《Human Vaccines & Immunotherapeutics》：Quantifying vaccine dissemination for uptake comparisons between vaccines
编辑推荐：
本研究为应对疫苗犹豫难以量化监测的挑战，通过分析销售与接种覆盖率数据，构建了一种可比较不同疫苗相对接种速度的新方法，成功绘制了13种疫苗的分发曲线并识别出5种接种最快的疫苗，为理解疫苗犹豫、优化疫苗接种策略提供了重要的基准工具和数据参考。
在公共卫生领域，高效的疫苗接种是预防疾病、守护人群健康的关键防线。然而，疫苗的推广并非总是一帆风顺，“疫苗犹豫”现象已成为全球公共卫生面临的一个复杂挑战。它如同一片难以捉摸的迷雾，其形成受到个人情感、社会文化、政治环境乃至媒体信息等多重因素交织影响，且在不同疫苗之间表现各异。例如，在COVID-19大流行期间，公众对特定开发商的关注和不良反应报告显著影响了疫苗接受度，而同样是预防宫颈癌的Gardasil和Cervarix，在其获批时却并未引发太多关于品牌偏好的讨论。这种差异使得政策制定者和公共卫生专家面临一个难题：我们能否准确量化并比较不同疫苗在实际人群中的接种速度和普及程度？现有的数据，如疾控中心的调查，通常只能追踪到针对某种疾病的总体疫苗接种率，而无法细化到具体的品牌或产品，这限制了我们深入理解影响疫苗接受度的具体因素，也难以为设计更有效的接种计划提供精准依据。
为了拨开这层迷雾，塔夫茨大学药物开发研究中心的研究团队在《Human Vaccines》上发表了一项开创性研究。他们开发了一套标准化的方法来评估和比较疫苗的“分发”速度，并首次将这种方法应用于五种病毒性疾病（COVID-19、H1N1、HPV、RSV、乙型肝炎）的13种疫苗，旨在回答两个核心问题：首先，单个疫苗的接种情况能否被合理绘制和比较？其次，不同疫苗的接种速度曲线是否足以让我们分辨出哪些疫苗的普及最快或最慢？
为了回答这些问题，研究人员运用了几个关键方法。首先，他们基于美国FDA批准名单，选取了2004年至2024年间批准、具有广泛公共卫生影响的病毒性非季节性（或在大流行期间批准的）疫苗作为研究样本，以模拟与COVID-19类似的大流行背景。其次，他们创新性地整合了多源数据：利用科睿唯安的Cortellis商业数据库（H1N1疫苗则使用已发表的估计数据）获取全球销售额，结合美国疾病控制与预防中心（Centers for Disease Control and Prevention, CDC）的定价和疫苗接种覆盖率调查数据，将销售额通过单价转换为估计的全球分发单位数，再据此推算出各品牌疫苗在美国目标人群中的估计覆盖率。这一估算流程通过图表进行了清晰的展示。对于数据缺失的时间点，研究采用了线性插值法进行填补，以保持各疫苗间估算方法的一致性。最后，他们设计了多个指标进行比较，包括平均每月全球分发单位数、目标人群平均覆盖率、最大覆盖率以及单位分发数随时间的变化率，并最终通过相对比较识别出在各自针对的病毒组内表现最突出的疫苗。
研究结果揭示了不同疫苗的接种动态差异。
绘制疫苗分发曲线并识别表现最佳的疫苗
研究评估了13种疫苗的接种速度。通过分析，研究人员绘制了各疫苗自上市后每月全球分发单位数的曲线图，以及每月覆盖美国目标人群百分比的曲线图。数据显示，COVID-19疫苗（Comirnaty和Spikevax）以及部分H1N1疫苗达到了最高的单位分发量。在覆盖率方面，Gardasil/Gardasil 9、Comirnaty和Spikevax是覆盖率最高的疫苗之一，其中Gardasil/Gardasil 9的最大覆盖率达到了76.9%。线性回归分析表明，在上市后第一年，Comirnaty和Spikevax的单位分发变化率最高，而Heplisav-B和Prehevbrio的变化率最低，但只有两种COVID-19疫苗的数据具有统计学显著性。
识别出五种相对接种速度最快的疫苗
综合平均每月分发单位数、目标人群最大覆盖率和平均覆盖率等指标，研究在五个病毒组中各识别出一种相对接种速度更快的疫苗，它们分别是：针对呼吸道合胞病毒（Respiratory Syncytial Virus, RSV）的Arexvy、针对COVID-19的Comirnaty、针对人乳头瘤病毒（Human Papillomavirus, HPV）的Gardasil/Gardasil 9、针对乙型肝炎的Heplisav-B，以及针对H1N1的ID Biomedical H1N1 2009 Monovalent Vaccine。这五种疫苗的开发商、批准日期、适用年龄组等关键特征在文中通过表格进行了总结。值得注意的是，这项比较主要是基于现有数据进行的描述性相对评估。
研究结论与讨论强调了该方法的开创性及其对公共卫生实践的重要意义。
本研究证实了最初的两个假设：通过这套新方法，可以绘制和比较单个疫苗的分发曲线，并且这些曲线足以在数据允许的范围内区分出接种速度最快和最慢的疫苗。这项工作标志着在理解疫苗犹豫和评估提升接种率的策略方面迈出了重要一步。例如，研究发现Heplisav-B（两剂方案）的接种情况优于Prehevbrio（三剂方案），这与既往研究显示的给药方案简化有助于提高依从性的结论一致。Arexvy的快速普及，则可能部分得益于其上市前开展的有效宣传。这些发现提示，疫苗的特定属性（如剂次、品牌认知、宣传策略）可能与其接种速度相关，值得未来深入研究。
然而，研究也坦承了其局限性。不同疫苗在销售、定价和覆盖率方面的数据可及性差异很大，尤其是乙型肝炎和H1N1疫苗的数据较为匮乏。研究中大量使用了估算和线性插值，可能导致分发曲线过度平滑。此外，使用全球销售数据可能会因政府储备、浪费等因素而高估实际接种量。不同疫苗的目标人群、接种政策和供应情况的差异，使得跨病毒组的比较尤为困难，因此本研究主要关注病毒组内的相对比较。尽管存在这些限制，但这项研究为疫苗接种速度的标准化评估建立了初步的基线和方法框架。
总之，这项研究成功地量化并绘制了单个疫苗的接种轨迹。这种标准化的基准比较方法，不仅使我们能够对不同疫苗进行评估，更重要的是，它为我们理解疫苗犹豫的复杂性、识别和验证那些能有效促进疫苗接受和普及的策略与措施，提供了一个宝贵的分析工具。随着未来数据（尤其是像监测COVID-19疫苗那样更完整、更易获取的数据）的丰富，这一方法有望得到进一步完善，从而更精准地服务于全球免疫规划的优化。
