疫情对中国出生和死亡的影响 生死间的神秘对称…

文章来源: - 新闻取自各大新闻媒体,新闻内容并不代表本网立场!
(被阅读 次)

评论 | 易富贤:新冠疫情对中国的出生和死亡的影响



人口学家易富贤 百度百科截图

社会越来越复杂,很多社会现象无法用单一的学科知识来解释。本文将医学引入人口学研究,再将人口学引入医学研究,估算新冠疫情对死亡和出生的影响。如果中国的抗疫政策与美国同步,只会死亡一百多万人,不是主流学者所预测的上千万人。疫情和严厉的抗疫政策导致中国2021-2023年少出生约200万人。中国放弃清零政策后,病死数不会如主流学者所预测的一两百万,而是可能不到50万。



一、对中国新冠死亡的预测

2020年新冠疫情爆发后,张文宏预测美国将病死600万人

1,钟南山预测世界会死亡

4500 万

2。当时多位主流学者预测中国会死亡上千万人,于是中国政府出于“紧急避险”、

“生命至上”的原则实行了三年的严厉抗疫政策。2022年12月钟南山还认为:“我国疫情防控保护了近 2000 万人”

3。这有点类似 1980 年,当时宋健等人预测如果不实行独生子女政策,中国人口在2080年会超过42亿,吓得中国领导人出于“紧急避险”原则,实行了三十多年的独生子女政策。其实1980年彻底停止计划生育,峰值人口只会达16亿。



其实,2020 年 5 月笔者完成一篇论文,建议放松抗疫政策,预测世界、中国、美国会死亡 1520 万、351 万人(其实当时的预测还过于夸张,因为没有考虑到种族差异)、 110 万人就能实行群体免疫。疫情对生命的损失不仅在于“致死”,更在于“妨生”,如果实行严厉抗疫,会导致出生锐减,生命损失会更惨重。“病死”影响近期的经济,而 “少生”却将影响今后几十年、数百年的宏观经济。“生命至上”不能只盯着“死”,也要聚焦于“生”,要学会“与病共舞”,抗疫和经济需要精细的平衡,避免双重的生命损失,既要尽量减少病死数,也要避免因为经济衰退导致生育率下降。

《财经》准备发表笔者的文章,被勒令禁发,说唱衰中国抗疫政策。中国社科院的某学术期刊也以同样理由拒发。《南方周末》4、《中国改革》5、《环球时报》6发了笔者对出生下降的预警,但未发表笔者对死亡的预测。

现在美国的疫情趋于平息,到 2022 年底,共死亡 112 万人。回顾来看,当时对美国的死亡预测,国际学者似乎没有谁比笔者更准确。

二、生死之间的神秘对称

王羲之《兰亭集序》:“死生亦大矣”。生死之间存在神秘的对称关系,健康水平越高,生育率越低。对生死都要敬畏,不能只顾一头。世界各国、美国各州、中国各省的总和生育率(妇女人均生孩子数)与婴儿死亡率正相关,与出生时预期寿命负相关。

图1、生死之间的神秘对称



西方(尤其保守派)认为人死后会进天堂,生命从“此岸”到“彼岸”,因此相对看淡生死,无恐无惧。而儒家文化只有“此岸”,没有“彼岸”,因此更珍惜生命,婴儿死亡率最低、预期寿命最长,比如 2019 年日本、韩国、新加坡、香港、台湾的预期寿命分别为84.4岁、83.2岁、83.6岁、85.1岁、80.6岁,而美国、欧盟、印度、拉美只有 78.8 岁、81.3 岁、70.9 岁、75.0 岁

7

。儒家地区的生育率也最低,2001-2020 年的平均生育率,日本、韩国、新加坡、中国香港、中国台湾分别为 1.37、1.15、1.24、

1.06、1.13,而美国、欧盟、印度、拉美分别为 1.92、1.51、2.62、2.21

8。这次抗疫,儒家地区较好的控制了“死”,但是却暴露了“生”的危机,出生降幅最大,比如日本、韩国、台湾地区的生育率从 2019 年的 1.36、0.92、1.05 降至 2022 年的 1.23、0.76、

0.85。美国的出生时预期寿命在发达国家中是最低的,但是其生育率也相对更高。美国各州的生育率与婴儿死亡率、新冠死亡率正相关。民主党人相对更看重“活在当下”,更加 “惜命”;共和党人则对宗教更虔诚,“敬畏生死而不惧”,因此抗疫最“失败”。共和党的州的新冠病死率高,但经济恢复更快,生育率更高,未来的经济潜力更高。

图2、美国各州的生育率与婴儿死亡率、新冠死亡率



2020年美国总统选举各州对民主党的支持率9与2020年的总和生育率10、2020-2022 年新冠死亡率11都是直线负相关,各州对共和党的支持率则相反。

图3、美国的两党的总和生育率、新冠死亡率



美国被中国称为“最大抗疫失败国”,截至 2022 年底,因为新冠疫情死亡 112万人,根据生命表推算,平均余命12-14年,共损失1,344-1,568万年生命。但是疫情没有减少美国的出生。

图4、新冠疫情未减少美国的出生



美国的 2000 万亚裔的健康水平最高,生育率也最低,这次因为新冠的死亡率也最低。比如2020年美国的出生时预期寿命为77.0岁,其中亚裔83.6岁12;2020年美国的总和生育率1.641,亚裔只有1.38513



