跳转至
For the complete DHIS2 documentation index, see llms.txt.
健康
免疫接种
免疫接种（EPI）大赶超

解决业连单位数据积压问题并维持实时监测数据

导言和背景

大补种（BCU）是一项2023年4月发起的全球倡议，由世卫组织、联合国儿童基金会、加维（Gavi）和其他全球合作伙伴领导，旨在弥补COVID-19大流行期间的重大干扰所造成的免疫空白。该倡议的重点是帮助零剂量和免疫接种不足的儿童，特别是 12 至 59 个月的儿童，他们在 2019 年至 2022 年期间错过了常规疫苗接种。

**这一挑战的规模十分巨大。**在巴塞尔公约接种单位活动开始之前，全球估计有 2500 万零剂量（ZD）儿童，2019 年至 2022 年间将有 600 多万儿童成为零剂量儿童。个别国家面临严重的免疫接种积压：埃塞俄比亚估计2019-2022年期间将有390万零剂量儿童，坦桑尼亚发现有超过100万儿童1-5岁的儿童没有接种任何疫苗，莫桑比克绘制了876,841名零剂量和免疫接种不足的儿童。

BCU 倡议为 35 个免疫接种覆盖率停滞或下降的国家提供支持，尽管实施方式是根据每个国家的具体情况量身定制的。为监测巴塞尔公约免疫联盟的进展情况，所有国家每季度向全球巴塞尔公约免疫联盟监测、评价和学习（MEL）工作组提交关于受惠儿童和发放剂量的报告，并将结果汇编到公开的全球仪表板中。与此同时，各方案每年向世卫组织/儿童基金会电子联合报告表（eJRF）提交报告，为分析世卫组织所有成员国的全球免疫趋势提供信息。

**大多数巴塞尔公约国家为实施巴塞尔公约定制了纸质和数字工具--许多国家在实施中期或仅部分定制了这些工具。出现了一些数据积压和统一方面的挑战，导致国家、合作伙伴和全球报告之间出现差异。2022 年初，只有47% 拥有相关数据系统的国家向 eJRF 报告了抗原水平延迟剂量数据，尽管 64% 的国家表示其系统能够捕获此类数据。截至 2024 年，估计有四分之三的巴塞尔公约国家能够以数字方式采集延迟剂量，但这一差距仍然很大。

2025 年，UiO 的 HISP 中心与联合国儿童基金会合作，发布了用于 BCU 的 DHIS2 工具包，其中包括 BCU 综合数据收集表、仪表板以及调整电子免疫登记册 (EIR) 以获取补种剂量的指南。

本指南重点关注两个相互关联的挑战：

  1. 解决业连单位数据积压问题--如何将纸质登记册、电子表格或其他工具中记录的业连单位历史数据导入 DHIS2 系统以进行综合报告，并加快 DHIS2 数据录入过程。

  2. 将补服剂量监测制度化--如何修改常规免疫接种数据表格和工作流程，使补服剂量作为持续的卫生信息系统的一部分得到可持续的采集。

本指南基于 HISP 在开发和部署业连库工具包期间的经验，以及对全球和国家层面业连库数据系统报告的案头审查。此外，还通过向 DHIS2 实践社区分发的 BCU 数据系统调查和几次后续访谈提供了更多信息。

数据积压

数据积压的根本原因{ #root-causes-of-data-backlogs }

BCU 数据积压的原因既有计划、技术和组织方面的因素，也有资金不足、自然灾害或冲突等外部因素。了解这些根本原因是设计适当解决方案的起点。我们鼓励各国在选择纠正措施之前系统地评估自身的根本原因，因为解决方案应与国家和国家以下各级确定的具体驱动因素相匹配。

巴塞尔公约各实施国已确定以下根本原因类别：

指导和能力建设差距{ #guidance-and-capacity-building-gaps }

  • 缺乏明确的 SOP 来定义和报告补加剂量
  • 使用纸质和数字报告工具的培训有限或缺乏工作辅助工具
  • 在设施一级，常规剂量和补加剂量之间的区别不明确
  • 追赶/中央预算单位数据流流程、时间表和作用不明确
  • 延迟修订和分发纸质工具（统计表、登记册），导致 BCU 早期疫苗接种活动的数据不正确或缺失

在坦桑尼亚，多个版本的疫苗接种卡同时在各地区流通，其中一些缺失了 Rota 3 或 IPV，导致数据采集和追溯核对不一致。

技术与延迟系统设计{ #technology-and-delayed-systems-design }

  • 未配置数字工具，以区分报告、库存和预测模块中的常规剂量和补加剂量
  • 零散、不可互操作的系统（例如，活动与日常活动使用不同的工具）
  • 推迟系统定制，以纳入 12-59 个月的儿童
  • 数字应用程序速度慢、不稳定或系统错误影响数据输入
  • 在实施中期从电子表格（如 Google Sheets）迁移到更可持续的工具，产生追溯数据录入需求
  • 不同工具的报告标准不一致，如年龄组、抗原名称、报告期、管理层次和验证时限不一致，导致数据整合复杂化

在坦桑尼亚，当 BCU 活动启动时，DHIS2 尚未准备就绪；使用的是临时的 Google Sheets 和 AFYA 运动数据系统，直到 2025 年 1 月才开始与 DHIS2 集成。在莫桑比克，DHIS2（SISMA）配置的延迟导致了对纸质每日汇总表和每月汇总表的依赖。尼泊尔没有为 24-59 个月年龄组的抗原特异性报告配置 DHIS2。在埃塞俄比亚，国家团队将 DHIS2 集成方面的挑战作为一项关键的 "不同做法 "建议；在整个 BCU 实施过程中，除常规登记册外，还使用了单独的 Google Sheets 表格。

