封锁措施导致了更多还是更少非新冠死亡?

封锁措施导致了更多还是更少非新冠死亡?

由港大经管学院经济学及管理及商业策略学副教授何国俊博士领导的一个国际研究小组,量化了中国严格的抗疫政策(即「封锁政策」)对非新冠死亡率的影响。这项研究刚刚发表在权威科学杂志《自然 – 人类行为》上。

面对新冠疫情大流行造成的空前危机,不同国家采取了不同的应对措施来减轻其影响。各国的措施各走极端,部份政府在疫情爆发后立即采取严格的措施限制人口流动等政策以控制疫情;亦有政府不愿意采取严格的防疫措施,明确地诉诸于群体免疫。何博士是次的研究运用数据分析,评估严格抗疫政策所带来的收益和成本,为政府未来制定防疫政策提供参考。

何国俊博士认为:「关于应否就新冠疫情实施封锁措施一直备受争议。一方面,很多人认为封锁可能会为正常人带来非常大的健康损害。例如,人口流动性限制减少了人们获得医疗服务的机会,商业和生产限制可能导致经济混乱和大规模裁员,这两种情况都可能导致更高的非新冠死亡率。但另一方面,病毒封锁政策也可能带来意外的健康收益,因为它们鼓励人们保护健康的行为(如戴口罩、勤洗手等),短期内减少与生产活动有关的风险(如改善空气质量,减少工作和交通事故),并降低其他传染病的传播(如季节性流感)。因此,封锁措施究竟带来额外的健康收益还是损失,需要进一步的实证研究。」

研究团队利用覆盖中国四分之一人口的死亡登记数据,比较了有实施封锁措施和没有实施封锁措施的城市在「封锁」之前、期间和之后的非新冠死亡率。他们发现,中国的严格抗疫措施使得非新冠死亡人数下降了4.6%。在严格「封锁」的最初50天内,避免了54,000人因其他原因死亡。令人惊讶的是,在封锁政策放松后,健康收益仍继续增长。在「封锁」措施解除后的115天内,非新冠死亡下降了12.5%,避免了29.3万人的死亡。

何国俊博士和研究团队发现,交通和工业活动的减少令空气污染减少,心血管疾病死亡也大幅下降。最初污染非常严重的地区得到了最大的改善,这表明更好的空气质量对防止过早死亡至关重要。同时,保持社交距离、勤洗手、消毒和戴口罩等行为的改变,显著降低了因其他传染病导致的死亡。

何博士指:「我们的研究指出了在解除封锁措施后,如何进一步改善公众健康。如果政府能够继续努力控制污染,公众愿意保持良好的个人卫生,这些短期的好处就能变为长期。」

是次研究由来自多个机构的学者合作进行。除香港大学外,研究团队成员还包括来自中国疾病预防控制中心和北京大学等机构。香港大学的何国俊博士与中国疾病预防控制中心的高福院士和周脉耕研究员为该研究的共同通讯作者,中国疾病预防与控制中心的齐金蕾副研究员和北京大学的张丹丹教授为该研究的共同第一作者。

Jinlei Qi+, Dandan Zhang+, Xiang Zhang,  Tanakao Takana, Yuhang Pan, Peng Yin, Jiangmei Liu,  Shuocen Liu, George F. Gao*, Guojun He*, Maigeng Zhou*. “Short- and medium-term impacts of strict anti-contagion policies on non-COVID-19 mortality in China.” Nature Human Behaviour, (2021).
详细研究:https://www.nature.com/articles/s41562-021-01189-3

 

Other Events
港大经管学院最新多模态AI图像生成能力排名出炉 部份中国人工智能模型表现突出
2025 | 学院新闻
港大经管学院最新多模态AI图像生成能力排名出炉 部份中国人工智能模型表现突出
港大经管学院今日发表《人工智能模型图像生成能力综合评测报告》,针对15个“文生图模型”及7个“多模态大语言模型”进行全面评估。研究显示,字节跳动的即梦AI和豆包,以及百度的文心一言,在新图像生成的内容质素及图像修改的表现突出;而早前引起全球关注的DeepSeek最新推出的文生图模型Janus-Pro,则在新图像生成方面表现欠佳。研究亦发现部分文生图模型虽然在内容质素方面表现优异,却在安全与责任方面的表现强差人意。整体而言,与文生图模型相比,多模态大语言模型整体表现较佳。
人工智能图像生成评测成绩单公布: 字节跳动百度表现亮眼,DeepSeek Janus-Pro表现欠佳
2025 | 研究
人工智能图像生成评测成绩单公布: 字节跳动百度表现亮眼,DeepSeek Janus-Pro表现欠佳
如今,人工智能领域的前沿模型技术已经从文本处理拓展至视觉信息的深度理解与生成。这些模型既能精准解读图像语义,又能根据文字描述创作出兼具真实感与艺术性的视觉内容,展现出令人惊叹的跨模态理解与创作能力。本研究聚焦全新图像的生成和基于现有图像的图像修改两大核心任务,提出了一套系统性的人工智能模型图像生成能力评测框架。我们基于多维测试集的构建与专家评审,对15个专业文生图模型和7个多模态大语言模型的图像生成能力进行了全面评估。结果显示,字节跳动的即梦AI和豆包以及百度的文心一言在新图像生成的内容质量与修改任务中表现突出,位列第一梯队。对比不同类型的AI模型,我们发现,相对于专业文生图模型,多模态大语言模型整体表现更佳。