Contents
Effectiveness of interventions to increase vaccine uptake: component network meta-analysis
- Sarah R Davies
,高级研究员 12,Annabel
- L Davies,高级研究助理 1,Julian
- P T Higgins,教授 12 3,Deborah
- M Caldwell,教授 1,Zak
- A Thornton,博士生 1,Elisabeth
- Aiton 博士生 14,
- 伊芙拉·阿里 ,研究助理 5,
- 莎拉·道森 ,高级研究助理 13,
- 卡梅尔·麦格拉斯 ,高级研究员 236,
- 托马斯·帕克豪斯 ,高级研究助理 1,
- 露西·雅德利 ,教授 27,
- 朱莉·耶茨 ,免疫项目副主任 8,
- 路易丝·莱特利 ,护士经理(研究)8, 沙
- 里夫·A·伊斯梅尔 ,临床助理教授 9,
- 汉娜·克里斯滕森 ,教授 12,
- 克莱尔·E 弗伦奇 ,高级研究员 12
- 致:S R 戴维斯 ·Sarah.r.davies@bristol.ac.uk
- 2026 年 3 月 16 日接受
摘要
目标识别提高疫苗接种率的有效干预组成部分,并探讨不同人群及与新冠疫情相关的有效性差异。
设计组成网络荟萃分析。
背景设定系统性回顾高收入和中上收入国家的随机对照试验。
参与者 :237 项研究,570 个干预组,4,361,717 名参与者。
干预措施任何针对疫苗接种者或其照护者,旨在增加英国免疫计划中疫苗接种需求或可及性的干预措施。通过与利益相关者共同开发的定制编码框架,识别了干预的关键内容和交付特征。
主要结局指标关注的结果是疫苗接种率。贝叶斯组成部分级元回归将干预成分的相对效应估算为 95%可信区间(CrI)的比值比。
选举结果纳入研究中,110 项偏倚风险较低,96 项存在一定风险,31 项高风险。40%(n=1,744,686)参与者为男性。对于儿童,支付成本(赔率比 3.01,95% CrI 1.49 至 6.06)和决策辅助(2.73,1.14 至 7.06)有有益效果,且对延长机会(1.37,0.98 至 1.95)和社会因素(1.27,0.99 至 1.65)有证据。对于青少年和年轻成人,个人递送形式(2.13,1.09 至 4.40)、社区成员与医疗专业人员共同递送(6.42,1.94 至 25.62)及社会因素(2.62,1.45 至 5.04)均有积极影响,决策辅助工具的负面影响(0.43,0.18 至 0.98)和人与非人交互(0.47,0.21 至 1.02)。对于成年人,人际互动(1.86,1.42 至 2.45)、延长机会(1.63,1.35 至 2.00)、预约安排帮助(1.38,1.06 至 1.78)、支付费用(1.47,1.03 至 2.16)和动机访谈(1.79,1.21 至 2.64)均显示有益效果,同时也有一些关于经济激励的证据(1.15,0.99 至 1.35)及疫苗安全性和/或有效性信息(1.15, 0.99 到 1.32)。对于成年人,证据也显示非人类互动与无相互作用有负面效应(0.72,0.57 至 0.92)。亚组分析显示,服务不足人群及与新冠疫情(2020 年前及 2020 年以后)相关情况存在差异。
结论总体而言,延长机会、预约安排帮助、经济激励、支付费用以及动机性访谈是提高疫苗接种率干预措施的有效内容组成部分。总体而言,有效的传递环节包括社区成员与医疗专业人员之间的人际互动和分娩。然而,有效组成部分因年龄组、服务不足人群以及新冠疫情影响分析中有所不同。这些发现对设计、优化和实施有针对性的干预措施具有重要意义,突出哪些组成部分在不同人群和环境中有效。考虑干预措施的经济数据应进一步支持资源知情的决策。
简介
全球疫苗接种率下降,加上可预防传染病爆发的增加,凸显了识别和弥补疫苗接种覆盖率缺口的迫切需求。1 针对疫苗接种者或其照护者实施了多种策略,旨在通过解决对疫苗推荐、有效性、副作用、可及性、不信任、错误信息以及时间和成本相关障碍等障碍,提高疫苗接种率。23