基础设施障碍{ #infrastructure-barriers }

  • 设备不足或质量低劣（存储有限、电池问题）
  • 有限的数据捆绑或缓慢/不稳定的互联网连接
  • 经修订的纸质工具（统计表、登记册、报告表）短缺
  • 服务器宕机或服务器容量不足，无法支持及时输入数据

对刚果（金）、肯尼亚、塞内加尔和坦桑尼亚 COVID-19 数据积压情况的分析发现，在肯尼亚，58% 的设施报告称连接不可靠是一个制约因素；在坦桑尼亚，56% 的受访者报告称服务器每天都会崩溃（Carnahan 等人，2024 年）。这些基础设施的制约因素很可能也会影响 BCU 数据录入。

医务人员队伍的制约因素{ #health-workforce-constraints }

  • 工作人员更替率高，影响报告工作的连续性
  • 多种干预措施和并行报告系统带来的竞争性工作量
  • 对及时输入数据的监督、跟进或激励有限
  • 国家以下各级关键技术和计划人员的参与不足

在刚果民主共和国和坦桑尼亚，延迟支付活动奖励大大降低了 COVID-19 疫苗接种期间准确记录的积极性（Carnahan 等人，2024 年）。支付不一致和基层医疗机构人员流动等地方性挑战可能会使 BCU 外联和 PIRI 活动复杂化。

系统架构与管理{ #systems-architecture-and-governance }

  • 多个不互操作或平行的报告系统，导致数据录入重复和不一致
  • 不定期或缺席数据审查会议，导致后续行动和报告不力
  • 各地区、合作伙伴或利益相关方的数据验证、三角测量和提交时限不一致
  • 卫生部、世卫组织和儿基会数据团队之间协调不足，导致对报告的期望不一致和支持分散

在喀麦隆，使用了 IASO、ODK 和 DHIS2 的组合，但没有完全实现互操作性；建议将其纳入例行的 DHIS2 作为制度化的优先事项。

工艺错位{ #process-misalignment }

  • 在 BCU 专用疫苗到达之前开始实施
  • 使用多种策略（PIRI、宣传活动、外联），并采用不同的报告工具和工作流程
  • 纸质表格与数字数据输入屏幕不一致
  • 数据采集和输入工作流程分离，导致延误

各国对 BCU 采用了各种方法，包括提供常规服务、定期加强常规免疫接种（PIRI）、补充免疫接种活动（SIAs）、校本干预和针对零剂量儿童的外联活动。每种策略都有不同的数据采集要求。PIRI剂量被算作常规免疫接种，必须记录在家庭记录（HBR）、登记册和统计表上，并按年龄组进行分类。SIA剂量是补充性的 - 它们不包括在常规行政覆盖范围估算中，应在eJRF "补充活动 "部分单独报告。

在没有统一记录工具的情况下合并战略的国家，来自不同活动的数据积累在不同的、不兼容的来源中，使合并工作变得困难。

数据源错位{ #data-source-misalignment }

即使在 BCU 数据得到有效收集的地方，数据源之间的差异也会给数据的统一带来挑战，从而阻碍数据的使用。在莫桑比克，社区摸底调查确定了 262,838 名零剂量儿童，而国家 DHIS2 系统 SISMA 中的数据为 762,041 名，两者相差近三倍，令人对摸底调查方法和行政估算的质量产生怀疑。在乌干达，虚高的覆盖率数字产生于未考虑难民涌入和境内流离失所的静态人口估计。在巴基斯坦，向世界卫生组织报告的国家免疫接种覆盖率目标与地区一级的目标不完全一致；各省需要修订每一轮的目标，以考虑到新出生的儿童和遗漏的儿童。

在分析或报告中使用多个数据源时，应明确说明其数据收集方法，以便最终用户决定适当的数据源。

提示

对于考虑如何在常规系统中获取补服剂量的 DHIS2 实施者来说，最重要的是确保在干预领域**迅速和全面**地设计和推广表格。

在 DHIS2 社区调查中，6 个国家的 9 位受访者被问及以下问题："您在用 DHIS2 汇总表收集 **BCU 数据时遇到过以下哪些 ** 挑战？

最常见的回答是"在推出之前，DHIS2 的表格不是为 BCU 设计的 "和 "缺少/部分来自设施的报告"。这些都需要与卫生部门积极合作，并进行敏捷开发。值得注意的是，培训和技术同步是不太明显的挑战。

调查：报告的挑战](resources/image/bcu_survey1.png)

诊断根本原因{ #diagnosing-root-causes }

在选择解决方案之前，各方案应系统地确定其数据积压的驱动因素。建议采用三种分析框架：

**5 个为什么法**是一种迭代技术，通过反复询问 "为什么？"来发现根本原因，直至找到根本原因。例如*DHIS2 中的数据积压 → 纸质表格迟交 → 设施缺少设备/数据捆绑包 → 设备采购延迟 → 没有分配专门的 BCU 数据录入预算。

**冰山模型**帮助团队超越可见的症状。BCU 数据缺失 "事件可能反映出反复出现的模式（报告延迟、年龄分类不一致）、结构性原因（工作流程薄弱、系统分散、连接性差）和思维模式（认为 BCU 数据是常规数据的次要数据，或认为只需将补足剂量报告到现有的 <1 年类别中即可）。该模式鼓励系统性改革，而不是快速解决问题。

**目标-障碍分析**定义了一个具体目标--例如，"到 2026 年第二季度末，在国家报告系统中输入、验证和提供所有巴塞尔公约单位数据"--并绘制了阻碍实现目标的障碍图。典型的障碍包括报告疲劳、设备不足、数据存储在外部临时系统中以及跨省协调不力。

