《Epidemiologia》：Quantifying Epidemiological Risk Transitions of COVID-19 in the Brazilian State of Ceará (2020–2023): A Generalized Linear Modeling Approach
编辑推荐：
尽管COVID-19的描述性轨迹已有充分文献记录，但在量化巴西次级行政单位多年大流行阶段中风险降低的精确幅度方面，仍存在方法学上的空白。本研究旨在通过应用广义线性模型（Generalized Linear Models, GLMs）来填补这一空白，以塞阿拉州2
尽管COVID-19的描述性轨迹已有充分文献记录，但在量化巴西次级行政单位多年大流行阶段中风险降低的精确幅度方面，仍存在方法学上的空白。本研究旨在通过应用广义线性模型（Generalized Linear Models, GLMs）来填补这一空白，以塞阿拉州2020年至2023年的数据为基础，利用大流行第一年作为统计基线，量化流行病学风险（发病率、死亡率和病例致死率）的时间转变。研究方法为生态学时间序列研究，使用官方监测数据。研究人员采用泊松分布的GLMs计算率比（Rate Ratios, RRs）及95%置信区间（95% Confidence Intervals, 95% CI），从而在2020年（参考年份）与后续年份（2021–2023）之间进行稳健的相对风险建模。建模结果揭示了传播与严重程度之间显著的流行病学解离。尽管发病风险在2022年仍维持较高水平（RR = 1.42），但死亡风险显示出更早且更剧烈的下降，早在2022年即减少68%（RR = 0.32），2023年减少99%（RR = 0.01）。病例致死率（Case Fatality Rate, CFR）风险自2021年起持续下降，至2023年达到最低点（RR = 0.09；降低91%）。研究结论指出，2020年至2023年间，塞阿拉州已过渡到COVID-19严重程度降低的阶段。尽管存在生态学设计局限和数据限制，这些发现强调了韧性卫生系统和公平免疫接种的重要性。
**研究背景与问题**
2019冠状病毒病（COVID-19）大流行是21世纪最严重的健康危机，其国际演变呈现出明显的阶段性特征：2020年高传播性和高病例致死率的初期阶段、2021年关注变异株（Variants of Concern, VOCs）引发后续波次的阶段，以及2022年起向地方性流行过渡的阶段。巴西作为幅员辽阔且社会经济异质性显著的国家，COVID-19对其公共卫生系统构成了复杂挑战。尽管关于全球大流行轨迹的文献浩如烟海，但在大型次级行政单位（如巴西各州）中，针对特定且量化的动态变化仍存在研究空白。现有研究多聚焦于峰值或短期大流行时期的描述性分析，而针对2020–2023年完整时间序列中风险降低的精确且统计学可靠的幅度，特别是死亡率与发病率之间的流行病学解离（epidemiological dissociation）现象——即死亡风险与感染风险发生偏离的现象——仍 largely unknown。
巴西东北部的塞阿拉州作为流行病学监测和医院服务的枢纽，为评估这些转变提供了相关场景。研究人员为填补上述方法学空白，采用基于泊松分布的广义线性模型（GLMs）进行稳健的相对风险建模，以超越描述性分析，提供高严谨度的科学指标来比较不同大流行阶段的强度。
**主要技术方法**
本研究为基于聚合二手数据的生态学研究，样本来源于巴西卫生部官方网站（https://covid.saude.gov.br/）提供的全国流行病学监测系统公开COVID-19数据库，人口估计数据来自巴西地理统计局（Instituto Brasileiro de Geografia e Estatística, IBGE）的年度预测。核心技术方法包括：（1）构建三个标准化指标作为因变量：发病率（Incidence Rate, IR，每10万人中的确诊病例数）、死亡率（Mortality Rate, MR，每10万人中的确认死亡数）和病例致死率（Case Fatality Rate, CFR，死亡数占确诊病例数的百分比）；（2）将日数据聚合为月度和年度尺度，月度聚合用于表征时间变异性和描述性统计，年度聚合用于标准化流行病学率计算和年份间比较统计建模；（3）采用对数连接函数和泊松分布的GLMs，以2020年为参考类别，估计各年份的率比（Rate Ratios, RRs）及95%置信区间；（4）通过残差偏差与模型自由度的比值评估过度离散程度，并进行敏感性分析以验证数据清洗程序对最终估计的影响。
