【印度真相】相信印度的疫情比看起来更糟的原因_风闻

这就是印度！

Future Tense： 5月3日晚上，德里市居民纳比尔（Nabeel）和他的COVID阳性兄弟在一辆救护车上，正在寻找ICU呼吸机床。帮助他弟弟呼吸的氧气瓶几乎用完了，但是他们在他们周围的医院找不到必要的床。 Nabeel 的电话一直在嗡嗡响着关于去哪里的线索，但没有一个实现。很快，时间和氧气都用光了，他32岁的哥哥在德里郊区的救护车上咽下最后一口气。

但是，这种损失可能还没有算在印度政府正式报告的每天4000多例COVID-19死亡人数中，截至周三，死亡人数总计超过25万。专家们认为实际数字要高得多-可能是实际数字的三倍甚至更多。造成这种差异的一个原因是，在医院外或前往医疗中心途中死亡的人通常不包括在官方死亡人数中。

“这是在灰色区域，在哪里是否记录了[她的死亡]，”律师杰夫卡·希夫（Jeevika Shiv）说道，她是为纳贝尔提供医院选择的众多志愿者之一。 “在过去的三周中，我们发现有不同类型的死亡-因缺氧而死于医疗机构，或在隔离中死去-您如何计算它们？”还有其他原因也无法计算死亡人数。有时死于COVID-19的患者进行假阴性试验。而且，据报道，印度政府只考虑了与冠状病毒直接相关的由COVID-19引起的死亡，就像有人死于病毒性肺炎一样。根据世卫组织的指导方针，不包括病毒导致患有潜在疾病的人死亡的病例。

印度正在经历毁灭性的COVID-19激增，活跃病例为370万，截至周一，在14亿全面接种疫苗的人口中，印度所占比例不到3％。城市和农村地区都受到了打击，本已薄弱的医疗基础设施正在崩溃。火葬场已满，在某些情况下，尸体被倾倒在恒河中。与此同时，印度政府正忙于反驳和惩罚在火葬场拍照。结果，像希夫这样的公民正在想出办法来追踪真实的死亡人数，并确保不会遗忘那些死去的人。记者和激进主义者正在火葬场里采访承办者，并在当地报纸上追踪有偿讣告。这些公民主导的文件计划最终可能成为印度最大的人道主义危机之一中实际死亡人数的代表。

Shiv是一组律师和研究人员的成员，该小组致力于启动在线COVID-19死亡跟踪器，从记录因缺氧导致的COVID-19死亡开始。预计将每周更新一次，它将包括媒体报道和隔离家中死亡的详细信息。该小组还收到了有关此类死亡的个人线索，并正在努力在更新在线数据库之前对每个人进行核实。希夫说：“我们希望[家庭]觉得他们有挺身而出的空间。”

在大流行期间，低估死亡人数并不是一个新挑战。一位城市历史学家，《大流行病时代》（Age of Pandemics，2020）一书的作者钦迈·通贝（Chinmay Tumbe）说，即使在1918年的流感大流行中，死亡人数也被低估了。他说，当时印度的死亡人数估计为600万，但塔姆贝（Tumbe）的研究表明，实际死亡人数为2000万。他是怎么做到的？一种方法是看待死亡的人数比正常人多。

为了估算1817年霍乱大流行期间的死亡人数，通贝（Tumbe）依靠加尔各答南部公园街公墓的墓地中的死亡登记记录，该记录显示，在接下来的50年中，墓葬率突然上升。他相信在当前的大流行期间可以遵循相同的过程。

“即使死因被登记为其他原因，研究人员也可以通过查看超额死亡率峰值来判断大流行期间有多少人死亡，”印度管理学院经济学教授 Tumbe 说。估计印度的COVID-19死亡人数。这意味着研究人员可以认为，出现一条直线之后的突然尖峰是由于COVID-19引起的，尽管对于这种分析，最好是等到所有数据可用后再进行实时处理。

（这种方法在美国也曾使用过。据说，官方的COVID-19死亡人数约为581,000，而华盛顿大学健康指标与评估研究所的一份报告对过高的死亡率进行了调查，结果表明实际数字可能是超过900,000。）

Tumbe说，真正的问题出在根本没有登记死亡的情况下。 “在印度，除了（政府）故意低报外，另一个问题是，在许多情况下，几乎不可能记录死亡，特别是如果整个家庭都死于该病毒。”

但 Tumbe 说，每一个死亡都会留下痕迹——无论是在墓地还是火葬场，尸体倾倒的湖泊，还是讣告。西部古吉拉特邦的一些记者就从这里进入。一群当地记者（有些人长达150公里）一直在观察火葬场，与工人交谈，计算尸体袋，还有更多的记者来计算真实人数。根据英国广播公司（BBC）的一份报告，报道说，4月的一天，这组记者在古吉拉特邦首都艾哈迈达巴德（Ahmedabad）数了200具尸体。当天，该市仅报告了25人死亡。

其中一位记者Deepak Patel每隔几个小时就会在Twitter上发布详细信息，并附有他们的估算值与政府发布的数据，这表明这两个统计值之间存在重大差异。他还向当地语言报纸上载了付费讣告的图像，以试图记录这场灾难的真实程度。还有其他一些人，根据印度的火葬场空间和柴火用尽，估算出真实人数是官方数字的五倍。

话虽如此，Tumbe 表示，由于大流行的强度因地区而异，因此无法使用特定于州的数据来缩小和扩展该国其他地区。