三、2020-2022年中国抗疫政策的生命核算

截至 2022 年底,美国检测的感染率只有 31%,但实际感染率可能超过 90%。用美国 2020年1月1日-2022年12月24日的新冠死亡数14,除以2021年底的各年龄人口数15,计算出各年龄组的新冠死亡率。

表1、2020-2022年美国的新冠死亡率(%)

年龄组 美国 美国亚裔
0-4岁 0.003 0.002
5-17岁 0.001 0.001
18-29岁 0.013 0.007
30-39岁 0.042 0.018
40-49岁 0.112 0.042
50-64岁 0.315 0.155
65-74岁 0.724 0.466
75-84岁 1.608 1.062
85+岁 4.181 2.768
全部 0.328 0.167

可见亚裔的新冠死亡率只是全国的51%。2021年亚裔的年龄调整的新冠死亡率也只是全国水平的 61%

16。东亚裔约占亚裔的三分之一,比如 1999-2020 年共有 831 万亚裔获得美国绿卡,其中东亚裔占27%

17。东亚裔的健康水平最高,生育率最低,比如1990年美国全国的生育率为2.1,亚裔和太平洋岛民为2.0,而华裔只有1.4

18。东亚裔的新冠死亡率应该比亚裔的平均水平要低很多。

美国的医疗技术高于中国,但是医疗制度存在严重的弊端,因此预期寿命比中国还低。中国整体人口结构仍比美国年轻,65岁以上老人占比要到2031年才会超过美国。假设与美国同步放松防疫政策,用美国的新冠病死标准,根据各国/地区的年龄结构,用2020年-2022年美国全国、亚裔的年龄别新冠死亡率推算病死数。

表2、根据美国的新冠病死率推算的死亡数(万)

  美国死亡率 亚裔死亡率 2022 年底公布
中国大陆 367 216
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
台湾 7.56 4.51 1.52
韩国 17.8 10.7 3.22
泰国 21.5 12.8 3.36
越南 18.5 10.6 4.32

可见,如果用美国的年龄别死亡率推算,中国会死亡 367 万人,与笔者 2020 年的估算的351万一致;如果用美国亚裔的死亡率推算,中国会死亡216万人。但是由于东亚裔的死亡率更低,因此如果中国的抗疫政策与美国同步,达到美国 2022 年底的感染率,中国只会额外多死亡一百多万人(三年时间,每年死亡数比正常增加 5%左右),而不是当初学者们所预测的上千万人。学者们由于缺乏跨学科的知识,对新冠死亡的估算都没有考虑生死之间的对称关系,有些甚至未用年龄别死亡率来估算死亡数,因此估算结果是不准确的。

图5、新冠疫情对中国的结婚和青年失业率的影响



中国的抗疫政策确实有效地减少了死亡,但是代价是惨重的。除了公所周知的巨大的社会、经济、外交代价外,严厉的抗疫政策还增加失业率、民生压力和不确定性,降低生育意愿和结婚率,从而减少出生。

2015-2019年1-3季度的结婚数直线下降,而2020年、2021年、2022年的结婚数低于拟合直线,合计减少169万结婚人数。由于9个月怀孕周期,2020-2022年的疫情和抗疫政策影响2021-2023年的出生。官方公布出生数从2020年的1202万减少到2021的1062万,预计会公布2022年、2023年只出生900多万、800多万。出生减少的原因很多,笔者粗略估算疫情和抗疫政策导致2021-2023年合计少出生约200万人,平均预期寿命为78岁,这意味着损失了 1.56 亿年的寿命(生命损失比美国高一个数量级),降低了未来几十年的社会经济活力。



四、中国放弃新冠清零政策后会死多少人?

2022年11月底12月初各地陆续松绑防疫政策,至12月7日“新十条”颁布,中国大陆事实上放弃了“动态清零”。学者们纷纷预测中国的新冠病死数,比如英国伦敦的健康分析公司Airfinity预测,中国将在83天内有130万至210万人死于新冠

19。华盛顿大学医学院健康指标与评估研究所(IHME) 预测,中国死于新冠的人数在2023年4月将达到 50万,到 2023 年底将达 160 万

20。原香港大学医学院院长梁卓伟预测,在放开管控措施后,中国死于新冠的人数将达一百万人

21。

笔者对这些预测不敢苟同。由于新冠病毒变异,致死率在快速下降。比如日本感染新冠病毒的 40 岁以上人员中的感染者的病死率从 2022 年 1-2 月的 0.80%降至 7-8 月的 0.23%

22。假设中国最终有90%的人感染新冠,用日本2022年7-8月的年龄别病死率计算,中国会病死 87 万人。但是日本的病死率应该虚高,因为很多轻症感染者并未检测(绝大多数国家也如此)。如果以90%的感染率计算,日本会死亡25万人,但是截至2022年底,日本公布只死亡 5.6 万人,感染率只 23%(实际可能超过 60%)。如果中国的实际感染率达到日本2022年底的水平,那么只会病死20多万人。当然,中国的医疗水平不如日本,死亡率会更高。日本的疫情尚未平息,今后的死亡趋势值得参考。

全球对新冠死亡的判定标准不一,比如香港官方的标准

23:“新型冠状病毒测试结果呈阳性的个案,如果在首次阳性样本收集日期的28日内死亡,则会被列为2019冠状病毒病的死亡个案。死者的死因可能与2019冠状病毒病无关。”

