**摘要**
**目的**
分析特定社会经济指标与瑞典两岁儿童白喉-破伤风-百日咳（DTP）和含麻疹疫苗（MCV）接种不完全风险之间的关联。
**方法**
这项全国性的基于人群的队列研究包括了2014-2015年间在瑞典出生的227,457名儿童。数据来自国家疫苗接种登记册（NVR），并与瑞典统计局的社会经济数据进行了关联分析。采用多变量逻辑回归模型来评估家庭特征（包括收入、教育水平、就业状况和家庭结构）与24个月大时DTP和MCV接种不完全之间的关联。
**结果**
13.1%的儿童DTP（三剂）接种不完全，8.7%的儿童MCV（一剂）接种不完全。低收入家庭、单亲家庭、父母失业、频繁的居住漂移以及父母移民是接种不完全的风险因素。一个先前未被报道的风险因素是拥有残疾或慢性疾病的兄弟姐妹，这会增加DTP（aOR 1.15，95% CI 1.05–1.27）和MCV（aOR 1.27，95% CI 1.14–1.41）接种不完全的风险。
**结论**
尽管有政府资助的国家免疫计划，瑞典仍存在接种覆盖方面的社会经济差异。处于社会脆弱家庭的儿童以及有需要残疾支持的兄弟姐妹的儿童需要针对性的干预措施，以确保他们能够完成全部疫苗接种。
**总结**
即使在拥有免费国家免疫计划的高收入国家，儿童疫苗接种覆盖率也存在社会经济差异。这些研究强调了低收入、单亲家庭、失业、居住漂移以及拥有慢性疾病兄弟姐妹等因素是接种不完全的风险因素。为了确保这些脆弱家庭的公平接种机会并维持高接种覆盖率，需要制定有针对性的政策和支持性措施。
**缩写说明**
- aOR：调整后的比值比
- COVID-19：2019冠状病毒病
- DTP：白喉-破伤风-百日咳疫苗
- HPV：人类乳头瘤病毒
- LISA：健康保险与劳动力市场研究纵向综合数据库
- MCV：含麻疹疫苗
- NIP：国家免疫计划
- NVR：国家疫苗接种登记册
- Q：五分位数
- RR：相对风险
- RTB：总人口登记册
- SEK：瑞典货币
- VPD：可通过疫苗预防的疾病
- WHO：世界卫生组织
**1. 引言**
儿童疫苗接种对健康进步做出了重大贡献，挽救了许多生命，并在1980年消灭了天花[1]。如今，全球超过80%的两岁儿童通过国家免疫计划（NIPs）接种了至少六种疾病的疫苗[2]。高且均匀的疫苗接种覆盖率通过主动免疫保护了接种者，同时通过群体免疫保护了整个群体。随着可预防疾病的重新出现，减少高收入和低收入国家的疫苗接种不平等已成为世界卫生组织（WHO）和欧洲理事会的优先公共卫生目标[3]。影响疫苗接种的因素包括社会经济不平等，这些因素可能影响人们的疫苗接种犹豫和利用免疫服务的障碍[4, 5]。社会经济地位由教育水平、收入和职业组成，有时也合并成不同的指数进行衡量。失业率偶尔也会被纳入考虑[6]。大多数早期研究使用基于地区的社会经济地位指标。使用个体数据的研究较少见，同时报告收入和教育水平的数据也很少[7, 8]。关于高收入国家社会经济地位与儿童疫苗接种的系统性回顾强调了结果的不一致性：一些研究显示低收入儿童的疫苗接种率较低，而其他研究则没有显著差异[5, 9]。然而，在低收入和中等收入国家，来自低收入家庭且母亲没有正式教育的儿童更有可能接种不完全[10]。我们还研究了家庭相关因素（如移民、父母休假、兄弟姐妹的残疾或单亲状态）是否会影响疫苗接种状况[11, 12]。在瑞典，NIP为所有居民儿童提供免费疫苗，由护士主导的婴儿保健诊所负责接种。含白喉、破伤风和百日咳抗原的疫苗（DTP疫苗）在3个月、5个月和12个月时接种，含麻疹的疫苗（MCV）在18个月时接种。自2013年起，所有NIP疫苗接种都必须记录在国家疫苗接种登记册（NVR）中。2013年之前，国家疫苗接种覆盖率由行政系统监控[13]。历史上，瑞典的DTP和MCV疫苗接种覆盖率一直很高且稳定，这表明家长对公共卫生机构、地区医疗系统和婴儿保健诊所提供的NIP有很高的信心[14, 15]。本研究的目的是分析特定社会经济指标与瑞典两岁儿童DTP3和MCV1接种不完全风险之间的关联。