改善疫苗接种的干预措施通常是多方面的,涉及多种策略(内容组成部分),这些策略可以以不同形式(传递组成部分)进行。现有综述倾向于将这些干预措施归入大类,并与对照组进行比较,评估其效果。45 尽管这些分析提供了策略整体效果的广泛视角,但在复杂干预中,单个干预组成部分可以独立或组合作用,影响干预效果。6 理解不同组成部分的有效性及其在不同人群和背景下可能的差异,对于在有限资源下决策实施哪些干预措施至关重要。如此细致的见解也能指导新干预措施的开发和优化。
组成网络荟萃分析是检查复杂干预组成部分的一种方法。7 这是一种增强型的网络荟萃分析,有助于揭示复杂干预中各种组成部分或组成部分组合的影响,已被应用于多个领域,如心理健康、戒烟、9 跌倒预防。10 目前,组分网络荟萃分析尚未应用于疫苗接种干预。在组成网络荟萃分析中,干预的整体组成部分通过编码框架系统编码,然后在单一分析中比较这些组成部分的所有直接和间接证据。
我们的目标是弥补当前对不同组成部分针对受体疫苗接种干预有效性的理解空白。我们开发并应用了定制干预编码框架,利用该框架编码一组系统性审查干预措施中的干预组成部分,该试验旨在提高疫苗接种率。随后,我们进行了成分网络荟萃分析。
方法
我们的组成网络荟萃分析嵌入了一项涵盖 268 项随机对照试验的综合系统综述中,内容涉及提高疫苗接种率的干预措施。11 该综述已在 PROSPERO(CRD42022369139)和国家卫生与护理研究院注册。12 第 1 栏显示了该审查的资格标准,相关内容已在其他地方完整发布。11 综述采用 Cochrane 方法进行,13 每项研究的终局层面均使用 Cochrane 偏倚风险 2 工具评估偏倚风险。14 符合纳入组成网络荟萃分析的 237 项随机对照试验,这些试验具有可用的结局数据,并能使用我们定制的编码框架编码干预组成部分( 见图 1)。
系统综述的资格标准
研究设计
随机对照试验
随机分配至少100名参与者的试验*
每组至少有三个群组的随机对照试验
2000年1月至2024年4月期间出版
该项目在世界银行于2022年7月定义的高收入和中上收入国家进行†
参赛者
来自社区内所有人口群体且符合接种资格(或符合接种者的照顾者),包括幼儿、青少年和成人的父母
排除项目:针对医院住院患者、囚犯及护理或养老院居民的研究;聚焦医护人员的研究;以及针对特定临床风险群体的研究
疫苗接种‡
英国免疫计划中的所有常规和选择性或针对性疫苗接种,包括季节性疫苗接种
干预措施
符合条件的干预措施针对疫苗接种者或其照护者,旨在增加疫苗接种需求或获得性
排除因素:针对提供者或医疗系统(如提供者培训或激励措施)的干预措施;以及针对预定接种者和提供者或医疗系统两方面的疫苗,除非有针对疫苗目标接种者的有效性数据
比较器
符合条件的研究使用无干预组、常规护理组、等待名单组、注意力安慰剂组或替代合格干预组。
结果
报告疫苗接种率数据的研究。接种情况可以作为单次接种、完成完整疫苗接种课程,或两者兼有,记录在医疗记录或自我报告中
* 仅限于大型随机对照试验——这是关于干预有效性最有力的证据——因为该领域有大量大型初级研究。
†低收入国家被排除在外,因为高收入和低收入国家在基础设施、资金、可及性、疾病关注和公众信任等多个方面存在差异。
‡国际(如世卫组织)和英国的免疫建议存在很大重叠。世卫组织的疫苗接种计划中,但英国的计划中没有的,是针对通常发生在低收入地区(如霍乱)的疾病。唯一的其他例外是水痘疫苗,但在本综述时该疫苗未被纳入英国免疫接种计划。不过,水痘也被纳入了本次综述,因为几个高收入国家常规地为儿童提供该疫苗接种。
世界卫生组织=世界卫生组织。
干预层编码
为了确定分析的组成部分,我们开发了定制编码框架,使重要干预特征(包括具体工作内容及方式)能够系统地记录每项干预。我们与公众贡献者和专业利益相关者合作,采取了迭代方法。首先,我们从文献中确定了两种现有的疫苗接种分类法,并用它们试点编码了几种不同的广泛干预类型,评估这些分类法是否能够充分捕捉干预的关键方面。1516 5A 分类法(可及性、可负担性、认知、接受度和激活)用于决定疫苗接种,是最合适的,因为它能够涵盖广泛干预措施的重要方面。该分类法成为我们编码框架的基础。16
