评估儿童免疫接种覆盖中的地理不平等：空间分析方法的批判性范围综述

《Journal of Intelligence》：Assessing Geographic Inequalities in Childhood Immunisation Coverage: A Critical Scoping Review of Spatial Analysis Methods

　　

背景：空间分析方法，包括模型基统计学（MBG）、小区域估计（SAE）和集群检测，越来越多地被用于绘制国家以下层面的免疫接种覆盖图，并识别低收入和中等收入国家中的地理不平等。然而，这些方法在多大程度上捕捉了免疫接种的多维决定因素，以及它们的输出在实践中是否能为项目决策提供信息，仍不清楚。方法：研究人员按照系统综述和荟萃分析首选报告项目范围综述扩展指南，进行了一项批判性范围综述，系统检索PubMed和Google Scholar中应用空间统计方法研究儿童免疫接种覆盖或公平的研究。采用描述性总结与主题和解释性综合相结合的方式对发现进行综合。结果：研究人员从确定的421篇论文中纳入了50项研究。空间方法成功揭示了国家平均数所掩盖的国家以下层面覆盖不平等，而与国家项目团队合作开发、将常规卫生系统数据与家庭调查相结合的研究产生了最具操作相关性的输出。然而，大多数研究仅依赖调查数据，对供给侧决定因素的纳入有限，且很少有研究讨论估计的不确定性应如何约束下游使用。尽管越来越多的研究提出了明确的实施路径，但空间输出的已确认项目采纳仍基本未被记录。机器学习方法（50项研究中有8项）的出现提供了预测增益，但在透明度和治理使用的质量保证方面引入了额外挑战。结论：空间方法在免疫接种中应用越来越频繁，但当与项目团队共同开发、与决策相关的地理区域匹配，并附有模型假设和局限性的透明文档时，更有可能促进免疫公平目标。未来研究应优先考虑算法辅助健康估计的质量框架，并系统评估空间输出相对于现有数据源是否能改善决策。

论文解读文章

研究背景、问题与目的：儿童免疫接种是预防疾病和降低死亡率最有效的公共卫生干预措施之一，自世界卫生组织（WHO）1974年启动扩大免疫规划（EPI）以来，已避免约1.54亿人死亡。然而，低收入和中等收入国家（LMICs）中的疫苗可预防疾病仍然是发病和死亡的重要原因，这主要是由持续存在的覆盖不平等所致。2024年，全球约1430万儿童未接种任何常规疫苗（“零剂量”儿童），且半数以上集中在9个国家。国家平均覆盖数字掩盖了显著的国家以下层面变异，农村、受冲突影响或社会经济贫困地区的人群常常处于劣势。这些差异凸显了采用公平导向方法的必要性。空间分析方法，包括模型基统计学（MBG）、小区域估计（SAE）和集群检测，已被越来越多地用于绘制次国家级免疫接种覆盖并识别地理不平等。然而，这些方法在多大程度上捕捉了免疫接种的多维决定因素（包括需求侧和供给侧因素），以及其输出是否在实践中真正用于项目决策，仍不明确。为此，研究人员开展了一项批判性范围综述，旨在评估不同空间方法对免疫接种不平等测量和决策支持的有效性。该论文发表在《Journal of Intelligence》。

关键技术方法：研究人员采用批判性范围综述框架，按照PRISMA-ScR（系统综述和荟萃分析首选报告项目范围综述扩展）指南，在PubMed和Google Scholar中系统检索2000年至2025年间发表的应用空间统计方法研究儿童免疫接种覆盖或公平的文献。数据来源包括家庭调查（如人口健康调查DHS、多指标集群调查MICS）、常规卫生系统数据（如DHIS-2）、健康设施评估数据以及行政记录。样本队列为最终纳入的50项研究。分析采用描述性总结与主题内容分析和解释性综合相结合的方法，由单一审稿人进行标题和摘要筛选，并由第二位审稿人对20篇随机子样本论文进行独立数据提取以验证一致性。通过专家咨询（WHO、UNICEF、Gavi）补充灰色文献和操作视角。

研究结果：
**3.1. 纳入研究的筛选与特征**：通过初始检索获得421篇记录，经筛选最终纳入50项研究，发表年份从2007年至2025年，78%发表于2018年之后。地理上，96%的研究聚焦于LMICs，非洲占58%（尤其是埃塞俄比亚和尼日利亚），南亚和东亚占18%，美洲和高收入国家占少数。10项研究采用跨国或全球视角。分析得出，空间方法已成功揭示被国家平均数掩盖的次国家级覆盖不平等，且与国家项目团队合作并整合常规卫生系统数据的研究产生了最具操作相关性的输出。

