《Public Health》：Global pandemic preparedness frameworks in the 21st century: A scoping review
编辑推荐：
目的：冠状病毒病2019（COVID-19）大流行暴露了全球传染病暴发卫生防范的深刻不足。尽管不同尺度的大流行防范框架已有所进展，但仍缺乏对这些框架异同的全面梳理。本范围综述（scoping review）旨在通过绘制大流行防范框架图谱来识别关键组成部分，以弥
目的：冠状病毒病2019（COVID-19）大流行暴露了全球传染病暴发卫生防范的深刻不足。尽管不同尺度的大流行防范框架已有所进展，但仍缺乏对这些框架异同的全面梳理。本范围综述（scoping review）旨在通过绘制大流行防范框架图谱来识别关键组成部分，以弥补该缺口。研究设计：范围综述。方法：研究人员采用Arksey和O'Malley提出的方法学框架，对2000年1月至2025年6月期间发表的、呈现世界各地区大流行防范框架的同行评议文献和灰色文献进行范围综述。研究人员基于世界卫生组织（WHO）COVID-19战略防范与应对计划（SPRP）的十项支柱，制定包含四个大流行防范领域（预测（Predict）、预防（Prevent）、检测（Detect）和应对（Respond））的主题框架。研究人员采用Braun和Clark的主题分析法分析纳入研究的结果。结果：本范围综述识别出41篇呈现大流行防范框架的文章，其中多数按国家实施（n = 25），其次为全球实施（n = 13）和区域实施（n = 3）。所识别框架的关键组成部分被归入上述四个领域下的主题，包括多部门协作（n = 13）、监测项目（n = 13）和社交媒体风险沟通（n = 9）。结论：研究结果显示，大流行防范是一个多维、多部门过程，因为所审查框架强调预测、预防、检测和应对领域之间的互补策略。未来研究应评估各单项策略的有效性和情境适用性。
研究背景与问题：冠状病毒病2019（COVID-19）大流行暴露出全球卫生防范传染病暴发的深刻脆弱性，包括应对策略、资源配置和国际协调差异，以及卫生基础设施碎片化和政策实施不一致。尽管不同尺度的大流行防范框架不断出现，但缺乏对其异同的全面梳理；现有框架在范围、有效性和跨情境适用性方面存在差异，防范碎片化导致协调、资源配置和实施缺口。研究人员因此开展范围综述，旨在绘制全球、区域和国家层面大流行防范框架，识别共同原则与策略，帮助决策者精简防范框架并促进未来大流行中的公平资源分配。
研究设计与主要结论：研究人员采用Arksey和O'Malley方法学框架和范围综述报告规范（PRISMA-ScR），检索并分析2000年1月至2025年6月发表的同行评议文献和灰色文献；以世界卫生组织（WHO）COVID-19战略防范与应对计划（SPRP）十项支柱构建预测（Predict）—预防（Prevent）—检测（Detect）—应对（Respond）四域主题框架，并采用Braun和Clarke主题分析。最终纳入41篇文献，其中同行评议29篇、灰色文献12篇；国家层面25篇、全球层面13篇、区域层面3篇。研究得出大流行防范是多维、多部门过程，框架强调四域互补策略；未来需评估单项策略有效性和情境适用性。其意义在于提供结构化图谱，帮助政策与实践审视防范计划的多维覆盖，并为未来框架开发提供参考。
关键方法：研究人员检索Scopus、PubMed、Embase、CINAHL、Web of Science及WHO、美国国家过敏和传染病研究所（NIAID）等网站，时间范围为2000年1月至2025年6月；由两名评审独立筛选，第三评审解决分歧，使用标准化Excel提取资料，按Braun和Clarke六阶段主题分析；未进行质量评价。研究未设置人类样本队列，资料来源于已发表文献和公开灰色文献。
研究结果：纳入研究按实施尺度分为国家、区域和全球；多数研究为国家尺度（n = 25），其次为全球（n = 13）和区域（n = 3）。地区分布中，“其他”最多（n = 15），其次为西太平洋（n = 8）、非洲（n = 6）、美洲（n = 5）、东南亚（n = 5）和东地中海（n = 1）；无仅聚焦欧洲的文章，另有1篇覆盖全部6个区域。关键主题包括多部门协作（n = 13）、监测项目（n = 13）和社交媒体风险沟通（n = 9）。