如果依照这种“伴新冠死亡”标准,对于香港和中国大陆这种疫情快速蔓延的地区,会导致病死数高估,病死数更大程度取决于检测率。比如2021年中国死亡1014万人,冬季每月死亡近百万人。中国放弃新冠清零政策后,在一个月内阳性率可能高达 80%;那么即便完全与新冠无关,80%的人口在28天内也会有70多万人死亡。

如果用香港官方的这种病死标准,采用香港2021年12月31日-2023年1月4日期间接种两剂、三剂科兴灭活疫苗者的年龄别病死率

24,假设最终感染率为 90%,那么中国大陆会死亡243万、137万人。但是一方面香港的病死标准太宽,一方面现在的变异病毒的致死率大幅下降。因此中国的真实病死数会远低于此推算。

有人建议今后用“额外死亡”来估算新冠死亡。此方法适用于其他国家,但不适用于中国,因为中国官方公布的死亡数长期低估、严重不可信。死者主要是 65 岁以上老人,日本、台湾地区的 1970-2019 年每年死亡数与 65 岁及以上老人数直线强正相关,相关系数都高达0.993。但中国官方公布的死亡数与老人数并没有这种相关性。中国大陆2008年的65岁及以上老人占比与日本1978年、台湾地区1998年相当。日本1978-1990年这12 年间,老人数增加51%,死亡数增加18%;台湾地区1998-2010年间老人数增加37%,死亡数增加18%。中国大陆2008-2020年这12年间,老人数增加74%,但公布的死亡数只增加7%,这是极不可信的。

图6、死亡数与65岁及以上老人数的相关性



1990年之后的中国人口普查,出生严重虚高、死亡严重漏报。比如2020年普查显示只死亡 797 万,那么预期寿命高达 81.6 岁,显然不符合中国的健康水平,官方也不敢认可,而是公布预期寿命为 77.93 岁。可见,2020 年人口普查的质量极差。2020 年普查表上的很多老人其实已经去世,以普查表的老人数为分母,会得出“老人新冠疫苗接种率偏低”的假象。如果 2020 年预期寿命真是 77.93 岁,用官方的人口(总人口 14.1 亿)计算,那么死亡数应该超过 1100 万;但是官方公布只死亡 998 万人(意味着总人口不到 12.8亿)。由于老人数逐年增加,死亡数应该每年增加十多万,但是2020武汉爆发新冠疫情后,可能是为了体现“疫情未增加死亡”,官方公布的死亡数与 2019 年一样为 998 万,这是违背医学规律的。官方公布2021年死亡1014万,即便没有疫情,2022年的死亡数也会因为老龄化而增加十多万人。不知道2023年1月17日官方会公布死亡多少人。

中国官方目前是用极窄的标准公布新冠死亡数,只要有任何其他疾病,通通不算新冠死亡,尽管火葬场要排长队,但报告新冠死亡奇少,这其实是在降低政府数据的公信力。

现在只能用人口结构和感染者的年龄别死亡率来粗估新冠死亡数了。中国 2020 年普查的总人口虚高了至少 1.3 亿人,但主要是 1990 年之后出生的低龄组,病死率极低,对新冠死亡数的估算影响不大。本文姑且用 2020 年普查全国和各省的年龄结构估算新冠病死数,假设未来中国的感染率达到 90%,用两种感染者的年龄别病死率估算死亡数。病死

1:用原香港大学医学院院长梁卓伟团队发表在美国疾控中心的论文所整理的香港2022年

1月6日-3月21日(疫情大爆发期)的年龄别死亡率25;病死2:用新加坡2022年9月-11月26的年龄别死亡率。“率”是指每万总人口的死亡数。

表3、中国各省新冠病死数估算

  病死1 病死2   病死1 病死2
省份 省份
全国 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 广东 35811 2.8 16682 1.3
山西 13130 3.8 6068 1.7 广西 19752 3.9 9213 1.8
内蒙古 9157 3.8 4207 1.7 海南 3774 3.7 1768 1.8
辽宁 21197 5.0 9792 2.3 重庆 15677 4.9 7336 2.3
吉林 10341 4.3 4748 2.0 四川 40994 4.9 19189 2.3
黑龙江 14188 4.5 6532 2.1 贵州 13199 3.4 6149 1.6
上海 12418 5.0 5803 2.3 云南 15454 3.3 7174 1.5
江苏 41805 4.9 19529 2.3 西藏 617 1.7 282 0.8
浙江 26905 4.2 12538 1.9 陕西 15114 3.8 6992 1.8
安徽 27574 4.5 12916 2.1 甘肃 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 宁夏 1974 2.7 910 1.3
山东 44815 4.4 20778 2.0 新疆 6402 2.5 2953 1.1

可见,如果采纳香港2022年1-3月的年龄别病死率,中国会死亡57万人,其中92%、 82%、59%分别是60岁以上、70岁以上、80岁及以上老人。如果采纳新加坡2022年9-11 月的年龄别病死率,中国会死亡26万人,其中94%、86%、62%分别是60岁以上、70岁以上、80岁及以上老人。

在疫情爆发初期,香港的疫苗接种率不高,截至2022年3月22日,总人口的全程疫苗接种率、加强接种率分别为76%和35%,远低于新加坡的92%、71%;香港70岁以上老人的全程接种率为 57%,远低于新加坡的 95%27。香港的年轻人大多接种复必泰 mRNA 疫苗,老人则主要接种中国科兴的灭活疫苗28。70 岁及以上老人所接种的疫苗,66%是科兴疫苗,27%是复必泰疫苗,7%是二者混打。80 岁及以上老人所接种的疫苗,76%是科兴疫苗,19% 是复必泰疫苗,5%是二者混打。

