中国衢州地区疫苗接种与自然感染对SARS-CoV-2 IgG抗体水平的协同效应研究：混合免疫保护机制解析

这篇研究通过化学发光微粒子免疫分析法(CMIA)检测3494名受试者的抗SARS-CoV-2 IgG水平，揭示在奥密克戎(Omicron)BA.5.2/BF.7变异株流行背景下，疫苗接种状态（初级接种/首剂加强/二剂加强）、感染状态（突破性感染/自然感染）和职业因素是影响抗体浓度的关键变量。研究发现突破性感染组抗体浓度最高(407.50 AU/mL)，决策树模型显示疫苗接种对抗体浓度影响大于感染，而感染对血清阳性率(SPR 97.28%)影响更显著，为优化混合免疫(hybrid immunity)策略提供了重要依据。

　　

研究设计与人群特征
在奥密克戎(Omicron)BA.5.2/BF.7变异株主导的疫情背景下，这项横断面研究采用多阶段分层随机抽样方法，对浙江衢州6个县区的3494名3岁以上居民进行调查。研究排除了当前SARS-CoV-2感染者，通过化学发光微粒子免疫分析法(CMIA)检测血清抗N/S1 IgG抗体，检测范围0-8000 AU/mL，临界值设定为10.06 AU/mL（Youden指数最高点对应值）。人群总体抗体水平中位数为396.53 AU/mL，血清阳性率高达97.28%。

免疫应答影响因素分析
多变量回归模型显示，居住县域（衢江vs.开化/江山）、年龄增长（呈现轻微负相关）、职业类型（学生抗体水平显著较高）以及免疫状态是主要影响因素。值得注意的是：

1. 疫苗接种状态中，未接种者抗体浓度最低(42.67 AU/mL)，完成二剂加强者最高(414.04 AU/mL)
2. 突破性感染组抗体浓度(407.50 AU/mL)显著高于单纯疫苗接种组(373.49 AU/mL)和自然感染组(44.97 AU/mL)
3. 感染间隔时间超过3个月与抗体浓度无显著相关性(p=0.971)

决策树模型揭示的免疫规律
采用CHAID技术构建的决策树模型呈现以下重要发现：
• 抗体浓度模型（3层5节点）：疫苗接种状态（首要影响因素）＞感染状态＞职业

• 最大群体（40.3%）为完成初级/首剂加强接种且非学生的感染者，预测抗体浓度363.92 AU/mL
• 二剂加强接种者预测浓度最高(420.65 AU/mL)
  • 血清阳性率模型（2层3节点）：感染状态＞疫苗接种状态
• 感染且完成初级以上接种者阳性概率最高(99.6%)

不同免疫来源的抗体特征
通过Loess平滑法分析年龄趋势发现：

1. 未接种未感染组：抗体浓度呈双峰分布（＜10岁和＞60岁），中位数42.67 AU/mL
2. 自然感染组：86例感染者抗体响应较弱(44.97 AU/mL)，与未接种组无统计学差异
3. 疫苗接种组：688例受试者显示剂量依赖性响应
   • 部分接种：95.03 AU/mL
   • 初级接种：374.17 AU/mL
   • 首剂加强：349.71 AU/mL
   • 二剂加强：414.04 AU/mL（显著高于其他组）
4. 突破性感染组：2668例呈现最强应答
   • 各接种状态间存在显著差异(p＜0.05)
   • 二剂加强者达432.61 AU/mL

方法学讨论与局限
研究采用CMIA法检测IgG抗体，相比传统中和试验具有操作简便、可标准化等优势，但存在以下局限：

1. 单时间点检测无法反映抗体动态衰减
2. 10 AU/mL的临界值在奥密克戎变异株背景下可能需要重新校准
3. 未分析T细胞免疫等保护性相关因素
   值得注意的是，突破性感染占76.36%，提示即使在高抗体水平下仍可能发生感染，这与既往研究显示的抗体水平与保护效力非完全线性相关的结果一致。

公共卫生意义
该研究为混合免疫策略提供了重要证据：
• 证实疫苗接种（尤其是加强接种）与自然感染的协同效应
• 提示当前血清阳性率阈值可能需要针对奥密克戎变异株调整
• 为高风险职业人群（如公共服务人员）的加强免疫提供数据支持
研究结果支持继续推进加强接种策略，同时强调需要开发更精准的免疫保护评估体系，以应对不断变异的病毒株。