3.1 预测（Predict）：通过主题分析，早期预警与警报系统被视为前瞻行动基础；Chouja et al.指出社交媒体和生物数据可形成实时数据流，在正式病例确认前提供及时警报；Alam et al.提出用机器学习（ML）预测算法预测未来大流行所需资源。研究人员还归纳出资助与融资系统的重要性，包括建立大流行基金以在早期预警时快速调动资源；NIAID框架强调美国国立卫生研究院（NIH）与其他美国政府机构及国际实体协作开展防范研究。
3.2 预防（Prevent）：通过框架梳理，入境旅客旅行隔离和自我隔离被列为早期预防策略；WHO优先考虑船舶受控进入水道和港口，Berhane et al.使用边境检查点控制长途卡车司机入境。社区层面重视非药物干预（NPIs），包括保持物理社交距离、限制大规模集会、关闭学校和托幼机构、推迟宗教集会、婚礼和政治活动、取消体育和娱乐活动。卫生系统内强调卫生专业人员（HCPs）培训与教育；Ang et al.提供感染预防与控制（IPC）培训及持续虚拟专业教育。
3.3 检测（Detect）：通过纳入研究归纳，检测传播风险的方法包括移动应用程序和Wi-Fi/蜂窝追踪；Hong讨论自我隔离安全保护应用监测隔离依从性，Chua et al.描述TraceTogether应用识别与COVID-19阳性患者密切接触者。监测项目是重要组成；Chouja et al.描述人工智能（AI）驱动监测项目监测COVID-19传播并实时预测病例和死亡数。ML算法用于检测；Alam et al.用ML聚类算法区分需检测的紧急与非紧急人群，Chouja et al.用联邦学习（FL）训练算法辅助病例检测。筛查包括社区层面大规模筛查（Ang et al.）、优先症状者或密切接触者的靶向筛查（Jacobs & Okeke），以及驾车穿越采样和上门采样以降低筛查障碍。
3.4 应对（Respond）：通过主题分析，及时风险沟通和实时更新被强调；Chua et al.提供关键聚集区人群水平实时更新，Igihozo et al.在政府社交媒体账号每日发布病例总数；多项研究将社交媒体作为风险沟通方式，Ramírez Varela et al.强调社区参与以应对错误信息和疫苗犹豫，Haldane et al.提到与社区领袖接触以针对不同社区调整信息。为维持基本卫生服务和非卫生服务，研究纳入业务连续性计划，以维持受大流行影响行业就业；为应对医疗服务中断，采用远程医疗和远程医学干预，Lee et al.讨论使用公共云平台支持在线咨询和其他远程医疗服务。
讨论部分总结：讨论认为，尽管治理结构、地理和卫生系统情境不同，框架呈现共同原则：防范是多部门事业而非仅卫生部门责任；防范是涵盖预测、预防、检测和应对的连续循环过程，四域相互依赖而非严格顺序；框架强调个体、社区、卫生系统和人群层面同时运行的互补策略。个体层面包括个人防护、感染预防和卫生人力培训；社区层面包括社区参与、风险沟通和社交距离；人群与系统层面包括监测项目、多部门治理、实验室能力和协调规划。讨论将这些发现与WHO全社会保障（Whole-of-Society）大流行防范指南相联系，指出电信、交通、金融、法律与秩序等服务与四域对应；但边境限制有效性证据不足，文献强调需与强有力国内措施并用。WHO大流行协议（Pandemic Agreement）也强调全社会保障和多部门国家协调机制。讨论还指出ML和AI可用于预测资源分配和传染病传播。政策实践上，四域可作为政策制定者审视防范计划多维覆盖的组织视角；实践上可指导未来框架开发，尤其监测、多部门协作、风险沟通、卫生人力培训和感染预防。未来研究应评估实施、有效性、可行性、公平性和跨卫生系统及社会经济情境的可转移性。优势包括稳健方法、双人筛选、多数据库检索、纳入同行评议与灰色文献及清晰概念框架；局限包括排除非英文文献、灰色文献检索不全面、指南持续演变导致部分新近文件未纳入正式数据集、未进行质量评价，因此不能根据报告频率判断框架组成部分的相对有效性。
研究结论翻译：本范围综述在四个主题域下绘制了大流行防范框架，识别了这些框架之间的共同点和差异。研究结果表明，大流行防范通常被概念化为一种多部门方法，并反复强调预测、预防、检测和应对措施中的互补策略。在所审查的框架中，跨部门协作、监测、感染预防和个人防护措施以及卫生人力培训报告最为常见。此外，一些新兴方法，如机器学习（ML）和人工智能（AI）系统，正在补充传统监测机制。重要的是，基于本综述，这些策略不应被解释为其有效性或相对重要性的证据；相反，本综述提供了大流行防范在国家、区域和全球背景下如何被概念化的结构化概览，并识别了需要进一步研究的领域。