中国大陆在疫情爆发初期的疫苗接种率比当初香港要高。截至2022年12月13日,全国有 90%的人口、87%的 60 岁以上老人、66%的 80 岁以上老人完成了全程接种,42%的 80岁以上老人完成了加强接种29。加上变异病毒的致死率比2022年1-3月下降了很多,因此中国的死亡数有可能少于50万。

新加坡的医疗水平高,又像织绣球一样精细抗疫,防控有序,没有像香港那样出现医疗挤兑和死亡堆积。新加坡的疫苗加强接种率高于中国,并且绝大多数接种的是保护效果更好的mRNA疫苗,而中国接种的是灭活疫苗。因此中国的新冠死亡数不应少于26万。

2021年全国59%的遗体是火葬,共火葬596万具,平均每天1.6万具,北京、上海平均每天火葬296、384、222具。中国放弃清零政策后,疫情快速蔓延,一些地区出现医疗挤兑,每天的死亡数是平时的数倍,殡仪馆、火葬场出现遗体堆积。一些人据此误以为中国会病死数百万人,误以为过去三年的严厉抗疫政策真挽救了上千万生命。

中国在重症医学上的准备并不充足,而是非常仓促。根据《中国卫生健康统计年鉴》,全国重症医学床位总数: 2019 年 57160 张,2020 年 63527 张,2021 年 67198 张(每10万人4.8张)。2022年11月15日《人民日报》发表《坚定不移贯彻“动态清零” 总方针》30, 各地还忙于建方舱医院。在2022年11月22日的国务院联防联控机制新闻发布会,国家卫生健康委医疗应急司司长郭燕红说31:“每 10 万人口的重症医疗床位才不到4张”,“要补齐重症医疗服务的短板”。

但在2022年12月9日国家卫健委医政司司长焦雅辉却公布32:“目前,全国的重症医学床位总数是13.81万张,其中三级医疗机构重症医学床位是10.65万张。重症医学床位接近10张/10万人的水平。”2023年1月6日焦雅辉再次公布:“全国重症医学床位总数为21.6万张”33。重症医学床位瞬间降级暴增,是因为中国政府推动各级各类医疗机构实现了“平急转换”。

中国 77%的重症医学床位分布在位于省会、地级市的三级医疗机构,而根据 2020 年人口普查,68%的65岁及以上老人分布在乡镇。很多留守农村的老人,子女并不在身边,重症转县医院都不多,转三级医院极少,因此这次疫情对乡镇的老人冲击最大。如果中国将用于“新冠清零”成本的1%用于农村医疗建设,可以避免一些死亡。

表4、中国地级市新冠病死数估算

    病死1 病死2
省份 地市
河北 石家庄 4050 3.6 1866 1.7
河北 唐山 3273 4.2 1505 1.9
河北 秦皇岛 1402 4.5 647 2.1
河北 邯郸 3111 3.3 1427 1.5
河北 邢台 2448 3.4 1122 1.6
河北 保定 4211 3.6 1934 1.7
河北 张家口 2094 5.1 970 2.4
河北 承德 1388 4.1 636 1.9
河北 沧州 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 阳泉 514 3.9 236 1.8
山西 长治 1092 3.4 500 1.6
山西 晋城 729 3.3 332 1.5
山西 朔州 615 3.9 285 1.8
山西 晋中 1273 3.8 588 1.7
山西 运城 1877 3.9 868 1.8
山西 忻州 1245 4.6 578 2.2
山西 临汾 1385 3.5 638 1.6
山西 吕梁 1140 3.4 527 1.5
内蒙古 呼和浩特 1244 3.6 575 1.7
内蒙古 包头 1193 4.4 554 2.0
内蒙古 乌海 194 3.5 90 1.6
内蒙古 赤峰 1499 3.7 683 1.7
内蒙古 通辽 909 3.2 412 1.4
内蒙古 鄂尔多斯 651 3.0 299 1.4
内蒙古 呼伦贝尔 940 4.2 433 1.9
内蒙古 巴彦淖尔 618 4.0 284 1.8
内蒙古 乌兰察布 1016 6.0 472 2.8

 

内蒙古 兴安盟 435 3.1 197 1.4
内蒙古 锡林郭勒 377 3.4 172 1.6
内蒙古 阿拉善 81 3.1 37 1.4
辽宁 沈阳 4121 4.5 1905 2.1
辽宁 大连 3778 5.1 1754 2.4
辽宁 鞍山 1799 5.4 833 2.5
辽宁 抚顺 1095 5.9 505 2.7
辽宁 本溪 737 5.6 340 2.6
辽宁 丹东 1212 5.5 560 2.6
辽宁 锦州 1453 5.4 671 2.5
辽宁 营口 1139 4.9 526 2.3
辽宁 阜新 825 5.0 380 2.3
辽宁 辽阳 835 5.2 386 2.4
辽宁 盘锦 572 4.1 263 1.9
辽宁 铁岭 1139 4.8 522 2.2
辽宁 朝阳 1309 4.6 602 2.1
辽宁 葫芦岛 1183 4.9 546 2.2
吉林 长春 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 辽源 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 延边 943 4.7 434 2.2
黑龙江 哈尔滨 4176 4.2 1923 1.9
黑龙江 齐齐哈尔 1819 4.5 835 2.1
黑龙江 鸡西 812 5.4 376 2.5
黑龙江 鹤岗 478 5.4 221 2.5
黑龙江 双鸭山 619 5.1 287 2.4
黑龙江 大庆 1101 4.0 505 1.8
黑龙江 伊春 533 6.1 247 2.8
黑龙江 佳木斯 916 4.2 420 1.9
黑龙江 七台河 275 4.0 125 1.8
黑龙江 牡丹江 1194 5.2 553 2.4
黑龙江 黑河 546 4.2 250 1.9
黑龙江 嫩江 1560 4.2 713 1.9

