泰国COVID-19疫苗覆盖率的空间建模分析：促进公平分配的政策启示

本研究针对泰国COVID-19疫苗覆盖率区域差异问题，采用空间回归模型（SEM）分析2021-2022年76省数据，首次将夜间灯光指数（NTL）作为疫苗可及性代理指标。研究发现东部经济活跃区形成高-高聚集簇（Moran's I=0.467），健康工作者密度（β=4.460）和互联网接入率（β=0.341）是持续两年的关键预测因子，为中等收入国家疫苗公平分配提供可复制框架。

　　

COVID-19大流行给全球公共卫生体系带来严峻挑战，疫苗分配公平性成为影响疫情防控效果的关键因素。泰国虽实现国家接种目标，但省份间覆盖率存在显著差异——2021年最高省（春武里府87.72%）与最低省（廊磨喃蒲府39.53%）相差2.2倍。这种空间异质性背后隐藏着怎样的规律？传统流行病学方法难以捕捉地理维度的复杂关联。Kittipong Sornlorm和Sarayu Muntaphan*的创新研究首次将卫星遥感数据（夜间灯光指数）引入疫苗公平性评估，通过空间计量经济学方法揭示了泰国疫苗分配的地理密码。

研究团队采用横断面生态学研究设计，整合泰国76省（不含曼谷特别行政区）的三大类22项指标：1）人口特征（人口密度、老年人比例等）；2）社会经济因素（家庭收入、公共交通等）；3）卫生服务能力（医院密度、COVID-19死亡率等）。关键技术包括：1）使用QGIS进行空间数据可视化；2）通过GeoDa软件计算全局Moran's I指数和局部LISA指标；3）比较普通最小二乘法（OLS）、空间滞后模型（SLM）和空间误差模型（SEM）的拟合优度（AIC/BIC准则）；4）采用111.247km距离带宽构建空间权重矩阵。

【空间分布模式】

2021年疫苗覆盖率呈现显著空间正相关（Moran's I=0.427），东部沿海9省形成高-高聚集区，东北部11省呈现低-低聚集。2022年该模式持续强化（Moran's I=0.467），普吉府覆盖率升至91.64%，而南部那拉提瓦府仅46.17%。

【关键影响因素】

2021年SEM模型（R²=0.699）显示：夜间灯光指数（β=1.956）、公共卫生车辆（β=0.770）和健康工作者密度（β=4.460）是主要正向预测因子，每增加1名健康工作者/千人口可提升4.26%覆盖率。2022年模型（R²=0.610）揭示老年人比例（β=0.625）和互联网接入率（β=0.341）成为新驱动因素。

讨论部分指出，研究首次实证了经济活跃度（NTL）与疫苗覆盖率的空间耦合关系——高亮度区域往往具备更完善的冷链物流和数字化预约系统。健康工作者密度的持续显著性（2021年贡献度是2022年的2.8倍）反映泰国从专业机构接种向社区推广的战略转变。值得注意的是，人口密度在2021年呈现负相关（β=-0.018），暗示初期疫苗分配可能存在"避高就低"的逆向选择。

该研究发表于《BMC Public Health》的重要价值在于：1）创建适用于资源受限地区的疫苗公平性监测框架，将昂贵的实地调查替代为可免费获取的卫星数据；2）揭示泰国"东部经济走廊"在疫苗分配中的优势地位，为区域卫生资源调配提供依据；3）提出的"动态预测因子"概念（如互联网接入率在后期的重要性上升）为其他国家疫苗战略调整提供参考。正如作者强调，当疫苗供给从紧缺走向充足时，决策者应及时将资源重心从疫情响应指标（如病例数）转向弱势群体保护和社会决定因素改善。