根源诊断的数据收集方法{ #data-collection-approaches-for-root-cause-diagnosis }

各国应采用多种方法，全面了解数据流在何处以及为何出现故障：

  • 数据三角测量： 比较 DHIS2 中的 BCU 剂量与 eLMIS 中收到/支付的存量；比较 BCU 季度报告与 HMIS 和合作伙伴提交的报告；检查地区或抗原一级的异常情况。
  • 绘制数据流程图： 使用流程图可视化巴塞尔公约机构数据从服务交付到国家报告的收集、验证和报告过程，包括纸质和数字工具、负责人员、数据汇聚点和潜在瓶颈。
  • 工作台审查： 审查巴塞尔公约后续行动股的监测报告、经验教训报告、监督结果、数据质量评估和会议记录。查找反复出现的问题、地理模式和时间趋势（例如，与活动轮次、缺货或人员变动相一致的积压）。
  • ** 关键信息提供者访谈和实地观察：** 在设施、地区、国家和合作伙伴层面与利益相关方接触，以验证调查结果，并发现报告中看不到的运作障碍。
  • 系统测试和配置审查： 对数字平台（DHIS2、eLMIS、ODK、IASO）进行实际测试，以评估是否存在和正确配置了补 充数据元素，同步和导出功能是否有效，以及各平台的报告模板是否一致。

用于设施级和地区级根本原因分析的问卷样本载于《巴塞尔公约医疗保险单位完整性和及时性手册》（2025 年 12 月，第 2.0 版）。

积压解决方案{ #backlog-solutions }

以下解决方案按时间跨度排列。各国应根据诊断结果、实际操作情况和可用资源确定行动的优先次序。

短期行动{ #short-term-actions }

根本原因类别 短期行动
指导和能力差距 制定或更新补编文件的标准作业程序；向各地区和设施快速传播；利用 ToT 或虚拟形式开展有针对性的复习培训
技术和系统设计 绘制用于常规、业连股、PIRI 和外联报告的系统地图；完成 12-59m 年龄组的 DHIS2/eLMIS 定制；使用统一工具进行宣传和常规模式
基础设施：连通性 向优先地点提供互联网数据包；实现离线数据输入；调整偏远地区的提交截止日期
基础设施：设备/服务器 提供基本设备支持；对设备差距进行快速评估；执行服务器负载测试
医务人员队伍 明确各级补报的作用和责任；部署增援人员进行追溯数据输入和积压清理；确保及时付款
管理 定期举行卫生部与合作伙伴之间的联合验证和数据审查会议；统一各合作伙伴的报告时间表和格式；向各机构提供有条理的反馈意见

中期行动{ #medium-term-actions }

根本原因类别 中期行动
指导和能力差距 在国家免疫接种指南中将标准操作程序制度化；为持续培训和监督编列预算；将补接数据管理纳入职前和在职课程中
技术和系统设计 开发自动数据验证和质量检查；进行全面的互操作性评估；采用国家互操作性标准（HL7、FHIR、OpenHIE），并实施用于数据交换的应用程序接口或中间件
基础设施：连通性 绘制连接差距图；为卫生设施谈判降低成本的数据包；引入低带宽/SMS/USSD 报告（如 RapidPro）。
基础设施：设备/服务器 采购更多具有适当规格的设备；部署设备跟踪和维护系统；探索具有隐私保护措施的自带设备；升级服务器基础设施
医务人员队伍 为及时和完整的报告提供基于绩效的奖励；简化工具以减少重复
管理 将联合审查周期和统一报告日历制度化；制定数据所有权和问责制治理框架；建立各利益攸关方共享的巴塞尔公约大学数据仪表板

步骤 1：对积压工作进行评估和分类{ #step-1-assess-and-classify-the-backlog }

在选择技术解决方案之前，方案应清点现有的 BCU 数据：

  • 有哪些格式？ 表格数据（Excel、Google Sheets）、纸质登记簿、其他数字平台（KoboCollect、ODK、AFYA）或已存在于不同 DHIS2 数据集中的数据。
  • **每个资料来源所代表的时期和地理覆盖范围？
  • **数据是否包括年龄段、抗原、剂量数、组织单位以及补课与按计划分类？

该清单为选择导入策略提供指导，并确定导入前所需的数据质量工作。

第 2 步：表格数据的批量导入工具{ #step-2-bulk-import-tools-for-tabular-data }

如果 BCU 数据以表格格式（Excel、Google Sheets、CSV）存在，则没有必要手动重新输入 DHIS2，否则会造成转录错误。除了 DHIS2 API 和核心导入/导出应用程序外，还有两个 DHIS2 应用程序支持批量数据导入：

这两种工具都要求将源数据映射到目标 DHIS2 实例中正确的数据元素、时段和组织单位。在将数据投入生产之前，强烈建议在开发环境中进行测试导入。

步骤 3：管理来自其他 DHIS2 数据集的数据{ #step-3-managing-data-from-other-dhis2-datasets }

如果 BCU 数据被输入单独的 DHIS2 数据集（例如，在 DHIS2 工具包可用之前创建的独立 BCU 数据集），数据交换应用程序 可将数据从一个 DHIS2 实例传输到另一个 DHIS2 实例。

合并数据集时：

  • 验证源数据集和目标数据集之间的数据元素 UID 是否正确映射
  • 检查组织单位层次和时期类型是否一致
  • 为审计目的保留原始源数据集；不要删除它

步骤 4：针对免疫接种不足儿童的环境影响报告考虑因素{ #step-4-eir-considerations-for-under-immunized-children }

