2020年全球經歷了1918年以來最嚴重的新發傳染病全球大流行。面對百年一遇的大流行，具有重大意義的是：觀察和記錄疫情在時間、空間、人間的分佈；從分佈的一致和不一致中尋找規律；進而探索分佈規律的原因。本文擬在此三方面，就2020年內新型冠狀病毒病（Covid-19，新冠病）疫情發展作一小結。
主要的資料來源包括：疫情資料來自世界衛生組織的報告，因8月中旬起世衛由日報改為週報，部分月末及年終數字通過簡單線性方法估算得出；人口和國內生產總值資料來自聯合國。
重點發現：(1) 2020年全球逾8000萬人確診（約每百人1人），180萬人死亡（約每萬人2人），真實病死率約為2%。(2) 全球新增病例和死亡時間序列表現為三台階模式。(3) 六洲疫情在指標值上差異達30倍，在時間分佈模式上也明顯多樣，分別呈現1、1.5、2、2.5波模式，波的時間和形狀亦與1918年流感大流行有明顯差異。(4) 國家／地區之間疫情差異非常大，14國死亡率已達千分位，同時，有11地未有疫情，19地有病例但無死亡，極端差距至少六個數量級。(5) 30大國領跑的是美國和印度，模範是越南和泰國。(6) 統計提示醫療水平差異以及病例發現嚴重不足、醫療系統擠兌等問題存在，同時又提示後二者對整體未構成重大的影響。(7) 面積、人口規模、人口密度、國內生產總值等變量與疫情無關。(8) 四個自變量，即所在洲、人均產值、海島、民主指數可解釋死亡率變異的約一半，另一半應取決於未列入分析的其他因素。(9) 探索因素之間的交互作用，可見一些有趣的模式。(10) 多數洲可見疫情差異很大的典型，類同的國家可互相學習。(11) 專制國家疫情指標顯著和穩定地優於民主國家。(12) 部分民主國家防疫效能較佳，可供其他民主國家參照學習。
五大指標
採用基本的五大指標，即病例數、發病率、死亡數、死亡率、病死率，以描述和分析疫情（表1）。
病例數是患病情況的絕對數指標，尤其在疫情早期，提示疫情的空間分佈和趨向，各地的疫情負擔和繼續傳播的動力。2020年全年錄得確診病例8159萬餘。圖1展示全球病例數的時間分佈：年內按週新增確診病例數可見三波；第一波約是3月至4月，峰值56萬例／週；第二波約是5月至9月，峰值187萬例／週；第三波約是10月開始，圖中峰值在12月，465萬例／週，但撰寫本文時已確知2021年1月的疫情更趨嚴重；「三波」更準確地應描述為「三台階」，因新增病例數從沒有出現顯著回落的谷，只是分三次提升到更高的水平。病例數的空間分佈：全球病例分佈於219個國家／地區；病例最多的十個國家（表1）依次是美國、印度、巴西、俄羅斯、法國、英國、意大利、西班牙、德國、哥倫比亞，十大合計5275萬餘，佔全球總數的65%。
發病率是患病情況的相對指標，是病例數除以人口數，代表人口受侵襲的程度。2020年全球合計發病率為10468/百萬人口，即每百人約有一人患病。發病率的時間分佈與病例數的相同（三台階）。發病率的空間分佈：各地人口數量有很大的差異，發病率比病例數更能反映各地受侵襲的真實程度；發病率的十大（表1），除美國外，都是較小的國家；全球發病率最高的地方（安道爾），每百人口約有十人患病，與自然免疫水平（至少70%）仍有大的差距。發病率高的因素可包括病原變異、環境促成因素、人口易感性、防控效能等。
