中低收入国家电子免疫登记的附加价值:坦桑尼亚的观察性案例研究gydF4y2Ba

介绍gydF4y2Ba

背景gydF4y2Ba

随着全球卫生系统的日益数字化，人们对电子免疫登记处(EIRs)的兴趣和投资日益增加。eir是"机密的、计算机化的、基于人群的系统，用于从疫苗接种提供者处收集和巩固疫苗接种数据，以便制定更好的免疫策略" [gydF4y2Ba1gydF4y2Ba]。EIRs旨在向护理点的卫生保健工作者提供患者综合记录，以便在适当的时间提供适当的疫苗。在人口层面，EIRs可以提供关于疫苗接种覆盖率的汇总数据，为资源分配和规划操作提供信息。通过这种方式，eir旨在通过支持更有效、更高效和数据驱动的护理，改善免疫接种系统，使每个儿童都能获得免疫接种[gydF4y2Ba2gydF4y2Ba，gydF4y2Ba3.gydF4y2Ba]。gydF4y2Ba

疫苗覆盖率历来是评估免疫规划的主要指标。随着越来越多的低收入和中等收入国家(LMICs)开始实施EIR，疫苗覆盖率已被作为评估EIR有效性的关键结果来衡量。在越南、孟加拉国和巴基斯坦进行的后前研究表明，在引入包括短信提醒在内的EIRs后，儿童疫苗接种覆盖率显著提高，此外，在巴基斯坦，还引入了决策支持系统[gydF4y2Ba4gydF4y2Ba-gydF4y2Ba6gydF4y2Ba]。gydF4y2Ba

除了提高疫苗覆盖率外，还确定了EIRs对个人、免疫规划绩效和管理、研究和人口健康的其他好处[gydF4y2Ba7gydF4y2Ba，gydF4y2Ba8gydF4y2Ba]。例如，eir在个人层面储存患者的疫苗接种历史，可以帮助在规划层面识别违约者和降低辍学率，并提供数据以支持人口层面的资源分配和战略规划[gydF4y2Ba8gydF4y2Ba]。在各个层面上，捕捉个人层面数据的eir为重新定义传统疫苗指标和进行更及时、更细粒度的分析以支持决策提供了机会[gydF4y2Ba9gydF4y2Ba]。EIRs使免疫规划能够探索疫苗覆盖范围以外的结果，包括人群和个人水平的纵向结果。由于引入和维护eir的成本很高，因此决策者必须考虑所有可能的收益，以证明投资的合理性。[gydF4y2Ba10gydF4y2Ba，gydF4y2Ba11gydF4y2Ba]。gydF4y2Ba

在一些正在考虑或引入EIR的环境中，免疫覆盖率可能已经很高，因此不是EIR增加值的适当衡量标准。开发早期数字卫生投资工具的目的是，通过评估数字卫生的核心组成部分，协助卫生部确定它们是否准备好引入数字卫生工具，例如电子卫生评估[gydF4y2Ba12gydF4y2Ba]。在实践中，准备充分的国家卫生系统可能是那些已经实现相对较高的疫苗接种覆盖率的国家。在这些情况下，提高疫苗接种覆盖率可能不是引入EIRs的主要目标。gydF4y2Ba

客观的gydF4y2Ba

本研究的目的是:(1)概念化EIRs可以为免疫规划增加价值的其他方法;(2)以坦桑尼亚为案例研究，评估其可行性和潜在的增值。gydF4y2Ba

方法gydF4y2Ba

概述gydF4y2Ba

本研究分为两个连续阶段。首先，通过对利益相关者的访谈，制定了一份全面的EIRs可能为免疫规划增加价值的方式清单。其次，根据规划需求的优先子集，使用坦桑尼亚免疫登记处(TImR)的数据评估附加价值。gydF4y2Ba

第一阶段gydF4y2Ba

概念框架gydF4y2Ba

使用国家免疫规划在实现覆盖和公平目标方面面临的常见障碍的全面清单，以确定EIRs可以增加价值的方式。该名单改编自2019年7月全球疫苗和免疫联盟关于gydF4y2Ba改进免疫方面的数据使用gydF4y2Ba来自全球疫苗免疫联盟秘书处、核心伙伴和扩展伙伴以及国家代表的约40名与会者确定了障碍并进行了分类。对于每个常见的障碍，研究团队(EC、TKR和LW)根据他们的专业知识和实施经验确定了EIRs可以帮助解决障碍的方法。gydF4y2Ba