如果一个国家使用电子免疫登记系统（EIR）--如 DHIS2 Tracker--则需要额外考虑免疫接种不足的儿童，这些儿童可能已经接种了部分疫苗，并且可能已经有了登记记录。

  • 如果存在根据年龄显示某些抗原的跳过逻辑，那么就必须改变程序规则，允许年龄较大的儿童接受延迟剂量。这在赞比亚是一个挑战，在那里，DHIS2 中现有的 EIR 在 BCU 推出之前没有得到适当调整：

    "当你输入出生日期时，页面上会出现[抗原]选项，即卡介苗、IPV0、Penta 1、PCV1，但不会跳转到其他抗原，除非你追溯事件日期 " - Cecilia Chizema，赞比亚卫生部环境卫生官员，关于她将免疫接种数据输入 DHIS2 跟踪系统的初步经验（2025 年 12 月）。

  • 调整现有的环境影响报告可能需要开发一个单独的部分来表示提供了哪些补加剂量。更多实例和指导，请参阅环境影响报告适应性系统设计指南。
  • 如果采用安卓平板电脑离线采集数据，那么在程序调整推向生产后，所有最终用户都必须将元数据同步到最新版本的程序。
  • 为便于分析，应将 EIR 数据中的计划指标发送至汇总数据集。请参阅有关[将跟踪数据整合到汇总数据集]的更多指导。(https://docs.dhis2.org/en/implement/maintenance-and-use/tracker-and-aggregate-data-integration.html)
  • 采集应用程序可针对积压数据录入工作流程进行优化，如针对免疫接种不足儿童的自定义工作清单。

提示

***DHIS2第43***版（预计2026年5月）中，基于行的数据录入将可在DHIS2采集应用程序中使用。该功能将简化设施一级更新现有登记的免疫接种不足儿童的 EIR 记录的流程，使疫苗接种员能够在一次会话中更新多个记录，而无需逐个打开每个记录。 这些功能直接解决了基于 EIR 的 BCU 文件最耗时的问题之一。

聚焦：从 COVID-19 数据积压中学习{ #spotlight-learning-from-the-covid-19-data-backlog }

多个国家 COVID-19 疫苗接种数据积压的经验为 BCU 提供了相关教训。一项横跨刚果民主共和国、肯尼亚、塞内加尔和坦桑尼亚的混合方法分析（Carnahan 等人，2024 年）发现，积压主要不是由培训差距造成的--肯尼亚、坦桑尼亚和塞内加尔 80-94% 的卫生工作者表示接受过充分的系统培训。相反，工作积压源于若干**系统设计选择和劳动力条件**：

  • 系统设计： 仅有在线系统，没有离线功能，在连接性低的环境中造成瓶颈。需要同时输入纸质和数字数据的系统使工作量增加了一倍。
  • ** 人力资源条件：** 在没有机构提供的情况下，工作人员购买了个人数据捆绑包。在提供服务的繁忙时期，数据录入与临床工作相互竞争。在刚果民主共和国和坦桑尼亚，延迟支付活动奖励大大降低了员工的积极性。

正如卫生信息系统（DHIS）2 BCU 调查所报告的那样，Covid-19 疫苗接种积压的主要根本原因在 BCU 数据系统中仍然显而易见。

Covid-19 项目积压经验提出的主要建议包括 - 在选择工具**之前，而不是在部署之后，进行基础设施和劳动力评估。 - **部署与现有工作流程相一致的最小可行产品（MVP）数字系统--只有在核心系统稳定后才增加复杂性。 - 在数据量大的时期（巴塞尔公约秘书处巡视、活动结束），调动临时数据录入人员。 - 确保及时补偿**数据录入工作，包括尽可能通过数字金融服务。 - **提前制定故障排除指南和 SOP；不要依赖已经捉襟见肘的员工临时解决问题。

协调 BCU 数据与 eJRF 报告

实施 BCU 的国家通过两个主要渠道报告补加剂量：BCU 季度报告**提交给全球 MEL 工作队，而年度报告**则提交给 WHO/UNICEF 电子联合报告表 (eJRF)。这两个来源之间的差异很常见，也在意料之中--它们产生于报告期、纳入/排除标准、交付战略分类、验证时限和数据系统设计等方面的差异。为了产生一个单一的、经过验证的、能准确反映免疫接种绩效的国家数据集，一个结构化的协调过程是必不可少的。

以下 7 步流程改编自世界卫生组织非洲区域办事处制定的《协调大样本数据、常规行政数据和 eJRF 报告的标准操作程序》*。虽然该方法是针对非洲地区的情况制定的，但适用于所有实施 BCU 的国家。此外，同样的工作也可用于季度和年度免疫接种数据源的任何比较（即不仅仅是 BCU 和 eJRF）。

** 预期用户：** 国家和国家以下各级扩大免疫方案小组、世卫组织和儿基会国家办事处小组，以及负责协调、整合和监测巴塞尔公约区域股数据的区域办事处工作人员。

步骤 1：数据收集和准备{ #step-1-data-collection-and-preparation }

收集和整合巴塞尔公约区域协调单位-电子司法参考框架协调工作所需的所有相关 验证数据集：

  1. 获取最终验证的 BCU 季度数据（Q1-Q4），按年龄组（12-23 岁、24-59 岁或合并的 12-59 岁）和抗原（DTP1、DTP3、IPV、MCV1、MCV2）分列。纳入提交后的任何更正。
  2. 检索最新的 eJRF 导出。请注意，2026 年提交的 eJRF 反映的是 2025 年的数据；请确认每个数据集涵盖的年份。
  3. 检查完整性--确保所有地区或省份的所有报告都包括在内，然后再继续。
  4. 使用**标准化疫苗映射表**统一各数据集的疫苗名称和指标定义（例如，DTP1 = Penta1；MCV1 = Measles1）。在进行比较之前，应将特定国家的 DHIS2 标签映射为世界卫生组织的标准代码。