随后,我们通过多管齐下的方法扩展和调整了 5A。在利用分类法编码干预措施时,我们发现了若干编码不适用或无法从研究中提取——例如个体特征,如对疫苗的态度。我们还强调了 5A 未能涵盖的新兴主题。这些主题经过记录,并在决定调整框架前与利益相关者(包括行为科学家和免疫专家)进行了讨论(详见补充材料 A,为我们记录的实地工作日记的简略版)。最终的编码框架包含内容编码和交付代码(见图 1 为分析模型中输入代码的摘要,补充材料 B 为完整编码框架及定义)。
研究人员(SRD、ZAT、EA、IA 或 CEF)两人组独立编码了每个干预组的所有组成内容和交付组件,并在早期阶段反复调整编码框架。差异通过讨论解决,包括必要时与更广泛的项目团队。编码使用了所有出版物中可获得的信息,并在需要时向试验人员咨询。
试用级代码
试验特征如参与者特征和环境可能影响干预的有效性(参见补充材料 C 中的初始逻辑模型)。每个试验都根据编码框架中显示的试验级特征进行编码(见图 1)。我们还提取了关于族裔、教育、宗教和社会经济地位的信息。然而,这些信息不完整且缺乏一致性,因此我们无法将其纳入分析中。
统计分析
我们预先设定的分析计划已提供。17 我们采用了基于之前描述模型的定制组件级元回归模型。18 图 1 中报告的内容、交付和试验层级代码被纳入模型,作为指标变量和协变量,定义在试验和干预两个层面。每个类别变量由一组虚拟二元变量编码,将一个类别视为参考组。我们还包含一个连续变量描述试验中男性参与者比例。该模型假设所有指标具有加法效应,并包含一个截距以捕捉干预措施相对于控制组的效果,该干预指标均为零。
我们假设事件数量为二项似然,并将相对干预效应建模为对数比值比。基于补充材料 D(及其他部分 18)中描述的模型规范,我们定义了所有回归系数均参考对照组。
在我们的主要模型中,我们加入了随机效应,以捕捉试验间干预效果的差异。我们假设整个分析中试验间异质性方差为单一,这对应于两组干预成分相同试验间的异质性程度,无论这些成分为何。通过指定多变量正态分布来建模多组试验引起的相关性,以表示治疗效果的相对分布(包括试验内及试验间)。补充材料 D 提供了我们模型的更多数学细节。
我们采用贝叶斯框架,使用马尔可夫链蒙特卡洛采样器 JAGS,19,所有参数的先验分布均为非信息性。对于所有回归系数,我们指定了一个以零为中心、标准差为 100 的正态分布。对于异质性标准差,我们使用了半正态分布,标准差为 2.5。为了帮助收敛,我们将所有指标都集中在均值上。
亚组分析
为探讨不同干预组成部分的效果差异,我们基于与利益相关者的讨论进行了亚组分析。这些分析调查了年龄组、社会不平等和新冠疫情的影响。针对年龄组,我们将数据分为三类:成人、青少年(青少年和青年)和儿童。我们探讨了更细致的类别(儿童被归类为常规疫苗接种者和儿童(季节性疫苗接种者;成人分为成人、老年人和孕妇;青少年则根据干预针对他们自己或父母或照顾者进行分类),但数据不足以使模型趋同。为了探讨新冠疫情的影响,我们将试验分为2020年前和2020年以后进行的两类。最后,为了探讨哪些组成部分对最脆弱人群最有效,我们将数据限制在专门针对服务不足人群的试验中。在每个子组中,我们检查了与每个指标相关的计数,并排除了所有无相关观测值的指示变量(即所有干预均编码为零或全部编码为一)。
敏感性分析
为验证结果的稳健性,我们进行了一系列计划性的敏感性分析:固定效应分析;排除被评为高偏倚风险的研究;排除结果明显偏离的研究;以及研究调整聚类效应的影响(参见补充材料 E)。我们还进行了事后敏感性分析,以探讨排除美国研究结果的稳健性。
患者与公众参与
在整个工作过程中,我们与来自服务不足社区的 12 位多元化公众贡献者密切合作,特别是在编码框架的开发上。我们举行了八次会议,期间促成了小组活动,这些活动对框架产生了多项切实影响。例如,我们要求分成三个小组的参与者,将从研究中提取的所有传递格式划分为可用于回归模型的二元类别。这三个群体创建了几乎相同的类别,我们也将其纳入了我们的框架。我们公众参与工作的详细内容,包括会议重点,已在其他地方公布。20
