Mortality and Health Spending during the First Year of the COVID–19 Pandemic. Comparing Central, Eastern and Western Europe

Agata Kliber; Elżbieta Rychłowska‑Musiał

doi:10.18778/1508-2008.26.04

Autor

Agata Kliber Associate Professor, Poznan University of Economics and Business, Poznan, Poland https://orcid.org/0000-0003-1996-5550
Elżbieta Rychłowska‑Musiał Associate Professor, Poznan University of Economics and Business, Poznan, Poland https://orcid.org/0000-0002-4444-2973

DOI:

https://doi.org/10.18778/1508-2008.26.04

Słowa kluczowe:

umieralność z powodu COVID, Stringency Index, umieralność z przyczyn innych niż COVID, test Johansena, kointegracja, wydatki na opiekę zdrowotną

Abstrakt

W artykule przedstawiono zależności między liczbą zgonów zakwalifikowanych jako zgony z powodu COVID–19 oraz liczbą zgonów z innych przyczyn w pierwszym roku pandemii, w zestawieniu z surowością wprowadzonych ograniczeń i obowiązkowymi wydatkami na opiekę zdrowotną w większości krajów europejskich. Analizujemy dane tygodniowe i stosujemy modele kointegracyjne. Z uwagi na intensywność zachorowań w badanych krajach, dzielimy okres na dwie podpróby: marzec – sierpień 2020 oraz wrzesień 2020 – luty 2021. Stwierdzamy, że najczęściej, jeśli występowała zależność między SI a umieralnością z powodu COVID lub nie‑COVID, to była ona dodatnia, a zmienną wiodącą była umieralność. Sugeruje to, że chociaż rządy dostosowały ograniczenia do rosnącej liczby zgonów, nie były w stanie opanować pandemii. Brak zależności lub zależności ujemne najczęściej występowały w tych krajach, w których wydatki na opiekę zdrowotną były najwyższe (czyli w krajach Europy Północnej i Zachodniej). Największe tygodniowe zmiany liczby zgonów niezwiązanych z COVID w drugim podokresie obserwowano w krajach Europy Środkowej i Wschodniej, gdzie wydatki rządowe na opiekę zdrowotną per capita są najniższe.

Pobrania

Brak dostępnych danych do wyświetlenia.

Bibliografia

Arendt, F., Markiewitz, A., Mestas, M., Scherr, S. (2020), COVID–19 pandemic, government responses, and public mental health: Investigating consequences through crisis hotline calls in two countries, “Social Science Medicine”, 265, 113532, https://doi.org/10.1016/j.socscimed.2020.113532
Google Scholar DOI: https://doi.org/10.1016/j.socscimed.2020.113532

Blondel, S., Vranceanu, R. (2020), COVID–19 Mortality and Health Expenditures across eEuropean Countries: The Positive Correlation Puzzle, https://doi.org/10.2139/ssrn.3679972
Google Scholar DOI: https://doi.org/10.2139/ssrn.3679972

Chudik, A., Mohaddes, K., Pesaran, M.H., Raissi, M., Rebucci, A. (2020), Economic consequences of COVID–19: A counterfactual multi‑country analysis, “NBER Working Paper Series”, 27855, National Bureau of Economic Research, Cambridge, https://doi.org/10.3386/w27855
Google Scholar DOI: https://doi.org/10.3386/w27855

Davillas, A., Jones, A.M. (2021), Unmet health care need and income‑related horizontal equity in use of health care during the COVID–19 pandemic, “Health Economics”, 30 (7), pp. 1711–1716, https://doi.org/10.1002/hec.4282
Google Scholar DOI: https://doi.org/10.1002/hec.4282

Elola‑Somoza, F., Bas‑Villalobos, M., Pérez‑Villacastín, J., Macaya‑Miguel, C. (2021), Public healthcare expenditure and COVID–19 mortality in Spain and in Europe, “Revista Clínica Española (English Edition)”, 221 (7), pp. 400–403, https://doi.org/10.1016/j.rceng.2021.09.001
Google Scholar DOI: https://doi.org/10.1016/j.rceng.2020.11.006

Engle, R.F., Granger, C.W. (1987), Co‑Integration and Error Correction: Representation, Estimation, and Testing, “Econometrica: Journal of the Econometric Society”, 55 (2), pp. 251–276, https://doi.org/10.2307/1913236
Google Scholar DOI: https://doi.org/10.2307/1913236

Eurostat (2021a), COVID–19. Data, https://ec.europa.eu/eurostat/web/covid-19/data (accessed: 18.05.2022).
Google Scholar

Eurostat (2021b), Deaths by week – special data collection, https://ec.europa.eu/eurostat/web/population-demography/demography-0population-stock-balance/database?node_code=demomwk (accessed: 21.04.2021).
Google Scholar

Fuller, J.A., Hakim, A., Victory, K.R., Date, K., Lynch, M., Dahl, B., Henao, O., CDC COVID–19 Response Team (2021), Mitigation Policies and COVID–19‑Associated Mortality–37 European Countries, January 23–June 30, 2020, “Morbidity and Mortality Weekly Report”, 70 (2), pp. 58–62, https://doi.org/10.15585/mmwr.mm7002e4
Google Scholar DOI: https://doi.org/10.15585/mmwr.mm7002e4

Hale, T., Angrist, N., Goldszmidt, R., Kira, B., Petherick, A., Phillips, T., Webster, S., Cameron‑Blake, E., Hallas, L., Majumdar, S., Tatlow H. (2021), A global panel database of pandemic policies (Oxford COVID–19 Government Response Tracker), “Nature Human Behaviour”, 5, pp. 529–538, https://doi.org/10.1038/s41562-021-01079-8
Google Scholar DOI: https://doi.org/10.1038/s41562-021-01079-8