预期成果： 两个经过验证的、完整的、标注一致的数据集，可供比较。

步骤 2：数据准备{ #step-2-data-preparation }

将两个数据集标准化，以便直接比较：

  1. 将变量名称标准化，并确认两个来源指的是相同的目标人群（如 12-59 个月）。
  2. 将 BCU 季度数据按疫苗和年龄组汇总为年度总数。将季度数据保存在单独的文档中以供参考。
  3. 创建一个统一的比较表，其中列有国家、年份、疫苗、年龄组、BCU 总计、eJRF 总计、绝对差异和百分比差异。

步骤 3：数据对比和差异标记{ #step-3-data-comparison-and-discrepancy-flagging }

系统地比较两个数据集，并标出明显的差异：

  1. 计算每个抗原和年龄组的绝对差异和相对差异：
  2. 差额 = BCU - eJRF

  3. % 差值 = (BCU - eJRF) / eJRF × 100

  4. 应用差异阈值进行标记：

  5. ±5% 或更少 → 可接受的差异（绿色）
  6. ±5-10% → 需要审查（黄色）

  7. 大于 ±10% → 需要调查的重大差异（红色）

  8. 使用并排条形图或条件格式化将差异可视化，以确定哪些地方一致性强，哪些地方需要进一步分析。

良好做法： 使用版本名称（如 "Comparison_BCU_eJRF_2024_v2.xlsx"）保存比较文件，以保持可追溯性。在可能的情况下，创建自动脚本（Python、R 或 Excel 公式），以便在数据更新时重新计算差异。

步骤 4：根源分析{ #step-4-root-cause-analysis }

对于每个标记的差异，在决定纠正措施之前要确定其根本原因。常见类别包括

The status code will be 204 No Content if the data value was successfully saved or updated, or 409 Conflict if there was a validation error (e.g. more than one SHORT_NAME for the same locale). 共同事业 描述
报告期 eJRF 2024 反映 2023 年的数据；巴塞尔公约秘书处的季度数据代表 2024 年的活动 2024 年初交付的剂量误列入 2024 年 eJRF 中
纳入/排除范围 BCU 仅覆盖部分地区；eJRF 将全国所有地区汇总在一起 Y 国的业连股已在 80 个地区中的 50 个地区实施
交付战略分类 在 BCU 中，PIRI 剂量被报告为 "追赶"，但在 eJRF 中被报告为 "常规"。 相同剂量在两种报告系统中的计算方法不同
验证时间 巴塞尔公约》大学的数据在电子联合报告格式提交被锁定后得到更正 地区在 7 月修订了 DTP3 数字，但 eJRF 锁定在 6 月
补加剂量定义 国家计划和合作伙伴使用不同的业务定义 无论儿童的疫苗接种史如何，所有外联剂量都算作 "补种"。
系统设计 DHIS2 的配置没有区分常规剂量和补加剂量；所有剂量都在 "常规剂量 "下报告 由于没有分类字段，HMIS 少报了追赶剂量
纳入活动数据 核磁共振或脊髓灰质炎运动剂量算作 BCU 增补剂量 夸大 BCU 季度总数的运动剂量
部分国家以下各级报告 BCU 季度报告中缺少某些地区的内容 未提交报告的站点在 BCU 与 eJRF 中造成系统性少计

将所有发现记录在**差异日志**中，并列出抗原、年龄组、差异、差异百分比、可能原因、采取的行动和核实的时间。

步骤 5：更正和统一{ #step-5-correction-and-harmonization }

找出根本原因后，生成一个统一的数据集：

  1. 当 BCU 数据正确但与 eJRF 数据不同时： 保留 BCU 数据，作为补加剂量的官方国家参考。为统一报告编写解释性说明。确保使用统一后的数据为下一次提交 eJRF 提供信息。请注意，eJRF 数据**可通过联系 eJRF 协调中心进行追溯更正--当确认之前提交的数据存在重大错误时，可进行追溯更正。

  2. 在 BCU 数据中发现错误时： 在源一级（DHIS2、国家数据库或官方 Excel 模板）进行更正。与世卫组织/儿基会国家工作队合作，重新计算受影响的总数并重新验证。将更正后的数据集重新发送给区域办事处，并附上简短变更说明。

  3. 统一总数的验证： 召开一次由卫生部/扩大免疫方案小组、世卫组织和儿童基金 会国家办事处参加的国家验证会议或联合审查会议。使用 EPI 管理员、世卫组织免疫联络员和联合国儿童基金会卫生官员认可的签核模板记录验证情况。

主要原则： 国家自主权；透明度和可追溯性（每项更正都必须记录在案并说明理由）； 在区域合并之前进行联合验证；通过吸取经验教训不断改进。

步骤 6：文档和验证{ #step-6-documentation-and-validation }

编写**协调总结报告**，包括 - 抗原逐一对照表（统一前后） - 已查明差异及量化差异清单 - 对每项重大差异进行根本原因分析 - 经所有利益攸关方同意和验证的最终统一数字 - 为防止今后出现不一致而商定的行动和建议