选举结果
我们分析了 237 项研究的数据,共计 4,361,717 名参与者。 表 1 提供了研究特征的总结(详见补充材料 F)。研究参与者人数在 100 至 964,870 人之间。
共进行了 38 项针对幼儿常规疫苗接种的研究,25 项针对儿童季节性疫苗接种(大多数 n=24 为流感疫苗接种者),57 项针对青少年和青年(n=47 为人乳头瘤疫苗接种),71 项为成人(n=24 为流感疫苗接种,n=20 为新冠疫苗),11 为孕妇(n=10 为流感)。 老年人 35 例(流感患者 n=28)。补充材料 H 提供了有关社会经济群体、教育和宗教的数据。
237 项研究涵盖 570 个组,其中 362 组为主动干预组。主动干预组最常见的内容组成包括激活(提示和提醒,223 个组)、疫苗安全性和/或有效性(155 组)、感知疾病风险(140 组)、社会因素(80 组)和延长机会(37 组)。补充材料 G 部分提供完整的干预编码。
使用 Cochrane 偏倚风险 2 工具,我们判断 110 项研究为低偏倚风险,96 项存在一定担忧,31 项研究偏倚风险较高,主要因随机分配和结果测量(如自我报告疫苗接种状态)存在问题。请参阅补充材料 I,了解偏见风险判断的摘要图。
主要分析
图 2 显示了我们主要分析(随机效应模型)的森林图。我们将每个模型系数的估计值以对应 95%可信区间(CrI)的赔率比比形式呈现。对于特定指标,比值比代表指标值为 1 的干预与指标值为 0 的干预相比的额外效应(以比率表示),前提是两项干预在所有其他指标中共享相同值。因此,比值比>1 表示指标值为 1 的干预比其他条件相同但该指标为 0 的干预更有利。例如, 图 2 中,预约安排帮助的比值比为 1.24,表明包含预约安排的干预措施比未包含但其他方面相同的干预更有效。相反,比值比<1 意味着将该指标设为 1 而非 0,使干预相对于其他相同的干预效果较差。 图 3 和图 4 展示了颜色编码结果,颜色反映了马尔可夫链蒙特卡洛过程中样品落入 1 两侧的比例。当≥97.5%的马尔可夫链蒙特卡洛样本为>1 时,我们将其解读为积极效应的证据,≥95%和<97.5%的样本为部分证据,≥90%和<95%的>1 作为暗示证据。
主要(随机效应)分析的参数估计。每个回归系数的估计值以对应 95% CrI 的比值比形式呈现。该图形的互动版本可在 https://public.flourish.studio/visualisation/28205005/ 获取
图 3 显示了内容组成部分的整体有益效果证据:延长机会(比值比 1.49,95%信用评分 1.26 至 1.77)、预约安排帮助(1.24、1.01 至 1.52)、经济激励(1.26、1.06 至 1.50)、支付成本(1.47、1.12 至 1.94)及动机访谈(1.57、1.10 至 2.26)。对于递送成分,我们观察到对人际互动有益的证据(1.31,1.06 至 1.63),社区成员与医疗专业人员共同分娩(1.49,1.06 至 2.12)。还有迹象表明,提供疫苗安全性和/或有效性信息或教育(1.09,0.97 至 1.22)及社会因素(1.08,0.96 至 1.22)具有积极效果。中强度干预相比低强度干预有负面效应(0.90,0.81 至 1.01)。在试验层面指标方面,有迹象表明教育环境中实施的干预措施效果低于医疗机构(0.88,0.72 至 1.07)。补充材料 C 提供了一个细化的逻辑模型,整合了我们的研究成果。
为了帮助解读各成分效应,我们举两个例子来说明它们对疫苗接种的影响。在对该数据集的先前分析中,我们发现典型的教育干预比值为 1.33.11,该比值将使接受率提高 80%至 84%(低参与人群中从 20%提升至 25%)。引入延长干预机会(比值比=1.49, 见图 2)将改变这一影响,使干预的接受率提升至 80%至 89%(低接受人群中为 20%至 33%)。或者,将经济激励纳入干预措施(比值比=1.26, 见图 2)将改变干预的影响,使参与率从 80%提升到 87%(低接受人群中从 20%提升到 30%)。