 

 

黑龙江 大兴安岭 160 4.8 74 2.2
上海 上海 12418 5.0 5803 2.3
江苏 南京 3974 4.3 1858 2.0
江苏 无锡 3232 4.3 1506 2.0
江苏 徐州 4161 4.6 1942 2.1
江苏 常州 2312 4.4 1077 2.0
江苏 苏州 4823 3.8 2249 1.8
江苏 南通 5674 7.3 2672 3.5
江苏 连云港 1973 4.3 915 2.0
江苏 淮安 2253 4.9 1048 2.3
江苏 盐城 3979 5.9 1854 2.8
江苏 扬州 2636 5.8 1232 2.7
江苏 镇江 1594 5.0 742 2.3
江苏 泰州 3029 6.7 1424 3.2
江苏 宿迁 2164 4.3 1009 2.0
浙江 杭州 4427 3.7 2065 1.7
浙江 宁波 3587 3.8 1664 1.8
浙江 温州 3678 3.8 1716 1.8
浙江 嘉兴 2283 4.2 1064 2.0
浙江 湖州 1591 4.7 742 2.2
浙江 绍兴 2498 4.7 1162 2.2
浙江 金华 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 丽水 1287 5.1 602 2.4
安徽 合肥 3432 3.7 1609 1.7
安徽 芜湖 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 马鞍山 1146 5.3 538 2.5
安徽 淮北 888 4.5 418 2.1
安徽 铜陵 684 5.2 320 2.4
安徽 安庆 2039 4.9 952 2.3
安徽 黄山 700 5.3 326 2.5
安徽 滁州 1909 4.8 894 2.2
安徽 阜阳 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 厦门 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 龙岩 1236 4.5 577 2.1
福建 宁德 1237 3.9 573 1.8
江西 南昌 2065 3.3 964 1.5
江西 景德镇 545 3.4 251 1.6
江西 萍乡 715 4.0 331 1.8
江西 九江 1686 3.7 780 1.7
江西 新余 462 3.8 214 1.8
江西 鹰潭 421 3.6 194 1.7
江西 赣州 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 抚州 1289 3.6 597 1.7
江西 上饶 2383 3.7 1103 1.7
山东 济南 3744 4.1 1735 1.9
山东 青岛 4412 4.4 2049 2.0
山东 淄博 2335 5.0 1085 2.3
山东 枣庄 1635 4.2 760 2.0
山东 东营 918 4.2 426 1.9
山东 烟台 3788 5.3 1760 2.5
山东 潍坊 4279 4.6 1983 2.1
山东 济宁 3497 4.2 1618 1.9
山东 泰安 2426 4.4 1120 2.0
山东 威海 1628 5.6 756 2.6
山东 日照 1404 4.7 652 2.2
山东 临沂 4705 4.3 2182 2.0
山东 德州 2297 4.1 1060 1.9
山东 聊城 2321 3.9 1071 1.8

 

 

山东 滨州 1729 4.4 800 2.0
山东 菏泽 3696 4.2 1719 2.0
河南 郑州 3507 2.8 1627 1.3
河南 开封 1933 4.0 896 1.9
河南 洛阳 2732 3.9 1267 1.8
河南 平顶山 2050 4.1 952 1.9
河南 安阳 1948 3.6 897 1.6
河南 鹤壁 524 3.3 242 1.5
河南 新乡 2352 3.8 1090 1.7
河南 焦作 1316 3.7 607 1.7
河南 濮阳 1324 3.5 611 1.6
河南 许昌 1881 4.3 874 2.0
河南 漯河 1080 4.6 502 2.1
河南 三门峡 796 3.9 367 1.8
河南 南阳 3823 3.9 1767 1.8
河南 商丘 3254 4.2 1519 1.9
河南 信阳 2542 4.1 1177 1.9
河南 周口 3856 4.3 1796 2.0
河南 驻马店 3177 4.5 1481 2.1
河南 河南 248 3.4 113 1.6
湖北 武汉 4311 3.5 1999 1.6
湖北 黄石 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 襄阳 2156 4.1 994 1.9
湖北 鄂州 404 3.7 187 1.7
湖北 荆门 1161 4.5 535 2.1
湖北 孝感 1858 4.4 863 2.0
湖北 荆州 2625 5.0 1219 2.3
湖北 黄冈 2520 4.3 1165 2.0
湖北 咸宁 945 3.6 435 1.6
湖北 随州 852 4.2 392 1.9
湖北 恩施 1543 4.5 718 2.1
湖北 湖北辖 1636 4.8 758 2.2
湖南 长沙 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 衡阳 2864 4.3 1328 2.0

 

 