**2. 研究对象与方法**
2.1 **研究对象**
研究包括了2014年1月1日至2015年12月31日期间在瑞典出生的所有具有瑞典个人身份号码的儿童。研究对象的识别依据是瑞典统计局的总人口登记册（RTB）[13]。儿童的死亡和迁移日期来自RTB，出生日期来自NVR或RTB。
2.2 **结局变量**
根据WHO的标准接种覆盖率指标[8]，分别分析了DTP3接种不完全和MCV1接种不完全两种结局。对于DTP，接种不完全定义为24个月大时接种的DTP疫苗剂量少于3剂。由于第三剂疫苗接种在12个月大时进行，因此允许额外的12个月来完成推荐剂量的接种。对于MCV，接种不完全定义为24个月大时未接种任何剂量。第一剂疫苗接种在18个月大时进行，因此允许额外的6个月后再将接种情况归类为不完全接种。
2.3 **解释变量**
本研究纳入了WHO推荐的以下社会经济指标[10, 16]：儿童性别、出生顺序、母亲年龄、父母教育水平以及家庭经济状况。此外还考虑了反映儿童社会或家庭状况的变量：父母一方或双方的失业、父母一方或双方的病假、单亲家庭、有需要残疾支持的兄弟姐妹、父母在孩子出生前移民瑞典的情况，以及儿童出生年份内的居住迁移情况。社会或家庭状况的数据来自健康保险与劳动力市场研究纵向综合数据库（LISA）[16]。原始变量名称及其定义详见表S2，原始变量的来源可从瑞典统计局获取。母亲年龄分类为：<25岁、25–29岁、30–34岁和≥35岁；出生顺序分为1、2、3和≥4；父母教育水平分为低（<10年）、中（10–12年）和高（>12年）；居住迁移情况分为0次、1次或≥2次。对于失业情况，分类为父母一方或双方在孩子出生年份内失业。如果其中一方父母的信息缺失，该变量设为“缺失”。对于教育水平和居住迁移情况，分别以父母中的最高教育水平和最高迁移次数作为家庭值。当其中一方父母的信息缺失时，使用另一方的信息。对于父母休假和兄弟姐妹残疾的变量，家庭值定义为：如果至少一方父母有病假支持或兄弟姐妹有残疾，则视为“存在”。如果双方父母的信息都缺失，则该变量设为“缺失”。对于家庭收入，根据瑞典统计局基于国家税收和人口登记数据计算的家庭等值可支配收入进行测量。如果父母属于不同家庭，以两个家庭的平均收入作为家庭收入。如果其中一方父母的信息缺失，使用另一方的收入。当双方父母的收入均为零或缺失时，收入设为“缺失”。在679名儿童中，至少有一方父母的收入为负数，我们认为这些家庭的收入情况与收入较低但为正数的家庭不同，因此将他们的收入设为“缺失”[17]。家庭年收入被分为五分位数（Q1–Q5），其中Q1最低。Q1的上限为127,599瑞典克朗，Q5的下限为259,500瑞典克朗[17]。2014年和2015年，低收入标准（<总体人口中位可支配收入的60%）的界限分别为151,380瑞典克朗和156,840瑞典克朗[17]。
2.4 **统计方法**
