《International Journal of Environmental Research and Public Health》：Development of a Pandemic-Resilient Framework to Optimise Childhood Routine Immunisation and Maternal Health Services Post-COVID-19 Pandemic in Sokoto State, Nigeria: A Mixed Method Study Protocol
编辑推荐：
COVID-19大流行减少了尼日利亚儿童免疫和孕产妇健康服务的可及性，而该国此前已报告了全球最高的孕产妇和儿童死亡率。本研究旨在开发一个大流行韧性框架（pandemic-resilient framework），以优化疫情后这些服务的提供。研究将采用解释性序贯
COVID-19大流行减少了尼日利亚儿童免疫和孕产妇健康服务的可及性，而该国此前已报告了全球最高的孕产妇和儿童死亡率。本研究旨在开发一个大流行韧性框架（pandemic-resilient framework），以优化疫情后这些服务的提供。研究将采用解释性序贯混合方法设计（explanatory sequential mixed method design），包含三个不同但又相互关联的阶段。在第一阶段，研究人员将分析一项使用索科托州2015年至2023年行政数据的分析性回顾性队列研究（analytical retrospective cohort study），为定性研究设计提供信息。研究人员将使用Microsoft Excel 2013工作表收集和导出二手数据至R统计软件（version 4.1.2），采用描述性统计和动态时间序列回归（dynamic time-series regression）进行分析。在第二阶段，将基于社会生态模型（socio-ecological model）和健康信念模型（Health Belief Model）开发定性数据收集工具，并根据定量分析结果进行改进。研究人员将通过目的性抽样（purposive sampling）选取参与者，使用关键知情人访谈（key informant interviews, KIIs）和焦点小组讨论（focus group discussions, FGDs）收集数据，并采用涉及演绎编码（deductive coding）的主题分析（thematic analysis）。在最后阶段，研究人员将使用优势、劣势、机会和威胁（Strengths, Weaknesses, Opportunities, and Threats, SWOT）分析；威胁、机会、劣势和优势（Threats, Opportunities, Weaknesses, and Strengths, TOWS）模型；以及建设、克服、探索和最小化（Build, Overcome, Explore, and Minimise, BOEM）模型开发大流行韧性框架。最终框架将使用德尔菲技术（Delphi technique）进行验证，并用于指导公共卫生紧急事件期间建立儿童免疫和孕产妇健康服务韧性的政策制定，这对未来大流行防范至关重要。
**一、研究背景与现存问题**
尼日利亚长期面临孕产妇和儿童健康服务可及性不足的困境，是全球孕产妇和儿童死亡率最高的国家之一。2022年全国仅有不足七成孕妇完成至少一次产前保健（antenatal care, ANC）就诊，儿童疫苗接种覆盖率仅覆盖略超一半的合格儿童。西北部地理政治区表现尤为薄弱，产前保健覆盖率为58.3%，两岁以下儿童疫苗接种覆盖率为42.9%，均显著低于全国平均水平，反映出区域间服务提供和利用的持续不均衡。COVID-19大流行进一步冲击了这些本已脆弱的服务体系。在尼日利亚，封锁期间医院分娩及新生儿和婴儿入院数量下降约50%，北部各州常规免疫漏种儿童数量上升；2020年3月至2021年7月，大多数地理政治区的产前保健出勤率下降16%至43%，西北部降幅最大；熟练助产人员接生分娩下降18%至43%，东北部降幅最高。索科托州位于尼日利亚西北部，估计约有150万育龄妇女与74.8万名五岁以下儿童，每年约发生24.2万例分娩。2022年多指标类集调查显示，索科托州产前保健覆盖率从16.6%升至30.5%，儿童疫苗接种覆盖率从6.9%升至11.5%，但仍比西北部整体水平低二至四倍。该州每年怀孕女性占14.5%，其中约92.2%在家中分娩，近半数由传统接生员协助。索科托州五岁以下儿童死亡率为202/1000，孕产妇死亡率为985/10万活产，分别为2030年可持续发展目标对应指标的8倍和14倍。当前索科托州尚无可指导政策与战略发展以应对未来大流行等极端事件的韧性框架。因此，亟需生成实证证据，开发一个大流行韧性框架以优化当地孕产妇健康和儿童疫苗接种服务。
**二、研究设计与主要内容**
研究人员采用解释性序贯混合方法设计（explanatory sequential mixed method design），包含三个不同但相互关联的阶段性研究。
