DOI: https://doi.org/10.1016/j.epidem.2026.100905
PMID: https://pubmed.ncbi.nlm.nih.gov/41861564
تاريخ النشر: 2026-03-16
المؤلف: Samik Datta وآخرون
الموضوع الرئيسي: دراسات وبائية حول COVID-19
نظرة عامة
يتناول هذا القسم من ورقة البحث التأثير غير المتناسب للجائحات السابقة، وخاصة كوفيد-19، على السكان الماوريين وسكان المحيط الهادئ في نيوزيلندا. يحدد المؤلفون عدة عوامل مساهمة، بما في ذلك الحرمان الاجتماعي والاقتصادي، وظروف الإسكان، ومعدلات التطعيم، والوصول إلى الرعاية الصحية، والحالات الصحية الموجودة مسبقًا. يشيرون إلى أن العديد من النماذج الرياضية المستخدمة خلال جائحة كوفيد-19 لم تأخذ في الاعتبار العرق أو المتغيرات الاجتماعية والاقتصادية، مما حد من فعاليتها في التنبؤ ومعالجة الفجوات.
لمعالجة هذه الفجوة، يقوم المؤلفون بتوسيع نموذج موجود من خلال تقسيم السكان إلى أربع مجموعات عرقية: الماوريين، وسكان المحيط الهادئ، والآسيويين، والأوروبيين/آخرين. يدمجون مكونات محددة حسب العرق، مثل معدلات التطعيم، ومعايير شدة المرض، وأنماط الاتصال. من خلال مقارنة نتائج النموذج مع بيانات محددة حسب العرق حول حالات كوفيد-19، والقبول في المستشفيات، والوفيات من يناير 2022 إلى يونيو 2023، يجدون أنه بينما تمثل معدلات التطعيم بعض الفجوات، إلا أنها لا تفسر بالكامل الاختلافات الملحوظة في النتائج. تسلط الدراسة الضوء على أن التباينات في خطر الإصابة بالمرض الشديد بين الأعراق تلعب دورًا كبيرًا. تمثل هذه الأبحاث تقدمًا حاسمًا نحو تطوير نماذج يمكن أن تتنبأ بشكل أفضل وتخفف من التأثيرات غير العادلة للجائحات المستقبلية والتهديدات الصحية الناشئة.
مقدمة
في المقدمة، يناقش المؤلفون استجابة نيوزيلندا لجائحة كوفيد-19، مشيرين إلى فعالية تدابير السيطرة على الحدود والمجتمعات في تقليل الانتقال حتى تم تحقيق تغطية تطعيم عالية. على الرغم من النجاح العام، كانت الفجوات في نتائج الصحة واضحة، خاصة بين السكان الماوريين وسكان المحيط الهادئ، الذين واجهوا معدلات تطعيم أقل ومعدلات دخول إلى المستشفيات ووفيات أعلى. تعكس هذه الفجوات الاتجاهات الدولية الأوسع حيث تتأثر المجموعات الأصلية والمحرومة اجتماعيًا بشكل غير متناسب بالجائحة.
يؤكد المؤلفون على قيود النماذج الرياضية الحالية المستخدمة خلال الجائحة، والتي غالبًا ما فشلت في أخذ المتغيرات الاجتماعية والاقتصادية مثل العرق والحرمان في الاعتبار. أعاقت هذه السقطة القدرة على التنبؤ بالتأثيرات المختلفة وتقييم فعالية التدخلات التي تهدف إلى تقليل الفجوات الصحية. لمعالجة هذه التحديات، تهدف الدراسة إلى تعزيز نموذج كوفيد-19 القائم على الأقسام من خلال تقسيم السكان حسب العرق. تسعى الأبحاث إلى فهم أفضل للعوامل المسببة للتأثيرات غير العادلة للمرض من خلال دراسة أدوار معدلات الاتصال، ومعدلات التطعيم، وشدة المرض، مما يساهم في تحسين استجابات الصحة العامة لتهديدات الأمراض المعدية المستقبلية.
طرق
يستعرض قسم “الطرق” الإجراءات التجريبية والتحليلية المستخدمة في الدراسة. يوضح معايير اختيار المشاركين، وتصميم التجارب، والتقنيات الإحصائية المستخدمة لتحليل البيانات. استخدم الباحثون مجموعة من الطرق الكمية والنوعية لضمان فهم شامل للظواهر قيد التحقيق. تم إعطاء اهتمام خاص لمعايرة الأدوات والسيطرة على المتغيرات لتعزيز موثوقية النتائج.
بالإضافة إلى ذلك، يصف القسم النماذج الرياضية المطبقة لتفسير البيانات، بما في ذلك أي معادلات ذات صلة تدعم التحليل. استخدم الباحثون برامج إحصائية لإجراء تحليلات الانحدار واختبار الفرضيات، مما يضمن أن النتائج ذات دلالة إحصائية. بشكل عام، تم تصميم الطرق بدقة لمعالجة أسئلة البحث بفعالية والتحقق من الفرضيات المقترحة في الدراسة.