获得卫生部、世卫组织和儿基会的联合签批，并将所有文件归档，进行版本控制，以备审计和今后参考。

步骤 7：质量保证和审查{ #step-7-quality-assurance-and-review }

区域办事处团队（世卫组织/儿基会）应定期审查国家统一报告，以确保各国在方法上的一致性。汲取的经验教训应纳入今后对业连股报告模板和 eJRF 数据管理流程的更新。

将补种剂量纳入常规免疫数据的长期解决方案

所需数据尺寸{ #required-data-dimensions }

BCU 和标准 EPI 数据框架均要求按**组织单位**（如地区/设施/卫生站）和**抗原和剂量编号**（如 IPV-3）进行报告。

不过，巴塞尔公约免疫联盟框架监测免疫工作的年龄分类比标准扩大免疫方案报告更为具体。标准世卫组织扩大免疫方案框架使用**<1岁**和**≥1岁**。相反，巴塞尔公约单位监测要求：

  • 三个年龄段：0-11 个月、12-23 个月、24-59 个月
  • ** 追加与按计划**剂量分类

这种细分对于监测实现巴塞尔公约单位目标的进展情况和计算基于组群的覆盖率至关重要。如果一个国家的数据输入表格不允许进行这种程度的分类，则可以报告 12-59 个月的单一合并年龄组。

Gavi季度报告和BSD分析可能还需要**其他分类**--如性别和设施/外联交付。2024 年 3 月 Gavi BCU 监测和报告表](https://www.technet-21.org/en/resources/tool/gavi-big-catch-up-monitoring-form-and-guidance) 要求按年龄组（12-23 岁和 24-59 岁）和主要抗原（DTP1、DTP3、IPV、MCV1、MCV2、bOPV）的接种方式分列数据。每增加一个分类，计数和数据录入负担就会增加一倍。各国在增加常规表格之前，应仔细评估在其报告工作流程中进行多种分类的可行性。

在莫桑比克，第一轮数据收集使用的是按抗原、性别和年龄组（0-11 岁、12-23 岁、24-59 岁）记录剂量的每日工具。第二轮改为更细化的年龄段（0-11 岁、12-23 岁、24-35 岁、36-47 岁、48-59 岁），并按免疫接种状况（从未接种、零剂量、免疫接种不足）和接种环境（流动接种队、固定接种点）进行单独跟踪。考虑采用这种精细度的国家应评估卫生工作者是否能够始终如一地完成额外的数据维度，并由主管人员进行验证。

表格设计{ #form-design }

表格设计的核心问题是，是**在现有的常规免疫（RI）数据集中合并补种报告**，还是**保留一个单独的补种部分**。每种方法对数据连续性、指标管理和实施复杂性都有不同的影响。

选项 A：一个带有扩展年龄段的综合数据集{ #option-a-one-consolidated-dataset-with-extended-age-bands }

抗原和剂量 0-11 个月 12-23 个月 24-59个月
卡介苗 1 20 2
乙肝 1 2 3
OPV 0 10
DTaP 1 20 3 1
DTaP 2 5 2
DTaP 3 4 8
乙肝病毒 2 2 3
....

该选项用与 BCU 一致的分类（0-11 个月/12-23 个月/24-59 个月）取代了常规 RI 报告表中的标准 EPI 年龄分类（< 1 岁/≥ 1 岁）。

优点： - 提供各年龄组所有疫苗剂量的单一综合视图 - 无需单独输入 BCU 数据 - 可直接从常规行政数据中进行队列监测 - 与《出生队列监测临时指南》（世卫组织/儿基会，2024 年）建议的全球出生队列监测方向一致

缺点： - ** 打破数据的连续性。** 扩展或更改年龄段需要新的数据元素--以前的数据元素和类别组合值不能在新的分类中重复使用。历史覆盖数据和趋势将无法与新数据直接比较。 - ** 需要对指标进行重新配置。** 基于现有数据元素的所有扩大免疫方案指标必须根据新的分类进行克隆。必须审查和更新引用受影响数据元素的每个计划指标、仪表板可视化和验证规则。 - **数据集迁移需要在生产部署前在开发环境中进行仔细的暂存，并涉及关闭旧数据集和管理设施级用户的过渡。

**方案 A**的实施步骤（在进行任何生产变更之前，应在开发或测试环境中完成）：

  1. 为 0-11m / 12-23m / 24-59m 年龄分类创建新的类别选项、类别和类别组合（如果系统中还没有）。
  2. 使用**数据集克隆应用程序** (https://apps.dhis2.org/app/73dd6aca-bee2-4074-89c1-34cbb15be0b6)克隆现有的 RI 数据集，添加 "新 [月/年]"等前缀，以区别于现有数据集。
  3. 在克隆数据集中，将新的类别组合应用于抗原和剂量数据元素，取代之前的年龄分类。
  4. 参照受影响的数据元素，重新创建或克隆所有计划指标和仪表板。
  5. 在开发环境中彻底测试数据输入、验证规则和指标输出。
  6. 生产准备就绪：
  7. 关闭旧的 RI 数据集（将结束日期设为上一个报告期），并取消设施级用户的数据输入权限。
  8. 为所有相关组织单位分配新数据集并配置访问权限。
  9. 在启用前向地区和设施团队介绍过渡情况。

重要提示：** 请勿删除旧数据集或其数据。必须保留历史数据，以便进行趋势分析。确保在克隆时保留共享设置。

方案 B：为弥补剂量保留一个单独的部分{ #option-b-maintain-a-separate-section-for-catch-up-doses }

抗原和剂量 < 1 年 ≥ 1 年
卡介苗 1 20 2
乙肝 1 2 3
OPV 0 10
DTaP 1 20 4
DTaP 2 7
DTaP 3 12
乙肝病毒 2 5
....
追赶剂量 12-23 个月 24-59 个月
卡介苗 1 1 1
乙肝 1 1 2
OPV 0
DTaP 1 2 1
DTaP 2 5 2
DTaP 3 5 7
乙肝病毒 2 2 3
....