数据收集与分析gydF4y2Ba

开展了利益相关者访谈，以完善免疫规划障碍框架和潜在的EIR解决方案。利益相关者是根据他们在研究、政策或eir实施方面的专业知识而有目的地选择的。2019年11月至2020年1月，共有7名利益相关者参加了由研究团队(EC)促成的半结构化网络访谈。共有4名利益攸关方是来自撒哈拉以南非洲国家的政府官员，他们是通过改善免疫数据学习网络[gydF4y2Ba13gydF4y2Ba]。共有3名利益攸关方来自国际公共卫生机构、捐助者或执行组织。访谈的总结笔记被用来完善概念框架。2020年1月，一项后续的基于网络的调查(使用SurveyMonkey, Momentive, Inc)发送给更广泛的EIR专家(包括受访者)，要求受访者从概念框架中优先考虑主题，以便进一步分析。我们使用了17个人的调查回复，结合访谈数据，为第二阶段的分析确定了4个主题的优先级。gydF4y2Ba

第二阶段gydF4y2Ba

设置gydF4y2Ba

分析了坦桑尼亚的EIR数据，以说明EIR如何为每个优先主题领域增加价值。坦桑尼亚政府与比尔和梅林达·盖茨基金会资助并于2013年启动的BID倡议合作，设计和实施一揽子解决方案，以提高免疫数据质量和使用[gydF4y2Ba14gydF4y2Ba]。EIR是解决方案包的重要组成部分。EIR的设计始于2014年，经过多次迭代，最终在OpenIZ平台(现在称为SanteDB, SanteSuite)上构建了TImR [gydF4y2Ba15gydF4y2Ba]。坦桑尼亚政府公司领导了TImR在各地区设施的分阶段推广。截至2020年12月31日，TImR已推广至坦桑尼亚大陆25个地区中的15个地区的3736个设施，包括160万条客户记录。gydF4y2Ba

数据源gydF4y2Ba

经坦桑尼亚政府的许可，从TImR系统中提取了免疫接种、设施和患者数据。数据提取后进行鉴别，所有分析均使用鉴别数据进行。TImR系统的发展和实施已在其他地方详细讨论[gydF4y2Ba15gydF4y2Ba-gydF4y2Ba17gydF4y2Ba]。人口密度数据使用全球行政区域数据库(GADM)行政形状文件从WorldPop的联合国调整geotiff (100×100 km空间分辨率)中提取，并根据设施地理编码与设施匹配[gydF4y2Ba18gydF4y2Ba，gydF4y2Ba19gydF4y2Ba]。在构建分析变量(例如，接种疫苗的错失机会[MOVs])方面咨询了主题专家。使用Alteryx(版本2020.3;Alteryx, Inc)， R(版本4.0.0;R基础统计计算)，Tableau(版本2020.2;Tableau Software, Inc)和STATA(版本14.2;StataCorp LLC)。gydF4y2Ba

伦理批准gydF4y2Ba

本研究获得了PATH的非研究判定。坦桑尼亚政府和PATH拥有数据共享许可，指导本研究使用TImR数据。gydF4y2Ba

数据的限制gydF4y2Ba

分析的重点是2017年至2019年期间提供的服务以及坦桑尼亚官方疫苗时间表中包括的疫苗剂量，特别是芽孢杆菌Calmette-Guérin(卡介苗);口服脊髓灰质炎疫苗;白喉，破伤风，百日咳，乙型肝炎，还有gydF4y2Ba流感嗜血杆菌gydF4y2Bab型(Penta);肺炎球菌结合疫苗(PCV);轮状病毒(轮值表);及麻疹疫苗(gydF4y2Ba表1gydF4y2Ba）.数据进一步限于TImR系统运行时收到的剂量(即在服务时或之后不久在系统中记录的剂量)。为完整的患者医疗记录而追溯输入的剂量只包括在护理连续性分析中。该分析包括至少有一个活TImR输入的患者的回输入剂量，以获取其疫苗史的全貌。共有3个地区(Mtwara、Rukwa和Ruvuma)在2019年12月31日之前在TImR中记录的访问次数小于50次被排除在外。此外，具有>3例给定疫苗剂量(例如OPV-1)的患者id被假定为用于记录大规模免疫运动期间提供的疫苗接种的虚拟患者id，因此被排除在分析之外。给定剂量最多3次的患者id被认为是由于数据输入错误造成的。gydF4y2Ba

定义gydF4y2Ba

结果gydF4y2Ba

错过接种疫苗的机会gydF4y2Ba

使用世界卫生组织(世卫组织)的定义在访问级别对MOVs进行评估:"有资格接种疫苗的个人(儿童或任何年龄的人)与卫生服务机构的任何接触(例如，未接种疫苗或部分接种疫苗，且没有接种禁忌症)，但未导致该人接受他或她有资格接种的一剂或多剂疫苗" [gydF4y2Ba20.gydF4y2Ba]。剂量资格取决于患者年龄、先前接受的剂量以及距离最后一次疫苗接种序列的时间(如适用)。MOV变量以二进制(一次访问中是否有任何MOV)和计数(每次访问中疫苗特异性MOV的数量)的形式构建。二元编码用于回归模型，这促使使用逻辑回归。gydF4y2Ba

