COVID-19 Mortality Statistics

Mon, 16 Dec 2024 00:00:00 +0000

Abstract

The COVID-19 pandemic necessitated the rapid establishment of the COVID-19 mortality epidemiological surveillance database (SURV) in Belgium due to a significant delay in availability of the cause of death database (COD). Understanding differences and limitations in both databases is crucial for contextualising COVID-19 mortality statistics. This study assesses SURV’s data quality, raises awareness of differences and limitations in both databases, and proposes recommendations for future pandemic mortality surveillance. SURV and COD were linked probabilistically to explore overall coverages and discrepancies. Factors such as region and place of death, case classification, epidemic wave, age group, sex, and number of conditions, were analysed using logistic regression models. SURV identified 90% (n=19,801) of COVID-19-related deaths from COD (n=22,015). Coverage was higher in hospitals (98%, n=11,130 in SURV, n=11,335 in COD) and long-term care facilities (90%, n=8,602 in SURV, n=9,580 in COD) compared to deaths at home (5%, n=52 in SURV, n=1,057 in COD). However, 83.9% of SURV records listed COVID-19 as the underlying cause of death in COD, and 75.4% of COVID-19 deaths in COD were identified in SURV. Reduced COVID-19 activity and diagnostic uncertainty resulted in lower agreement between databases. Variations in data quality were observed across epidemic waves, regions, and healthcare facilities. In addition to reaching real-time objectives, SURV exhibited good data quality with limited discrepancies, but underreported COVID-19 deaths at home. Presuming neither database can be unequivocally considered as gold standard for COVID-19 mortality statistics, they provide valuable insights for policy formulation. Improving real-time mortality data collection is crucial, emphasising the need for effective collaboration among stakeholders.

Résumé

La pandémie de COVID-19 a nécessité la mise en place rapide de la base de données de la surveillance épidémiologique de la mortalité COVID-19 (SURV) en Belgique en raison d'un retard important dans la disponibilité de la base de données sur les causes de décès (COD). Il est essentiel de comprendre les différences et les limites des deux bases de données pour contextualiser les statistiques de mortalité COVID-19. Cette étude évalue la qualité des données de la SURV, sensibilise aux différences et aux limites des deux bases de données et propose des recommandations pour la surveillance future de la mortalité durant une pandémie. Les données SURV et COD ont été reliées de manière probabiliste afin d'explorer les couvertures globales et les divergences. Des facteurs tels que la région et le lieu de décès, la classification de cas, la vague épidémique, le groupe d'âge, le sexe et le nombre de conditions ont été analysés à l'aide de modèles de régression logistique. La SURV a identifié 90 % (n = 19 801) des décès dus à la COVID-19 par rapport à la COD (n = 22 015). La couverture était plus élevée dans les hôpitaux (98 %, n = 11 130 dans la SURV, n = 11 335 dans la COD) et les établissements de soins de longue durée (LTCF) (90 %, n = 8 602 dans la SURV, n = 9 580 dans la COD) par rapport aux décès à domicile (5 %, n = 52 dans la SURV, n = 1 057 dans la COD). Cependant, 83,9 % des enregistrements de la SURV mentionnaient la COVID-19 comme cause sous-jacente de décès dans la COD, et 75,4 % des décès dus à la COVID-19 dans la COD ont été identifiés dans la SURV. L'activité réduite de la COVID-19 et l'incertitude du diagnostic ont entraîné une moindre concordance entre les bases de données. Des variations dans la qualité des données ont été observées entre les vagues épidémiques, les régions et les établissements de santé. En plus d'atteindre les objectifs en temps réel, la SURV a présenté une bonne qualité de données avec des divergences limitées, mais a sous-déclaré les décès dus à la COVID-19 à domicile. En supposant qu'aucune des deux bases de données ne puisse être considérée sans équivoque comme l'étalon-or des statistiques de mortalité COVID-19, elles fournissent des informations précieuses pour la formulation des politiques. Il est essentiel d'améliorer la collecte de données sur la mortalité en temps réel, ce qui souligne la nécessité d'une collaboration efficace entre les parties prenantes.

Identifying partnership biographies from residential information in Belgian administrative data

Tue, 17 Dec 2024 00:00:00 +0000

Abstract

In countries like Belgium, a high-quality registration system is an asset for demographic studies on family transitions, union formation and dissolution, and residential mobility, as it provides the necessary longitudinal data for the entire resident population. This technical report explores Register-based datasets from the Demobel database, developed and supplied by Statbel (Statistics Belgium). Our first contribution is to propose a new typology of household composition that pays more attention to complex categories, such as non-married partners, same-sex unions/families and multigenerational households. Our second contribution is the detailed description of our strategy to identify union formations and dissolutions based on administrative data. In sum, this report provides an example of how partnership biographies can be reconstructed based on the residential information in administrative data, documenting both the challenges and strengths of this dataset and the choices made.

Résumé :

Dans des pays tels que la Belgique, l’existence d’un système d’enregistrement d’excellente qualité est un véritable atout dans les études démographiques portant sur les transitions familiales, les formations et les ruptures d’union ou la mobilité résidentielle, notamment dans un contexte où ces recherches se font rares du fait d’un manque de données longitudinales. Ce rapport technique présente une exploration des sources de données basées sur des registres de population, à partir de la base de données Demobel, construite et mise à disposition par Statbel. Notre premier objectif est de proposer une nouvelle typologie de composition des ménages, qui donne plus de visibilité, dans le registre de poulation, aux catégories moins usuelles, tels que les couples non-mariés, les unions et les parentalités de personnes de même sexe, et les ménages multigénérationnels. Notre seconde contribution consiste à identifier les formations et ruptures d’union sur base de ces données administratives. Ce document ne fait pas office de règle absolue, mais il délivre un exemple de reconstruction des parcours d’unions à partir de données administratives et il met en lumière les défis et forces relatifs à l’utilisation de ce type de données.

Quetelet Journal

COVID-19 Mortality Statistics

Identifying partnership biographies from residential information in Belgian administrative data