のプログラムコードは全て公開されています(補足資料)。超過死亡数は、「過去のデータをもとに統計モデルから予測された死亡数」と「実際に観測された死亡数」の差として計算されています。統計モデルとデータ解析の説明については、これまでのすべての死因を含む超過死亡数の報告における解説 およびQ&A もご参照ください。加えて、超過死亡は新型コロナウイルス問題が顕在化した 2020 年1月下旬以降だけではなく、過去の時点でも確認されています。過去との比較目的で、本分析では最近2017年以降の毎年毎月の超過死亡数も報告いたします。

 

要約

2012年–2020年の人口動態統計データを用いて、日本における新型コロナウイルス感染症流行期における2020年1月から9月27日における超過死亡数を、週別、都道府県別に推定しました。前回報告同様、米国疾病予防管理センター(CDC)の用いるFarringtonアルゴリズム、および欧州死亡率モニター(EuroMOMO)の用いるEuroMOMOアルゴリズムを用いて推定しています。期間中、予測死亡数の95%片側予測区間(上限)を超える観測死亡数が認められた週は、両アルゴリズムで24都府県、片方で4県において検出されました。各県の期間中の毎週の超過死亡数の積算値は次の通りです。

  • Farringtonアルゴリズム:青森(7–84), 秋田(17–150), 山形(4–98), 栃木(14–212), 群馬(37–258), 埼玉(79–606), 千葉(100–454), 東京(287–921), 神奈川(94–348), 富山(17–159), 山梨(6–137), 静岡(42–291), 愛知(91–689), 三重(34–244), 滋賀(18–183), 大阪(224–860), 兵庫(54–467), 奈良(16–183), 和歌山(7–140), 岡山(9–171), 山口(5–103), 徳島(4–113), 香川(16–207), 佐賀(5–92), 宮崎(22–291)
  • EuroMOMOアルゴリズム:青森(14–181), 秋田(14–234), 茨城(11–285), 栃木(23–295), 群馬(45–402), 埼玉(106–1019), 千葉(106–730), 東京(342–1499), 神奈川(107–684), 富山(10–204), 山梨(3–207), 静岡(73–614), 愛知(135–1068), 三重(24–336), 滋賀(19–262), 大阪(254–1237), 兵庫(68–676), 奈良(15–272), 和歌山(1–222), 岡山(5–215), 山口(9–191), 徳島(4–167), 香川(4–242), 愛媛(4–169), 福岡(4–323), 佐賀(4–152), 宮崎(4–303)

47都道府県(全国)の超過死亡数の積算は、Farringtonアルゴリズムで1209–9744、 EuroMOMOアルゴリズムで1408–15538でした。1月から9月時点で、最も多くの超過死亡数が確認された月は8月でした(Farringtonアルゴリズムで943–3809、 EuroMOMOアルゴリズムで1066–5500)。

過去2017–2019年の1-9月の超過死亡数は、Farringtonアルゴリズム・EuroMOMOアルゴリズムそれぞれで、2127–22343・1812–31207(2019年)、4400–31065・1821–30863(2018年)、3173–33479・297–22248(2017年)でした。なお、Farringtonアルゴリズムでは過去5年間の同期間のデータが推定に用いられています。例えば2017年の超過死亡数は2012年からのデータから、2018年は2013年からのデータが使用されています。一方でEuroMOMOアルゴリズムは、年にかかわらず2012年から2020年までのデータが使用されています。

報告の遅れや、介入、社会人口学的・経済的な状況が異なるため必ずしも直接の比較はできないですが、日本のすべての死因を含む超過死亡数は、おおよそ同時期の米国およびヨーロッパにおけるそれよりも相対的に小さい(絶対数や対人口比)可能性があります(参考)。

 参考

 