疫苗辍学gydF4y2Ba

多剂量疫苗的疫苗特异性退出被定义为接种疫苗计划中的第一剂而不是最后一剂(例如，接种PCV-1而不是PCV-3)。口服脊髓灰质炎病毒(OPV)辍学率定义为收到OPV-0或OPV-1，而不是OPV-3;2岁前未接受OPV-0的儿童有资格接受OPV-1，但未接受OPV-0;因此，任何一种疫苗都可以作为起始剂量。我们还评估了出生剂量和首次随访之间的下降，定义为接受出生剂量(卡介苗或OPV-0)中的任何一种，但未接受首次随访剂量(OPV-1, Penta-1, PCV-1和Rota-1)。最后，我们评估了总体辍学率，即至少接受了一剂计划疫苗，但没有完成全部14剂计划。退出变量被构造为二进制(是否符合退出标准)，促使在模型中使用逻辑回归。gydF4y2Ba

指定的设施和非指定的访问gydF4y2Ba

当儿童在TImR系统中登记时，根据他们的喜好和他们计划接受护理的地方，为他们分配一个家庭设施。非指定出诊是指对指定出诊以外的任何卫生机构的出诊。该变量被构造为一个二元变量(是否访问家庭设施)，激励在模型中使用逻辑回归。gydF4y2Ba

预测gydF4y2Ba

剂量及时性gydF4y2Ba

如果在预定日期的7天内接种，则认为是及时的(gydF4y2Ba表1gydF4y2Ba）.实际上，在坦桑尼亚，一个孩子超过预定日期7天后通常被认为是违约者。gydF4y2Ba

城市化与gydF4y2Ba

如某设施所在的病区的人口密度不少于每平方公里500人，则该设施被指定为市区设施;如该设施所在的病区人口密度不少于每平方公里500人，则该设施被指定为郊区设施[gydF4y2Ba21gydF4y2Ba]。如果病人的指定设施(大概在住所附近)被指定为城市或农村，则认为病人生活在城市地区。gydF4y2Ba

缺货gydF4y2Ba

在TImR中按设施和疫苗类型记录设施库存使用情况，包括库存为0的天数。疫苗专用缺货被定义为某一疫苗库存余额为零的任何时期。还构建了一个用于缺货天数比例的复合指标，将初级疫苗(卡介苗、口服脊髓灰质炎疫苗、PCV、Penta、Rota或含麻疹疫苗[MCV])缺货天数作为分子，将每种初级疫苗在TImR系统中拥有设施库存数据的天数作为分子。gydF4y2Ba

年龄gydF4y2Ba

年龄以两种方式定义:数据提取时的静态年龄(2019年12月31日)和给定访问时的年龄。这两个年龄变量被编码为1岁至5岁的类别(即<12个月、12-23个月、24-35个月、36-47个月和48-59个月)，这是大多数感兴趣的疫苗的标准资格上限。gydF4y2Ba

回归模型gydF4y2Ba

对于所有分析，我们使用混合效应逻辑回归来评估与各种结果相关的因素。在所有模型中，相关的患者和设施特征都被作为固定效应包括在内，并使用嵌套的区域、区域和设施ID随机截取来解释聚类。gydF4y2Ba

结果gydF4y2Ba

阶段1:EIR增加值gydF4y2Ba

文本框1gydF4y2Ba列出了EIRs可以帮助解决免疫规划在实现覆盖和公平方面面临的常见障碍的方法。EIRs可以通过现有功能(例如，识别免疫不足儿童的能力)和可能不是现有系统核心组件的功能(例如，作为远程虚拟支持性监督平台的能力)来增加价值。gydF4y2Ba

根据涉众的输入，在第二阶段分析中优先考虑了4个主题:gydF4y2Ba

1. 分母和人口流动，包括患者在医疗设施或地理区域之间的流动gydF4y2Ba
2. 动元，包括它们的频率和任何相关特征gydF4y2Ba
3. 持续的护理，包括哪些儿童退出以及何时接种疫苗gydF4y2Ba
4. 持续质量改进(CQI)，包括数据质量或服务交付的趋势或异常值，为有针对性的质量改进工作提供信息gydF4y2Ba

本节的其余部分概述了TImR数据，然后提供了4个优先主题领域的每个结果，以说明如何使用EIR数据更好地理解分母和人口流动、MOVs、连续护理和CQI。gydF4y2Ba

第二阶段:坦桑尼亚案例研究gydF4y2Ba

由于不同的纳入标准和缺失数据，个体分析的样本量有所不同。总的来说，我们的样本包括2444803剂疫苗，559542名患者的958870次就诊。这些访问在10个地区57个县的2359个保健设施进行。每个设施每月提供的剂量中位数(IQR)为40(9-123)，访问次数中位数为17(4-49)。gydF4y2Ba表2gydF4y2Ba提供参与者人口统计数据和设施特征。gydF4y2Ba