亚组分析
年龄组
详见图 3,关于年龄组分析,补充材料 J 对应森林地块。对于父母或儿童照护者,分娩组成部分均未见明显效果。对于青少年,个性化递送形式显示出有益效果。有证据表明,社区成员单独分娩以及与医疗专业人员联合分娩,都比医疗专业人员单独分娩更有效(尽管只有两只手臂被编码为社区成员与医疗专业人员共同分娩)。还有高强度干预及非人类互动成分的干预相比无互动有积极效果,且有人际互动有负面影响(即人类互动比非人类互动更无益)。对于成年人,交互作用成分表现出与青少年相反的效果。涉及非人类互动元素的干预比无互动的完全相同干预更无益,而人类互动的益处大于非人类互动。最后,对于成年人,我们发现中强度干预与低强度干预存在负面影响。
在内容方面,我们观察到延长机会在成人中带来的积极效果,并在儿童中有一些证据显示有积极效果,但在青少年中则无。预约安排帮助对成年人有积极影响,且有迹象表明对青少年有影响。经济激励可能对成年人有益,但对青少年无效,且无儿童相关数据。支付费用在儿童和成人中都有效。社会因素对青少年有益,且有证据显示儿童有影响,但对成年人则无。对于决策辅助工具,效果存在矛盾,儿童中显示出有益效果,而青少年则观察到负面效果。我们发现一些证据表明信息和/或教育对成人疫苗安全性和/或有效性有积极影响,但对青少年则有负面影响的提示性证据。有迹象表明,疾病风险信息对儿童有负面影响,而在青少年和成人中则无明显影响。动机访谈显示成人有益处,但青少年无,儿童无数据。激活(提示和提醒)在任何年龄子组中都没有明显效果。
服务不足的人群
对于服务不足的人群,我们观察到延长机会和经济激励带来的积极效果( 图 4)。我们还发现,社区成员和医疗专业人员的分娩、社会因素的信息和/或教育以及激活(提示和提醒)都带来了有益效果。
新冠疫情
2020 年前(新冠疫情前)的结果与整体结果相似,证据显示人际互动、延长机会、预约安排帮助、经济激励、支付费用和动机性访谈等组成部分均有积极效果。非人际互动和中等强度干预显示出负面效应,提供疾病风险信息也显示出负面影响的迹象。2020 年以后,试验数量减少,观察到的效应也更少。对于两个组成部分,我们观察到的效果与 2020 年前相反——自 2020 年起,非人类互动和疾病风险感知均表现出积极效果,而 2020 年前则为负面影响。还有迹象表明信息或教育对疫苗安全性和/或有效性有负面影响( 见图 4)。
敏感性分析
关于森林敏感度分析图,请参见补充材料 K。固定效应模型的结果与数据拟合度较差(偏差信息标准为 2062,而随机效应模型为 843),这为成分间异质性提供了证据。当我们排除高风险偏倚研究时,结果与主分析结果相似,所有组成部分都显示出相同的效应方向。在剔除 13 项强烈异常值的研究后,大多数成分的结果模式相似,尽管效果大多较小,且更多 CrI 超过无效应界限。敏感性分析发现,在未进行群组调整和班内相关系数较大时,均表现出类似的效应模式。我们通过排除 155 项美国研究的事后敏感性分析结果显示,部分效应已不再被观察到,有些则更不确定。这部分原因是研究数量减少(82 项试验,185 组,而 237 项,570 组),以及 CrIs 范围的扩大。然而,延长机会和支付覆盖成本的积极效果依然存在。
讨论
该组成网络荟萃分析探讨了针对接种者或其照护者的疫苗接种干预中不同内容和递送组成部分的比较有效性。我们按年龄组进行分析,探讨了哪些成分最适合各组,从而实现针对年龄的疫苗接种项目的精准优化。