1. 超過死亡推定法

本稿における新型コロナウイルス感染症流行期における超過死亡数は、特定の集団における2020年1月以降(感染研疫学週における2020年第1週[2019年12月30日–2020年1月5日]から第39週[2020年9月21日–27日]まで)に、例年の死亡数をもとに推定される死亡数(予測死亡数の点推定)[閾値1]およびその95%片側予測区間(上限)[閾値2]と実際の死亡数(観測死亡数)との差のレンジで提示しています。ここで、「死亡数」が指すのはすべての死亡であり、新型コロナウイルス感染症を直接の原因とする死亡のみならず、様々な間接的な疾患に起因する死亡の増減分も含まれています。

推定方法は米国疾病予防管理センター(CDC)の用いるFarringtonアルゴリズム、および欧州死亡率モニター(EuroMOMO)の用いるEuroMOMOアルゴリズムを用いました(詳しくは7月報告分を参照)。分析には2012年から2018年の人口動態統計の数値を利用しました。今回の報告では2020年9月分までのデータを利用しています。詳細の方法論及び、速報データの補正に関しては、前回報告を参照下さい。両アルゴリズムのRコードを補足資料1補足資料2として掲載します。本分析に使用された都道府県別の週別の死亡者数、および速報の補正済みデータは、補足資料3を参照下さい。

 

2. 結果

Farringtonアルゴリズム

期間中(2020年1–9月)、予測死亡数の95%片側予測区間(上限)を超える観測死亡数が認められた週は、25都府県において検出されました。各県の期間中の毎週の超過死亡数の積算値は次の通りです:

  • Farringtonアルゴリズム:青森(7–84), 秋田(17–150), 山形(4–98), 栃木(14–212), 群馬(37–258), 埼玉(79–606), 千葉(100–454), 東京(287–921), 神奈川(94–348), 富山(17–159), 山梨(6–137), 静岡(42–291), 愛知(91–689), 三重(34–244), 滋賀(18–183), 大阪(224–860), 兵庫(54–467), 奈良(16–183), 和歌山(7–140), 岡山(9–171), 山口(5–103), 徳島(4–113), 香川(16–207), 佐賀(5–92), 宮崎(22–291)

47都道府県(全国)の超過死亡数の積算は1209–9744で、最も多くの超過死亡数が確認された月は8月でした(943–3809)。過去2017–2019年の1-9月の超過死亡数は、2127–22343(2019年)、4400–31065(2018年)、3173–33479(2017年)でした。

過去を含む都道府県別の超過死亡数は表1参照下さい。週別の超過死亡数は別添図1(補正あり)、図2(補正なし)を参照下さい。

図1:Farringtonアルゴリズムに基づく週別の超過死亡数、速報の補正あり(2017年から)。オレンジ折線=予測死亡数の点推定;緑折線=その95%片側予測区間(上限);青棒グラフ=観測死亡数。十字は観測死亡数>95%片側予測区間(上限)の値のフラグ

図2:Farringtonアルゴリズムに基づく週別の超過死亡数、速報の補正なし(2017年から)。オレンジ折線=予測死亡数の点推定;緑折線=その95%片側予測区間(上限);青棒グラフ=観測死亡数。十字は観測死亡数>95%片側予測区間(上限)の値のフラグ

EuroMOMOアルゴリズム

期間中(2020年1-9月)、予測死亡数の95%片側予測区間(上限)を超える観測死亡数が認められた週は、26都府県において検出されました。各県の期間中の毎週の超過死亡数の積算値は次の通りです:

  • EuroMOMOアルゴリズム:青森(14–181), 秋田(14–234), 茨城(11–285), 栃木(23–295), 群馬(45–402), 埼玉(106–1019), 千葉(106–730), 東京(342–1499), 神奈川(107–684), 富山(10–204), 山梨(3–207), 静岡(73–614), 愛知(135–1068), 三重(24–336), 滋賀(19–262), 大阪(254–1237), 兵庫(68–676), 奈良(15–272), 和歌山(1–222), 岡山(5–215), 山口(9–191), 徳島(4–167), 香川(4–242), 愛媛(4–169), 福岡(4–323), 佐賀(4–152), 宮崎(4–303)

