《IJID Regions》：Epidemiological Patterns of COVID-19 in Bangladesh: Analysis of National Case-Based Surveillance Data from March 2020 to December 2022
编辑推荐：
国家DHIS2（District Health Information Software, version 2）数据捕获了超过1000万条SARS-CoV-2（severe acute respiratory syndrome coronavirus 2）检测
国家DHIS2（District Health Information Software, version 2）数据捕获了超过1000万条SARS-CoV-2（severe acute respiratory syndrome coronavirus 2）检测记录。孟加拉国总体SARS-CoV-2检测阳性率为14.3%。女性检测阳性率较高，且随年龄组增加而升高。在县和专区层面观察到明显地理异质性。2021年6月至9月波次具有最大病例和死亡负担。
研究背景与问题。COVID-19（coronavirus disease 2019，2019冠状病毒病）由SARS-CoV-2（severe acute respiratory syndrome coronavirus 2，严重急性呼吸综合征冠状病毒2）引起，2019年末首次发现后迅速成为全球公共卫生紧急事件。该病主要经呼吸道飞沫和气溶胶传播，密切接触、家庭暴露、旅行和医疗机构接触可增加传播风险；临床严重程度从无症状或轻症到重症肺炎、急性呼吸窘迫综合征（acute respiratory distress syndrome，ARDS）、多器官受累和死亡。大流行对卫生系统造成重大压力并产生广泛社会和经济影响。孟加拉国在大流行期间报告大量COVID-19病例和死亡，及时监测对掌握传播、指导公共卫生应对和支持政策决策至关重要。公共卫生监测可发现趋势变化、识别高风险人群和地点、监测发病和死亡、支持卫生资源分配。孟加拉国于2020年3月建立基于DHIS2（District Health Information Software, version 2，地区卫生信息软件第2版）平台的国家个案COVID-19监测系统，支持早期发现、实验室报告、确诊病例隔离管理、接触者追踪和流行病学趋势监测；检测网络从少量RT-PCR（reverse transcription polymerase chain reaction，逆转录聚合酶链反应）实验室扩展到部分机构的快速抗原和GeneXpert检测。常规监测仪表板提供汇总计数，而个案监测数据可深入分析年龄、性别、地理、时间、暴露史、结局和疫苗接种状态，有助于识别脆弱人群、地理热点、流行波和风险相关变量。但监测数据常有缺失、检测选择及结局或疫苗字段不完整，需谨慎解释。据研究人员所知，这是首个描述孟加拉国国家个案COVID-19监测数据的研究。研究目的是利用2020年3月至2022年12月国家个案监测数据描述COVID-19流行病学模式，具体包括检测阳性率的人口学和地理分布、时间波次模式、选定暴露变量与检测阳性的粗关联，并谨慎总结结局和疫苗相关字段。
研究人员开展回顾性二次数据分析，数据来源于孟加拉国国家个案COVID-19监测系统DHIS2平台，覆盖2020年3月至2022年12月接受COVID-19检测并录入系统的研究人群。确诊病例按国家监测实践和WHO（World Health Organization，世界卫生组织）指导定义：核酸检测阳性，或符合临床/流行病学标准且专业用抗原快速诊断检测阳性。波次定义为月阳性检测显著局部激增、至少一个峰值并回落至基线低谷的离散连续时期。数据清洗并去重，分析检测结果、年龄、性别、县、专区、月份、旅行史、接触史、医护人员状态、医疗机构就诊、结局及第一/第二剂疫苗接种字段。采用描述统计、检测阳性率、粗OR（odds ratio，比值比）及95%CI（confidence interval，置信区间）、卡方检验和月度汇总时间分析；死亡/阳性百分比仅作监测信号，不作患者级病死率。
