Nespecifické účinky BCG u dětí do pěti let

Hypotéza: některé rozdíly pozorované v dětské úmrtnosti a úmrtnosti do 5 let, ve výskytu TBC a v těžké a mírné morbiditě u dětí do 5 let lze částečně vysvětlit snížením míry pokrytí BCG od roku 2016. Snížení míry pokrytí BCG, ke kterému došlo v důsledku pouze vysoce rizikových dětí, které dostávaly BCG při narození, mohlo zabránit neočkovaným dětem v rozvoji trénovaných imunologických odpovědí stejně účinně jako u dětí očkovaných BCG.

Cíl: prozkoumat výskyt specifických a nespecifických účinků BCG porovnáním výskytu TBC onemocnění a infekce, mírné a těžké morbidity a mortality v prvních pěti letech života dětí narozených v letech 2010 až 2021 podle jejich stavu BCG .

Metody Návrh studie: Populační historická (retrospektivní) kohortová studie narození Nastavení: Výzkumníci budou zkoumat specifické a nespecifické účinky BCG na základě posunu v politice očkování proti BCG, ke kterému došlo v Portugalsku v červenci 2016, kdy byla trvale nízká incidence TBC vedlo k revizi Národního imunizačního plánu. Od té doby se BCG začalo podávat pouze novorozencům, u nichž se předpokládá vyšší riziko infekce TBC, a vznikla tak možnost srovnání BCG očkovaných a neočkovaných dětí.

Účastníci: Děti do 5 let narozené a registrované v Portugalsku mezi 1. červencem 2010 a 30. červnem 2021. Toto časové období umožní porovnat kohorty a děti vystavené a neexponované BCG před a po změně strategie imunizace BCG v roce 2016 a charakterizovat děti neočkované BCG a jejich zdravotní výsledky.

Kritéria způsobilosti: děti narozené v Portugalsku, živě narození a narození kódovaní jako normální novorozenci Kritéria vyloučení: novorozenci s nízkou porodní hmotností (<2 kg), nedonošení (<37 týdnů) a se známou nebo suspektní infekcí HIV nebudou zahrnuti ve studiu.

Následné období: do dovršení 5 let věku nebo 30. června 2022. Zdroje dat / měření: matrika narození, očkovací matrika, informační systémy úmrtních listů, epidemiologický dozor nad nemocemi podléhajícími hlášení a skupiny související s diagnostikou TBC a primární zdravotní péče. Tyto systémy obsahují informace o: pohlaví, datu narození, národnosti, socioekonomickém postavení, místě bydliště, zdravotním stavu matky, zdravotním stavu novorozence (včetně toho, zda byl BCG podán při porodu), a jednotce primární zdravotní péče, kde dítě má být sledováno, příčina a datum úmrtí a datum úmrtí, podané vakcíny, datum očkování a místo pobytu, hospitalizace a návštěvy na pohotovosti ve veřejných nemocnicích (včetně data přijetí a propuštění, diagnózy a typu přijetí) , motiv přijetí, porodní hmotnost, kód DRG, kód MDC), návštěvy na odděleních primární péče a motiv, prezentace TBC, datum diagnózy, typ léčby, jiná onemocnění před TBC, rizikové skupiny a výsledek.

Expozice: po podání BCG vakcíny během prvního roku života. Měřeno pomocí vakcinačního registru a proměnné jsou definovány jako BCG (A/N, počet dávek) a doba od narození do BCG (ve dnech).

Primární výsledky:

Smrt: smrt (A/N); věk v době smrti (ve dnech); a příčina smrti. Údaje o diagnóze TBC budou zahrnovat potvrzený případ (A/N), prezentaci TBC, věk v době diagnózy (ve dnech), délku léčby a výsledek léčby.

Těžká nemocnost: hospitalizace a návštěvy na pohotovosti národního zdravotního systému a budou zahrnovat příjem do nemocnice a návštěvy na pohotovosti během období sledování (A/N a ​​počet), věk (ve dnech) při příjmu do nemocnice nebo návštěvy na pohotovosti , délka pobytu za hospitalizace (v nocích); hlavní diagnostické kategorie pro hospitalizaci a návštěvy na pohotovosti.

Mírná nemocnost: kontakty s lékařem nebo sestrou na jednotce primárního zdravotního střediska z důvodu nemoci nebo špatného zdravotního stavu během sledování, kromě kontaktů souvisejících s doporučeným schématem hlídání dětí nebo z jiných důvodů než zdravotních. Měřeno prostřednictvím návštěv v centru primární zdravotní péče z důvodu nemoci/špatného zdravotního stavu (A/N a ​​počet), věku při návštěvách (ve dnech) a diagnózy.

Úmrtnost a nemocnost na vnější příčiny a nehody nebudou do analýzy zahrnuty.

Sekundární výsledky: profil úmrtnosti a nemocnosti dětí do 5 let v letech 2010 až 2022; profil neočkovaných dětí před a po roce 2016 a profil využití nemocniční a primární zdravotní péče u dětí do 5 let.

Statistické metody Výzkumníci v každé databázi identifikují potřebná data a zda existuje jedinečný identifikátor, který lze poskytnout s datovým souborem. V případě poskytnutí jedinečného identifikátoru budou výzkumníci kombinovat informace založené na tomto jedinečném identifikátoru. V případě, že není poskytnut jedinečný identifikátor (nejpravděpodobnější scénář), propojení dat bude provedeno pomocí řady proxy identifikátorů (např. datum a místo narození, pohlaví, místo bydliště) k identifikaci pravděpodobné shody. Typ použité metody propojení dat bude záviset na typu a kvalitě proměnných propojení dostupných v souborech dat. Předpokládá se však, že bude nutné použít kombinaci deterministických a pravděpodobnostních metod. Před aplikací metod propojení budou data vyčištěna a standardizována, čímž dojde k identifikaci a odstranění chyb a nesrovnalostí (např. 11/04/2016 nebo 2016/04/11). Vzhledem k očekávané velikosti datových sad budou vybrány sady blokovacích atributů (např. pohlaví, datum narození, iniciály) a zaznamenají se dvojice se stejnými shodnými atributy v rámci porovnávaných bloků. Poté budou páry záznamů porovnány pro každou proměnnou vazby a vypočítá se skóre shody. Toto skóre se použije ke zvážení pravděpodobnosti, že rekordní pár patří stejnému dítěti.

Po získání konečné databáze budou vypočteny míry incidence na osobu pro primární výsledky. Kaplan Meierova metoda bude použita k porovnání pravděpodobnosti přežití 1. a 5. roku života nebo neabsolvování hospitalizace, návštěvy pohotovosti, mírné/závažné morbidity během doby sledování podle expozice. Log rank test bude použit pro rozdíly v míře přežití mezi exponovanými a neexponovanými dětmi a poměry rizik (s intervaly spolehlivosti) pro kvantifikaci rozdílů. K prozkoumání účinků několika proměnných na výsledky přežití bude použita proporcionální regresní analýza rizik. Pokud jsou chybějící údaje pod 5 %, použijeme analýzu celého případu. V opačném případě bude analyzována frekvence a vzorce chybějících údajů a bude-li to vhodné, bude použito více technik imputace.

Mezi faktory, které je třeba měřit (a kontrolovat), patří pohlaví, zdravotní jednotka, úplnost a včasnost očkovacího stavu a schématu, socioekonomický stav a kmen BCG.