47都道府県(全国)の超過死亡数の積算は1408–15538で、最も多くの超過死亡数が確認された月は8月でした(1066–5500)。過去2017–2019年の1-9月の超過死亡数は、1812–31207(2019年)、1821–30863(2018年)、297–22248(2017年)でした。

過去を含む都道府県別の超過死亡数は表1参照下さい。週別の超過死亡数は別添図3(補正あり)、図4(補正なし)を参照下さい。

図3:EuroMOMOアルゴリズムに基づく週別の超過死亡数、速報の補正あり(2017年から)。オレンジ折線=予測死亡数の点推定;緑折線=その95%片側予測区間(上限);青棒グラフ=観測死亡数。十字は観測死亡数>95%片側予測区間(上限)の値のフラグ

図4:EuroMOMOアルゴリズムに基づく週別の超過死亡数、速報の補正なし(2017年から)。オレンジ折線=予測死亡数の点推定;緑折線=その95%片側予測区間(上限);青棒グラフ=観測死亡数。十字は観測死亡数>95%片側予測区間(上限)の値のフラグ

図1–4の週別の予測死亡数の点推定値およびその95%片側予測区間(上限)は、補足資料4を参照下さい。表1の期間中の全国の積算超過死亡数と、図1–4の全国の期間中の超過死亡数の積算値は一致しません:前者は47都道府県別の超過死亡数の積算を全国の超過死亡数としているのに対し、後者は47都道府県別の観測死亡数、予測死亡数の点推定、その95%片側予測区間を毎週ごとに積算した上で、超過死亡数の算出をしているためです。過去を含む月別の超過死亡数は補足資料5を参照下さい。

表1:2020年1–9月(2019年12月30日から2020年9月27日)のFarringtonアルゴリズムおよびEuroMOMOアルゴリズムに基づく推定超過死亡数。過去についてはそれぞれ2018年12月31日から2019年9月1日(2019年)、2018年1月1日から2018年9月2日(2018年)、2017年1月2日から2017年9月3日(2017年)。