该选项在现有的 RI 表格中添加了明确的 BCU 数据元素，或创建了一个配套数据集，但不改变标准 EPI 年龄分类。

优点： - 保持现有 RI 指标和时间序列的数据连续性 - 降低实施风险；无需克隆或迁移现有数据元素 - 可从优先抗原或年龄组开始逐步实施 - 可构建**施用总剂量**指标，以汇总常规和补加数据元素

缺点： - 如果将 BCU 要素纳入同一数据集，则报告表更长、更复杂 - 如果卫生工作者不清楚什么是常规计算，什么是补课计算，则有重复计算的风险 - 需要关于如何分类和记录剂量的明确指导和标准操作程序

方案 B 的实施步骤：

  1. 按抗原、剂量号和年龄段（至少 12-23 岁和 24-59 岁）定义和创建补服剂量的新数据元素。
  2. 在现有的 RI 数据集上添加一个标注清晰的 "补加剂量 "部分，或创建一个配套的 BCU 数据集，分配给相同的组织单位。
  3. 更新所有总剂量指标，以汇总每种抗原的常规和补加数据元素。
  4. 更新统计表、HBR 和月度汇总表，使其与新的数据元素保持一致。
  5. 制定明确的 SOP 和培训材料，界定卫生工作者的补课与常规分类。

建议： 随着 BCU 全球倡议的逐步结束，应尽快将补服或 "延迟 "剂量的报告纳入常规 免疫数据系统。具有较强的 DHIS2 能力并计划对常规免疫数据系统进行审查的国家可能更倾向于将方案 A 作为长期解决方案。然而，规划和动员利益攸关方参与新的和变革后的扩大免疫方案报告框架需要大量的时间和政治承诺；作为临时权宜之计，可能更倾向于为延迟剂量设立一个单独的数据集部分（方案 B）。

注

在 DHIS2 中，任何新的表格设计也意味着要更新纸质疫苗接种登记册和统计表。在 索马里，DHIS2 中对 BCU 年龄段的更改也要求更新卫生机构的纸质统计表。 索马里统计表](resources/image/screenshot_somalia_hq.png)

管理报告负担{ #managing-the-reporting-burden }

每增加一个细分维度--年龄段、性别、医疗机构与外展--卫生工作者必须计算和输入的字段数量就会增加大约一倍。一个抗原包含两个年龄段、两种性别和两种给药策略，每个报告期需要输入八个单元格，而以前只需要输入一个单元格。

对于无法进行全面分类的国家，一种务实的方法是：

  1. 按抗原和年龄段**（12-59 岁或 12-23 岁/24-59 岁）收集**总补种剂量，作为 BCU 的主要指标集。
  2. 在一份单独的简化月度摘要中报告**按性别和分娩策略**的总剂量（每个抗原每月四个数字）。
  3. 通过**定期有针对性的调查**或实地评估，而不是例行报告，获取更详细的分类数据。

这种方法与《巴塞尔公约》监测临时指南(世卫组织/儿基会，2024 年)相一致，该指南指出，各国应仅纳入其能够有效衡量和报告的指标，而不给卫生工作者和信息系统造成过重负担。

数据质量审查程序{ #data-quality-review-procedures }

BCU 数据质量审查应纳入各级日常数据管理周期。常见的数据质量挑战包括

  • 分母不匹配： 世界卫生组织/联合国儿童基金会的国家估计值和 DHIS2 的行政目标可能与地区微观计划估计值、社区绘图结果或国家以下各级调查数据有很大差异。在莫桑比克，DHIS2 估算的零剂量儿童人数比社区绘图结果高出近三倍。各国应记录其分母来源和理由，并与多个数据来源进行交叉检查。

  • 剂量分类错误： 将补种剂量记录为常规剂量会夸大管理覆盖率。应对卫生工作者进行培训，使其认识到剂量编号顺序（DTP1、DTP2、DTP3）是由儿童的接种史而非年龄决定的，与何时接种无关。所有外展接种不应被自动归类为 "补种"；在外展期按时接种第一剂的儿童正在接受常规接种。

  • **报告期不一致：**业连单位在多轮活动中开展的活动可能与月度报告期不一致。当活动数据跨越多个月时，各计划应明确规定使用哪个报告期。

  • 运动剂量： 麻疹-风疹或脊髓灰质炎运动剂量不应计入巴库补服剂量。各计划应核实 BCU 季度报告不包括 SIA 剂量，仅包括通过常规或 PIRI 方式提供的剂量。

在地区和国家数据审查会议上，应明确指出数据质量方面的挑战并将其本地化。DHIS2 验证规则可标记出难以置信的数值，例如，补种剂量超过目标人群总数，或补种剂量与常规剂量的比例出乎意料。关于如何构思和配置数据质量程序（包括验证规则和可视化）的更多详情，请参阅 DHIS2 数据质量 指南。

可持续性考虑因素{ #sustainability-considerations }

解决积压问题和提高数据质量不应被视为一次性的纠正行动，而应被视为一个持续的过程。要在 2025 年之后继续开展巴塞尔公约监测工作，需要：

  • 将及时性和完整性标准制度化： 在国家 EPI 和 HMIS 流程中纳入常规数据质量检查、 验证功能、明确的报告时限和后续机制。
  • 加强系统能力和工作人员队伍的问责制： 确保负责数据录入和验证的工作人员具备必要的技能、监督和明确的职责，以保持高质量的报告。
  • 加强数字基础设施和互操作性： 提高设备的可用性、连接性以及报告平台之间的协调性，以减少重复和延误。
  • 加强数据管理和反馈回路： 在设施、地区和国家各级之间建立定期审查会议、综合仪表板和结构化反馈渠道。
  • 确保财务承诺： 包括数据捆绑、设备更换、数字系统维护以及国家免疫和卫生信息系统计划中的例行培训的预算项目。