分母和人口流动gydF4y2Ba

概述gydF4y2Ba

该分析探讨了人口流动，即在替代(非指定)设施寻求护理，这影响了设施分母的准确性。在810,568次总访问中，765,835次(94.48%)访问儿童指定设施，15,575次(1.92%)访问儿童指定设施5公里内的非指定设施，14,147次(1.82%)访问距离指定设施5公里但位于同一地区的设施，12,267次(1.51%)访问同一地区的不同地区，2926次(0.36%)访问不同地区。gydF4y2Ba图1gydF4y2Ba按地区汇总所有访问和非指定设施的访问出勤率。尽管儿童在不同地区的指定机构寻求护理的可能性相似，但寻求非指定机构的护理模式各不相同。例如，在非指定设施的就诊中，达累斯萨拉姆地区的儿童最有可能在5公里内寻求治疗(64/ 85,75%)，而盖塔地区的儿童最有可能在该地区以外寻求治疗(131/ 187,70.1%)。gydF4y2Ba

表3gydF4y2Ba根据患者和指定设施的特点，探讨指定和非指定设施的就诊情况。基于患者性别、指定机构所有权或指定机构类型，在非指定机构就诊的可能性差异不大。正如预期的那样，被分配到城市设施的患者和5公里内被分配的设施数量较多的患者更有可能去非被分配的设施。年龄较大的儿童更有可能去非指定的设施;然而，这可能是年龄较大的儿童有更多的访问次数(因此有更多机会访问其他设施)，或者自从进入TImR系统以来更有可能搬家(即不再居住在指定的设施附近)。被分配到较新的TImR系统设施的患者不太可能访问非被分配的设施。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

指定设施出勤的空间差异gydF4y2Ba

图2gydF4y2Ba显示分配到指定设施的儿童在指定设施的所有访问的比例。出勤率低的设施似乎集中在乞力马扎罗山北部、阿鲁沙东南部、姆万扎东南部和城市以及坦加沿海和中部。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

模型结果gydF4y2Ba

表4gydF4y2Ba显示来自逻辑回归模型的结果，将对非指定设施的给定访问作为感兴趣的结果。被分配到公共设施和卫生中心或医院、TImR使用时间较长的设施以及卫生设施密度较高地区的设施的儿童更有可能访问未被分配的设施。有较多就诊记录的儿童去非指定机构就诊的可能性显著降低。有趣的是，在调整了其他协变量后，与年龄的关系不再单调。与≤12个月的儿童相比，1至2岁的儿童不太可能访问未指定的设施，而3至4岁的儿童则更有可能访问。gydF4y2Ba

错过接种疫苗的机会gydF4y2Ba

概述gydF4y2Ba

在23.69%(226,525/956,195)的就诊中，患者未接种至少一种符合条件的疫苗，观察到MOVs。虽然我们发现基于性别的MOV可能性差异不大，但在年龄组、设施城市化程度、设施类型和设施TImR使用时间之间存在显著的异质性(gydF4y2Ba表5gydF4y2Ba）.年轻患者发生MOV的可能性较高，可能是由于在生命的第一年计划剂量较多，因此错过剂量的可能性较大。gydF4y2Ba

在纳入分析的557,674名儿童中，167,115名(29.97%)有≥1个MOVs。平均每个儿童的MOVs数为0.61 (SD为1.20)。在167,115名MOV患儿中，85,697名(51.28%)MOV≥1(范围1-15)。在338,439例记录的MOVs中，轮状病毒最有可能具有MOV(占所有MOVs的28.26%;其次是PCV(18.82%， 63,682)、Penta(17.84%， 60,363)、OPV(17.15%， 58,039)、BCG(16.23%， 54,924)、MCV(1.71%， 5781)。MCV的MOV比例较低可能是因为符合MCV年龄(至少9个月)的儿童就诊较少。gydF4y2Ba

MOV的原因gydF4y2Ba

TImR系统允许提供者说明没有提供预定和合格剂量的原因。然而，只有在明知不给予剂量，因而提供者不承认患者合格的剂量时，才会注意到原因。对于提供者记录为遗漏的合格剂量，数据表明了动MOVs背后的机制。gydF4y2Ba

表6gydF4y2Ba按疫苗类型详细说明MOV原因。在338,439例记录的移动事件中，有列出原因的有183,623例(54.26%)，其中因设备缺货的有177,624例(52.48%)，因医疗禁忌的有2474例(0.73%)，因被禁止的有3184例(0.94%)gydF4y2Ba晚些时候gydF4y2Ba(通常意味着孩子年龄太大，无法开始接种疫苗)，178例(0.05%)是因为监护人拒绝，163例(0.05%)是因为库存过期。这些原因因疫苗类型而异，Penta和PCV MOVs约有四分之三是由于库存不足，但卡介苗、MCV和轮状病毒MOVs不足一半。与其他疫苗类型的MOVs相比，轮状病毒MOVs更有可能是由医疗禁忌引起的(913/ 95650,0.95%)，而MCV因监护人拒绝而被遗漏的可能性最高(15/5781,0.26%)。gydF4y2Ba

