《Scientific Reports》：A multi-phase, multi-method assessment of national COVID-19 vaccination performance with equity analysis
编辑推荐：
本研究针对COVID-19大流行期间各国应对效能差异问题，开发了数据驱动的三阶段（接种前/接种中/接种后）评估框架。通过K-means聚类、多准则决策分析（MCDM）与基尼系数等方法，揭示医疗系统韧性、经济适应性与疫苗公平分配是关键决定因素，为构建未来公共卫生应急体系提供实证依据。
当新型冠状病毒肺炎（COVID-19）从中国武汉迅速蔓延为全球大流行时，各国公共卫生系统面临前所未有的压力。这场危机不仅考验医疗资源的调配能力，更暴露出全球在疫苗分配、经济韧性和政策协调方面的深层矛盾。世界卫生组织（WHO）多次强调，建立科学的疫情应对评估体系是完善全球公共卫生治理的关键，但现有研究多聚焦单一国家或短期表现，缺乏跨阶段、多维度的系统性分析。
为破解这一难题，研究团队对143个国家的疫情响应展开多阶段多方法评估。通过构建包含接种前、接种中和接种后三阶段的综合分析框架，首次整合医疗承载力、经济韧性指数与Risk INFORM COVID-19风险指标等多元数据。研究采用K-means聚类技术将国情相似的国家归类，运用变异系数法（Coefficient of Variation Method）确定指标权重，并引入MACBETH（Measuring Attractiveness by a Categorical Based Evaluation Technique）、COCOSO（Combined Compromise Solution）和EDAS（Evaluation based on Distance from Average Solution）三种多准则决策分析（MCDM）方法进行交叉验证。结果表明，早期启动疫苗接种和坚持严格公共卫生政策的国家排名更稳定，而医疗系统强度、经济适应力与疫苗公平分配是核心决定因素。特别值得注意的是，通过基尼系数（Gini Coefficient）衡量的疫苗分配公平性揭示出国家间的显著差异，部分发达国家与低收入国家间的接种率差距高达40倍。
关键技术方法包括：基于公开数据的K-means聚类分析（样本覆盖143个国家）、结合变异系数法的客观权重赋值、多准则决策分析（MCDM）中的MACBETH/COCOSO/EDAS算法，以及利用Risk INFORM COVID-19指数进行风险校准。
国家聚类与阶段划分
通过K-means将各国按疫情指标划分为5个典型集群，发现高收入集群在接种前阶段具备更完善的ICU病床率和医疗储备，而中低收入集群在疫苗接种阶段普遍面临供应链中断问题。
多方法绩效排序
三种MCDM方法均显示北欧国家、新西兰和新加坡持续位列前10%，其共同特征是建立了全民健康覆盖（UHC）体系和数字化监测网络。相反，部分疫苗获取滞后的国家在接种后阶段出现排名大幅下滑。
公平性量化分析
基尼系数测算表明，2021年全球疫苗分配公平性指数仅为0.68（完全公平为0），非洲地区疫苗覆盖率不足20%的国家数量占比超过60%，凸显"疫苗民族主义"的负面影响。
动态轨迹追踪
通过比较各国在三个阶段中的集群跃迁情况，发现严格执行非药物干预措施（NPIs）的国家有72%实现了集群升级，而放松管控的国家中有35%出现评级下降。
本研究通过创新性的评估框架证明，构建韧性公共卫生体系需要统筹医疗资源、经济政策与疫苗公平三大支柱。基于动态聚类的结果提示，未来应对大流行时应建立差异化的国际援助机制，特别是对医疗基础设施薄弱地区实施精准资源补给。论文发表于《Scientific Reports》的这项研究，不仅为各国复盘COVID-19应对策略提供基准工具，其多阶段分析方法更可延伸至其他传染病防控场景，对实现联合国可持续发展目标（SDGs）中的全民健康覆盖愿景具有重要实践意义。