死亡數是死亡情況的絕對數指標，尤其在疫情中後期，比病例數更能提示疫情的健康影響。2020年全年錄得新冠病死亡179萬餘。圖2展示全球死亡數的時間分佈：時間分佈模式與病例數類似，在大致相同的時間出現三波／三台階；顯著的不同點在第一階明顯較高，因而與第二階的差距很小，這是因疫情早期病死率偏高所致。死亡數的空間分佈：全球死亡分佈於197個國家／地區；死亡最多的十個國家（表1）依次是美國、巴西、印度、墨西哥、意大利、英國、法國、俄羅斯、伊朗、西班牙，十大合計117萬餘，佔全球總數的65%。
死亡率是死亡情況的相對指標，是死亡數除以人口數，代表按人口的健康影響程度。2020年全球合計新冠病死亡率為231/百萬人口，即每萬人有略多於二人死亡。死亡率的時間分佈與死亡數的相同。死亡率的空間分佈：各地人口數量有很大的差異，死亡率比死亡數更能反映各地健康影響的真實程度；死亡率的十大（表1），除意大利外，都是較小的國家；全球死亡率最高的地方（聖馬力諾），每千人口有近二人死亡。死亡率高的因素除發病率高的因素外，還包括臨床診治效能和醫療系統擠兌等。
病死率也是死亡情況的相對數指標，是死亡數除以病例數，代表病例的死亡風險、疾病的凶險程度。2020年全球累計新冠病病死率為2.2%，即每百名病人有略多於二人死亡。累計值受早期較高值的影響，年終時的病死率其實略低於2%。圖3展示全球病死率的時間分佈：病死率呈現特別的時間分佈模式，與病例和死亡的不同；早期波動不定，主要原因應是疫情以及病例和死亡的發現都在迅速變動中；在病例第一波稍後的時候出現峰值，主要原因應是早期未掌握防控和臨床診治方法，甚至出現醫療系統擠兌；峰值之後，持續下降，漸趨平緩，反映疾病與防治兩方逐漸趨向真實的平衡點。病死率的空間分佈（表1）：全球病死率最高的地方（也門），每百名病人有29人死亡；病死率較高的大國，還包括墨西哥、埃及、中國等。病死率高需考慮病原、環境、人口、醫療系統等四方面因素，其中，尤其需要留意病例診斷和報告不全、醫療系統擠兌等情況。
六洲疫情
如表2所示，六洲出現疫情的先後順序是亞、北美、歐、大洋、非、南美；全年累計，歐洲病例數和死亡數最高，但北美洲發病率和死亡率最高；此四項指標，大洋洲均最低；北美洲發病率和死亡率分別是大洋洲的30倍和31倍；病死率南美洲最高，亞洲最低，其餘相差不多。
六洲發病率和死亡率差距很大，難以在同一線圖中畫出，需分為Ａ組（歐、北美、南美，圖4A）和Ｂ組（亞、非、大洋，圖4B），兩組縱軸高度相差10倍。歐洲和北美洲的疫情比較類似，分別在北半球春末和冬季有高峰，歐洲比北美洲早些，第二波高於第一波。北美洲在兩峰之間尚有一小峰，與南美洲高峰同時，或可考慮為三波疫情。南美洲呈現在南半球冬季的一波疫情，年終時有所上升，但暫未能確定是否正出現新的波峰。亞洲的高峰在北半球秋季，春末有一個小峰，或可考慮為第一波，年終時疫情並未趨於上升。大洋洲在4月（與亞洲同時）有較小的第一波，然後在南半球冬季（稍後於南美洲和非洲）出現第二波高峰，年終時疫情並未趨於上升。非洲在南半球冬季出現第一波（與南美洲同時），年終時趨於上升，正出現新的波峰。
若與1918年流感大流行（圖5）比較，可見類同的是首年兩波疫情，且跨年延續；但各波時間不同，1918年大流行第一波在6~7月（紐約4月），第二波在10~11月，第三波在翌年2~3月，波的模式也不同，1918年波峰較高（死亡率較高）、較瘦（持續時間較短），波峰之後回落顯著，波谷分明，低谷期間看來較接近常態。不同的原因可能包括：病種和病原不同，人類反應可能不同，現時的防控措施改變疫情的自然進程，現時的醫療減少和延緩死亡的發生，各國疫情呈現多樣化發展。
國家／地區差異
本文根據世界衛生組織的新冠病疫情報告，以及聯合國關於人口及或國內生產總值的報告，確定獲公認的國家／地區名單，排除人口不足1萬的國家／地區，餘226個。
