来源:
自由亚洲
几个官方数据都不靠谱
按照中国疾控中心公布的数据，从去年12月6日解封到今年2月9日，共有87,468人死亡（2月9日之后，疾控中心的数据不再更新）。
按照世界卫生组织公布的数据，截止2023年12月6日，中国感染病例9千9百万（99,320,723），病死12万（121,877）。
这两个数据都太离谱，地球人没人会信。倒是中国疾控中心流行病学首席专家吴尊友讲到了两个相关数据，给出了不同的死亡数据。吴尊友在1月21日发文说，中国解封后已经有80%的人口感染过新冠病毒。吴尊友在2月9日的新闻发布会上说，新冠病毒的病死率2022年的12月份是0.08%，那么中国在2022年12月6日解封以来两个月，感染人数大约是：14亿x80%=11.2亿，病死人数就大约是：11.2亿x0.08%=89.6万。
不过，89.6万这个死亡数据仍然偏低。因为吴尊友说的2022年12月份新冠病死率0.08%这个数据，是国际平均病死率，由于在这段时期中国的情况和其他国家的情况有着很大的差别，因此，我们不能把其他国家的平均病死率，把国际平均病死率，径直地当成中国的病死率。第一，中国的国产疫苗的效力比较低，第二，在去年12月解封之前，中国人感染过新冠的人相当少。在去年12月这波疫情中，别的国家的人大都是再次感染、甚至三次感染四次感染，故而病死率比较低，唯有中国人，基本上都是首次感染，所以病死率要高得多。这两条加在一起，就造成了中国人最缺乏群体免疫力，中国成了免疫洼地。面对同一种病毒，中国人的免疫力要比其他国家低得多，因此病死率必然会比国际平均病死率高得多。因此死亡人数就绝不止89.6万，而是要比这个数字高若干倍。
《纽约时报》2月16日发表文章“放弃‘清零’后，中国到底有多少人死于新冠”。文章提出四种数据：一是基于上海疫情爆发建立的模型：死亡人数——160万，二是基于出行模式的估计——97万，三是基于近期测试数据的估计——150万，四是基于美国死亡率的估计——110万。
从额外死亡人数推算新冠死亡人数
因为外界无从获得中国新冠死亡的可靠数据，一个替代方法是，我们可以根据额外死亡的人数，大致推算出新冠死亡的人数。所谓额外死亡人数，是用某段时期的实际死亡人数，减去以过去数据为基础预测出的同期死亡人数而得。当然，额外死亡人数并不直接等于新冠死亡人数。因为在这中间，除了新冠导致的死亡之外，还有受医疗挤兑影响无法及时就医而死于新冠以外疾病的，还有因外出受限等生活习惯变化造成原有慢性病恶化而死去的，还有因经济困难而自杀的，等等。与此同时，在疫情封控时期，有些死亡又会减少，例如开车坐车的人大量减少，交通事故造成的死亡会减少。但是毕竟，在新冠死亡数据缺少统计或秘而不宣的情况下，额外死亡人数总是给我们推算新冠死亡人数提供了重要的依据。研究传染病流行情况常常要采用这种方法。
先看看中国官方是否提供了疫情期间的额外死亡数据。中国的国家统计局每年要公布人口统计数字，包括该年的死亡人数，死亡率以及和前一年的增减的百分比。根据国家统计局公布的数据，2022年末，全国死亡人口1041万人，比2021年增加27万人。但是请注意，这个“2022年末全国死亡人口1041万人”是不包括2022年12月的死亡人口的。在1月17日国务院新闻办举行的2022年国民经济运行情况新闻发布会上，国家统计局局长康义告诉我们，我国人口每十年做一次普查，最新的是2020年的全国人口普查，普查到每一个人。10年期间采用抽样调查的方法，再加定向追踪取得一些参数来推算全年的总人口、出生人口和死亡人口。在非普查年份，人口抽样调查的时点是每年11月1日0点，所以暂时还没有2022年12月死亡人口的数据。
如此说来，到目前为止，中国官方还没有告诉我们在疫情期间——主要是在疫情海啸期间——中国的额外死亡人数。
外界倒是有人研究额外死亡人数的。8月24日，美国医学会杂志官网（JAMA Network）发表了西雅图华盛顿大学几位华裔学者的研究报告。研究发现，中国在结束清零政策后的头两个月内，也就是从去年12月至今年1月，30岁以上的人的额外死亡人数估计有187万。这项研究是根据中国一些大学公布的死亡率数据抽样以及中国互联网上搜寻进行的。
从尸体火化数据推算额外死亡人数，再进而估测新冠死亡人数
在中国，要了解一段期间内的死亡人数，有一个办法，那就是查看尸体火化数据。中国禁止土葬，死人一般都是火化，而各个火葬场的尸体火化数据是有记录的。当然，在实际上，也有些地方是把死人土葬。尤其是在疫情海啸期间，火葬场不堪重负，因此在广大农村，有不少地方的农民是把死者就地土葬，还有自己搭起架子把尸体火化的，这些死者都没送进火葬场，因此不在火葬场火化的统计数字之内。但尽管如此，查看火葬场尸体火化数据仍然是我们了解死亡人数、从而推算出额外死亡人数、再进而估算出新冠死亡人数的重要依据。