以儿童的出生日期作为队列纳入日期。因移民或生命前两年内死亡而无法继续随访的儿童被排除在分析之外。首先进行单变量逻辑回归分析，分别评估母亲和父亲的教育水平、父母休假以及兄弟姐妹残疾支持对结局的影响。母亲和父亲的教育水平对结局的影响相似，因此为每种情况创建了相应的家庭变量。使用完整数据对每个结局进行了逻辑回归分析。单变量逻辑回归用于评估每个解释变量，p值<0.2的变量被纳入多变量模型。对于dtp3，最初从多变量模型中排除了“儿童性别”变量。随后通过似然比测试（p值<0.05）进行 backward selection，排除了“父母休假”变量，对其它变量的估计影响有限（<10%）。然后将“儿童性别”变量纳入模型，但根据似然比测试结果，该变量对其他变量的估计影响有限，因此最终也从模型中排除。对于mcv1，采用了类似的过程。最初从多变量分析中排除的变量是“儿童性别”和“父母休假”。基于似然比测试，多变量模型中的所有变量均具有显著性。接着逐一将“儿童性别”和“病假”变量加入模型，“儿童性别”对其他变量的估计影响有限，因此也从最终模型中排除。最后，“儿童性别”变量也被排除。结果以原始和调整后的比值比以及95%的置信区间报告。使用广义方差膨胀因子[18]评估协变量之间的多重共线性，并通过le cessie-van houwelingen-copas-hosmer检验评估最终模型的拟合优度[19]。分析使用r统计软件（https://www.r-project.org/），p值<0.05被认为具有统计学意义。
**3. 结果**
原始队列包含229,750名儿童。排除因移民、2岁前死亡和出生日期缺失的2,181名儿童以及1名儿童后，剩余227,457名（99.0%）儿童纳入研究。有8,725名（3.8%）儿童的某些解释变量缺失，导致他们被排除在多变量逻辑回归之外。表1显示了纳入研究对象的儿童特征。大多数儿童（199,346名，87.6%）与同居的父母一起生活，136,391名（60.0%）的父母至少有一方具有较高教育水平。只有13,090名（5.8%）的父母教育水平低于10年。 2.4 **统计方法** 以儿童的出生日期作为队列纳入日期。因移民或生命前两年内死亡而无法继续随访的儿童被排除在分析之外。首先进行单变量逻辑回归分析，分别评估母亲和父亲的教育水平、父母休假以及兄弟姐妹残疾支持对结局的影响。母亲和父亲的教育水平对结局的影响相似，因此为每种情况创建了相应的家庭变量。使用完整数据对每个结局进行了逻辑回归分析。单变量逻辑回归用于评估每个解释变量，p值<0.2的变量被纳入多变量模型。对于dtp3，最初从多变量模型中排除了“儿童性别”变量。随后通过似然比测试（p值<0.05）进行 backward selection，排除了“父母休假”变量，对其它变量的估计影响有限（<10%）。然后将“儿童性别”变量纳入模型，但根据似然比测试结果，该变量对其他变量的估计影响有限，因此最终也从模型中排除。对于mcv1，采用了类似的过程。最初从多变量分析中排除的变量是“儿童性别”和“父母休假”。基于似然比测试，多变量模型中的所有变量均具有显著性。接着逐一将“儿童性别”和“病假”变量加入模型，“儿童性别”对其他变量的估计影响有限，因此也从最终模型中排除。最后，“儿童性别”变量也被排除。结果以原始和调整后的比值比以及95%的置信区间报告。使用广义方差膨胀因子[18]评估协变量之间的多重共线性，并通过le cessie-van houwelingen-copas-hosmer检验评估最终模型的拟合优度[19]。分析使用r统计软件（https: www.r-project.org ），p值<0.05被认为具有统计学意义。 **3. 结果**>
2.4 **统计方法**