嘗試將226個國家／地區按人口和死亡率分級列入同一表格（表3），可見：各地疫情有很大的差異；11地未有病例和死亡報告，包括朝鮮、土庫曼、密克羅尼西亞、薩摩亞、基里巴斯、湯加、美屬薩摩亞、帕勞、庫克群島、吐瓦魯、瑙魯；19地雖有病例，但未有死亡； 死亡率從真零到千分位，相差至少六個數量級。
同時考慮死亡率和人口因素，區分對全球疫情影響的分級：表3右下國家／地區影響最大，左上影響最小，粗略地以不同顏色表示；第一級是美國和印度；比意秘捷西英墨巴俄等，直至中國，屬第二級；如此類推。藍色粗體字代表筆者此前曾界定的30大國，包括人口大國和經濟大國（即人口數及或國內生產總值在全球20大的國家）。30大國的分佈是：美國和印度在第一級領跑；主群在第二級；剛果(金)、韓國、澳大利亞較佳，在第三級；越南和泰國是30大國中的模範，在第四級。
死亡率是大流行中比較重要和可靠的單項指標，為免分析過度複雜和混亂，表3和此後的多數分析，僅以死亡率為之。然而，各疫情指標並非總是一致，存在多種不同的組合（表4），而不同的組合模式可具有重要的提示，在此略作討論。
可視為正常的組合模式應是：發病率與死亡率相關，病死率中等，不隨兩者變動；真實統計中，約半數國家／地區屬此。在確有明顯疫情的前提下，發病率與死亡率相關，病死率低的組合，可能提示醫療水平較佳，但需排除在病原、人口、環境等方面有無其他重大的原因。同樣情況而病死率高的組合，則可能提示醫療水平欠佳。發病率低、病死率高，有負相關關係，而死亡率與兩者不相關的組合，可能提示病例發現嚴重不足，疑似的實例包括也門、利比里亞、馬利、馬拉維、塞拉利昂、索馬里、剛果(金)、乍得等。發病率、死亡率、病死率三高，三者正相關的組合，則可能提示醫療系統擠兌，疑似的實例包括比利時、波黑、意大利、北馬其頓、西班牙、英國、匈牙利、阿根廷等。不過，實際情況會比數據演示複雜，原因包括：醫療能力、病例發現、系統過載等問題其實比較可能不同程度地廣泛存在於各地，只是在多數地方未足以在統計數據上清楚顯示；多個問題可同時同地并存而互相重疊，使數據規律變得模糊混亂：現實中比較可能沒有清晰明確的界限，這些界限只是數據演示中半任意的設定。
影響因素
為探索疫情在國家／地區分佈的一致和不一致的原因，筆者嘗試從一些較容易取得的基本參數開始，包括環境（所在洲；地理特徵；面積），人口（規模，密度），經濟（國內生產總值，人均產值），社會（民主指數）等。
將基本參數和疫情指標的連續變量列入，進行相關分析，結果如表5所示。又以死亡率作為因變量，進行多因素線性迴歸分析，列入的以下因素作為自變量：類別變量轉換為虛擬變量，包括所在洲（歐美／亞非大洋），地理特徵（海岸或內陸／海島），另加入人均產值中分變量（高／低於中位數）；連續變量，包括面積，人口數，人口密度，國內生產總值，人均產值。民主指數因遺漏值較多，影響整體分析效能，故不列入。結果如表6所示。
綜合相關和迴歸分析所見，在環境因素方面，所在洲（歐美／亞非大洋）是對死亡率影響最大的因素；州亦與人均產值、民主指數、發病率相關；洲間疫情差異，相信是自然環境、社會環境、人口體質、生活方式、衛生系統和應對、鄰國互相影響、主導病原株等多方面差異的綜合表現。地理特徵與死亡率的關聯較弱，但統計學上具顯著性；海島地區死亡率顯著低於非海島地區，相信與控制對外聯繫、閉關自守的能力有關。 面積與疫情未見相關，但與國內生產總值、人口相關。
人口因素方面，人口規模與疫情未見相關，圖示法所見相符（圖6），但與國內生產總值、面積相關。人口密度與疫情亦未見相關，但與人均產值相關。