3.1 人口学模式（Demographic patterns）。基于10,059,245条检测记录的描述统计，1,437,774条（14.3%）为阳性，8,621,471条（85.7%）为阴性；男性占7,185,070条（71.4%），女性占2,874,175条（28.6%），中位年龄35岁（IQR（interquartile range，四分位距）25-45岁）。女性检测阳性率高于男性（19.9% vs 12.0%），女性粗OR为1.82（95%CI 1.81-1.83）。阳性绝对数最多见于25-34岁组，而阳性概率随年龄组增加而升高，85岁及以上达26.8%。结论是女性检测阳性率较高、年龄较大组阳性概率较高，但阳性结果绝对负担集中在年轻成人。
3.2 地理异质性（Geographic heterogeneity）。通过县和专区层面描述分析，检测量并不总是与阳性率对应。Dhaka县检测数最高，Panchagarh县县水平阳性率最高；专区水平阳性率从Sylhet的9.7%到Rangpur的19.3%，县水平从Pabna的6.5%到Panchagarh的27.1%，显示明显空间异质性。结论为高检测量地区不等同于高阳性率地区。
3.3 时间监测信号与流行波（Temporal surveillance signals and epidemic waves）。基于月度汇总数据，2020年3月至2022年12月观察到六个波次窗口。第一波在2020年4月早期峰值阳性率39.2%，当时检测量仍有限；2021年6月至9月第三波阳性病例负担最大，报告643,374例阳性、2,778,977次检测、平均阳性率23.2%和14,891例报告死亡；2022年1-2月波产生较多阳性报告，但汇总死亡/阳性百分比低于2021年波。结论为六个波次中2021年6-9月波病例和死亡负担最大，死亡/阳性百分比仅作监测信号而非患者级CFR（case fatality rate，病死率）。
3.4 暴露相关粗关联（Exposure-related crude associations）。通过未调整粗OR分析，所有可用暴露变量均与更高阳性粗OR相关。医疗机构就诊关联最强：报告就诊者阳性率32.1% vs 未报告者21.9%，OR 1.69（95%CI 1.64-1.74）；症状前14天内旅行史阳性率20.2% vs 13.7%，OR 1.59（95%CI 1.32-1.92）；接触确诊或可能病例OR 1.28（95%CI 1.22-1.33）；医护人员状态OR 1.14（95%CI 1.10-1.19），均p<0.001。结论为上述暴露与更高粗阳性比值相关，但缺失和检测选择可能影响估计。
3.5 结局和疫苗接种字段（Outcome and vaccination fields）。结局数据仅覆盖9,483条阳性记录，占清洗数据集全部阳性记录的0.66%，不能解释为全国COVID-19病例结局；在这些结局完整阳性记录中，死亡14%、健康75%、未恢复4%、恢复6%、转诊1%，因完整性极低不构成有效国家CFR。疫苗字段分析中，接种第一剂者COVID-19阳性百分比为7.25%，接种第二剂者为7.18%（疫苗接种分析子集n=292,216）；该结果仅为描述性，无未接种分母或时间信息，不能估计疫苗有效性。结论为结局和疫苗字段需谨慎解释。