对于儿童疫苗接种,针对负担能力障碍的干预措施通过支付费用补贴似乎有效,决策辅助工具也同样有效。有证据表明,通过延长疫苗接种机会来提高可及性的方法是有效的。这些策略对忙碌的父母尤其有用,尤其是那些有多个孩子的父母,即使他们对疫苗接种没有特别担忧,安排和参加预约也可能很困难。确保儿童免疫状态的准确实时记录也是有效针对干预措施的关键。21 我们的发现支持了英国皇家儿科与儿童健康学院最近委托的一份报告,该报告建议扩大服务能力、实施灵活预约系统以及改善外展举措作为必要解决方案。22 我们还发现,提供有关社会因素(如社会责任)的信息或教育,可能有助于提高采纳率。虽然疫苗安全性和/或疾病有效性和风险成分在分析中似乎不如其他因素重要,但更广泛的文献强调了疫苗错误信息的普遍存在以及挑战它的重要性。2324 然而,仅仅关于疫苗风险和益处的简单信息可能不足。25
在青少年和年轻成人(干预可能针对青少年、其照顾者或两者)中,人际互动相较于非人类互动的负面影响支持了一些先前发现:基于对话的干预对青少年的效果不如其他群体。26 这凸显了为该群体共同开发有效沟通方法(例如使用新型交互技术)的必要性。在青少年和年轻成人中建立信任和长期免疫信心,对于培养积极的免疫态度非常重要,这种态度能让他们在为自己的孩子做决策时继续前进。在内容方面,提供社会责任和同伴支持等社会因素的信息对青少年尤为有效,进一步支持社会规范在青少年疫苗接种中的重要作用。2728 关于疫苗安全性和/或有效性信息可能产生负面影响的证据令人反感——青少年疫苗接种项目的一个关键重点是在学校环境中开展针对性的疫苗教育。29 这一发现应谨慎解读,值得进一步调查。
对于成年人,通过提供延长疫苗接种机会、协助预约和支付疫苗接种费用来解决接触障碍,取得了积极效果。这些发现补充并扩展了两项近期综述,均报告提高可及性和负担能力的干预措施有效。3031 提供疫苗安全性和/或有效性的信息或教育效果显著,动机访谈也同样有效。值得注意的是,最近的综述发现动机方法与教育干预的疗效相当,尽管研究质量存在问题,且需要更多研究。32 名成年人似乎也受益于干预中与人际互动。这些结果与之前一项关于影响疫苗接种因素的综述一致,发现针对患者的互动干预措施,包括提供者主导的教育项目、激励措施、可负担性努力或疫苗接种点的扩大,通常与老年人的疫苗接种率呈正相关。33
在服务不足的社区,我们观察到通过扩大疫苗接种机会和提供经济激励,使疫苗更易获得,带来了积极的效果。这些组成部分可能缓解了疫苗接种的多重障碍,这些障碍在这些人群中尤为突出,包括医疗服务提供障碍和自付费用。34 然而,需要更多跨学科研究,以更好地理解提供经济激励的道德和伦理影响,包括对潜在危害的谨慎考虑及在本地情境中的使用。公众捐助者提出,激励措施可能是短期解决方案,最终可能导致长期加剧不信任,并强调应重点放在建立疫苗信任和信心的长期解决方案上。提供社会因素信息也可能有益,支持此前关于社会规范在某些移民群体疫苗接种中尤为重要的报告。35 在我们的分析中,服务不足人群是唯一观察到激活(提示和提醒)具有有益效果证据的亚组。这令人惊讶,因为在对广泛干预类别的综述中,提醒措施已被证明能有效提高疫苗接种率。36 我们的发现表明,在广义归类为提醒性的干预措施中,报告的有益效果可能归因于干预的其他组成部分(如教育),而我们在这里独一无二地能够解释这些因素。 社区成员与医疗专业人员共同参与为这些群体提供干预措施的证据表明,与当地社区组织合作,提供针对不同社区需求的干预措施的重要性。37 公众发言者强调,社区成员和医疗专业人员支持人们接种疫苗非常重要。
某些成分的效果可能受到了新冠疫情的影响。尽管 2020 年前经济激励措施已显示积极效果,但自 2020 年起未见类似效果,表明疫情期间公众反应可能发生变化。有趣的是,虽然我们在整体分析中未发现提供信息或教育对疾病风险感知有明显影响,但我们发现 2020 年前存在负面影响,提供疾病风险信息时疫苗接种率较低,但 2020 年以后亚组则有一些有益效果。这一模式可能与保护动机理论的预测相符,后者认为健康行为受个体感知威胁程度的影响。在新冠疫情期间,对威胁的感知增强可能延伸到其他疫苗和健康保护行为,放大了信息对疾病风险的影响。38
本研究的优势与局限性
我们分析的优势包括包含237项研究的庞大数据集,使我们能够进行组件层面的分析。研究涵盖了多种干预和疫苗类型,使我们的发现具有广泛的推广性。我们采用了对该主题新颖的复杂分析,评估干预中特定递送和内容组成部分的有效性。我们量身定制的编码框架汇聚了包括弱势社区成员和免疫专家在内的重要利益相关者的意见,确保我们编码了对疫苗项目开发和实施人员以及疫苗项目接受者重要的干预措施组成部分。
