新冠疫情下常规免疫规划韧性研究：预流行期免疫规划强度与卫生人力对DTP3接种覆盖率的保护效应

本研究通过生态学分析和多变量建模（151国2015-2022年数据），揭示预流行期DTP3覆盖率>78%和卫生人力>58人/万人口可增强常规免疫(RI)韧性，而COVID-19疫苗接种和政策限制未显著影响RI。为全球卫生危机中的免疫系统建设提供循证依据。

　　

COVID-19大流行对全球卫生系统造成前所未有的冲击，常规免疫服务(Routine Immunisation, RI)作为预防儿童传染病的核心干预手段，在疫情期间出现显著倒退。尽管定性研究指出交通限制、疫苗犹豫等因素可能影响接种率，但缺乏量化证据揭示国家层面的决定性因素。这一知识空白使得各国难以针对性加强免疫系统韧性，可能加剧疫苗可预防疾病的流行风险。

为破解这一难题，瑞士日内瓦大学全球卫生研究所联合英国MRC传染病分析中心的研究团队，在《Public Health》发表了一项开创性研究。通过分析151个国家2015-2022年的多维数据，团队创新性地采用ARIMA模型量化疫情导致的DTP3（白喉-破伤风-百日咳三联疫苗第三剂）覆盖率偏差，结合逐步线性回归和随机森林算法，首次系统评估了13类潜在影响因素的作用机制。

研究主要采用三大关键技术：1) 基于ARIMA时间序列模型构建DTP3覆盖率预期值与实际值的偏差指标；2) 对高相关性政策指标进行主成分分析(PCA)降维；3) 结合因果推断框架的逐步线性回归与随机森林机器学习，分析国家层面生态数据。数据来源涵盖WHO免疫覆盖率数据库(WUENIC)、牛津政府响应追踪系统(OxCGRT)等权威机构。

【结果】
3.1 线性回归
最佳拟合模型揭示两个关键阈值：预流行期DTP3覆盖率>78%（p<0.00001）和卫生人力>58人/万人口（p=0.0065）时，RI韧性显著增强。低于阈值时卫生人力增加反而关联覆盖率下降，可能反映资源错配。该模型解释15.5%的变异（F=21.7）。

3.2 随机森林
机器学习模型将解释力提升至30%，新增四大预测因子：卫生系统强度（UHC指数）、政府卫生支出（PPP调整）、GDP和全球健康安全指数。值得注意的是，COVID-19疫苗接种率、防控政策严格度等定性研究关注的因子未显示显著影响。

【讨论】
这项研究首次量化证明免疫规划存在"韧性阈值"现象，78%的DTP3覆盖率可能是维持服务连续性的临界点。卫生人力阈值的发现（58人/万）为WHO人力资源规划提供了新证据，提示当前全球中位数（48人/万）仍需提升。研究意外发现COVID-19疫苗接种与RI服务无显著冲突，缓解了资源挤占的担忧。

局限性在于未能纳入疫苗犹豫、社区移动性等潜在重要变量（因数据不全）。作者建议未来研究关注：1) 亚国家层面分析揭示不平等模式；2) 特定卫生工作者类别（如社区健康工作者）的作用；3) 免疫服务具体组分的保护效应。

该研究为后疫情时代免疫系统重建提供了三大行动方向：优先加强基础免疫规划建设、确保卫生人力超过临界规模、保持政府对卫生系统的持续投入。这些发现尤其为中低收入国家在资源有限情况下制定韧性建设策略提供了科学依据，也为实现"免疫议程2030"90%覆盖率目标指明了路径。