《BMC Global and Public Health》：Better data for better public health decision-making: perspectives on quantifying the intended and unintended impacts of public service modifications
编辑推荐：
医疗、学校与交通等公共服务构成了社会正常运转和高效运作所必需的基础设施。这些服务可能因旨在应对社会挑战的干预措施而经历计划性调整，也可能因外部冲击而遭受非计划性中断。例如，学校可能为减缓传染病传播而关闭，或在热浪等外部冲击使其无法继续运行时被迫停课。这些公共服
医疗、学校与交通等公共服务构成了社会正常运转和高效运作所必需的基础设施。这些服务可能因旨在应对社会挑战的干预措施而经历计划性调整，也可能因外部冲击而遭受非计划性中断。例如，学校可能为减缓传染病传播而关闭，或在热浪等外部冲击使其无法继续运行时被迫停课。这些公共服务调整无论计划与否，均会产生预期与非预期的公共卫生后果，并带来更广泛和长远的社会影响。为了改进应对各类社会挑战的能力，必须评估调整程度与预期结局之间的关联，并识别包括有利与不利在内的全部非预期后果。这一工作的核心支柱在于获取关于调整与结局的及时且细粒度的数据——即做了什么、发生了什么、涉及何人、何地以及何时。然而，这些数据几乎从未被系统化地收集，相反，公共服务调整的评估研究只能依赖零散的、为特定目的定制（bespoke）的数据收集。在本观点文章中，研究人员通过两个案例研究揭示了追踪公共服务可用性、适应性调整和干预措施方面的关键数据缺口。研究人员考察了收集与整合此类数据所面临的挑战，并提出了改善数据基础设施与跨部门协调的实用解决方案。
公共医疗服务、学校与公共交通等公共服务构成现代社会正常运转所必需的基础设施，其运行状态直接关系公众健康与社会生产力。这些服务可能因旨在应对社会挑战的政策干预而发生计划性调整，也可能因传染病暴发、热浪等外部冲击而遭受非计划性中断。在COVID-19大流行期间，公共卫生与社会措施（public health and social measures, PHSMs）被广泛采用，但围绕学校关闭等措施有效性的证据长期不足且充满不确定性。与此同时，热浪等突发冲击导致的服务中断同样缺乏系统记录，其健康影响难以量化。研究人员指出，公共服务调整的数据长期处于分散、零散和缺乏系统化的状态，严重制约了公共卫生决策的证据基础。为此，研究人员通过传染病暴发与热浪两个典型案例，系统论述了公共服务调整的概念框架、预期与非预期后果、数据收集所面临的挑战，并提出建立以系统性登记簿为核心的可复用数据生态系统。该研究的意义在于为公共卫生应急决策和跨部门协调提供可操作的数据基础设施路径，增强对未来突发事件的循证应对能力。
本研究为视角性（Perspective）述评，未涉及具体实验或队列数据。研究人员采用概念框架构建与双案例分析法，选取英国国家风险评估（National Risk Assessment）中列为高影响事件的传染病暴发和热浪两种情景，系统梳理并综合了相关政策文件、已有实证研究以及疫情时期多项国际数据倡议（如牛津COVID-19政府应对追踪器OxCGRT、CoronaNet、ACAPS、COV-PM等）的经验，通过比较不同数据收集模式的适用性与局限，提出了数据生态系统的设计蓝图。
**传染病暴发（Infectious disease outbreaks）**：案例说明疫情防控中的PHSMs大量涉及公共服务调整，如关闭娱乐场所、限制公共交通密度与旅行。因儿童对呼吸道病原体易感性高且社交混合广泛，学校成为重点调整对象。除全面关闭外，备选方案包括缩小班级规模、错峰上下学；既有设施也被动员用于新需求，如英格兰药房在2009年H1N1流感大流行期间作为抗病毒药物发放点，学校被常规用于针对性疫苗接种。
**热浪（Heatwaves）**：热浪对交通、学校、能源与医疗系统造成多层面干扰。英格兰在2019年、2022年及2026年热浪期间，铁路发布“不要出行”警告并实施限速和班次削减；学校提前放学或调整作息；医院为应对中暑等急症激增而取消常规预约；空调负荷激增甚至导致电力供应中断。
**公共服务调整的预期与非预期后果（Intended and unintended consequences of public service modifications）**：PHSMs旨在减少传播机会、保护医疗承载力并为扩大药物干预争取时间，同时降低高风险人群的暴露风险；热浪适应措施意在减少热暴露与保障基础设施安全。然而，调整也会产生持久而广泛的非预期后果：大流行期间大量成人推迟常规诊疗导致慢病管理中断和非COVID-19超额死亡；学校关闭造成显著学习损失——平均21周的关闭约相当于失去近一整年的学习量，进而导致终身收入下降和健康受损，且这些损失沿社会经济贫困线不断累积，加剧既有不平等。
**量化后果所需的数据（Robust data needed to quantify consequences）**：现有证据大多来自特定研究临时拼凑的定制数据集。例如，英格兰教育部门的雪灾停课估计需依赖地方当局与媒体网站，西西里研究人员需人工编码行政区划法案才能获得关校天数。反之，COVID-19期间多项国际倡议证明了前瞻性系统数据收集的可行性，且这些数据被经济学、教育学、环境科学等学科广泛复用，显示其价值远超传染病防控本身。
**收集公共服务调整数据面临的挑战（Challenges in collecting public services modification data）**：其一，数据高度异质，“正常”服务供给基线本身不稳定，使调整难以界定；其二，调整在规模、层级和报告详细程度上差异巨大；其三，调整的时间、地点和范围常存在报告不精确或延迟；其四，信息来源分散且随事件推进不断演变，部分渠道缺乏存档。针对这些挑战，研究人员提出模块化分层收集框架、显式记录不确定性、来源追踪与版本化记录、利用大型语言模型辅助监控，以及通过数据捐赠和一线人员参与式上报等应对策略。
**可复用的数据生态系统（A reusable data ecosystem）**：核心设想是建立公共服务调整登记簿，逐条记录每次调整的类型、时间、地点、对象、原因、持续时长、影响范围、数据来源和质量。该登记簿通过与疾病监测、区域社会经济指标、住户调查及个体级健康记录相链接，可支撑描述性监测与因果推断。现有可信研究环境（Trusted Research Environments, TREs）及英国生物库（UK Biobank）、CLOSER、OpenSAFELY、DARWIN EU等基础设施为隐私保护与治理模式提供了参照。
讨论部分指出，上述挑战及应对策略在高收入国家与中低收入国家之间可能存在差异，而研究人员聚焦于英国和欧洲，未对此展开比较分析，是未来研究的重要方向。结论部分强调，缺乏可持续的前瞻性数据系统是“关键且可预防的”证据缺口。借鉴流行病防范创新联盟（Coalition for Epidemic Preparedness Innovations, CEPI）的“准备—转型—连接”框架，研究人员提出三管齐下的应对战略：准备阶段需制定基础协议、治理结构和技术标准以支持危机期间实时数据收集；转型阶段需建设稳健分析管道并嵌入数据、建模与决策之间的反馈循环；连接阶段需将学术界、公共机构、产业界、媒体、公民社会和受影响社区连接起来，确保此类系统在紧急事件发生前完成共同设计、公平治理和投入运行。投资于这些能力将强化应对未来疫情或极端事件的准备水平。