نتائج
في قسم النتائج من الدراسة، تم تقييم سيناريوهات نموذجية مختلفة لتقييم ملاءمتها للبيانات الملاحظة حول حالات كوفيد-19، والقبول في المستشفيات، والوفيات عبر مجموعات عرقية مختلفة من يناير 2022 إلى يونيو 2023. قدم النموذج الأساسي (السيناريو 1)، الذي لم يدمج تأثيرات محددة حسب العرق، ملاءمة معقولة للبيانات المجمعة ولكنه فشل في عكس الفجوات بدقة في معدلات الدخول إلى المستشفيات والوفيات بين السكان الماوريين وسكان المحيط الهادئ، بينما قدر هذه المعدلات بشكل مبالغ فيه لمجموعة العرق الآسيوي. أظهرت السيناريوهات اللاحقة، وخاصة السيناريو 3 (الذي شمل التطعيم المعتمد على العرق وشدة المرض) والسيناريو 5 (الذي أضاف تأثيرات الاختلاط)، تحسينات ملحوظة في الملاءمة لبيانات الدخول إلى المستشفيات والوفيات المحددة حسب العرق، كما يتضح من انخفاض الأخطاء النسبية المطلقة الإجمالية.
كما أبرز التحليل أن الموجة الأولى من أوميكرون أثرت بشكل غير متناسب على السكان الماوريين وسكان المحيط الهادئ، مع ارتفاع ذروات في الحالات المبلغ عنها، والقبول في المستشفيات، والوفيات. بينما التقط السيناريو 3 والسيناريو 5 الاتجاهات الرئيسية المحددة حسب العرق، لم تتمكن أي من النماذج من حساب الديناميات الملاحظة خلال الموجة الأولى بالكامل، وخاصة الذروة الملحوظة في السكان من المحيط الهادئ. بشكل عام، تشير النتائج إلى أنه بينما تعتبر العوامل المعتمدة على العرق حاسمة لفهم الفجوات في نتائج كوفيد-19، لا تزال النماذج تعاني من قيود في التقاط التعقيد الكامل لهذه الديناميات.
نقاش
في هذه الدراسة، قمنا بتطوير نموذج قائم على الأقسام لتحليل ديناميات انتقال كوفيد-19 في نيوزيلندا، مقسم حسب العمر والعرق. يتضمن النموذج ثلاثة مكونات رئيسية محددة حسب العرق: معدلات التطعيم، ومعايير شدة المرض (خطر الإصابة بمرض شديد أو الوفاة بعد العدوى)، وأنماط الاتصال. استخدمنا بيانات غير محددة من Te Whatu Ora حول حالات كوفيد-19، والقبول في المستشفيات، والوفيات من يناير 2022 إلى يونيو 2023، وقارننا مخرجات النموذج مع بيانات مقسمة حسب العرق لتقييم مساهمات هذه العوامل في الفجوات الملحوظة في تأثيرات كوفيد-19 بين مجموعات عرقية مختلفة.
تشير نتائجنا إلى أن الفجوات في معدلات التطعيم ساهمت بشكل ضئيل في الاختلافات في نتائج كوفيد-19 بين الأعراق، خاصة بين الفئات العمرية الأكبر حيث كانت الحالات الشديدة مركزة. بدلاً من ذلك، يقترح النموذج أن الاختلافات في شدة المرض وأنماط الاتصال هي عوامل مساهمة أكثر أهمية في الفجوات الملحوظة. ومع ذلك، تشمل قيود النموذج تحديات في فصل تأثيرات معدلات الاتصال وشدة المرض بسبب نقص البيانات الموثوقة حول حدوث العدوى. تؤكد النتائج على الحاجة إلى تحسين البيانات المحددة حسب العرق حول معدلات العدوى وأنماط الاتصال لفهم أفضل للعوامل المسببة للفجوات الصحية في سياقات الجائحة ولإبلاغ استجابات الصحة العامة المستقبلية.
DOI: https://doi.org/10.1016/j.epidem.2026.100905
PMID: https://pubmed.ncbi.nlm.nih.gov/41861564
Publication Date: 2026-03-16
Author(s): Samik Datta et al.
Primary Topic: COVID-19 epidemiological studies
Overview
This section of the research paper discusses the disproportionate impact of previous pandemics, particularly Covid-19, on Māori and Pacific populations in Aotearoa New Zealand. The authors identify several contributing factors, including socioeconomic deprivation, housing conditions, vaccination rates, healthcare access, and pre-existing health conditions. They note that many mathematical models used during the Covid-19 pandemic did not incorporate ethnicity or socioeconomic variables, limiting their effectiveness in predicting and addressing inequities.