3.6 不同因素与COVID-19检测结果的调整比值比（Adjusted odds ratio for different factors with COVID-19 test results）。通过将粗OR显著变量纳入多变量分析估计AOR（adjusted odds ratio，调整比值比），调整潜在混杂后，过去14天旅行史和地理专区仍为统计学显著预测因素。有旅行史者阳性比值约为无旅行史者的1.61倍（AOR=1.605，95%CI 1.228-2.097，p=0.001）；与Dhaka专区相比，Mymensingh专区AOR=1.472（95%CI 1.128-1.920，p=0.004），而Khulna（AOR=0.323）、Barishal（0.465）、Sylhet（0.570）、Chottogram（0.671）和Rajshahi（0.707）显著较低；Rangpur的AOR=1.051（p=0.669）不显著。性别、年龄组、医护人员状态、医疗机构暴露和接触确诊或可能病例调整后均未保留统计学显著性（p>0.05）。结论为旅行史和地理分区是独立预测因素，传统风险因素在调整模型中不显著。
讨论部分总结。该全国个案监测分析描述孟加拉国近三年COVID-19检测和阳性模式，总体阳性率14.3%，人口、地理和时间差异显著。讨论认为，总体阳性率与全国仪表板模式及印尼雅加达及邻近地区监测研究大致可比，但跨国直接比较需谨慎，因检测政策、检测可及性、流行时间、报告完整性和人群行为不同。女性检测阳性率较高尽管男性占检测总数更大比例，原文讨论提出家庭暴露、就医行为、检测可及性、职业模式和报告实践等可能解释；该发现应解释为检测者中阳性率差异，而非全人群感染风险直接估计。年龄方面，25-34岁组阳性绝对数最多，原文讨论将其与流动性、劳动参与和社会接触联系；阳性概率随年龄增加，提示未来呼吸道病毒波次中需对老年人针对性保护、及时检测和早期照护。地理上，高检测量与高阳性率不同，Dhaka检测量最高而Panchagarh县阳性率最高，Rangpur专区阳性率最高、Sylhet最低；差异可能反映本地传播强度、检测可及性、报告完整性、流动性、人口密度和卫生服务使用差异，县水平阳性率可指导针对性监测、检测、健康传播和预防。时间上，六波中第一波检测有限时早期阳性率高，2021年6-9月波阳性报告和死亡负担最大，2022年1-2月波阳性报告多但汇总死亡/阳性比低。暴露分析显示医疗机构就诊、旅行史、接触确诊或可能病例和医护人员状态与更高粗阳性比值相关，符合密切接触和场景暴露在SARS-CoV-2传播中的重要性；多变量分析识别14天旅行和地理为主要独立预测因素，突出流动性作为传播驱动因素，地区动态不同；原文讨论指出传统风险因素如医疗暴露和已知接触在多变量模型中失去显著性，可能提示感染控制方案减轻职业风险，或更广泛区域传播模式影响更大。结局和疫苗数据需谨慎：死亡结局仅小部分阳性病例记录，观察死亡比例不反映国家CFR；疫苗接种者检测阳性率较低但不能确定真实疫苗有效性，因无未接种对照、剂量和感染时间线及混杂调整；官方国家和全球仪表板仍是累计发病、死亡和疫苗覆盖率最可靠来源。原文还总结研究优势为覆盖10,059,245条检测记录的大样本全国监测数据和较长时期，并整合人口、地理、时间、暴露、结局和疫苗字段；局限包括监测数据非计划研究导致缺失、暴露/结局/疫苗分母不完整、OR未调整混杂、检测选择影响阳性估计、汇总波次死亡/阳性比不能解释为患者级CFR、合并症和完整疫苗史不可用或不完整。
研究结论翻译：孟加拉国国家个案COVID-19监测数据显示，2020年3月至2022年12月SARS-CoV-2检测阳性在人口学、地理、时间和暴露相关方面存在明显差异。女性阳性率较高并随年龄增加，但阳性结果最大数量发生在年轻成人。地理异质性显著，高阳性率不限于检测量最高地区。识别出六个流行波窗口，2021年6月至9月波贡献最大阳性检测和死亡负担。选定暴露变量与更高粗阳性比值相关。暴露、结局、合并症和疫苗接种字段更好的完整性将加强未来监测分析和公共卫生决策。原文公共卫生建议强调加强国家监测数据常规完整性检查，尤其暴露、结局、合并症和疫苗字段；利用县和专区阳性率指导未来波次针对性检测、沟通和预防；优先老年人早期检测、预防信息和护理可及；流行高峰改善医疗机构感染预防控制；在病例报告表中明确指标定义并随公共卫生形势更新监测变量；收集完整疫苗接种史包括剂次、接种日期、疫苗类型和接种后时间，以支持更强疫苗相关分析。