模型结果gydF4y2Ba

选取任何疫苗MOV和opv特异性MOV模型的结果作为感兴趣的说明性示例，并显示在gydF4y2Ba表7gydF4y2Ba。未经调整的结果可以在gydF4y2Ba多媒体附件1gydF4y2Ba和gydF4y2Ba2gydF4y2Ba。年龄组和TImR持续时间与MOV和opv特异性MOVs显著相关。与小于1岁的儿童相比，年龄较大的儿童在两种模型中经历MOVs的可能性都要小得多。这可能是因为年轻时MOVs的机会更大，因为在生命的第一年有更多的计划剂量。有趣的是，访问时TImR使用时间在模型之间显示相反的方向，较长的TImR实施与任何MOV的较高可能性相关，但opv特异性MOVs的可能性较低，这表明不同疫苗类型可能有不同的机制导致MOVs。gydF4y2Ba

持续护理gydF4y2Ba

本分析探讨了疫苗退出的原因。为了确保共同获得剂量的资格，该分析仅限于2019年底12至47个月的儿童，并重点关注计划用于生命第一年的14种剂量(即通过MCV-1;gydF4y2Ba表1gydF4y2Ba）.gydF4y2Ba

免疫覆盖率gydF4y2Ba

总的来说，在我们的样本中，294464名儿童中有93,619名(31.79%)在生命的第一年接受了计划剂量的完全免疫(包括OPV-0)，另有39,718名(13.48%)接受了所有计划剂量，MCV-1除外。gydF4y2Ba图3gydF4y2Ba按疫苗类型和剂量显示所接受的剂量和及时性。正如预期的那样，在每个疫苗序列中，较晚剂量的覆盖率有所下降。及时性也随剂量的增加而单调下降。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

疫苗辍学gydF4y2Ba

表8gydF4y2Ba详细介绍不同患者特征的退出率。多剂量疫苗特异性退出率中，OPV最高(66798 /217796,30.67%)，其次是PCV(78,767/268,582, 29.33%)、Penta(76,659/268,315, 28.57%)和Rota(52,086/255,337, 20.4%)。轮状病毒可能有较低的退出率，因为序列中只有2剂。所有结果都有共同的趋势，例如年龄较大的儿童和私人设施显示各种类型的辍学率较低。然而，一些趋势是结果/疫苗特定的，例如农村设施显示除口服脊髓灰质炎疫苗外所有疫苗的辍学率较高。除各年龄组的辍学率外，这些差异大多微不足道。gydF4y2Ba

免疫类型学gydF4y2Ba

为了更好地了解疫苗接种概况，我们使用所有可能的符合条件的计划剂量组合构建了免疫原型。患者符合这些原型基于他们的免疫史。gydF4y2Ba表9gydF4y2Ba按接种疫苗剂量显示10种最常见的原型。在完全接种疫苗和除MCV-1外的完全接种疫苗后，第三种最常见的类型是接受除OPV序列外的所有剂量(19,322/294,464，占儿童的6.56%)，其次是在第二次和第三次访问之间退出(13,270/294,464,4.51%)或在第三次和第四次访问之间退出(13,102/294,464,4.45%)，只接受出生剂量(卡介苗和OPV-0;10156/294464, 3.45%)。gydF4y2Ba

访问辍学gydF4y2Ba

为了了解不同定期访问之间的免疫接种率，我们分析了在生命一年内从免疫系统的5个计划接触点中分别接受任何疫苗的儿童比例(gydF4y2Ba表1gydF4y2Ba）.总体而言，96.29%(283,548/294,464)的儿童接受了至少一种出生剂量(卡介苗或OPV-0)， 93.16%(274,314/294,464)的儿童接受了至少一种探访2剂量(OPV-1、PCV-1、Penta-1或Rota-1)， 80.98%(238,450/294,464)的儿童接受了至少一种探访3剂量，67.52%(198,812/294,464)的儿童接受了至少一种探访4剂量，48.21%(141,948/294,464)的儿童接受了至少一种探访5剂量。gydF4y2Ba

模型结果gydF4y2Ba

我们选取Penta和整体退出模型的结果作为感兴趣的说说性例子，如下所示。未经调整的结果可以在gydF4y2Ba多媒体附录3gydF4y2Ba和gydF4y2Ba4gydF4y2Ba。如gydF4y2Ba表10gydF4y2Ba在美国，年龄较大与Penta和总体辍学率较低(即开始但未完成14剂计划)的可能性显著相关。在整体辍学率模型中，城市设施与整体辍学率的可能性显著降低相关，而公共设施与较高的可能性相关。在Penta退出模型中没有观察到这些趋势。gydF4y2Ba