To address this gap, the authors extend an existing model by stratifying the population into four ethnic groups: Māori, Pacific, Asian, and European/other. They incorporate ethnicity-specific components, such as vaccination rates, clinical severity parameters, and contact patterns. By comparing model outcomes with ethnicity-specific data on Covid-19 cases, hospital admissions, and deaths from January 2022 to June 2023, they find that while vaccination rates account for some disparities, they do not fully explain the observed differences in outcomes. The study highlights that variations in the per-infection risk of severe disease among ethnicities play a significant role. This research represents a critical advancement toward developing models that can better predict and mitigate the inequitable impacts of future pandemics and emerging health threats.
Introduction
In the introduction, the authors discuss Aotearoa New Zealand’s response to the COVID-19 pandemic, highlighting the effectiveness of border and community control measures in minimizing transmission until high vaccination coverage was achieved. Despite the overall success, disparities in health outcomes were evident, particularly among Māori and Pacific populations, who faced lower vaccination rates and higher hospitalization and mortality rates. These inequities reflect broader international trends where Indigenous and socioeconomically disadvantaged groups are disproportionately affected by the pandemic.
The authors emphasize the limitations of existing mathematical models used during the pandemic, which often failed to account for socioeconomic variables such as ethnicity and deprivation. This oversight hindered the ability to predict differential impacts and assess the effectiveness of interventions aimed at reducing health inequities. To address these challenges, the study aims to enhance an existing compartment-based COVID-19 model by stratifying the population by ethnicity. The research seeks to better understand the drivers of inequitable disease impacts by examining the roles of contact rates, vaccination rates, and clinical severity, ultimately contributing to improved public health responses for future infectious disease threats.
Methods
The “Methods” section outlines the experimental and analytical procedures employed in the study. It details the selection criteria for participants, the design of the experiments, and the statistical techniques used for data analysis. The researchers utilized a combination of quantitative and qualitative methods to ensure a comprehensive understanding of the phenomena under investigation. Specific attention was given to the calibration of instruments and the control of variables to enhance the reliability of the results.
Additionally, the section describes the mathematical models applied to interpret the data, including any relevant equations that underpin the analysis. The researchers employed statistical software to perform regression analyses and hypothesis testing, ensuring that the findings are statistically significant. Overall, the methods were rigorously designed to address the research questions effectively and to validate the hypotheses proposed in the study.
Results
In the results section of the study, various model scenarios were evaluated to assess their fit to observed data on COVID-19 cases, hospital admissions, and deaths across different ethnic groups from January 2022 to June 2023. The baseline model (Scenario 1), which did not incorporate ethnicity-specific effects, provided a reasonable fit for aggregated data but failed to accurately reflect disparities in hospitalisation and death rates among Māori and Pacific peoples, while overestimating these rates for the Asian ethnic group. Subsequent scenarios, particularly Scenario 3 (which included ethnicity-dependent vaccination and clinical severity) and Scenario 5 (which added mixing effects), demonstrated significantly improved fits to ethnicity-specific hospitalisation and death data, as indicated by lower total absolute relative errors.
The analysis also highlighted that the first Omicron wave disproportionately affected Māori and Pacific populations, with higher peaks in reported cases, hospital admissions, and deaths. While Scenario 3 and Scenario 5 captured key ethnicity-specific trends, none of the models fully accounted for the dynamics observed during the first wave, particularly the pronounced peak in the Pacific population. Overall, the findings suggest that while ethnicity-dependent factors are crucial for understanding disparities in COVID-19 outcomes, the models still exhibit limitations in capturing the full complexity of these dynamics.
Discussion
In this study, we developed a compartment-based model to analyze the transmission dynamics of Covid-19 in New Zealand, stratified by age and ethnicity. The model incorporates three key ethnicity-specific components: vaccination rates, clinical severity parameters (risk of severe disease or death following infection), and contact patterns. We utilized de-identified data from Te Whatu Ora on Covid-19 cases, hospitalizations, and deaths from January 2022 to June 2023, and compared model outputs against ethnicity-stratified data to assess the contributions of these factors to observed disparities in Covid-19 impacts among different ethnic groups.
Our findings indicate that disparities in vaccination rates contributed minimally to the differences in Covid-19 outcomes between ethnicities, particularly among older age groups where severe cases were concentrated. Instead, the model suggests that differences in clinical severity and contact patterns are more significant contributors to the observed disparities. However, the model’s limitations include challenges in disentangling the effects of contact rates and clinical severity due to the lack of reliable data on infection incidence. The results underscore the need for improved ethnicity-specific data on infection rates and contact patterns to better understand the drivers of health inequities in pandemic contexts and to inform future public health responses.