科大研究人員利用年齡資格特性 成功在數據不足的情況下測量疫苗有效率 | 香港科技大學

香港科技大學（科大）一支研究團隊發現了一個新方法，能於公共衛生數據不足的情況下測量疫苗的有效率（Vaccine effectiveness），不但為現行測量方法提供較易於實行的替代方案，亦有效協助數據不足的國家制定和調整更完備的疫苗和免疫政策。

研發有效的疫苗有助我們盡快擊退新冠肺炎大流行。許多發達國家由於擁有成熟的醫療檔案管理系統和充足的公共衛生數據，早已著手研究及測量疫苗對其國民的保護率。其中，檢測陰性設計（Test-negative Design，或稱TND）是現時國際間測量疫苗有效率的主流方法，TND透過比對在同一檢測中呈陽性或陰性結果人士的疫苗接種狀況，以估算疫苗的有效率。

但對於中低收入國家而言，測量疫苗有效率並非易事。這些國家的衛生部門即使掌握全國已接種疫苗、感染或住院人士的總數，卻往往不知道個別檢測呈陽性的人士是否曾經接種疫苗。假如未能掌握個別人士的疫苗接種紀錄，便無法使用普遍的TND方法來測量疫苗有效率。

因此，目前就疫苗有效率的研究傾向以較富裕國家的人口為研究對象。以新冠疫苗有效率研究數據庫VIEW-hub為例，截至2022年5月初，數據庫的249項研究中只有16項大規模的研究（超過5萬名研究對象）來自中低收入國家，且其中一半來自巴西，大部分亞洲和非洲地區均無被收錄在內。亞洲和非洲地區人口稠密，缺乏相關研究數據或導致區內國家在制定公共政策時未能掌握全面的資訊。

最近，由科大Abhiroop MUKHERJEE教授和George PANAYOTOV教授聯同新南威爾士大學Rik SEN教授帶領的研究團隊，展示了如何在缺乏這些個別人士數據的情況下測量疫苗有效率。研究團隊留意到，許多政府在推行疫苗接種計劃時都會以年齡界定接種資格，意味在某一特定階段，只有高於某個年齡層的公民才有資格接種疫苗，而低於該年齡層的人則沒有。

研究團隊利用斷點迴歸設計（Regression Discontinuity Design，或稱RDD）這項簡單的統計模型，比較高於及低於年齡界限的群體之間的新冠肺炎相關臨床表現，包括陽性病例、高CT值陽性病例、住院及死亡人數。這些群體的年齡相近，因此可以假設擁有相同的健康狀況或疾病感染風險。以RDD測量疫苗有效率主要考慮到各種新冠肺炎相關臨床表現在年齡界限之上及之下的群體中所下降的比例，以及各個年齡組別的疫苗接種率等其他因素，所使用的數據比現行主流方法所要求的少。

團隊以上述方法為本，設計出考慮突破性病例（已接種疫苗的受感染人士）的RDD方法（breakthrough-based RDD），並將兩者應用於印度的一組公共衛生數據，得出在2021年初Delta變異病毒株大流行期間，接種一劑疫苗對於預防感染的有效率達到55%，而預防因感染而需住院的有效率則達到80%。團隊所使用的數據來自印度東部的西孟加拉邦，包含800多萬個新冠肺炎疫苗接種與檢測人士及超過14萬個住院病例。該邦在2021年3月至4月期間，以45歲作為年齡限制實施疫苗接種計劃。

這項研究成果最近於《Science Advances》期刊發表。

身兼科大黃立偉商學教授席的Mukherjee教授說：「疫苗有效率對不同群體或有差異，畢竟每個國家的既有新冠肺炎感染風險不同。幫助各個國家了解疫苗對其人口的有效程度，有助各國確立疫苗接種政策。舉例說，如果某個國家發現接種一劑疫苗對於國民的保護率已經夠高，那麼在疫苗供應緊張的情況下，為更多人提供一劑疫苗將會比為少部分人提供兩劑疫苗更為明智。此外，假如各國的衛生部門能夠準確估計疫苗有效率，也有助政府判斷已接種疫苗人士是否能夠免於重症，這對於決定是否與病毒共存至關重要。」

Mukherjee教授補充道，自全球開始推行新冠肺炎疫苗接種計劃以來，大部分國家也以年齡界定接種資格，所以RDD測量方法可以被廣泛應用，對於缺乏完善的公共衛生數據以至無法採用現行方法測量疫苗有效率的國家來說，更是分外有利。