  2020 2019 2018 2017
都道府県 Farring-
ton
Euro-
MOMO
Farring-
ton
Euro-
MOMO
Farring-
ton
Euro-
MOMO
Farring-
ton
Euro-
MOMO
北海道 0-176 0-297 318-1347 221-1479 134-1193 16-1118 28-885 0-662
青森 7-84 14-181 60-540 19-612 36-419 3-375 89-531 10-325
岩手 0-95 0-163 13-387 5-512 10-364 0-440 14-325 2-291
宮城 0-54 0-124 95-607 55-644 33-377 12-372 0-437 0-387
秋田 17-150 14-234 28-296 12-349 20-285 3-327 21-423 3-317
山形 4-98 0-145 13-396 0-417 53-394 19-344 43-354 13-309
福島 0-75 0-133 18-426 19-595 43-454 17-564 27-645 1-514
茨城 0-124 11-285 52-640 53-944 86-666 8-599 93-808 26-609
栃木 14-212 23-295 23-311 38-505 23-292 18-350 136-785 14-527
群馬 37-258 45-402 59-560 34-691 45-548 26-495 76-655 18-401
埼玉 79-606 106-1019 202-1119 189-1490 289-1653 74-1382 111-1555 0-875
千葉 100-454 106-730 225-1239 201-1544 69-742 11-830 133-1475 2-887
東京 287-921 342-1499 380-1848 360-2634 590-2820 254-2380 266-2759 0-1143
神奈川 94-348 107-684 96-974 132-1741 153-1439 85-1712 253-2131 3-1247
新潟 0-0 0-80 48-502 49-745 143-877 55-765 35-731 0-442
富山 17-159 10-204 20-250 10-332 19-229 9-300 18-353 0-270
石川 0-52 0-120 39-327 15-366 15-250 5-262 69-373 30-288
福井 0-101 0-123 16-296 11-369 21-240 17-286 31-338 0-265
山梨 6-137 3-207 28-309 15-350 38-308 23-267 24-295 5-247
長野 0-94 0-162 51-562 38-697 42-279 40-395 53-699 7-517
岐阜 0-134 0-211 28-395 26-625 21-393 6-536 12-604 0-556
静岡 42-291 73-614 11-689 0-1080 94-1128 67-1058 164-1245 27-676
愛知 91-689 135-1068 22-739 60-1368 352-1690 199-1632 123-1240 6-854
三重 34-244 24-336 52-344 28-481 87-536 18-579 33-430 3-398
滋賀 18-183 19-262 5-167 4-310 83-407 64-447 54-471 10-335
京都 0-250 0-344 26-556 16-603 138-648 85-603 90-707 9-472
大阪 224-860 254-1237 0-812 22-1531 482-2384 212-2116 268-2120 0-988
兵庫 54-467 68-676 21-786 31-1064 102-1197 35-1210 30-1184 0-718
奈良 16-183 15-272 9-239 7-326 50-410 18-382 9-501 0-349
和歌山 7-140 1-222 0-154 0-241 61-466 11-408 37-383 4-295
鳥取 0-59 0-64 25-209 19-245 13-136 10-179 22-233 11-251
島根 0-143 0-189 7-176 1-244 10-300 1-312 40-292 6-256
岡山 9-171 5-215 0-223 0-359 110-696 55-727 21-464 0-366
広島 0-93 0-189 5-528 5-767 227-994 88-1009 104-768 25-590
山口 5-103 9-191 0-207 0-356 61-511 1-429 95-480 8-361
徳島 4-113 4-167 0-248 0-300 12-245 1-275 30-443 1-335
香川 16-207 4-242 8-200 2-243 41-420 21-423 9-214 7-208
愛媛 0-104 4-169 13-369 11-433 113-500 70-514 20-440 0-337
高知 0-84 0-148 9-250 3-344 73-378 22-365 19-273 0-212
福岡 0-110 4-323 42-567 54-977 103-973 29-1072 257-1534 17-938
佐賀 5-92 4-152 14-188 10-257 69-382 14-365 30-357 0-215
長崎 0-170 0-286 1-231 0-367 45-600 7-513 39-473 11-279
熊本 0-84 0-132 24-299 31-486 0-253 0-398 35-531 11-469
大分 0-106 0-182 2-180 3-280 38-357 2-392 2-334 0-246
宮崎 22-291 4-303 0-122 0-172 23-275 16-387 0-222 0-277
鹿児島 0-92 0-136 0-204 0-395 92-608 65-655 87-601 7-464
沖縄 0-83 0-121 19-325 3-337 38-349 9-314 23-378 0-280
全国 1209-9744 1408-15538 2127-22343 1812-31207 4400-31065 1821-30863 3173-33479 297-22248

※表のレンジは、「95%片側予測区間(上限)と観測死亡数の差分」〜「予測死亡数の点推定と観測死亡数の差分」を指します。後者については、毎週の死亡者数の偶然の変動(ばらつき)も含まれてしまっていることには注意が必要です。実際、図1–4を見ると、点推定値と観測死亡数の差分がゼロを超える週は、期間中のみならず過去の多くの時点に存在しています。表の値は両アルゴリズムで推定された2020年1月から9月27日までの週別の超過死亡数の積算で、観測値が閾値を超えていない場合はゼロとしてカウントしています。同様に、全国の超過死亡数推定値は、各都道府県の推定値を積算しています。
 

 

3. 超過死亡の解釈

本報告は、すべての死因を含む超過死亡数を提供します。すべての死因を含むため、観察された超過死亡数は新型コロナウイルス感染症を直接の原因とする死亡の総和ではありません。主に以下の内訳等の死亡の総和と解釈できます。