**（一）定量研究阶段：分析性回顾性队列研究**
研究人员使用索科托州2015至2023年的二手行政数据，评估白喉-破伤风-百日咳疫苗第一剂（DTP1）和第三剂（DTP3）覆盖率、产前保健出勤率和设施分娩比例的长期趋势。数据来源于地区卫生信息系统（District Health Information System, DHIS-2）、尼日利亚气象局（Nigerian Meteorological Agency, NIMET）及2015至2023年报告综述。数据在Microsoft Excel 2013中存储和管理，随后导出至R统计软件（version 4.1.2）进行分析。连续变量采用描述性统计，动态时间序列回归（dynamic time-series regression）用于捕捉延迟效应与变量间随时间变化的动态关系。模型纳入COVID-19病例数、封锁状态和COVID-19疫苗接种覆盖率等自变量，以及平均温度、洪水事件、强降雨、公共卫生政策和干预措施、年度资金分配、居住类型、可用卫生设施数量和卫生工作者人数等潜在混杂因素。单变量分析中p值低于0.2的变量进入多变量模型，使用方差膨胀因子（Variance Inflation Factor, VIF）检测多重共线性，并采用向后消去法确定最优回归模型。
**（二）定性研究阶段：探索障碍与促进因素**
研究人员基于社会生态模型（socio-ecological model）和健康信念模型（Health Belief Model）开发定性数据收集工具，并根据定量阶段发现进行完善。研究对象包括卫生保健工作者、传统接生员、父母或监护人以及宗教和传统领袖，采用目的性抽样（purposive sampling）和雪球抽样法招募参与者。研究通过关键知情人访谈（key informant interviews, KIIs）和焦点小组讨论（focus group discussions, FGDs）收集数据，预计进行48至68次KII，每次持续30至45分钟，以及12至16次FGD，每次约1小时。数据采用演绎编码的主题分析（thematic analysis），并通过轴向编码和选择性编码整理主题。研究人员还运用成员核查、反射性实践、代码-重编码程序和同行汇报加强研究可信度。
**（三）大流行韧性框架开发与验证**
综合定量与定性研究结果，研究人员使用优势、劣势、机会和威胁（Strengths, Weaknesses, Opportunities, and Threats, SWOT）分析识别内部与外部因素，继而通过威胁、机会、劣势和优势（Threats, Opportunities, Weaknesses, and Strengths, TOWS）模型将各要素系统配对，生成威胁-机会、威胁-优势、劣势-机会和劣势-优势策略。建设、克服、探索和最小化（Build, Overcome, Explore, and Minimise, BOEM）矩阵进一步对每项策略进行精细调整，包括利用优势改进策略、克服阻碍实施的劣势、利用外部机会强化策略以及通过应急计划降低威胁干扰。最终形成的框架采用德尔菲技术（Delphi technique）进行内容效度验证，共识标准预先定义为至少70%的应答者对条目评为“好”（即9点李克特标度中评分7至9分）。专家组由10至20名目的性选择的专家和利益相关者组成，涵盖公共卫生、免疫规划、妇幼健康、流行病学及卫生系统加强等领域。
**三、关键技术方法**
本研究采用解释性序贯混合方法设计。定量部分为分析性回顾性队列研究，样本队列来源于索科托州2015至2023年DHIS-2、NIMET和报告综述的二手行政数据，应用描述性统计和动态时间序列回归分析。定性部分基于社会生态模型与健康信念模型构建数据收集工具，通过目的性抽样和雪球抽样招募参与者，使用KII和FGD收集数据，采用演绎编码的主题分析法。框架开发采用SWOT、TOWS和BOEM模型，并使用德尔菲技术进行专家验证。
**四、研究结果（方案预期）**
由于本研究为研究方案，论文尚未报告实际执行结果，但明确了各阶段的预期产出。
**4.1 定量分析预期**
通过2015至2023年长期趋势分析，可识别DTP1和DTP3覆盖率、产前保健出勤和设施分娩的变化模式，评估COVID-19相关事件对服务指标的影响，并确定服务绩效显著变化的关键时间节点及驱动因素。
**4.2 定性研究预期**
通过KIIs和FGDs可梳理影响服务可及性和利用的障碍与促进因素，包括对疫苗可预防疾病（vaccine-preventable diseases, VPDs）和妊娠并发症的易感性认知、严重性感知、益处与障碍、行动提示、自我效能、健康素养、社会文化信仰、卫生基础设施和政策环境等多层面主题。
**4.3 框架开发与验证预期**
基于SWOT、TOWS和BOEM模型可构建策略矩阵并形成包含实施细节的大流行韧性框架。通过德尔菲技术多轮咨询，以70%共识阈值判定内容效度，确保框架在技术层面、操作可行性和当地可接受性方面均达到标准。
**五、讨论与结论**
论文结论指出，该研究旨在生成关于