持续改善质素gydF4y2Ba

eir为CQI改进措施的快速评估提供了数据。这些评估可以通过确定需要有针对性的培训或其他质量改进干预措施的领域来帮助改善服务提供。如gydF4y2Ba表11gydF4y2Ba在美国，10%的设施占了大部分问题，这表明对确定的设施进行有针对性的干预可以大大改善护理。这些结果使用了绝对数字，因此将偏向于患者负荷较高和TImR实施持续时间较长的设施。在实践中，CQI分析可能局限于特定的月份或季度，减少任何持续时间偏差。绝对数字还可以通过将CQI干预措施针对问题绝对数量最高的提供商或设施来提高效率。gydF4y2Ba

讨论gydF4y2Ba

主要研究结果gydF4y2Ba

eir可以通过多种方式增加价值。获取获取免疫规划所有接触点的个人层面数据，可以进行新的分析，从而有利于免疫规划、国家和区域部委工作人员、卫生保健提供者和管理人员、资助者和其他利益攸关方[gydF4y2Ba8gydF4y2Ba，gydF4y2Ba9gydF4y2Ba，gydF4y2Ba22gydF4y2Ba]。描述性统计可用于快速监测服务提供和疫苗接种覆盖率，或为质量改进工作提供信息。纵向和空间分析可用于了解护理和覆盖率的时空变化。风险因素分析可用于确定与免疫问题相关的患者和设施特征(例如，辍学率)。这些分析可以针对相关的涉众群体。例如，特定地区的设施级统计数据可以为有针对性的支持性监督提供信息，而国家级的覆盖趋势可以促进以证据为基础的政策制定。EIRs还可实现更具成本效益和更快速的免疫数据综合;这些描述性统计和分析中的许多数据无法使用常规卫生信息系统中可用的汇总数据，或者需要大量额外的资金、时间和其他资源来收集调查数据[gydF4y2Ba9gydF4y2Ba]。本研究中提出的分析旨在说明EIR数据可以为免疫规划提供的见解类型。gydF4y2Ba

分母和人口流动gydF4y2Ba

不准确的人口指标是监测覆盖率、改进实施和为规划提供信息(如预测疫苗库存和人员需求)的共同挑战。最近对低收入和中等收入国家免疫数据质量进行的范围审查发现，地区和国家级别的分母往往不准确、很少调整，而且不一致[gydF4y2Ba23gydF4y2Ba]。人口分母受到移民、城市化和难民危机等人口动态的影响，这些动态可在地方一级产生重大影响[gydF4y2Ba24gydF4y2Ba]。随着时间的推移，儿童在不同的机构寻求治疗，使人口分母进一步复杂化。全球免疫和监测数据质量和使用问题战略咨询专家组工作组将不准确的标号确定为一项共同挑战，并指出缺乏关于如何提高标号的准确性和跟踪流动人口的指导[gydF4y2Ba25gydF4y2Ba]。gydF4y2Ba

eir极大地简化了在多个机构寻求治疗的患者的跟踪，能够更细致地了解跨地理和时间的人口流动，并允许更可靠的覆盖率估计。TImR数据的使用使我们能够探索在患者指定的机构以外的机构寻求治疗的程度和相关因素gydF4y2Ba首页gydF4y2Ba,设施。我们的分析显示，一小部分患者在指定机构外寻求治疗(44,733/810,568,5.52%);然而，这因地区而异;设施城市化程度、类型、所有权、患者数量和TImR系统使用时间;邻近地区的设施密度;还有病人的年龄。此外，寻求治疗的患者因地区而异，一些地区的患者更有可能前往其他地区和地区进行治疗。例如，没有到盖塔指定的设施上学的儿童最有可能到该区域以外的设施上学，这可能是因为该区域与采矿有关的人口流动。这些见解有助于为资源分配提供信息。eir还大大简化了在多个机构寻求治疗的患者的跟踪，降低了漏服或重复用药的可能性。 Although a small number of children in the Tanzania case study sought care outside their assigned facilities, some areas would have a much larger nomadic or mobile population. For example, in Cameroon, children born at home, immigrants, emigrants, and nomadic populations are not accurately accounted for when planning outreach vaccination sessions, which contributes to delaying or not vaccinating an estimated 30% to 70% of the population in some districts [26gydF4y2Ba]。gydF4y2Ba

错过接种疫苗的机会gydF4y2Ba

识别和避免动静脉病毒是实现更大疫苗接种覆盖率的一种重要且具有成本效益的方法。挑战在于确定何时、何地以及哪些儿童或设施的MOVs有经验来解决这些问题。在EIRs中集成临床决策支持系统可以自动确定儿童剂量合格性并提醒提供者，这已被证明可以减少常规儿童免疫接种的MOVs [gydF4y2Ba27gydF4y2Ba，gydF4y2Ba28gydF4y2Ba]。此外，通过对儿童和设施特征的疫苗接种历史进行整理，EIRs自然可以跨越这些特征和不同疫苗探索MOVs。我们对TImR数据的分析表明，MOVs在<12个月的儿童中最高(如上所述，可能是因为出生后第一年的计划剂量较多);然而，其他个体或设施特征之间几乎没有显著差异。对撒哈拉以南非洲国家的其他研究发现了与MOVs几率增加相关的其他人口和社会经济特征，包括高出生顺序、家中5岁以下儿童数量多、缺乏孕产妇教育、缺乏媒体渠道以及家庭和社区贫困[gydF4y2Ba29gydF4y2Ba，gydF4y2Ba30.gydF4y2Ba]。虽然这些数据没有被TImR捕获，但它们可以被EIR捕获，从而进行新的分析和股权洞察[gydF4y2Ba8gydF4y2Ba，gydF4y2Ba31gydF4y2Ba]。gydF4y2Ba