湖南 邵阳 3179 4.8 1484 2.3
湖南 岳阳 2259 4.5 1050 2.1
湖南 常德 3013 5.7 1408 2.7
湖南 张家界 749 4.9 350 2.3
湖南 益阳 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 怀化 2238 4.9 1044 2.3
湖南 娄底 1715 4.5 800 2.1
湖南 湘西 1140 4.6 535 2.1
广东 广州 4833 2.6 2260 1.2
广东 韶关 1244 4.4 580 2.0
广东 深圳 1771 1.0 809 0.5
广东 珠海 511 2.1 236 1.0
广东 汕头 1855 3.4 863 1.6
广东 佛山 2148 2.3 993 1.0
广东 江门 1880 3.9 874 1.8
广东 湛江 3030 4.3 1425 2.0
广东 茂名 2607 4.2 1223 2.0
广东 肇庆 1568 3.8 731 1.8
广东 惠州 1470 2.4 683 1.1
广东 梅州 1906 4.9 893 2.3
广东 汕尾 985 3.6 461 1.7
广东 河源 1195 4.2 560 2.0
广东 阳江 1126 4.3 528 2.0
广东 清远 1526 3.8 711 1.8
广东 东莞 1250 1.2 572 0.5
广东 中山 813 1.8 373 0.8
广东 潮州 1045 4.1 485 1.9
广东 揭阳 2060 3.7 964 1.7
广东 云浮 985 4.1 460 1.9
广西 南宁 2989 3.4 1393 1.6
广西 柳州 1629 3.9 758 1.8
广西 桂林 2256 4.6 1051 2.1
广西 梧州 1167 4.1 546 1.9
广西 北海 743 4.0 348 1.9
广西 防城港 356 3.4 166 1.6
广西 钦州 1230 3.7 573 1.7

 

 

广西 贵港 1731 4.0 809 1.9
广西 玉林 2164 3.7 1008 1.7
广西 百色 1404 3.9 654 1.8
广西 贺州 852 4.2 399 2.0
广西 河池 1457 4.3 680 2.0
广西 来宾 908 4.4 424 2.0
广西 崇左 866 4.1 404 1.9
海南 海口 893 3.1 418 1.5
海南 三亚 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 海南辖 2313 4.4 1085 2.1
重庆 重庆 12167 4.8 5689 2.2
重庆 重庆 3511 5.3 1647 2.5
四川 成都 8483 4.1 3968 1.9
四川 自贡 1578 6.3 740 3.0
四川 攀枝花 567 4.7 266 2.2
四川 泸州 2153 5.1 1005 2.4
四川 德阳 1965 5.7 918 2.7
四川 绵阳 2535 5.2 1184 2.4
四川 广元 1153 5.0 536 2.3
四川 遂宁 1622 5.8 761 2.7
四川 内江 1899 6.0 892 2.8
四川 乐山 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 宜宾 2049 4.5 955 2.1
四川 广安 1788 5.5 838 2.6
四川 达州 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 资阳 1511 6.5 709 3.1
四川 阿坝 270 3.3 126 1.5
四川 甘孜 281 2.5 131 1.2
四川 凉山 1434 3.0 669 1.4
贵阳 1785 3.0 834 1.4
六盘水 932 3.1 434 1.4
遵义 2426 3.7 1129 1.7

 

 

安顺 867 3.5 404 1.6
毕节 2141 3.1 995 1.4
铜仁 1273 3.9 594 1.8
黔西南 978 3.2 454 1.5
黔东南 1484 3.9 693 1.8
黔南 1312 3.8 612 1.8
云南 昆明 2774 3.3 1297 1.5
云南 曲靖 1913 3.3 888 1.5
云南 玉溪 875 3.9 409 1.8
云南 保山 936 3.8 435 1.8
云南 昭通 1488 2.9 693 1.4
云南 丽江 403 3.2 187 1.5
云南 普洱 785 3.3 362 1.5
云南 临沧 710 3.1 328 1.5
云南 楚雄 875 3.6 404 1.7
云南 红河 1465 3.3 679 1.5
云南 文山 1073 3.1 498 1.4
云南 西双版纳 349 2.7 160 1.2
云南 大理 1193 3.6 552 1.7
云南 德宏 359 2.7 165 1.3
云南 怒江 145 2.6 67 1.2
云南 迪庆 110 2.8 51 1.3
西藏 拉萨 151 1.7 69 0.8
西藏 日喀则 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
陕西 西安 4071 3.3 1892 1.6
陕西 铜川 318 4.6 148 2.1
陕西 宝鸡 1439 4.3 664 2.0
陕西 咸阳 2051 4.1 951 1.9
陕西 渭南 2086 4.4 964 2.1
陕西 延安 722 3.2 332 1.5
陕西 汉中 1537 4.8 712 2.2
陕西 榆林 1206 3.3 556 1.5
陕西 安康 968 3.9 446 1.8

 

 

