军事医疗系统中种族 / 民族数据准确性研究：为健康公平筑牢数据根基

《Journal of Racial and Ethnic Health Disparities》：Statistical Accuracy of Administratively Recorded Race/Ethnicity in the Military Health System and Race/Ethnicity Ascertained via Questionnaire

为探究军事医疗系统（MHS）种族 / 民族数据准确性，研究人员对比分析，发现数据存在错分和缺失，影响健康研究。

　　在当今医疗领域，种族和民族因素对健康的影响备受关注。不同种族 / 民族群体在疾病负担上存在着显著差异，就像在新冠疫情期间，SARS-CoV₂感染率和 COVID-19 的患病结果在不同种族 / 民族中就大不相同。然而，美国军事医疗系统（MHS）中种族 / 民族数据的状况却令人担忧。一方面，数据存在错分情况，一些人的种族 / 民族被错误归类；另一方面，大量数据缺失，这给准确识别和解决健康差异带来了极大阻碍。若无法精准掌握这些数据，就如同在黑暗中摸索，难以制定出有效的医疗策略，保障不同种族 / 民族人群的健康权益。

为了打破这一困境，来自美国 Uniformed Services University of the Health Sciences、Henry M. Jackson Foundation for the Advancement of Military Medicine 等机构的研究人员展开了深入研究。他们的研究成果发表在《Journal of Racial and Ethnic Health Disparities》上，为解决 MHS 中种族 / 民族数据问题提供了关键线索。

在研究过程中，研究人员采用了多种关键技术方法。他们以 Epidemiology, Immunology, and Clinical Characteristics of Emerging Infectious Diseases with Pandemic Potential（EPICC）队列研究中通过问卷调查收集的自我报告种族 / 民族数据作为 “黄金标准”，与 MHS 数据存储库（MDR）中行政记录的种族 / 民族数据进行对比。在统计分析时，运用了计算敏感性、阳性预测值（PPV）和 Cohen's kappa 系数等方法，全面评估数据的准确性。

研究结果显示，在现役 / 退休军人（AD/R）中，不同种族 / 民族数据的准确性有所差异。非西班牙裔（NH）白人、NH 黑人、西班牙裔和 NH 亚裔 / 太平洋岛民（A/PI）的敏感性和 PPV 相对较高，分别为（0.93, 0.96）、（0.90, 0.92）、（0.80, 0.93）和（0.84, 0.95）；而 NH 美国印第安人 / 阿拉斯加原住民（AI/AN）和 NH 其他种族的敏感性和 PPV 较低，分别为（0.62, 0.57）和（0.09, 0.03）。对于家属（DB）而言，情况更为糟糕，MDR 中约 63% 的家属种族 / 民族数据缺失，且敏感性值（除 PPV 外）相较现役 / 退休军人低很多，如 NH 白人（0.35, 0.88）、NH 黑人（0.55, 0.89）、西班牙裔（0.13, 1.00）和 NH A/PI（0.28, 0.84）。

进一步分析发现，种族 / 民族数据的准确性在不同年龄组、性别和军种间并无显著差异。但在研究过程中，也发现了一些特殊情况。例如，对于在 EPICC 问卷中报告多种种族的参与者，其在 MDR RACE_CD 变量中的记录情况并不一致；NH/OPI 参与者在 MDR 中的分类也较为混乱，部分被错误分类。

从研究结论和讨论来看，此次研究意义重大。这是首次对 MHS 受益人群中 MDR RACE_CD 和 RACE_ETHNC_CD 变量与问卷报告的种族 / 民族数据进行一致性评估。研究揭示了 MDR 种族 / 民族数据存在的问题，尤其是在少数群体中错分现象明显，家属数据缺失严重。这些问题不仅影响了对健康差异的研究，也对 MHS 中与 COVID-19 相关的研究以及其他健康研究造成了阻碍。

与其他研究对比发现，NH 白人、NH 黑人在行政数据库中相对更易被准确分类，而西班牙裔、NH 亚裔和 AI/AN 个体常被误分类。MDR 中家属种族 / 民族数据缺失的原因可能与 DEERS 系统的信息录入和管理方式有关，如数据可能复制自赞助商、录入人员未确认、相关申请未设种族 / 民族字段以及人员无法查看或编辑等。对于 AI/AN 种族，其在 MDR 中的准确性较低，可能是由于系统、政策和个体等多方面因素，且该种族身份的自我报告也随时间发生变化，MDR 仅报告单一种族，难以准确捕捉其信息。此外，“其他” 种族类别在 MDR 中也存在较高的错分情况，这与西班牙裔 / 拉丁裔身份的复杂性有关。同时，MDR 将 “亚洲” 和 “夏威夷原住民或其他太平洋岛民” 合并为单一的 A/PI 类别，不符合 OMB 标准，掩盖了不同亚组在健康服务获取和健康结果上的差异。

随着 MHS 向 MHS GENESIS 电子健康记录系统过渡，如何准确捕捉种族 / 民族数据成为未来研究的重要方向。为了有效识别和减少健康差异，包括 COVID-19 及未来大流行相关的健康差异，降低种族 / 民族数据的错分率、提高数据完整性迫在眉睫。这不仅有助于提升军事医疗系统的服务质量，保障不同种族 / 民族人群的健康权益，也为全球医疗领域在处理种族 / 民族数据问题上提供了宝贵的参考经验。