提供者可以使用这些信息来确定哪些儿童可能面临较高的MOV风险。此外，管理人员还可以利用它来确定MOVs率较高的提供者和设施，进行支持性监督或进修培训，或确定疫苗犹豫率高的地区，开展外联运动。此外，EIRs还可以深入了解MOVs背后的机制，如库存问题和疫苗特异性犹豫。在有数据的情况下，缺货是MOVs的主要原因，而疫苗犹豫和医疗禁忌症等机制相对罕见。TImR数据还显示，轮状病毒最有可能具有MOV，这可能表明应审查资格要求或提供进修培训。为进一步深入了解，可使用其他工具，如世卫组织MOV战略工具包中所包含的工具，来补充对EIR数据的分析[gydF4y2Ba20.gydF4y2Ba]。gydF4y2Ba

持续护理gydF4y2Ba

确定在疫苗接种计划的哪个阶段，一些儿童会退出，以及他们为什么会退出，这是实现高疫苗接种率的另一个关键挑战。了解哪些疫苗剂量、儿童和设施特征与未能完成疫苗序列或完整疫苗时间表有关，有助于为设施、区域和国家各级的服务提供、培训和质量改进措施提供信息。TImR数据显示，12至35个月的儿童中，近一半完全接种了疫苗，或接受了除MCV-1外的所有12个月以下14剂疫苗(即通过MCV-1)。在没有完成疫苗接种计划的儿童中，辍学率因疫苗而异。与辍学率相关的设施特征也因疫苗而异;例如，指定的设施城市化程度与总体辍学率较低的可能性显著相关(即，开始但未完成14剂计划)，但与五种特异的辍学率无关，这表明辍学率背后的机制可能因疫苗而异。如果EIR数据与出生登记系统相联系，则可进一步扩展护理连续分析。在坦桑尼亚的案例研究中，5.79%(16,414/283,548)的儿童在出生至第一次免疫剂量之间退出;然而，如果有些儿童在出生时没有登记，这可能是低估。在民事登记和生命统计系统健全的国家，将EIR与出生登记或产前保健登记联系起来，可以扩大保健连续分析。 Using EIRs to explore immunization typologies can also provide insight into which vaccines and visits require greater care. For example, in the TImR data, 6.56% (19,322/294,464) of children were fully vaccinated through MCV-1 except for the 3 to 4 OPV doses, highlighting the need for greater research into barriers to OPV coverage.

CQI分析gydF4y2Ba

CQI的分析表明，大多数问题(如MOVs)来自少数设施。eir使国家和国家以下各级的决策者能够快速评估和确定提供者、设施或地理区域，以采取有针对性的质量改进措施，从而提高护理质量并进一步改善干预效果。gydF4y2Ba

EIRs的增加值gydF4y2Ba

这些分析旨在展示EIRs的潜力，以便对疫苗规划数据进行更细致、快速和具有成本效益的评估，以促进数据用于决策。例如，关键指标的自动化仪表板(例如，特定疫苗覆盖率、缺粮和儿童辍学率)可以为设施层面的规划和临床实践提供信息，而无需进行现场数据分析。提供商还可以使用EIRs简化对单个患者的跟踪，特别是那些在多家机构寻求治疗的患者，以提高护理质量并减少MOVs等问题[gydF4y2Ba27gydF4y2Ba，gydF4y2Ba28gydF4y2Ba]。将EIRs与SMS短信服务集成，以自动化预约和向有违约风险的儿童提供服务，已被证明可以降低常规儿童免疫接种的辍学率[gydF4y2Ba4gydF4y2Ba]。在地区和区域一级，对表现不佳设施的评价可用于有针对性的支持性监督和补充培训。在国家一级，关于疫苗覆盖率的地理和空间趋势的最新数据可用于为全国运动、资源分配或政策制定提供信息。gydF4y2Ba