**3.2. 方法学方法：MBG、集群检测、SAE及其他**：15项研究（30%）主要采用MBG框架，生成1×1 km至5×5 km网格的连续覆盖表面，能够灵活聚集到任意地理单元并叠加其他空间数据，但需依赖精细协变量且不确定性在数据稀疏区很大。14项研究聚焦于集群检测和自相关分析（如Moran's I、LISA、Kulldorff扫描统计），仅描述观测数据中的显著低覆盖聚集，不产生未采样位点估计且不纳入协变量。13项研究使用SAE，通过借力于不同区域的信息在行政单元层面产出估计值，与预算和问责单元一致，但无法解析次行政异质性。8项研究采用混合或机器学习方法（如梯度提升回归、随机森林），可能提升预测性能，但可解释性和不确定性归因更加复杂。这些方法各有优势与局限，选择取决于决策情境。

**3.3. 空间建模的数据源局限性**：几乎全部研究依赖DHS/MICS家庭调查数据，其局限性包括：每3–5年才能更新一次，无法捕捉年度波动；样本量在精细空间尺度下不足，导致高不确定性；回忆偏倚和免疫卡缺失可能低估覆盖；调查抽样框架基于陈旧人口普查，系统性遗漏流动和边缘化人群；缺乏供给侧变量（如设施密度、疫苗库存、服务质量）。仅9项研究（18%）纳入供给侧因素（如设施密度、卫生工作者配备），且需链接家庭调查与设施数据。作者强调需要更好的数据整合与更频繁的创新数据收集。

**3.4. 空间分析的应用场景**：四种主要应用类别包括：（1）运动微规划（如麻疹/脊髓灰质炎补充免疫活动），通过高分辨率地图识别低覆盖社区，但仅有少数研究汇报与实施方的明确合作。（2）常规项目监测，在行政层面定期更新覆盖估计，作为空间精细化记分卡，适用于国家/次国家级监测，如针对101个LMICs的MCV1估计。（3）资源分配与服务设计，整合调查与设施数据，如结合DHIS-2行政数据和HeRAMS配备数据，识别服务强化优先区域。（4）探索性分析，描绘空间异质性和社会经济梯度，但未指定实施路径。最具有操作性的研究通常整合了项目数据并与国家团队合作，而基于多国数据库的研究更多用于全球政策倡导。

**3.5. 与概念框架和决定因素的对齐**：仅少数研究明确参考了免疫公平或服务获取框架（如Andersen行为模型、IA2030零剂量目标）。大多数研究受限于数据可用性，聚焦于需求侧人口社会因素（如母亲教育、财富、居住地），而供给侧与卫生系统因素（如设施准备度、供应链可靠性）很少被纳入。这导致了概念公平框架与实际分析变量之间的脱节，建议未来工作应纳入更多理论驱动变量以解释为何某些地区和人群被落下。

**3.6. 挑战与机遇**：技术挑战包括：仅依赖家庭调查导致数据频率低、样本量小、供给侧缺失；行政数据虽用于日常运作，但空间分析尚未系统整合。制度挑战包括：常规数据嵌入长期监测体系，拥有清晰的产权和治理结构；而空间分析较新，输出格式与现有报告结构不匹配，且缺乏持续投入。机器学习方法的引入进一步增加了透明度挑战，缺乏训练数据溯源、不确定性分离、生产周期基准测试和版本控制的作业标准。机遇包括：自适应空间抽样（利用预测不确定性指导下一轮测量地点）、双速数据策略（模型估计用于战略规划，常规设施数据用于日常管理，两者三角验证）、以及共同开发模式（与国家级和次国家级团队合作，使输出与项目真实需求对齐）。

**3.7. 范围综述的局限与优势**：局限包括仅检索PubMed和Google Scholar（可能遗漏其他数据库和非英语文献）、未进行正式偏倚风险评估、选择具有解释性而非完全可重复性、项目采纳证据主要来自灰色文献。优势包括首次系统批判性评估空间方法家族在儿童免疫覆盖和公平中的应用，使用55字段结构化提取协议，并得益于WHO、UNICEF、Gavi专家的操作视角。

**3.8. 关键建议**：五条建议包括：（1）根据决策类型匹配方法（MBG适合次区微规划，SAE适合行政单元，集群检测适合快速描述）；（2）与国家和次国家级项目团队共同进行分析；（3）采用双数据策略（模型估计用于战略规划，常规设施数据用于日常管理）；（4）利用模型不确定性指导自适应数据收集；（5）为算法辅助估计制定质量框架，包括训练数据溯源、不确定性分离、跨生产周期基准测试和版本控制。

**讨论与结论**：论文讨论部分指出，空间方法在免疫接种中的应用日益增多，但更有可能促进免疫公平目标的前提条件是：与项目团队共同生产、与决策相关的地域匹配，并附有模型假设和局限性的透明文档。未来研究应优先建立算法辅助健康估计的质量框架，并系统评估空间输出相对于现有数据源是否能改善决策。研究结论明确：空间方法不应作为独立的诊断工具，而应作为常规项目工作流程的组成部分——与地方团队共同开发、匹配决策相关地理区域，并通过持续的协作数据收集进行更新。关键未满足挑战是日常化（routinisation）：空间分析能否嵌入国家免疫项目的重复工作流中并由国家团队维持，而非一次性的学术练习。未来工作应将空间分析的可持续性和常规整合以及严谨的决策改善评估作为优先事项。地图和模型只是其所服务人群的不完美反映，而非替代品。