  • 新型コロナウイルス感染症を直接の死因と診断され、実際に新型コロナウイルス感染症を原因とする死亡。
  • 新型コロナウイルス感染症を直接の死因と診断されたが、実際には新型コロナウイルス感染症を原因としない死亡(例えば、実際の死因はインフルエンザだが、新型コロナウイルス感染症が死因と診断された死亡。ただ新型コロナウイルス感染症の診断がPCR検査に基づく現状では、ほぼ該当例はないと考えられる)。
  • 新型コロナウイルス感染症が直接の死因と診断されなかったが(他の病因を直接の死因と診断された)、実際には新型コロナウイルス感染症を原因とする死亡。
  • 新型コロナウイルス感染症が直接の死因ではないが、感染症流行による間接的な影響を受け、他の疾患を原因とした死亡(例えば、病院不受診や生活習慣の変化に伴う持病の悪化による死亡)。
  • 新型コロナウイルス感染症が直接の死因でなく、また新型コロナウイルス感染症流行による間接的な影響を受けたものでもない死亡(2017-2019年の超過死亡数はこれらの死亡を反映したものである)。

一方で、同時期に新型コロナウイルス感染症以外を原因とする死亡(例えばインフルエンザ等他の感染症による死亡)が過去の同時期より減少した場合、新型コロナウイルス感染症を直接死因とする超過死亡を相殺することがあり得えます。

8月に複数の都府県で観察された超過死亡は、暑熱による死亡者数の増加によるものと考えられます。8月は全国的に平年より気温が高く、多くの都道府県で熱中症による救急搬送数が平年と比べて増加しました(総務省消防庁熱中症情報)。暑熱によるものと思われる超過死亡は、2018年7月、2019年7月にも複数の都府県で認められており、珍しいことではありません。

 

4.  補足資料

補足資料1:FarringtonアルゴリズムのRコード。

補足資料2:EuroMOMOアルゴリズムのRコード。

補足資料3:2010年からの都道府県別の週別の死亡者数(速報値については補正あり・なし両方)。

補足資料4a-d:a-dそれぞれ図1–4の実数値。2017年からの都道府県別と全国の週別の予測死亡数の点推定値およびその95%片側予測区間(上限)。

補足資料5:FarringtonアルゴリズムおよびEuroMOMOアルゴリズムの感度分析結果を含む月別の超過死亡(補正あり):毎月の始まりと終わりの日付は感染研疫学週を参照(https://www.niid.go.jp/niid/ja/calendar.html

 

5. 研究班構成員

「新型コロナウイルス感染症等の感染症サーベイランス体制の抜本的拡充に向けた人材育成と感染症疫学的手法の開発研究」(厚生労働科学研究令和2年度)

国立感染症研究所 感染症疫学センター 鈴木 基
国立感染症研究所 感染症疫学センター 砂川 富正
国立感染症研究所 感染症疫学センター 高橋 琢理
国立感染症研究所 感染症疫学センター 土橋 酉紀
国立感染症研究所 感染症疫学センター 小林 祐介
国立感染症研究所 感染症疫学センター 有馬 雄三
国立感染症研究所 感染症疫学センター 加納 和彦
東京大学大学院 医学系研究科国際保健政策学 橋爪 真弘
慶應義塾大学 医学部医療政策・管理学教室 野村 周平
聖路加国際大学大学院 公衆衛生学研究科 米岡 大輔
早稲田大学 ビジネスファイナンス研究センター 田上 悠太
東京工業大学 情報理工学院 川島 孝行
長崎大学 熱帯医学・グローバルヘルス研究科 Chris Fook Sheng Ng
千葉大学 予防医学センター 江口 哲史
国立環境研究所 生物・生態系環境研究センター 瓜生 真也
東京大学大学院 医学系研究科機能生物学専攻 史  蕭逸
理化学研究所 環境資源科学研究センター 河村 優美
株式会社ホクソエム 牧山 幸史
株式会社ホクソエム 松浦 健太郎
慶應義塾大学 医学部医療政策・管理学教室 宮田 裕章
国立循環器病研究センター 予防医学・疫学情報部 小野塚大介
東京大学大学院 医学系研究科国際環境保健学 Yoonhee Kim
国立環境研究所 環境リスク・健康研究センター 林  岳彦

 

6. すべての死因を含む超過死亡数の推定に関するQ&A

すべての死因を含む超過死亡数の推定に関するQ&A(2020年12月23日時点版)


 

過去の報告

Copyright 1998 National Institute of Infectious Diseases, Japan

Top Desktop version