提升敏感公共卫生数据估算的精度：对基于证据的决策制定的影响

《Journal of Epidemiology and Global Health》：Enhancing Estimation Precision in Sensitive Public Health Data: Implications for Evidence-Based Decision-Making

　　

摘要

引言

在巴基斯坦这类文化敏感的地区，由于社会偏见和无回应偏差，很难准确估算一些敏感的公共卫生指标，比如报告不足的新冠病毒病例数以及疫苗犹豫现象。传统的调查方法往往低估实际患病率，从而影响公共卫生干预措施的成效。

方法

本研究采用了多阶段分层配对响应框架（MSPRFs），该框架在分层简单随机抽样的基础上，结合两阶段或三阶段随机化以及双重混淆机制。2021年6月至8月间，我们在费萨拉巴德、拉合尔、木尔坦和拉瓦尔品第地区对1,200名受访者（600名城市居民，600名农村居民）进行了横断面调查，通过匿名问卷收集有关疫情病例和疫苗犹豫情况的数据。

结果

与传统方法相比，MSPRFs的估算效率有了显著提升（预测误差率为290–399%）。MSPRF-I估算出的新冠病毒患病率为城市地区16.8%，农村地区20.8%，而官方报告的数值分别为12.1%和13.6%；MSPRF-II的估算值则为城市16.8%、农村19.2%，官方报告值为12.6%和14.6%。疫苗犹豫现象的估算值分别为MSPRF-I下的33.8%和MSPRF-II下的29.5%，而官方报告的数值为24.3%。城市居民的汇报敏感度更高（\(W_1 = 0.62\)），高于农村居民（\(W_2 = 0.48\)），这表明不同地区的信息披露行为存在差异。

结论

MSPRFs是一种高效且能保护隐私的方法，可用于准确估算那些被低估的新冠病毒病例数和疫苗犹豫现象，从而为基于证据的公共卫生决策提供支持。由于加入了真实回答机制，MSPRF-II的调整效率略高。在传统自我报告方法会导致患病率被低估的情况下，这些框架非常适合用于开展敏感的流行病学调查。