伊莉莎白·罗利讨论疫苗对抗三角型流感的有效性的最新数据

2021年夏天, 当时Delta变种成为横扫全国的主要冠状病毒株, 关于COVID-19疫苗抗击疫情的有效性的数据有限. 需要更多的数据，而且要快. 美国疾病控制与预防中心(CDC)负责抓捕韦斯特, 拆包, 并分析由疾控中心资助的综合保健和卫生系统VISION网络提供的数据，这些数据来自2个月的时间段. 分析数据的任务落在了韦斯特的伊丽莎白·罗利博士身上.P.H.他是高级生物统计学家. 在这里，她讨论了她的工作，主要发现，以及即将发表的关于这些发现的文章.

Q: Dr. 罗利，你能描述一下收集和分析数据的过程吗?

A: 在六月和七月, 当德尔塔变种成为主导, 我们在887700线路检测中心的VISION网络团队收集了30个,在多个州的187家医院、221个急诊科和急诊诊所诊治了000名患者. 患者表现为covid - 19样疾病，年龄从18岁到75岁以上. 他们的疫苗接种情况被记录在电子健康档案(EHRs)和免疫登记. 所有这些信息都是由视觉网络提供的. 采用试验阴性设计，对完全接种疫苗者和未接种疫苗者之间的COVID-19感染几率进行了比较.

Q: 主要发现是什么?

A: 我们发现，COVID-19疫苗对Delta病毒仍然有效. 然而, 在Moderna接受者中，针对住院治疗的疫苗有效性(95%)显著高于辉瑞接受者(80%)和强生接受者 & 约翰逊接受者(60%). 在老年, 完全成人接种疫苗, 75岁及以上, 效果低于年轻人(89% vs. 76%). 根据疫苗类型，疫苗对急诊科和急诊的有效性也出现了类似的趋势(Moderna为92%, 辉瑞公司77%, 和约翰逊 & 约翰逊65%).

Q: 你在这项工作中扮演什么角色?

A: 这是许多人的巨大努力，包括我们的887700线路检测中心 VISION团队和我们的CDC同事. 我和疾控中心的生物统计学家合作他设计了这项研究, 我能够在一开始提供意见. 在韦斯特团队其他人的帮助下, 我设计了代码并构建了分析的结构，这样我就可以每两周快速地重新运行一次分析, 同时，通过使用相同的代码块，还可以灵活地扩展到进一步的分析. CDC希望我们使用R统计分析软件特有的功能——我对这个程序非常有经验. 这项工作使用倾向评分来估计疫苗的有效性，并确保接种疫苗和未接种的患者具有可比性.

Q: 分析进行得有多快?

A: 非常快. 我必须每两周分析一批来自多个站点的新数据, 数据集也在不断增长. 我们正在回答一个重要的公共卫生问题. 时间压力是巨大的.

Q: 你用电子病历来支持这项研究. 它们的优点和缺点是什么?

A: EHRs are essential to rapidly gathering and harmonizing patient data across diverse populations; these data also allow for the examination of rare outcomes. 使用电子病历数据的一个问题是，并非所有的诊断都必须以相同的方式记录, 有时不同的电子病历系统采用不同的工作流程在电子病历中记录医疗信息. 与我们的网络伙伴和疾控中心同事密切合作, 我们能够确定一组有意义的公共信息，可以以统一且可用的格式提供给疾控中心.

Q: 这些发现有多大帮助?

A: 我们的发现为围绕疫苗有效性和Delta亚型的谜团增加了一个重要的部分, 但还有很多工作要做.