經濟因素方面，國內生產總值與疫情未見相關，但與人口、面積相關。人均產值與疫情關係較複雜：整體而言，與疫情不相關；若在中位數分成兩段，低段與死亡率和發病率相關，高段則否；高段的死亡率顯著高於低段；圖示法可見存在上述關係（圖7）；另與民主指數、人口密度相關。
社會因素方面，民主指數與死亡率和發病率相關，圖示法可見（圖8），所有死亡率在第80個百分位以上的國家，其民主指數均在接近5分處以上，只有一個例外（伊朗）；另與人均產值、所在洲相關。
疫情指標本身可見，發病率與死亡率高度相關，符合常理；發病率和死亡率，與病死率未見相關，提示整體上，之前論及的兩種情況，即病例發現的嚴重不足、醫療系統擠兌，未構成重大影響
整體考量，迴歸分析發現三個因素與死亡率關聯，按影響大小順序為所在洲、人均產值、地理特徵，三者合共能解釋死亡率約42%的變異。加上未列入迴歸分析的民主指數，估計應能解釋約一半的變異。其餘一半，應取決於未列入分析的變量，尤其包括各地先存的特異情況和應對疫情的舉措。
嘗試探索上述四個因素之間的交互作用，可見一些有趣的模式。所在洲與地理（表7），洲的影響強大，在各地理類別中，均顯見高死亡洲與低死亡洲的差異；海島的影響亦明顯，在各洲均見海島國死亡率低於海岸國；內陸國家則有兩極情況，亞非兩洲低死亡，歐南美兩洲高死亡。
所在洲與人均產值（表8），兩者之間有相關，高死亡洲富國較多，低死亡洲窮國較多；洲的影響為主，在各產值類別中，均顯見高死亡洲與低死亡洲的差異；多數洲呈現，人均產值低段似有漸升趨勢，高段死亡率高於低段，但沒有漸升趨勢。
所在洲與民主指數（表9），兩者之間有相關，高死亡洲民主國較多，低死亡洲非民主國較多；洲的影響為主，在多數政體類別中，均顯見高死亡洲與低死亡洲的差異；整體存在死亡率隨政體民主程度上升的情況，但各洲都不完全符合此規律；專制政體的影響比較明顯，在各洲均呈現最低的死亡率。
地理與人均產值（表10），兩因素共同作用；高死亡僅見於非海島國的人均產值高段；多數產值類別中，海島國死亡率均低於非海島國；各地理組別大約可見人均產值的整體規律，即低段漸升，高段死亡率高於低段，但沒有漸升。
地理與民主指數（表11），政體的影響較明顯，高死亡僅見於民主國；多數政體類別中，海島國死亡率均低於海岸國。
人均產值與民主指數（表12），兩者之間明顯相關，富國民主多，窮國非民主多；兩因素共同作用，高死亡僅見於人均產值高段的民主國；人均產值的分佈規律和影響之所以在中間分開，可能的原因，考慮一是飽和，二是低段和高段的國家實質不同。
典型比較
國家／地區並非在真空之中，亦非同一。因許多方面先存的因素而成為不同的類型，甚至處於特殊的狀態。意圖將整個疫情又或僅是單一防疫舉措，從一個國家完全複製到另一個國家，未必現實。比較類同的國家／地區之間，在特定方面和一定程度上互相學習，或許是較現實的做法。以下以各洲人口不少於千萬而死亡率分別較高和較低的國家作為典型，以圖示比對年內疫情發展的過程。
亞洲典型（圖9）：亞洲各國的情況比較多樣；伊朗在領頭位置，在4月第一波時超越中位數，後稍緩但仍持續上升，10月超越第80百分位數；伊拉克、土耳其、印度、印尼是其後的主群，年內先後超越中位數，年終時與80百分位數尚有一定距離；越南和泰國是亞洲的模範，年內保持遠低於中位數，在圖中與橫座標軸重疊；中國死亡率比越泰高一個數量級，但圖中無法分辨。