仍在最后确定数字系统定制工作的国家可利用现有资源，包括RTM 准备情况核对表, the DHIS2 BCU module 和赶超制度化评估工具。

赶超战略和地区保健系统

将 BCU 数据与其他 HMIS 来源进行三角对比{ #triangulating-bcu-data-with-other-hmis-sources }

卫生管理信息系统（HMIS）内外的其他信息来源可用于对数据质量进行三角测量、验证覆盖范围估计值，并为巴塞尔公约医疗保险股（BCU）计划决策提供信息。

社区卫生信息系统 (CHIS){ #community-health-information-systems-chis }

社区保健工作者 (CHW) 在识别和登记零剂量和免疫接种不足的儿童方面发挥着关键作用。在 坦桑尼亚，社区保健员被派去识别未接种任何疫苗的大龄儿童，并将他们转介到医疗机构。

如果社区保健工作者生成的数据流入社区卫生信息系统 (CHIS)，则可将其与设施层面的 EIR 或 BCU 综合数据联系起来，以跟踪被转介的儿童随后是否接种了疫苗。这种三角测量可提高覆盖率估算的可靠性，并支持对未接种者进行跟踪。

有关 DHIS2 中 CHW 数据的更多信息，请参阅 DHIS2 CHIS 工具包 。

行为和社会驱动因素 (BeSD) 数据{ #behavioural-and-social-drivers-besd-data }

BeSD 调查捕捉了影响疫苗接种的社会和行为因素。五项优先指标--对疫苗益处的信心、家庭规范、接种意愿、对接种地点的了解以及可负担性--为设计需求创造战略提供了可操作的信息。应在开展 BCU 活动的同时收集 BeSD 数据，按性别分类进行分析，并与免疫接种覆盖率数据进行比较，以确定哪些社区的低覆盖率是由需求方障碍而非供应或接种限制造成的。Gavi BCU 监测和报告表](https://www.technet-21.org/en/resources/tool/gavi-big-catch-up-monitoring-form-and-guidance) 建议将 BeSD 评估作为 BCU 监测的标准组成部分。

有关 DHIS2 中 BeSD 数据的更多信息，请参阅 DHIS2 免疫接种需求工具包 以及 Big Catch Up toolkit 中的 BeSD 部分。

卫生设施评估和准备就绪数据{ #health-facility-assessments-and-readiness-data }

设施准备情况评估可提供补充证据，说明造成覆盖率低的供应方决定因素--疫苗库存可用性、冷链状态、训练有素的工作人员在岗情况以及开放时间。在有需求但常规 RI 覆盖率却很低的情况下，设施准备情况数据有助于区分计划失败（服务不足）和需求失败（护理人员不来接种）。

有关卫生机构评估的更多信息，请参阅DHIS2 卫生机构概况工具包。

快速便利调查{ #rapid-convenience-surveys }

面临数据不一致或迟报挑战的国家可使用**快速便利调查（RCS）**来验证地区或社区一级的行政数据。埃塞俄比亚 在 DHIS2 报告不完整或不可靠的情况下，将快速方便调查作为巴库行政数据的验证工具。

监督和远程监控{ #supervision-and-remote-monitoring }

支持性监督是巴塞尔公约机构数据质量保证的重要组成部分。各国采用了一系列方法：

  • 在阿富汗、布隆迪、埃塞俄比亚、莫桑比克、巴基斯坦和索马里部署了用于实地监测的**数字化监督核对表**。ODK 等工具中的数字化核对表实现了服务质量和数据记录做法的标准化数据收集，并在地区和国家一级迅速汇总结果。
  • 通过 Microsoft Teams 举行远程审查会议（科摩罗、马达加斯加、尼日利 亚），地区和国家以下各级团队无需出差即可与国家对口单位和合作伙伴共同审查数 据。
  • 根据埃塞俄比亚和喀麦隆的实施经验，建议在巴塞尔公约执行股巡视期间举行**日评估会议**，以便迅速查明和应对覆盖面缺口和数据记录问题。
  • 基于WhatsApp的算法传播（吉尔吉斯斯坦）为卫生工作者提供了关于补课时间安排的可视化指导，供他们在提供服务时参考。

国家以下各级数据使用和审查{ #subnational-data-use-and-review }

巴塞尔公约各成员国的经验一致表明，**结构化的数据审查流程比单纯的仪表板**更能有效推动覆盖率的提高。在赞比亚，每月围绕谷歌工作表数据召开的社区级审查会议使当地团队能够识别低覆盖率地区并采取应对措施。在喀麦隆，IASO 工具的实时数据使低覆盖率地区能够立即做出调整。在尼日利亚，在 BCU 巡视期间举行的每日晚间审查会议使团队能够实时解决问题。在布隆迪，DHIS2 数据录入工作在三天内完成，地区医疗官员每月验证数据--这是结构化问责制如何防止积压的典范。

对于**制度化的**赶超监测，各国应建立定期的国家以下各级数据审查周期--最好是每月一次在地区一级进行--明确的议程包括

  1. 按抗原和年龄段审查 BCU 的目标覆盖率
  2. 确定覆盖率低或零剂量负担重的设施或社区
  3. 数据质量检查（完整性、可信度、跨源一致性）
  4. 下一个报告期的行动规划
  5. 记录决定和后续行动

引用