以儿童的出生日期作为队列纳入日期。因移民或生命前两年内死亡而无法继续随访的儿童被排除在分析之外。首先进行单变量逻辑回归分析，分别评估母亲和父亲的教育水平、父母休假以及兄弟姐妹残疾支持对结局的影响。母亲和父亲的教育水平对结局的影响相似，因此为每种情况创建了相应的家庭变量。使用完整数据对每个结局进行了逻辑回归分析。单变量逻辑回归用于评估每个解释变量，p值<0.2的变量被纳入多变量模型。对于dtp3，最初从多变量模型中排除了“儿童性别”变量。随后通过似然比测试（p值<0.05）进行 backward selection，排除了“父母休假”变量，对其它变量的估计影响有限（<10%）。然后将“儿童性别”变量纳入模型，但根据似然比测试结果，该变量对其他变量的估计影响有限，因此最终也从模型中排除。对于mcv1，采用了类似的过程。最初从多变量分析中排除的变量是“儿童性别”和“父母休假”。基于似然比测试，多变量模型中的所有变量均具有显著性。接着逐一将“儿童性别”和“病假”变量加入模型，“儿童性别”对其他变量的估计影响有限，因此也从最终模型中排除。最后，“儿童性别”变量也被排除。结果以原始和调整后的比值比以及95%的置信区间报告。使用广义方差膨胀因子[18]评估协变量之间的多重共线性，并通过le cessie-van houwelingen-copas-hosmer检验评估最终模型的拟合优度[19]。分析使用r统计软件（https://www.r-project.org/），p值<0.05被认为具有统计学意义。
**3. 结果**
原始队列包含229,750名儿童。排除因移民、2岁前死亡和出生日期缺失的2,181名儿童以及1名儿童后，剩余227,457名（99.0%）儿童纳入研究。有8,725名（3.8%）儿童的某些解释变量缺失，导致他们被排除在多变量逻辑回归之外。表1显示了纳入研究对象的儿童特征。大多数儿童（199,346名，87.6%）与同居的父母一起生活，136,391名（60.0%）的父母至少有一方具有较高教育水平。只有13,090名（5.8%）的父母教育水平低于10年。>数量
比例
总数
227,457
100%
儿童性别
女
110,082
48.4%
男
117,375
51.6%
缺失
母亲年龄
< 25
25,856
11.4%
25–29
68,181
30.0%
30–34
77,759
34.2%
≥ 35
55,463
24.4%
缺失
家庭类型
双亲家庭
199,346
87.6%
单亲家庭
27,680
12.2%
缺失
431
0.2%
出生顺序
第一胎
96,819
42.6%
第二胎
85,495
37.6%
第三胎
31,651
13.9%
≥ 第四胎
13,138
5.8%
缺失
354
0.2%
父母教育水平
> 12年
136,391
60.0%
10–12年
76,818
33.8%
< 10年
13,090
5.8%
缺失
1,158
0.5%
失业情况
无
157,902
69.4%
有一方父母失业
46,712
20.5%
双方父母均失业
16,017
7.0%
缺失
6,826
3.0%
父母请假
无
149,350
65.7%
有
72,408
31.8%
缺失
5,699
2.5%
有残疾的兄弟姐妹
无
217,158
95.5%
有
3,568
1.6%
缺失
6,731
3.0%
居住流动性
无搬迁
161,850
71.2%
一次搬迁
55,199
24.3%
≥ 两次搬迁
10,385
4.6%
缺失
23
0.0%
父母移民情况
无
150,508
66.2%
有一方父母移民
35,086
15.4%
双方父母均移民
41,863
18.4%
缺失
家庭收入（瑞典克朗/年）
Q5 ≥ 259,500
45,259
19.9%
Q4 208,000–259,499
45,155
19.9%
Q3 171,500–207,999