4月13日，《华尔街日报》刊文说，该报调查发现，中国30多个省、市或区，通常每季度发布一次的尸体火化数量的官方报告要么消失了，要么没有按时更新。南京市从2020年第一季度以来，发布的每一份报告都删除了尸体火化数这一项目。《华尔街日报》向中国民政部和南京市有关部门发出问询，中国民政部和南京市有关部门都未作回应。《华尔街日报》说，尸体火化数据的缺失让估算难度大增。
这当然是中国政府心虚。它知道到外界会根据尸体火化数据推算出额外死亡数据，然后估计出新冠疫情死亡数据，所以它干脆把尸体火化数据统统给删除了。
不过，不知是刻意为之还是出于疏忽，有个别地方的尸体火化数据还是发布出来了，立刻引起了有心人的注意。
7月13日，浙江省民政厅公布了2023年一季度的统计数据。其中，火化尸体数达17.1万具。有网友查询去年同期数据（2022年1季度）发现，相比去年同期的9.9万具，增长高达72%。于是引发网民热议。三天后，浙江省民政厅从官网删除了此数据，网络上的相关话题和讨论也被屏蔽。
方舟子在X（推特）上写道：2023年一季度浙江省火化遗体数同比增长72.7%，也就是一季度多死了7万人。但一季度新冠疫情已是尾声，关键是去年第四季度火化遗体的数量。即使保守估计去年第四季度火化遗体情形相似，那么浙江因新冠死亡人数也有15万，浙江人口占中国4%，不考虑浙江医疗条件较好，即全国新冠死亡人数4百万，这是下限。
有网友查到河南省县级市长垣市民政局的“2023上半年年中工作总结”。其中明言，该市2023年1-6月共火化遗体1184具，较去年同期664具增加520具，同比增长78.3%。
又有网民查到广东惠东县广东民政局的“2022年上半年工作总结”以及“2023年上半年工作总结”。这两份文件提到，2022年1-5月，县殡仪馆共完成火化遗体2245具，其中本县户籍的845具；而2023年1-5月，县殡仪馆共完成火化遗体4804具。按照这个数据计算，2023年1-5月火化遗体数比去年同期增长114.0%。
国内有个网站，叫《自由知乎》。这个网站可用于查看《知乎》上一些被删除的问题和答案。自由知乎上有篇文章，题目是《如何看待广东人囗大县惠东1-5月火化遗体数暴增114%？》（今天我去查，文章的标题还在，内容已经删除了）。作者把浙江那个一季度同比增长72%，和河南长垣1-6月同比增长78.3%，以及广东惠东1-5月同比增长114%这三者综合考虑，推算如下：
第一波死亡峰在12月下旬和1月，2月开始就基本没什么超额死亡了，第二波4月底开始，5月下旬和6月初算是死亡峰，但这一波峰不高。我们粗算一下：
浙江那个数据，3×1.72-3=2.16，粗算1月份超额死亡率216%。
广东这个数据，我们假设5月份超额死亡率50%，5×2.14-5-0.5=5.2，粗算1月份超额死亡率520%。
河南那个数据，我们假设5月份和6月份超额死亡率分别为50%、10%，6×1.783-6-0.5-0.1=4.098，粗算1月份超额死亡率409.8%。
取三地算数平均值，得1月超额死亡率381.9%。
与大陆同防同放向来保持一致中国澳门特别行政区去年12月和今年1月超额死亡率几乎持平，都是接近300%。
我们取个整吧，今年1月份超额381.9%，去年12月超额318.1%，这样两个月平均超额350%。
中国大陆之前平均每月总死亡85万，那么根据以上数据可以推出：中国在2022年12月和2023年1月两个月里的总超额死亡数大约是595万。
我以为上述推算是比较合理的，其结果是比较靠谱的。
我们再回过头去比照世界卫生组织的相关数据。
截止2023年12月6日，全球新冠感染病例共7亿7千2百万（772,138,818）。其中，中国，感染病例9千9百万（99,320,723）。但根据吴尊友的估计，中国感染新冠的人口占中国总人口的80%，也就是11.2亿。这个数据比世卫组织说的全球感染病例7亿7千万还多得多。再有病死人数，按照世卫组织的数据，全球累计死亡人数698万（6,985,964）人，而按照上面基于几个地方泄漏的尸体火化数据进行的推算，中国在疫情期间——主要是在疫情海啸期间——即2022年12月到2023年1月期间——的额外死亡人数高达400万甚至595万。刨除掉其中非新冠死亡人数，那也是一个巨大的数目。在绝对数量上是全球第一，按比例算也是在全球名列前茅。
中共当局一直夸口说，在习近平亲自指挥亲自部署下，中国抗疫创造了奇迹，中国的新冠感染率和死亡人数保持在全球最低水平。但实际情况却是反过来的。
2023-12-11
from 博谈网 https://botanwang.com/articles/202312/%E8%83%A1%E5%B9%B3%EF%BC%9A%E4%B8%AD%E5%9B%BD%E6%96%B0%E5%86%A0%E7%96%AB%E6%83%85%E7%A9%B6%E7%AB%9F%E6%AD%BB%E4%BA%86%E5%A4%9A%E5%B0%91%E4%BA%BA%EF%BC%9F.html