陕西 商洛 715 3.5 327 1.6
甘肃 兰州 1592 3.7 742 1.7
甘肃 嘉峪关 100 3.2 46 1.5
甘肃 金昌 164 3.7 76 1.7
甘肃 白银 600 4.0 278 1.8
甘肃 天水 1054 3.5 488 1.6
甘肃 武威 510 3.5 233 1.6
甘肃 张掖 339 3.0 153 1.4
甘肃 平凉 710 3.8 328 1.8
甘肃 酒泉 327 3.1 149 1.4
甘肃 庆阳 786 3.6 362 1.7
甘肃 定西 916 3.6 423 1.7
甘肃 陇南 834 3.5 386 1.6
甘肃 临夏 643 3.1 299 1.4
甘肃 甘南 196 2.8 91 1.3
青海 西宁 767 3.1 355 1.4
青海 海东 363 2.7 166 1.2
青海 海北 53 2.0 24 0.9
青海 黄南 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 玉树 83 1.9 39 0.9
青海 海西 71 1.5 32 0.7
宁夏 银川 735 2.6 338 1.2
宁夏 石嘴山 281 3.7 130 1.7
宁夏 吴忠 350 2.5 161 1.2
宁夏 固原 327 2.9 151 1.3
宁夏 中卫 282 2.6 129 1.2
新疆 乌鲁木齐 1308 3.2 610 1.5
新疆 克拉玛依 169 3.4 78 1.6
新疆 吐鲁番 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 博尔塔拉 133 3.1 61 1.4
新疆 巴音郭楞 379 2.5 174 1.2
新疆 阿克苏 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 区直辖 549 3.5 257 1.6



表5、病死率最高的50个县级行政区

 

 

      病死1 病死2
省份 地市 县区
江苏 南通市 如东县 850 9.7 401 4.6
上海 上海 崇明区 607 9.5 286 4.5
江苏 南通市 启东市 827 8.6 389 4.0
江苏 盐城市 东台市 755 8.5 355 4.0
黑龙江 伊春市 大箐山县 47 8.2 22 3.8
江苏 南通市 海安市 700 8.0 330 3.8
四川 资阳市 乐至县 382 7.8 180 3.7
江苏 南通市 如皋市 964 7.8 454 3.7
山东 威海市 乳山市 358 7.7 167 3.6
江苏 泰州市 姜堰区 512 7.7 241 3.6
江苏 南通市 通州区 960 7.6 452 3.6
江苏 泰州市 兴化市 856 7.6 403 3.6
四川 乐山市 井研县 211 7.5 99 3.5
内蒙古 乌兰察布市 卓资县 64 7.5 30 3.5
黑龙江 双鸭山市 岭东区 21 7.5 10 3.5
上海市 上海 虹口区 566 7.5 266 3.5
黑龙江 伊春市 丰林县 46 7.4 22 3.5
辽宁 抚顺市 东洲区 176 7.4 82 3.5
黑龙江 伊春市 友好区 40 7.4 19 3.5
江苏 南通市 海门市 728 7.3 343 3.5
四川 自贡市 荣县 339 7.2 160 3.4
辽宁 抚顺市 新抚区 161 7.2 75 3.4
内蒙古 乌兰察布市 凉城县 86 7.2 40 3.4
河北 张家口市 尚义县 75 7.2 35 3.3
江苏 泰州市 泰兴市 712 7.2 335 3.4
上海市 上海 长宁区 495 7.1 234 3.4
黑龙江 鹤岗市 向阳区 52 7.1 24 3.3
湖北 黄石市 铁山区 30 7.1 14 3.3
四川 南充市 西充县 296 7.0 139 3.3
内蒙古 乌兰察布市 察哈尔右前旗 88 7.0 41 3.3
上海市 上海 杨浦区 869 7.0 408 3.3
山东 威海市 文登区 394 7.0 184 3.3
内蒙古 乌兰察布市 察哈尔右中旗 60 7.0 28 3.2
四川 自贡市 贡井区 158 7.0 74 3.3
黑龙江 伊春市 汤旺县 23 6.9 11 3.3
辽宁 阜新市 太平区 99 6.9 46 3.2
陕西 榆林市 佳县 78 6.9 37 3.2
四川 绵阳市 盐亭县 256 6.9 120 3.2
上海市 上海 静安区 673 6.9 316 3.2
吉林 白山市 江源区 95 6.9 44 3.2
黑龙江 伊春市 南岔县 57 6.9 26 3.2
上海市 上海 徐汇区 764 6.9 361 3.2
四川 乐山市 五通桥区 163 6.9 77 3.2
内蒙古 乌兰察布市 察哈尔右后旗 71 6.9 33 3.2
江苏 扬州市 江都区 633 6.8 297 3.2
山东 烟台市 栖霞市 298 6.8 138 3.2
湖南 常德市 安乡县 292 6.8 137 3.2
四川 眉山市 青神县 115 6.8 54 3.2
江苏 扬州市 高邮市 483 6.8 227 3.2
四川 乐山市 沙湾区 99 6.8 46 3.2

 

 

  1. 《张文宏:人类历史上 从未有一例传染病控制靠群体免疫》,人民日报(来源:《新民晚报》),2020 年 4 月 16 日,https://wap.peopleapp.com/article/5392226/5305978  
    乔地:《错把人群当畜群,一些国家正在品尝恶果》,《科技日报》,2020 年 5 月 19 , http://m.stdaily.com/index/kejixinwen/2020-05/19/content_943361.shtml 
    《钟南山:我国疫情防控保护了近 2000 万人》,新浪网,2022 年 12 月 15 日, https://k.sina.com.cn/article_6351705477_m17a97558503302165g.html?from=edu#/ 
    易富贤:《瘟疫为什么导致生育率下降》,《南方周末》,2020 年 4 月 30 日, https://new.qq.com/rain/a/20200506A00UF200 
    易富贤:《新冠疫情下的生命核算和人口政策反思》,《中国改革》 2020 年第 4 期(2020 年 7 月 1 日出版), https://cnreform.caixin.com/2020-07-09/101577479.html 
    易富贤:《“病死”影响当下,“少生”关系未来》,《环球时报》,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-ageadjusted-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-19Deaths-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/2010snational-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-liftszero-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  