45,358
19.9%
Q2 127,600–171,499
45,240
19.9%
Q1 1–127,599
45,284
19.9%
缺失
1,161
0.5%
共有29,720名（13.1%）儿童在24个月大时DTP3疫苗接种不完全。在同一年龄，19,737名（8.7%）儿童MCV1疫苗接种不完全（表2）。在DTP3疫苗接种不完全的儿童中，8,466名（28.5%）同时MCV1也疫苗接种不完全，而11,271名（5.7%）DTP3完全接种的儿童中只有1,127名MCV1不完全接种。因此，DTP3疫苗接种不完全的儿童比DTP3完全接种的儿童MCV1疫苗接种不完全的风险高5.0倍（95%置信区间为4.9–5.1倍）。表2：瑞典两岁儿童DTP3和MCV1疫苗接种情况。
影响DTP3和MCV1疫苗接种不完全的因素
表3显示了解释变量与DTP3疫苗接种不完全风险之间的关联，表4显示了MCV1的情况。大多数研究的社会经济指标都是2014–2015年出生的儿童DTP3和MCV1疫苗接种不完全的风险因素。
3.2 影响DTP3和MCV1疫苗接种不完全的变量
表3和表4展示了各种变量与DTP3和MCV1疫苗接种不完全风险之间的关联。大多数社会经济指标都是2014–2015年出生的儿童DTP3和MCV1疫苗接种不完全的风险因素。有残疾或慢性疾病的兄弟姐妹也是一个导致DTP3和MCV1疫苗接种不完全的风险因素，这是我们首次报告这一发现。我们只能推测，这可能给家庭带来了额外的负担，尤其是在时间有限的情况下，可能会影响疫苗接种的安排。不出所料，本研究表明，低收入家庭的孩子接种DTP3和MCV1疫苗的风险更高，这一结果与欧洲的先前研究[9]以及加拿大阿尔伯塔省2008年出生的41,515名儿童的研究[23]一致。来自低收入和中等收入国家的数据（总结在[12]中）一致显示，最贫困阶层的儿童接种DTP3疫苗的可能性较低。我们的研究结果也显示，MCV1疫苗接种不完全的情况在较低收入群体中更为常见，这与瑞典之前的研究结果一致。在一个包含35,767名儿童的地区出生队列中，MCV1疫苗接种不完全的情况在低收入群体中更为普遍[14]。在1998年至2006年间出生的25,000名足月儿童的队列中，最高收入四分位的儿童中有6.1%的MCV1疫苗接种不完全，而最低收入四分位的儿童中有9.5%[25]。遗憾的是，这些研究中没有提供关于疫苗接种结果的多元变量分析数据。此外，研究发现父母失业的儿童接种不完全疫苗的风险增加，这一发现与加拿大[26]和英国[27]的研究结果一致。居住流动性与疫苗接种不完全有关，这一发现也与其他英国[20]和加拿大[23]的研究结果一致。在英国的千禧年出生队列中，居住流动性与DTP3和MCV1疫苗接种不完全的风险增加有关，但与未接种DTP疫苗或选择单抗原MCV疫苗无关[20]。这种情况可能更多是由儿童退出接种计划引起的，而不是由于家长的犹豫或拒绝接种。在当前研究中也是如此，尤其是在那些在孩子第一年内多次搬家的家庭中。在我们的研究环境中，父母在搬迁后需要联系新的当地婴儿健康诊所来预约接种。从这一角度来看，提供上门服务的婴儿健康诊所的MCV疫苗接种率较高，这是个积极的信号[4]。本研究还发现，有移民背景的父母的孩子接种不完全疫苗的风险略有增加。早期在意大利和澳大利亚进行的研究（涵盖1995-2012年出生的儿童）显示了 mixed 的模式：移民父母的孩子的疫苗接种不完全风险仍然高于非移民父母。然而，在意大利也注意到，受过高等教育的非移民母亲开始拒绝为孩子接种疫苗[7, 28]。瑞典的研究还表明，一些来自东非的移民父母不太愿意为24个月以下的婴儿接种MCV疫苗[29]。