5歳未満の子供におけるBCGの非特異的影響

仮説：子供と5歳未満の死亡率、結核の発生率、および5歳未満の子供の重度および軽度の罹患率で観察された変動の一部は、2016年以降のBCGのカバー率の低下によって部分的に説明されるかもしれません. 出生時にハイリスクの子供だけがBCGを受けていた結果、BCGの接種率が低下したため、ワクチンを接種していない子供は、BCGを接種した子供と同じくらい効果的に訓練された免疫応答を発達させることができなかった可能性があります.

目的: 2010 年から 2021 年の間に生まれた子供の生後 5 年間の結核疾患と感染の発生率、軽度および重度の罹患率と死亡率を BCG ステータスに応じて比較することにより、BCG の特異的および非特異的影響の発生率を調査する.

方法 研究デザイン: 集団ベースの歴史的 (レトロスペクティブ) 出生コホート研究 設定: 研究者は、2016 年 7 月にポルトガルで発生した BCG ワクチン接種方針の変化に基づいて、BCG の特異的および非特異的影響を調査します。 TB の増加は、国家予防接種計画の改訂につながりました。 それ以来、BCGは結核感染のリスクが高いと考えられる新生児にのみ投与されるようになり、BCGワクチンを接種した子供とワクチンを接種していない子供を比較する機会が生まれました.

参加者: 2010 年 7 月 1 日から 2021 年 6 月 30 日の間にポルトガルで生まれ登録された 5 歳未満の子供。 この期間により、BCG 予防接種戦略の 2016 年の変更前後のコホートと、BCG にさらされた子供とさらされていない子供を比較し、BCG を接種していない子供とその健康状態を特徴付けることができます。

適格基準：ポルトガルで生まれた子供、通常の新生児としてコード化された出生および出生 除外基準：低出生体重（<2kg）、未熟児（<37週）、およびHIV感染が既知または疑われる新生児は含まれませんこの研究で。

フォローアップ期間: 5 歳になるまで、または 2022 年 6 月 30 日まで。 データソース/測定: 出生登録、予防接種登録、死亡診断書の情報システム、届出対象疾患の疫学的調査、結核診断関連グループ、プライマリ ヘルスケア。 これらのシステムには、性別、生年月日、国籍、社会経済的地位、居住地、母親の健康状態、新生児の健康状態 (産科で BCG が投与された場合を含む)、プライマリヘルスケアユニットに関する情報が含まれています。子供の経過観察、死因と死亡日、投与されたワクチン、予防接種の日付と居住地、公立病院での入院と救急部門の訪問 (入院と退院の日付、診断と入院の種類を含む) 、入院の動機、出生時の体重、DRGコード、MDCコード）、プライマリーヘルスケアユニットへの訪問と動機、結核の提示、診断日、治療の種類、結核前の他の疾患、リスクグループ、および結果。

ばく露：生後1年以内にBCGワクチンを接種した。 予防接種登録を使用して測定され、変数は BCG (Y/N、接種回数) および出生から BCG までの時間 (日数) として定義されます。

主な結果:

死: 死 (Y/N);死亡時の年齢（日）;そして死因。 TB 診断に関するデータには、確定症例 (Y/N)、TB の症状、診断時の年齢 (日数)、治療期間、および治療の結果が含まれます。

重度の罹患率：入院および国民保健システムの救急部門への訪問。フォローアップ期間中の入院および救急部門の訪問（Y / Nおよび番号）、入院または救急部門の訪問時の年齢（日数）が含まれます、入院のための滞在期間（夜）;入院および救急外来の主な診断カテゴリ。

軽度の罹患率：フォローアップ中の病気または不健康によるプライマリーヘルスセンターユニットの医師または看護師との接触、および推奨される児童監視スキームまたは健康以外の理由に関連する接触。 病気/不健康によるプライマリヘルスケアセンターへの訪問 (Y/N および数)、訪問時の年齢 (日数)、および診断を通じて測定されます。

外部原因および事故に関連する死亡率および罹患率は分析に含まれません。

副次的アウトカム: 2010 年から 2022 年までの 5 歳未満の子供の死亡率と罹患率のプロファイル。 2016 年前後の予防接種を受けていない子供のプロファイル、および 5 歳未満の子供の病院およびプライマリ ヘルスケアの利用プロファイル。

統計的手法 研究者は、各データベースで、必要なデータと、一意の識別子が存在し、データセットで提供できるかどうかを特定します。 一意の識別子が提供された場合、研究者はその一意の識別子に基づいて情報を組み合わせます。 一意の識別子が提供されない場合 (最も可能性の高いシナリオ)、可能性のある一致を識別するために、一連のプロキシ識別子 (生年月日と場所、性別、居住地など) を使用してデータ リンクが行われます。 使用されるデータ リンケージ方法のタイプは、データセットで利用可能なリンケージ変数のタイプと品質によって異なります。 ただし、決定論的方法と確率論的方法の組み合わせを使用する必要があると予想されます。 リンケージ メソッドを適用する前に、データはクリーンアップされ、標準化されたデータになります。これにより、エラーや矛盾が特定され、削除されます (例: 11/04/2016 または 2016/04/11)。 データセットの予想されるサイズが与えられると、ブロッキング属性のセット (性別、生年月日、イニシャルなど) が選択され、ブロック内の同じ一致する属性を持つレコードのペアが比較されます。 その後、連鎖変数ごとにレコードのペアが比較され、一致スコアが計算されます。 このスコアは、同じ子に属するレコード ペアの確率を重み付けするために使用されます。

最終的なデータベースを取得した後、主要アウトカムのパーソンタイム発生率が計算されます。 カプラン・マイヤー法を使用して、生後1年目と5年目を生存する確率、または入院、救急外来の受診、軽度/重度の罹患エピソードを被曝に応じた追跡期間中に持たない確率を比較します。 ログランク検定は、暴露された子供と暴露されていない子供の間の生存率の差と、差を定量化するためのハザード比 (信頼区間付き) に使用されます。 比例ハザード回帰分析を使用して、生存結果に対するいくつかの変数の影響を調査します。 欠損データが 5% 未満の場合は、完全なケース分析を使用します。 それ以外の場合は、欠損データの頻度とパターンが分析され、適切な場合は複数の代入手法が使用されます。

測定（および制御）される交絡因子は、性別、健康単位、ワクチン接種状況と計画の完全性と適時性、社会経済的状況、BCG 株です。