**研究结果**
**描述性动态与时间分辨率（月度与年度）** 月度数据揭示了特定的流行波，特别是2022年初与奥密克戎（Omicron）变异株相关的高发病率激增。然而，为量化长期风险转变，年度聚合被采用以表征宏观流行病学稳定化。2021年保持着最高的持续发病率（570.15/10万）和死亡负担（13.34/10万），而2023年则标志着所有指标的急剧下降。
**流行病学指标的比较分析** 利用每年度内月度分布进行的比较分析显示，2021年和2022年的离散程度较大，存在较多异常值。
**时间趋势与相对风险建模（GLM—泊松分布）** 发病风险在2021年（RR = 1.88；p < 0.01）和2022年（RR = 1.42；p < 0.01）较2020年上升，但2023年出现显著降低（RR = 0.16；p < 0.01），降幅约84%。死亡风险在2021年上升（RR = 1.47；p < 0.01），但2022年显著下降（RR = 0.32；p < 0.01），降幅约68%，2023年降幅达99%（RR = 0.01；95% CI 0.01–0.01；p < 0.001）。病例致死率在2021年降低22%，2022年降低78%，2023年降幅最为显著（RR = 0.09；p < 0.01），达约91%。死亡风险是最先显示显著下降的组分，至2022年即实现约68%的降低。
**讨论**
本研究确认了塞阿拉州2020年至2023年间COVID-19大流行的流行病学转变。尽管病毒持续高水平传播，严重结局风险因药物和非药物干预措施而显著降低。这一转变的特征是深刻的流行病学解耦：从2022年起，持续的病毒发病率与下降的死亡率之间出现了明显分离。
值得注意的是，尽管塞阿拉州存在人类发展指数低（HDI 0.658）、人均家庭收入低等基线脆弱性，且早期存在系统脆弱性和社会不安全性的证据，但该州成功在2023年前过渡到低风险情景。这一转变的关键机制在于巴西统一卫生系统（Sistema único de Saúde, SUS）的毛细化作用（capillarization），即以基层卫生专业人员为支撑的渐进式公共卫生响应，能够限制需求、维持服务功能，并有效缓解社会决定因素的影响。
然而，这一缓解过程也暴露了尖锐的区域性挑战。发病率直至2022年的持续稳定反映了奥密克戎变异株在高度流动但不平等的人群中传播，这与欧洲和亚洲情景形成实质性差异。这些独特动态凸显了疫苗接种在塞阿拉作为关键伤害减轻策略的作用，即在未必然阻断短期传播的情况下，保护高度脆弱人群免受严重结局影响。
为以统计严谨性捕捉这些复杂转变，研究人员利用考虑过度离散的GLMs，通过率比（RRs）提供清晰、可操作的管理指标。尽管分析框架稳健，生态学设计的固有限制仍需谨慎对待：首先，生态学谬误风险阻止了个体层面的因果推断；其次，对国家疾病 notification 系统（Sistema de Informa??o de Agravos de Notifica??o, SINAN）和死亡信息系统（Sistema de Informa??o sobre Mortalidade, SIM）二手数据的依赖引入了报告偏倚，特别是2022年后检测减少和病例定义改变导致的慢性低报，可能低估了发病率、高估了病例致死率。尽管如此，2023年死亡风险99%的降幅如此巨大，可能代表了真实的生物学稳定化而非单纯的监测伪影。
**研究结论**
塞阿拉州的监测指标显示出2020年至2023年间向COVID-19严重程度降低的明确转变，其中死亡率最早且最急剧地下降。这些模式与疫苗接种、累积免疫以及加强的临床和初级保健能力的综合效应一致，尽管生态学设计以及缺乏年龄分层或变异株特异性数据限制了因果归因。与现有区域分析相比，本研究在结构性脆弱环境中提供了更长期的、基于人群的流行病学稳定化视角。综上所述，研究发现强调了公平疫苗分配、韧性初级医疗保健和持续监测系统的重要性，同时突出了未来整合免疫接种和社会人口数据以阐明这些改善机制的必要性。