Hassler, U., Wolters, J. (1994), On the power of unit root tests against fractional alternatives, “Economics Letters”, 45 (1), pp. 1–5, https://doi.org/10.1016/0165-1765(94)90049-3
Google Scholar DOI: https://doi.org/10.1016/0165-1765(94)90049-3

Johansen, S. (1991), Estimation and Hypothesis Testing of Cointegration Vectors in Gaussian Vector Autoregressive Models, “Econometrica”, 59 (6), pp. 1551–1580, https://doi.org/10.2307/2938278
Google Scholar DOI: https://doi.org/10.2307/2938278

Kontopantelis, E., Mamas, M.A., Deanfield, J., Asaria, M., Doran, T. (2021), Excess mortality in England and Wales during the first wave of the COVID–19 pandemic, “Journal of Epidemiology & Community Health”, 75 (3), pp. 213–223, http://doi.org/10.1136/jech-2020-214764
Google Scholar DOI: https://doi.org/10.1101/2020.05.26.20113357

Le, K., Nguyen, M. (2021), The psychological burden of the COVID–19 pandemic severity, “Economics Human Biology”, 41, 100979, https://doi.org/10.1016/j.ehb.2021.100979
Google Scholar DOI: https://doi.org/10.1016/j.ehb.2021.100979

Lee, D., Schmidt, P. (1996), On the power of the KSPP test of stationarity against fractionally‑integrated alternatives, “Journal of Econometrics”, 73 (1), pp. 285–302, https://doi.org/10.1016/0304-4076(95)01741-0
Google Scholar DOI: https://doi.org/10.1016/0304-4076(95)01741-0

Mckibbin, W., Fernando, R. (2020), The Global Macroeconomic Impacts of COVID–19: Seven Scenarios, “CAMA Working Paper”, 19, https://doi.org/10.2139/ssrn.3547729
Google Scholar DOI: https://doi.org/10.2139/ssrn.3547729

OECD (2022), Health spending, https://doi.org/10.1787/8643de7e-en
Google Scholar DOI: https://doi.org/10.1787/8643de7e-en

Pfaff, B. (2008), Analysis of Integrated and Cointegrated Time Series with R, Springer, New York, https://doi.org/10.1007/978-0-387-75967-8
Google Scholar DOI: https://doi.org/10.1007/978-0-387-75967-8

Saladino, V., Algeri, D., Auriemma, V. (2020), The Pychological and Social Impact of COVID–19: New Perspectives of Well‑Being, “Frontiers in Psychology”, 11, pp. 1–6, https://doi.org/10.3389/fpsyg.2020.577684
Google Scholar DOI: https://doi.org/10.3389/fpsyg.2020.577684

Sciensano (2021), Analyse van de oversterfte gelinkt aan COVID–19 in 2020, https://www.sciensano.be/nl/pershoek/analyse‑van‑de‑oversterfte‑gelinkt‑aan‑covid-19-2020 (accessed: 1.06.2021).
Google Scholar

Sornette, D., Mearns, E., Schatz, M., Wu, K., Darcet, D. (2020), Interpreting, Analysing and Modelling COVID–19 Mortality Data, “Swiss Finance Institute Research Paper”, 20–27, http://doi.org/10.2139/ssrn.3586411
Google Scholar DOI: https://doi.org/10.2139/ssrn.3586411

Stein, L. (2020), Belgium appears to have the highest coronavirus mortality rate in the world. Here’s why, https://www.abc.net.au/news/2020-05-18/why‑belgium‑has‑a‑high‑number‑of‑coronavirus‑deaths/12259032 (accessed: 18.05.2022).
Google Scholar

Stukalo, N., Simakhova, A., Baltgailis, J. (2022), The COVID–19 Pandemic’s Impact on the Social Economy in European Countries, “Comparative Economic Research. Central and Eastern Europe”, 25 (1), pp. 109–125, https://doi.org/10.18778/1508-2008.25.07
Google Scholar DOI: https://doi.org/10.18778/1508-2008.25.07

The COVID Tracking Project (2021), https://github.com/COVID19Tracking (accessed: 18.05.2022).
Google Scholar

Walker, P.G.T., Whittaker, C., Watson, O.J., Baguelin, M., Winskill, P., Hamlet, A., Djafaara, B.A., Cucunubá, Z., Olivera Mesa, D., Green, W., Thompson, H., Nayagam, S., Ainslie, K.E.C., Bhatia, S., Bhatt, S., Boonyasiri, A., Boyd, O., Brazeau, N.F., Cattarino, L., Cuomo‑Dannenburg, G., Dighe, A., Donnelly, C.A., Dorigatti, I., Elsland, S.L. van, FitzJohn, R., Fu, H., Gaythorpe, K.A.M., Geidelberg, L., Grassly, N., Haw, D., Hayes, S., Hinsley, W., Imai, N., Jorgensen, D., Knock, E., Laydon, D., Mishra, S., Nedjati‑Gilani, G., Okell, L.C., Unwin, H.J., Verity, R., Vollmer, M., Walters, C.E., Wang, H., Wang, Y., Xi, X., Lalloo, D.G., Ferguson, N.M., Ghani, A.C. (2020), The impact of covid–19 and strategies for mitigation and suppression in low‑ and middle‑income countries, “Science”, 369 (6502), pp. 413–442, https://doi.org/10.1126/science.abc0035
Google Scholar DOI: https://doi.org/10.1126/science.abc0035