我们的发现还应结合若干局限性进行考虑。由于该领域证据丰富,我们仅纳入了≥100 名参与者的随机对照试验,因为这些研究代表了最佳的现有证据;不过,也有可能有一些小型随机对照试验符合纳入条件。同样,将评审限制在随机对照试验中,可能导致某些证据——尤其是某些干预类型(如挑战错误信息的尝试)或群体群体——被排除在外。针对普通人群的研究中,存在重要缺陷,报告人群特征的质量和完整性,已知与疫苗接种不平等有关,包括族裔和社会经济地位标志。39 我们计划对这些进行亚组分析;然而,只有极少比例(12%,n=28/237)的初级研究报告提供了亚群分析(10%(n=23/237)按族裔或种族,3%(n=8/237)按社会经济信息,1.7%(n=4/237)按教育),因此无法进行。不过,我们确实评估了针对服务不足人群的干预措施的有效性。尽管整体数据集庞大,但当聚焦特定干预组成部分和人群时,证据基础较小,因此不确定性更大。我们原本希望对不同的服务不足人群进行子组分析,但由于对不同服务不足群体的数据不足,无法进一步细分。我们还计划了进一步细分儿童组和成人组的亚组分析;但这依然不可能。 同样,一些模型中的一些组件因缺乏证据被移除。虽然在模型中调整试验层面指标很重要,但试验层面的效果本身应谨慎解读。例如,发现青少年医疗与教育环境之间没有差异的证据,不应意味着在教育环境中为青少年提供干预措施没有益处。在教育环境中接种疫苗,在最大化疫苗接种率和减少该年龄段医疗环境中的不平等方面发挥重要作用。40 与此同时,尽管教育环境中的分娩在成人中显示出一定的有益效果,但这一发现基于少量研究(例如针对大学环境中的教职员工和学生的研究),因此不应被视为更广泛的推广。
我们的编码框架专门开发用于捕捉重要的交付和内容组件;然而,编码过程本身是主观的,取决于研究报告中提供的信息范围。各研究的组成部分在内容和实施程度上可能存在差异,且由于缺乏深入的程序报告,干预措施的某些方面可能被遗漏。此外,一些背景因素(例如国家层面)在分析中未能完全考虑。例如,不同国家在医疗保障上的财务保护模式可能明显不同。其中三分之二的研究(237项中有155项)在美国进行。为评估观察到的效应是否可能由该国干预措施驱动,我们进行了事后敏感性分析,仅包括美国境外的研究。由于样本较小,整体效应估计更不确定;然而,延长机会和支付费用以覆盖成本依然有效。由于缺乏结局数据或各组的组成编码完全相同,我们无法将系统综述中的少数研究纳入组成网络荟萃分析。虽然我们无法确定这些研究对成分分析会产生什么影响,但鉴于研究比例较小,影响可能不大。
目前尚无经过验证的工具可用于评估组成网络荟萃分析证据的确定性。然而,使用 CINeMA(网络荟萃分析信心)框架,我们判断广泛干预组与对照组的网络荟萃分析比较确定性为中等。11
结论
我们的发现对疫苗接种率干预措施的开发、优化和实施具有重要意义,提供了关于不同人群和环境下哪些成分效果最佳的细致见解。研究结果应与地方层面的洞察相结合,指导实施对当地人口有效的干预组成部分组合。考虑现有的干预成本和成本效益经济数据,将进一步指导在有限资源下实施哪些干预措施的决策。
关于这个话题已经知道的内容
多种广泛的干预类型(例如改善可及性和可负担性)已被证明能有效提高疫苗接种率;然而,这些结构通常复杂且涉及多个组成部分
识别哪些干预组成部分有效,对于制定、优化和实施提高疫苗接种率的干预措施至关重要
目前尚无综述在不同人群和情境下使用成分网络荟萃分析方法评估单个成分的有效性
这项研究带来了什么
在该组成网络荟萃分析中,有效干预内容包括延长机会、预约协助、经济激励、支付费用和动机访谈
总体而言,有效的干预交付组成部分是社区成员与医疗专业人员之间的人际互动和分娩
有效组成部分因年龄组、服务不足人群以及新冠疫情影响分析而异
伦理声明
伦理批准
不是必须的。
数据可用性声明
所有数据和分析代码均可在 GitHub 仓库(https://github.com/AnnieDavies/VaccineReview)获取。
