编辑推荐：
在新冠疫情期间，监测人类行为对补充传统监测系统意义重大。研究人员分析美国住户纵向队列数据，发现接种疫苗后接触率上升，且疫苗对感染的防护无法完全抵消接触率上升对传播的影响。该研究为公共卫生策略提供依据。
新冠疫情如一场突如其来的风暴，席卷全球，给人类社会带来了巨大冲击。在这场抗疫战斗中，传统的疾病监测系统主要依赖临床和实验室数据追踪疾病传播，但这并不能全面反映疾病传播的真实情况，因为疾病传播在很大程度上取决于人类的行为模式。例如，人们的社交互动方式、戴口罩的依从性以及疫苗接种情况等，都会对病毒的传播产生重要影响。
在疫情初期，为了遏制病毒传播，各国纷纷采取严格措施，如封锁、关闭学校和工作场所等，这些措施显著减少了人与人之间的接触。然而，随着新冠疫苗的广泛接种，情况发生了变化。疫苗在降低重症和死亡率方面发挥了重要作用，使得一些严格的社交距离措施得以放宽。但与此同时，人们开始担忧，疫苗提供的保护是否足以抵消恢复正常社交活动后可能增加的病毒传播风险？而且，在美国，关于接种新冠疫苗对个人接触率变化的影响缺乏证据，疫苗引入与行为变化之间的权衡对人群传播的潜在影响也未得到量化。
为了解决这些问题，来自国外的研究人员开展了一项重要研究。该研究数据来自美国的 COVIDVu 研究，这是一项在新冠疫情期间进行的纵向调查，研究对象为从美国家庭中抽取的具有多样性和地理代表性的队列。研究人员通过分析 2020 年 8 月至 2022 年 4 月期间的数据，评估了个人接种疫苗状态变化对接触率的影响，并利用数学公式估计了接触率、疫苗覆盖率和疫苗保护的联合效应对人群传播的影响。
研究人员用到了以下几个主要关键的技术方法：一是采用基于地址的家庭抽样框架进行抽样，从美国家庭中选取具有代表性的成员参与研究；二是通过参与者完成的在线调查收集数据，包括疫苗接种状态、风险缓解行为、对新变种的关注程度以及接触调查等信息；三是运用潜类别分析（Latent Class Analysis，LCA）对参与者的内在风险容忍模式进行分类；四是使用多元混合线性回归模型评估疫苗接种对接触率变化的影响；五是利用下一代矩阵（Next Generation Matrix，NGM）估计接触率变化和疫苗接种对传播的联合效应。
下面来看看具体的研究结果：
- 参与者描述：共有 2403 名 18 岁及以上的成年参与者完成了所有四轮调查。参与者的年龄、性别、种族等社会人口学特征分布与美国总体人口具有可比性。
- 潜类别分析分类风险容忍度：通过 LCA 将参与者分为 4 类风险容忍度组，风险容忍度最低的组更倾向于采取风险缓解行为，且该组人群未接种疫苗的可能性较低。
- 接触率随时间变化：总体而言，调查期间每日总接触人数均值呈上升趋势。不同地点的接触率变化不同，工作和其他地点的接触率增加，而家庭和学校的接触率相对稳定。
- 疫苗接种与接触率：随着疫苗的推广，参与者的接种率上升。在每一轮调查中，未接种者的接触率高于完成初级疫苗系列接种者。不同县的疫苗接种覆盖率与接触率存在差异，高覆盖率县的参与者接触率较低。
- 接触率受多种因素影响：基线时，接触率因年龄、就业状况、风险容忍度、是否有合并症和家庭规模而异。调查期间，几乎所有社会人口学子群体的接触率都有所增加。同时，参与者对新变种的关注程度和所在州的新冠缓解政策严格程度等时变因素也会影响接触率。
- 个体疫苗接种状态变化：研究对主要暴露因素进行分类，观察不同轮次间疫苗接种状态的变化，如不同轮次中未接种、新接种第一剂、完成初级系列接种等情况的人数变化。
- 疫苗接种对接触率变化的影响：经逐步向后回归调整多个因素后，发现完成初级疫苗系列接种的个体比未接种个体的接触数额外增加 1.93（95% CI：0.27–3.59）；已完全接种的个体额外增加 2.72（95% CI：0.71–4.73）；新接种第一剂的个体略有增加 0.99（95% CI：?1.12–3.1）。且疫苗接种主要影响工作和其他地点的接触率，对家庭接触率影响较小。
- 接种与未接种者接触率差异对传播的影响：利用 NGM 估计，尽管疫苗接种后接触率增加，但疫苗引入后的 Rround估计值低于无疫苗和无社交距离措施时的假设 R0，但高于第一轮（无疫苗和更严格社交距离措施）的 R 估计值，表明疫苗对感染的防护无法完全抵消接触率增加对传播的影响，但接种疫苗后传播风险仍未超过无社交距离措施时的水平。
综合研究结论和讨论部分，该研究具有重要意义。研究发现未接种个体的接触率始终较高，而新完成初级疫苗系列接种的个体接触增加更为明显，且疫苗接种对工作和其他地点的接触率影响更大。虽然疫苗无法完全抵消接触率增加对传播的影响，但接种疫苗后人群传播风险不太可能回升到社交距离措施实施前的水平。这一研究结果为公共卫生策略的制定提供了重要依据，强调了持续监测人类行为，特别是接触模式的重要性。通过将行为洞察与疫苗接种数据相结合，可以更及时地估计人群传播情况，从而制定更明智的公共卫生策略，为应对不断变化的疫情形势提供有力支持。同时，研究也指出了自身存在的局限性，如基线参与率低、样本代表性不足等，为后续研究提供了方向。该研究发表在《Epidemics》，为全球抗疫研究贡献了有价值的成果，助力科学界更深入地理解新冠疫情传播机制，推动公共卫生领域的发展 。