可能，“移民/非移民”这一二分变量过于简化，无法完全反映迁移对疫苗接种结果的影响。在我们的研究群体中，父母的教育水平对疫苗接种影响不大；尽管父母受教育年限少于10年的孩子接种DTP3疫苗的风险略有降低，但接受过高等教育的父母对疫苗接种的影响不明显。相反，在某些情况下，接受过高等教育的父母的孩子接种MCV1疫苗的风险反而更高，例如英国千禧年队列[27]和意大利北部2005-2010年的队列[30]（但1995-2005年的队列则没有这一现象）。我们的研究有一定的优势和局限性。由于无法从人群或疫苗接种登记系统中排除某些个体，因此降低了选择偏倚的风险。该研究的一个重要优势是，暴露变量和结果分别记录，这意味着我们的发现不受回忆偏倚的影响。然而，没有瑞典个人号码的儿童以及在出生后前两年内移居瑞典的儿童未被纳入研究范围，因此我们无法了解无证父母孩子的接种情况[10]。由于暴露变量来自经济福利或税务报告等官方登记系统，分类偏倚的风险较小。一些结果分类错误可能是由于接种了疫苗但未报告给NVR（国家疫苗登记系统）[13]。由于这种漏报现象可能与暴露状况无关，因此这种错误分类应该是无差别的。我们认识到这种错误分类可能会影响结果估计，因此在解释结果时应考虑到这一局限性，因为我们不能完全排除低报告率可能与那些拥有较多社会弱势家庭的婴儿健康诊所相关。还需要注意的是，DTP3的随访时间明显长于MCV1。总之，要解决高收入国家中的免疫不平等问题，需要制定有针对性的政策和支持性机制，以确保弱势群体能够获得疫苗[3]。我们的研究表明，瑞典NIP（国家免疫计划）的效果存在差异。具体来说，低收入家庭、单亲家庭和父母失业与儿童疫苗接种不完全的风险增加有关，这些发现与之前关于COVID-19[31]和瑞典学龄女孩HPV疫苗接种的研究结果[32]一致。此外，我们的研究还发现了一个之前未被正式认可的高风险群体：与患有慢性疾病或残疾的兄弟姐妹生活的儿童接种不完全疫苗的风险也更高。
作者贡献：
Anna Nilsson：概念构思、资金筹集、撰写-审核与编辑、监督、资源协调、数据分析、初稿撰写、验证。
Cecilia Chrapkowska Almqvist：概念构思、资金筹集、撰写-初稿、撰写-审核与编辑、方法论制定、验证、数据分析、项目管理、数据整理、调查。
Sharon Kühlmann-Berenzon：撰写-审核与编辑、数据分析。
Tiia Lepp：撰写-审核与编辑。
Ilias Galanis：调查、撰写-审核与编辑、验证、方法论制定、软件应用、数据分析、数据整理。
Malin Kark：概念构思、调查、撰写-审核与编辑、验证、监督、数据分析、方法论制定。
致谢：
作者感谢Ann Lindstrand博士和Adam Roth博士在本研究规划阶段提供的宝贵意见。
资金支持：
本研究得到了斯德哥尔摩地区政府、Sven Jerrings基金会、Samariten基金会以及Astrid Lindgrens儿童医院的Barnforskningen基金会的支持。
伦理声明：
本研究按照《赫尔辛基宣言》的指导原则进行，并获得了瑞典伦理审查机构的批准（D-Nr 2015/1961-31-4；2016–1131-32；2017/2006–32）。
知情同意：
由于本研究仅使用了登记数据，因此无需获得患者的知情同意。
利益冲突：
作者声明没有利益冲突。
数据可用性声明：
支持本研究结果的数据可从瑞典统计局和瑞典公共卫生局获取，这些数据需符合《伦理审查法》（2003:460）和《信息公开与保密法》（2009:400）以及其他适用的法律要求。数据的访问受到限制，但已为本研究获得许可。
打赏