致谢
我们感谢 Bharati Kumar 和 Getahun Molla Kassa 协助提取和核查部分数据。我们也感谢公众贡献者对本项目的宝贵贡献。公众参与工作的详细信息,包括贡献者名单,见 McGrath 等人 20 页
注释
贡献者:CEF、JPTH、DMC、LY、LL、JY 共同构思并设计了本研究。SD 负责开发并执行所有搜索。SRD、ZAT、IA、EA 和 CEF 选定了相关文章并提取了数据。SRD、TP、ZAT、EA 和 CEF 完成了偏倚风险评估。首席部长领导了公众参与。ZAT 创建并维护了 Access 数据库。SRD、CEF、LY、LL、JY、JPTH、DMC 和 CM 与公众贡献者共同开发了编码框架。ALD 进行了统计分析,并结合了 JPTH、DMC、CEF 和 SRD 的意见。CEF、SRD、ALD、JPTH、DMC、LL、LY、JY、SI 和 HC 负责解读结果。SRD 撰写了该手稿的初稿。所有作者均对手稿草稿提供了意见和关键性修订。所有作者均拥有研究中所有数据的完全访问权限,并对是否提交发表的决定负有最终责任。SRD 是担保人。通讯作者证明所有列出的作者均符合作者资格,且未遗漏其他符合标准的作者。
资金来源:本项目由美国国家卫生与护理研究院(NIHR)公共卫生研究计划资助(资助编号 NIHR135130)。CEF、SRD、JPTH、DMC、LY 和 CM 均获得布里斯托尔大学 NIHR 行为科学与评估健康保护研究单位(HPRU)的支持,该单位与英国健康安全局(UKHSA)(NIHR200877)及其继任机构布里斯托尔大学评估与行为科学 HPRU 合作,与 UKHSA(NIHR207385)合作。DMC、SD 和 JPTH 均由 NIHR 布里斯托尔证据综合组(NIHR153861)支持。SD、JPTH 和 CM 均由 NIHR 应用研究合作西部(ARC West)支持,该合作组织位于布里斯托尔大学医院和韦斯顿 NHS 基金会信托(NIHR200181)。ALD 由工程与物理科学委员会奖学金(EP/Y007905/1)支持。IA 得到了伦敦卫生与热带医学院疫苗与免疫领域 NIHR 疫苗与免疫研究机构的支持,并与英国卫生安全局(UKHSA,NIHR200929)合作。JPTH 是 NIHR 高级研究员(NIHR203807 年)。EA 由 Wellcome Trust 博士奖学金支持(228276/Z/23/Z)。HC 由 NIHR 职业发展奖学金(CDF-2018-11-ST2-015)支持。文中观点仅代表作者本人,不一定代表美国国家卫生研究院(NIHR)、英国健康安全局(UK Health Security Agency)或卫生与社会关怀部的立场。资助方在研究设计、数据收集、分析、解释、撰写报告或提交文章发表决策中没有任何角色。
利益冲突:所有作者均已于 www.icmje.org/disclosure-of-interest/ 完成 ICMJE 统一披露表,声明:作为提交工作的资助方,国家卫生与护理研究院公共卫生研究计划的支持;在过去三年内,与任何可能对提交工作感兴趣的组织没有财务关系;没有其他可能影响提交作品的关系或活动。
透明度:首席作者(SRD)确认本稿件是对所报道研究的诚实、准确和透明记录;研究中没有遗漏任何重要方面;并且与原计划研究中的任何差异都已得到解释。
向参与者及相关患者和公众社区传播:本研究结果已与患者和公众参与小组成员分享,他们继续支持将结果传播给当地社区团体。研究成果已通过会议和会议上的报告被分享,并将持续传播。结果还将通过媒体渠道发布,如 NIHR 评估与行为科学健康保护单位网站及社交媒体渠道。
来源与同行评审:非委托;外部同行评审。
这是一篇开放获取文章,按照知识共享署名(CC BY 4.0)许可条款发布,允许他人在原作中进行商业用途的分发、混合、改编和扩展,前提是原作必须正确注明引用。参见:http://creativecommons.org/licenses/by/4.0/。
参考文献
Hits: 0