歐洲典型（圖10）：歐洲各國的情況比較一致；意大利、西班牙、英國、法國是領頭主群，在4月第一波時即迅速超越80百分位數，然後橫行約半年，10月第二波再抬頭向上；希臘和葡萄牙在歐洲已是較佳的範例，其特點是4月第一波應對較佳，然後在較低位置橫行，但10月第二波同樣迅速上升，即將和已經超越80百分位數；歐洲圖的縱座標軸比亞洲圖高一倍，但較大國家仍沒有能貼近橫座標軸的。
北美洲典型（圖11）：美國、墨西哥領頭，分別在3~5月超越中位數，7~8月超越第80百分位數，疫情上升比較持續，美國似乎也有兩波，但遠沒有歐洲國家那麼顯著；加拿大在中間，4月時超越中位數，年終時趨向80百分位數，兩波比較明顯；古巴和海地是北美洲的模範，年內保持遠低於中位數，貼近橫座標軸。
南美洲典型（圖12）：秘魯、阿根庭、巴西、玻利維亞是領頭主群，分別在4~7月超越中位數，6~9月超越第80百分位數；委內瑞拉是南美洲的模範，至年終時與中位數尚有一定距離。
非洲典型（圖13）：南非領頭，在6月超越中位數，年終時剛超越第80百分位數；突尼斯、摩洛哥隨後，9月才超越中位數，年終時與80百分位數尚有距離；坦桑尼亞和埃及是非洲的模範，年內保持遠低於中位數，年終時前者仍在橫座標軸，後者則貼近中位數。
大洋洲典型：大洋洲人口在千萬以上的國家只有澳大利亞一個，故不專做一圖，可參見部分民主國家圖（圖15）；大洋洲許多小島國尚未有疫情或只有較輕的疫情，但澳大利亞在30大國和民主國家之中，都是較佳的範例之一；澳大利亞4月升幅輕微，主要升幅是在7~9月，年終時與中位數尚有相當距離。
民主國家典型（圖15）：無需諱言，在此次大流行中，專制國家的疫情指標顯著和穩定地優於民主國家；不同政體國家防控效能的顯著差異，其原因和機制其實相當容易明白；不同政體各在許多方面有非常重大的優缺點，人們的取捨並不會因為防疫這一面上的效用而倒轉；期望民主國家學習專制國家的防疫舉措，並不現實；雖然比例較小，確有防疫效能較佳的民主國家，可作為其他民主國家學習的範例。
未來預期
2020-21年北半球冬春季，全球疫情將相當嚴竣。這已非預測，而是事實。撰寫本文時已知，1月新增病例和死亡比12月大幅上升。全球各地顯見嚴重的抗疫疲勞，封城和社交距離措施日益難以實行。各地先後開展疫苗接種運動，但無可能在本季內達至有效防止疫情擴展的水平。疫情不嚴重的地方繼續閉關自守，疫情嚴重的地方做好全民風險溝通和防止醫療系統擠兌應是重點。
新冠病疫苗研發、生產、分配和早期應用較預期順利。隨各國接種運動開展，預期接種疫苗後不良事件報告持續出現，亦未必能夠迅速確證與疫苗有無關係。預期相當部分民眾對疫苗的不信任和爭議持續存在。較不富裕的國家早期可能較難獲得平等供應。最終全球民眾分別通過疫苗和自然感染獲得免疫力。預期不太可能在一年內許多地方達至群體免疫。
現時難以斷言在北半球冬春高峰之後，還有多少波，亦難以斷言新冠病的季節性規律，更無法預言整體大流行何時終結。技術上或可將全球基本實現任何願意接種疫苗的人都可接種時，視為大流行的終結，之後回歸常態管理。大流行健康影響繼續累積，預期最終死亡數不會接近1918-19年流感大流行，但將明顯超越1957和1968年。預期重大的經濟和社會影響將陸續浮現，其分配並不平均，比較可能對弱勢的地方和群體更加不利，全球社會經濟不公平因而明顯加深。
在疫苗接種計劃開展之後，復原計劃如尚未開展，便應當開展。復原的重點在於減輕或恢復大流行和防控造成的社會和經濟影響，包括應對因大流行而加深的社會經濟不平等。復原可能需要很長的時間。一些因大流行而改變的社會制度、生活和行為方式、發展趨勢等，將成為新常態，永遠不會復原。