گروه‌های آسیب‌پذیر کمترین احتمال را داشتند که واکسن کووید-۱۹ را دریافت کنند

یک مطالعه ثبتی در مقیاس بزرگ در فنلاند چندین عامل مرتبط با جذب اولین دوز واکسیناسیون COVID-19 را شناسایی کرده است. به طور خاص، افراد با درآمد کم یا بدون نیروی کار و افراد دارای سلامت روان یا مشکلات سوء مصرف مواد کمتر احتمال دارد واکسینه شوند.

این مطالعه که با همکاری دانشگاه هلسینکی و مؤسسه بهداشت و رفاه فنلاند انجام شد، ارتباط نزدیک به 3000 متغیر بهداشتی، جمعیتی و اجتماعی-اقتصادی را با جذب اولین دوز واکسیناسیون COVID-19 در کل فنلاند آزمایش کرد. جمعیت

این اثر، به تازگی منتشر شده است طبیعت رفتار انسان، بزرگترین مطالعه تا به امروز در این موضوع است.

مهم‌ترین عواملی که با کاهش احتمال واکسینه شدن مرتبط است، کمبود درآمد نیروی کار در سال قبل از همه‌گیری، زبان مادری غیر از فنلاندی یا سوئدی و داشتن اقوام نزدیک واکسینه نشده، به‌ویژه مادر بود. از میان متغیرهای مرتبط با سلامت، عوامل مرتبط با سلامت روان و مشکلات سوء مصرف مواد مرتبط با کاهش واکسیناسیون است.

تومو هارتونن، محقق فوق دکترا در موسسه پزشکی مولکولی توضیح می دهد: “فقدان درآمد نیروی کار می تواند به دلیل بیکاری، بیماری یا بازنشستگی باشد. علاوه بر این، در بین افراد با درآمد نیروی کار، ما شاهد این بودیم که افراد کم درآمد کمترین احتمال واکسیناسیون را دارند.” فنلاند FIMM، دانشگاه هلسینکی.

این مطالعه بر اساس داده های FinRegistry انجام شد. محققان داده‌های سلامت ملی و ثبت جمعیت در دوره قبل از همه‌گیری را تجزیه و تحلیل کردند و آن‌ها را با داده‌های وضعیت واکسیناسیون مقایسه کردند. آنالیزها محدود به افراد 30 تا 80 ساله بود.

برادلی جرمی، محقق فوق دکتری از FIMM، می‌گوید: «یکی از نقاط قوت مطالعه ما این است که بر اساس ثبت‌هایی است که کل جمعیت فنلاند را پوشش می‌دهد. به این ترتیب می‌توانیم از هرگونه سوگیری انتخابی که چالش اصلی مطالعات پیمایشی است جلوگیری کنیم.»

محققان تاکید می کنند که نتایج آنها ارتباط بین متغیرهای مورد مطالعه و جذب واکسیناسیون را در سطح جمعیت توصیف می کند، اما اجازه نمی دهد تا در مورد روابط علی نتیجه گیری شود. علاوه بر این، تعمیم پذیری یافته ها در خارج از فنلاند به مطالعات بیشتری نیاز دارد. با این حال، از نتایج واضح است که در فنلاند، جذب واکسیناسیون در میان افرادی که در حال حاضر در یک موقعیت آسیب پذیر هستند، کمترین میزان بوده است.

محققان یک مدل مبتنی بر یادگیری ماشینی برای پیش‌بینی جذب واکسیناسیون ایجاد کردند

علاوه بر مطالعه پیش‌بینی‌کننده‌های منفرد، تیم تحقیقاتی یک مدل مبتنی بر یادگیری ماشینی برای پیش‌بینی جذب واکسیناسیون ساختند. این مدل پیش‌بینی به محققان اجازه می‌دهد افراد را بر اساس احتمال دریافت واکسن کووید-19 گروه‌بندی کنند.

تقریباً 90٪ از کل جمعیت مورد مطالعه حداقل یک دوز واکسیناسیون COVID-19 دریافت کردند. در مقابل، گروهی که کمترین احتمال واکسینه شدن را بر اساس مدل داشتند، نرخ واکسیناسیون کمتر از 19 درصد داشتند.

استادیار آندریا گانا از FIMM، نویسنده مسئول این مطالعه، می‌گوید: «تحقیق ما چارچوبی برای استفاده از یادگیری ماشینی و رویکردهای آماری برای شناسایی گروه‌هایی که در معرض خطر بالاتری برای عدم واکسینه شدن هستند، ایجاد کرده است.

پروفسور مارکوس پرولا از THL، محقق اصلی مطالعه FinRegistry، می‌گوید: «این نتایج و مدل پیش‌بینی‌کننده می‌توانند در آینده، به عنوان مثال در طراحی کمپین‌های واکسیناسیون مورد استفاده قرار گیرند.

“این مطالعه نمونه ای عالی از امکاناتی است که مطالعه FinRegistry برای بررسی مسائل بسیار مهم در یک بازه زمانی کوتاه ایجاد می کند. همکاری بین محققان ژنتیک و رجیستری THL و دانشمندان FIMM به درک مسیرهای بسیاری که منجر به استعداد ابتلا به بیماری های مختلف می شود کمک می کند. “پرولا ادامه می دهد.