    《同样是奥密克戎感染,为何新加坡的轻症感觉轻得多?》,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  
    《国家疾控局:60 岁以上老年人全程接种新冠疫苗超 2.28 亿人 占老年人口 86.6%》,央视网,2022 年
    12 月 14 日,https://news.cctv.com/2022/12/14/ARTIRwfZV158fjXiew866cI6221214.shtml  

    仲音:《坚定不移贯彻“动态清零”总方针》,《人民日报》(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  
    国务院联防联控机制 2022 年 11 月 22 日新闻发布会文字实录,
    http://www.nhc.gov.cn/xcs/s3574/202211/73e4c0a099244ca8a512aa97468ce68e.shtml  

    国务院联防联控机制 2022 年 12 月 9 日新闻发布会,http://www.nhc.gov.cn/cms-
    search/xxgk/getManuscriptXxgk.htm?id=d9f06b80eaaf4e37bf1023e9bb89d711  

    李纯、黄钰钦:《中国国家卫健委:全国重症医学床位总数逾 21 万张》,中国新闻网,2023 年 1 月 6 日,https://www.chinanews.com.cn/gn/2023/01-06/9929555.shtml  

 

sky_blue_ 发表评论于
可惜表格给人一堆稀里糊涂的东西。
portfolio 发表评论于
瘟疫,战争都是一个朝代灭亡前的征兆,中共王朝也不例外。

有道不惑 发表评论于
不错的文章,有很多数据和分析。 实际上,对于当前的死亡率,还有另一个简单的侧面分析:例如,危险主要在于老年人特别是高龄人。从公开报告来看,900名院士中最近一个月有20位死亡,即2%。这些院士大部分是得到比大多数其他老年人更好的照顾的老人。。。 所以,估计总人口中至少有 0.2% 的死亡率。也可以了解各主要大学的老教授情况。普通老年人的医疗保健不会比他们更好,因此死亡率不会更低。
友梨江莉 发表评论于
怕死人还是中共么?更何况还都是韭菜呢。
他们还觉得是为世界做贡献呢。还帮助全世界解决了粮食和生存资源不足的问题,中国政府功莫大焉。
节省养老金、优化人口结构、增加就业、减少失业、节约粮食和所有资源、、、,数不过来的好处啊!
所以现在才鼓励各地政府可劲儿的杀呢,14亿呢,还怕杀么?
杀掉7亿,还剩7亿,依然还是世界老二。嗯,这账算的精准、长远,有老毛遗风了。

至于他们自己,根本不用为他们担心,外国的疫苗、特效药、最好的医生和医院,都是可以放题使用的。
当年在延安时他们都是那样,更何况现在。
王实味看不过去写了篇文章,就能死的那么惨,乱刀砍死后扔井里,他们那邪恶的程度,不用说了。
生肖迷宫 发表评论于
三年灾害死了多少人,三年新冠死了多少人,都是保密数字,我们永远也不会知道,为了人祸的责任人不被追究,它们让我们选择忘却历史,于是历史不断重复。
xiaoxiao雨 发表评论于
That expert Liang said there is no need to investigate the cause of death. That is why there is no real data. This shitty traditional medicine mind hurts.
问题哥 发表评论于

大墙无盖上有天
前遮后挡谎难圆
秦皇汉武终可考
莫道万事化青烟

虽然具体到个人的死亡病因,已经不可能准确了,但作为群体,未来的估算不难 -- 至少有火葬场的记录和身份证。

一个粗略的估计是 -- 中国有65岁以上老人2.5亿,假设80%的人感染(很可能),而感染者中1%死亡(对中国这个年龄的段人,只低不高),就是200万。

中国很大,这个数字是“很少”的,总人口的700分之1。如果俄军在乌克兰战损入此之低,普京要高兴得天天喝伏特加了。所以,庆丰二杆子在手,也尽可以高枕无忧。

zhanglao9 发表评论于
不管怎么造谣污蔑,都改不了一个事实:共党领导的抗疫,不论是清零还是开放,都是人类最高水平,导致死亡率最低。中国人民只要团结在共党的周围,就没有克服不了的困难,没有过不了的坎。这就是文明自信,文化自信,民族自信,制度自信。
lxd 发表评论于
中国集权运动式防疫,国外松散式自主防疫,这两种防疫也是两种社会制度的缩影。中国在防疫起初看上去占了上风,全世界还在大流行时中国则通过高压运动方式成功的把染疫人数控制在个位数,而长远来看那只是暂时的,这次在全世界都走出疫情后中国却不得不放开任由病毒肆虐,如果是一场竞争,中国则完败。正像南北韩在开始时起朝鲜的生活水平比韩国要好,而现在则天地之别。苏联的社会主义前几十年看上去也是不错的,但不合理的制度衰败是必然的,后来分崩离析。
wenxuecity18 发表评论于
别国都是提供数据,这国。。。搞得世界好累
FollowNature 发表评论于
很好的文章。大数据才能看全貌。
seewhatisee 发表评论于
不是說專家都得新冠了嗎?怎麼還有啊?