基于机器学习评估孟加拉国尼帕病毒疫苗接种决策的社会经济影响因素

《Journal of Health, Population and Nutrition》：Evaluating socioeconomic influences on Nipah virus vaccination decisions in Bangladesh through machine learning

本研究针对孟加拉国尼帕病毒(NiV)高致死率且缺乏有效治疗手段的严峻现状，旨在探究影响民众疫苗接种意愿(WGTV)的关键因素。研究人员通过横断面调查收集了1200份问卷数据，并应用随机森林(RF)、决策树(DT)和极限梯度提升(XGBoost)等机器学习算法进行预测分析。研究结果表明，教育程度和家庭收入是预测疫苗接种意愿的最关键因素，其影响力远超年龄、性别等人口学特征。该发现为公共卫生部门制定精准干预策略、弥合社会经济差距以提升免疫覆盖率提供了重要的循证依据。

　　

在孟加拉国，一种名为尼帕病毒(NiV)的致命病原体正悄然蔓延。这种病毒的自然宿主是果蝠，通过接触受感染的动物、食用被污染的食物或人与人之间的密切接触传播。自2001年首次暴发以来，孟加拉国几乎每年都会出现季节性疫情，截至2024年2月，全国已报告341例确诊病例，其中242例死亡，病死率高达惊人的73%。更令人担忧的是，2023年的疫情是近七年来最严重的一次，且病毒首次在母乳中被发现，这意味着可能存在母婴传播的新途径。

面对如此严峻的威胁，目前尚无获批的疫苗或特效药。因此，提高公众对尼帕病毒的认知并采取预防措施，成为遏制疫情的唯一手段。然而，在公共卫生实践中，一个核心问题始终困扰着决策者：究竟哪些因素在真正驱动着人们接种疫苗的意愿？是年龄、性别，还是教育水平、经济状况？为了回答这个问题，来自孟加拉国工程技术大学和诺阿卡利科技大学的研究团队开展了一项深入的研究，并利用前沿的机器学习技术，揭示了隐藏在数据背后的关键规律。

为了系统评估孟加拉国尼帕病毒疫苗接种意愿的社会经济影响因素，研究人员开展了一项横断面调查。该研究于2024年9月14日至30日进行，通过面对面访谈和在线问卷相结合的方式，从孟加拉国7个社区及全国30多个地区收集了1200份有效问卷。研究团队首先运用卡方检验进行统计学分析，以识别与疫苗接种意愿显著相关的变量。随后，他们构建了三种机器学习模型——决策树(DT)、随机森林(RF)和极限梯度提升(XGBoost)，用于预测个体的疫苗接种意愿并评估各特征的重要性。为了增强模型的可解释性，研究还引入了SHAP(Shapley Additive exPlanations)分析，以量化每个特征对模型预测结果的贡献度。研究特别设置了两种分类场景：一种是包含五个意愿等级的多分类问题，另一种是将数据重新划分为“愿意”和“不愿意”的二分类问题，以解决数据类别不平衡的问题。

统计分析与机器学习模型性能

研究首先对1200名受访者的基本情况进行了描述性统计。结果显示，样本中年轻人（25岁以下）占比较高（47.58%），且多数受访者居住在农村地区（48.75%）。在知识态度方面，尽管82.33%的受访者认识到蝙蝠在生态中的重要性，但仍有60.25%的人错误地认为蝙蝠是盲的，44.74%的人认为所有蝙蝠都携带尼帕病毒，这反映出公众对蝙蝠存在普遍的误解。

卡方检验结果表明，所有被考察的社会人口学特征（包括年龄、居住地、性别、婚姻状况、最高学历、职业、家庭月收入、家庭规模和日均社交互动次数）均与疫苗接种意愿存在显著关联（p值均小于0.05）。在机器学习模型预测方面，当采用五分类（Case I）时，随机森林(RF)模型表现最佳，准确率达到60.83%。为了解决类别不平衡问题，研究将问题转化为二分类（Case II），此时模型性能显著提升，随机森林(RF)模型的准确率最高达到85.00%，F1分数为79.04%，显示出模型在预测疫苗接种意愿方面具有较高的可靠性。

特征重要性分析：教育水平与家庭收入是关键

无论是决策树、随机森林还是XGBoost模型，在两种分类场景下，所有模型都一致地将“最高学历”和“家庭月收入”识别为预测疫苗接种意愿的最重要特征。相比之下，“居住地”、“婚姻状况”和“性别”等基本人口学特征的重要性排名则相对靠后。

SHAP分析进一步验证了这一发现。SHAP值量化了每个特征对模型预测的贡献，正值表示该特征增加了“愿意接种”的概率，负值则表示降低了该概率。分析结果显示，“最高学历”的SHAP值最高，表明其对模型预测的贡献最大。具体而言，较低的学历水平（如“中学或以下”）对模型预测产生了显著的负向影响，意味着教育程度较低的人群接种意愿也较低。同样，“家庭月收入”也是一个强有力的预测因子，较高的收入水平通常与较高的接种意愿相关联。

研究结论与讨论

本研究通过结合统计学分析和机器学习技术，清晰地揭示了影响孟加拉国尼帕病毒疫苗接种意愿的核心因素。研究结论明确指出，社会经济因素，特别是教育水平和家庭收入，是决定个体是否愿意接种疫苗的最关键驱动力，其影响力远超年龄、性别等传统人口学变量。

这一发现具有重要的公共卫生政策意义。它提示我们，在制定疫苗接种推广策略时，不能仅仅依赖“一刀切”的普适性宣传，而必须采取精准干预。首先，针对教育程度较低的群体，应设计通俗易懂、易于传播的健康教育材料，并利用社区领袖、名人等可信赖的信使来传递信息，以消除误解和谣言。其次，针对经济状况较差的群体，应着力消除经济壁垒，例如提供免费或补贴疫苗，在工厂、市场等场所部署流动接种点，甚至考虑提供交通补贴或误工补偿，以弥补因接种疫苗而产生的间接成本。

此外，研究还发现，女性、单身人士、学生以及城市居民表现出更高的接种意愿。这提示公共卫生部门在开展工作时，应针对不同性别、生活阶段和居住环境的人群，采取差异化的沟通策略。例如，针对男性的宣传可以侧重于强调疫苗对保护家庭健康和维持收入稳定的重要性；而在农村地区，则应更多地依赖面对面的社区论坛和当地领袖来建立信任。

尽管本研究样本中年轻人（尤其是学生）占比较高，可能在一定程度上限制了结论的普适性，但其揭示的“教育”和“收入”两大核心杠杆，为孟加拉国乃至其他面临类似挑战的中低收入国家，提供了优化公共卫生干预、提升疫苗接种覆盖率的明确方向。