设计良好的EIRs可以使免疫数据大众化。但是，它们需要必要的支助才能有效地发挥作用。早期数字卫生投资工具确定了有效数字卫生系统的6个组成部分:人力能力、投资和资金、数据捕获和使用、基础设施、标准和互操作性以及治理和政策[gydF4y2Ba12gydF4y2Ba]。强大的构建模块可以最大限度地提高EIR系统的效率;然而，在一些低收入和中等收入的环境中，这可能会带来挑战，因为这些构建模块中可能缺少一个或几个。世卫组织估计，50%的低收入国家和24%的中低收入国家具有强大的机构能力或国家部委参与数据分析[gydF4y2Ba22gydF4y2Ba]。由于技术能力往往集中在国家一级，这些数字在国家以下一级甚至更低。此外，54%的低收入国家和41%的中低收入国家在利用数据和证据推动政策和规划方面的能力被评为初级、有限或中等[gydF4y2Ba22gydF4y2Ba]。实施稳健和常规化的数据框架，包括eir，可以解决数据可用性方面的差距，并提供利用数据来推动循证政策和规划的机制。针对特定最终用户的自动化和定制数据输出(例如，针对提供者的设施级指示器仪表板)可以简化数据分析和解释。然而，有效地将EIR数据用于决策需要各级卫生保健工作者和管理人员具备理解数据并根据数据采取行动的技能、动机和自主权[gydF4y2Ba16gydF4y2Ba，gydF4y2Ba17gydF4y2Ba]。国家和区域两级的领导层应将能力建设作为优先事项，使卫生系统能够利用EIR数据[gydF4y2Ba32gydF4y2Ba]。gydF4y2Ba

EIR是一种旨在提高免疫规划绩效的解决方案。通过结合其他干预措施，如加强数据使用能力、疫苗储备管理系统、数据治理框架或为护理人员提供短信提醒，可以最大限度地提高电子病历的效率和影响。研究发现，使用多种机制解决数据使用的各种障碍的干预措施在实现免疫数据使用和行动方面更为成功[gydF4y2Ba33gydF4y2Ba]。gydF4y2Ba

限制gydF4y2Ba

TImR的结果旨在说明EIRs可以通过为卫生保健提供者和管理人员提供可操作的信息来增加免疫计划的价值。由于一些数据的限制，研究结果并不打算推广到整个坦桑尼亚。首先，区域和地区在不同时间点实施了TImR，这意味着一些地区在结果中代表过多或不足。其次，与此相关的是，坦桑尼亚只有一小部分地区引入了TImR;因此，在TImR覆盖区域以外提供的免疫服务未被纳入结果。第三，可能生活在TImR覆盖区域内但未接触过免疫输送系统(也称为免疫输送系统)的儿童gydF4y2Ba零剂量儿童gydF4y2Ba)或在出生时未登记的人士，均不会纳入统计结果。第四，本研究没有评估数据的完整性，任何不完整的数据(例如，提供者没有将所有免疫接种输入TImR)可能会限制结果的准确性。第五，之前对TImR数据的研究表明，随着时间的推移，系统使用率有所下降，这可能会使结果偏向于维护报告系统能力更强的设施[gydF4y2Ba16gydF4y2Ba]。第六，如前所述，分析仅限于TImR捕获的数据。虽然这些数据对诊断问题很有帮助，但它们并没有捕捉到可能影响免疫接种的所有患者、设施或地理特征，在解释趋势方面也有局限性。例如，MOVs可能被低估了，因为本研究只捕获了免疫接种期间的MOVs，而没有捕获非免疫接种期间的MOVs [gydF4y2Ba34gydF4y2Ba，gydF4y2Ba35gydF4y2Ba]。如前所述，一些与MOVs相关的特征在TImR中没有被捕获。三角测量与其他数据源或有针对性的后续数据收集可以帮助回答gydF4y2Ba为什么gydF4y2Ba的问题。最后，本研究使用的镜头是对EIRs潜在附加值的评估。本研究并未试图强调与实施或维护eir相关的挑战，尽管在其他地方已经发现了许多此类挑战[gydF4y2Ba1gydF4y2Ba，gydF4y2Ba3.gydF4y2Ba，gydF4y2Ba8gydF4y2Ba，gydF4y2Ba9gydF4y2Ba，gydF4y2Ba17gydF4y2Ba，gydF4y2Ba36gydF4y2Ba]。gydF4y2Ba

结论gydF4y2Ba

在衡量疫苗覆盖率之外，EIRs有可能为各级卫生系统的免疫利益攸关方增加实质性价值。通过EIRs捕获的个人层面数据可以进行新的分析，以了解免疫服务提供或寻求护理的模式、免疫不足的潜在风险因素以及挑战发生在哪里。值得注意的是，大多数问题(例如，MOVs的发生，对未指定设施的访问，以及违约者的数量)发生在少数设施中，突出了eir为有针对性的质量改进工作提供信息的潜力。然而，为实现这一潜力，国别规划需要利用和加强其收集、分析和解释数据的能力。应优先采取措施和分析，以匹配免疫规划的需求和能力。理想情况下，优先级的措施应该集成到常规系统中，以促进持续的CQI工作。随着EIRs在低收入和中等收入国家的引入和推广，实施者和研究人员应继续分享现实世界的例子，并建立一个证据基础，说明EIRs如何为免疫规划增加价值，特别是在创新用途方面。gydF4y2Ba