原始论文
摘要
背景:个性化的风险评估可以帮助医疗提供者确定咨询和降低风险干预的目标人群。
摘要目的:本研究的目的是基于独立的MSM队列,为中国男男性行为者(MSM)开发一种基于社交媒体平台的HIV风险预测工具,以帮助医疗提供者确定咨询和降低风险治疗的目标人群。
方法:2009年至2016年,来自中国沈阳的MSM前瞻性队列被用于开发和验证预测模型。将符合条件的MSM随机分配到训练和验证数据集中,并使用训练数据集中选择的HIV血清转换预测因子进行Cox比例风险回归建模。进行判别和校正,构建相关的nomogram和基于social media平台的HIV风险评估工具。
结果:训练数据集和验证数据集的样本特征相似。风险预测模型确定了以下艾滋病毒血清转换的预测因素:用于寻找男性性伴侣的主要场所,有无避孕套的接受性或插入性肛交,以及使用rush poppers。这个模型校准得很好。在训练数据集中,引导c指数为0.75 (95% CI 0.65-0.85),在验证数据集中为0.60 (95% CI 0.45-0.74)。校准图显示,在训练和验证数据集中,预测风险与未感染艾滋病毒的实际比例之间具有良好的一致性。开发了基于Nomogram和微信的男男性行为者艾滋病发病风险评估工具。
结论:这种基于社交媒体平台的艾滋病毒感染风险预测工具可以轻松分发,提高对个人艾滋病毒感染风险的认识,并根据艾滋病毒感染风险对MSM人群进行分层,从而为艾滋病毒感染风险最高的MSM人群提供有针对性的干预措施。
doi: 10.2196/13475
关键字
介绍
背景
艾滋病毒预防和控制面临的一项重大全球挑战是艾滋病毒流行集中在男男性行为者中[
]。在中国,每年报告的男同性恋者艾滋病感染病例非常高。2015年,男同性恋者艾滋病毒感染率为8%,男同性恋者艾滋病毒发病率为5.61例/ 100人年[ ]。为了到2030年结束全球艾滋病毒流行,联合国艾滋病毒和艾滋病联合规划署(艾滋病规划署)制定了90-90-90战略,其中第一个“90”目标是到2020年使90%的艾滋病毒感染者知道自己的艾滋病毒血清状况[ ]。然而,据估计,50%感染艾滋病毒的中国男同性恋者不知道自己的血清状况[ ],只有60.5%的中国男同性恋者一生中接受过艾滋病毒检测[ ]。中国男同性恋者HIV检测率低可能是由于对其个人HIV感染风险的评估不准确造成的。一项关于感知风险和艾滋病毒感染的研究发现,在研究中被诊断为艾滋病毒的参与者中,超过50%的人认为他们一生中感染艾滋病毒的风险很低或没有[ ]。鉴于男同性恋者感染艾滋病毒的风险各不相同,确定艾滋病毒血清转化风险较高的男同性恋者可以改善有针对性的预防干预措施,其中包括艾滋病毒筛查和暴露前预防(PrEP) [
]。近年来,前瞻性队列研究检查了MSM中的HIV血清转换预测因素,包括多性伴侣、无避孕套肛交、性传播感染和使用rush poppers [ ]。Rush poppers是多种亚硝酸盐的可吸入混合物,在MSM社区中经常使用,因为它们可以放松平滑肌,扩张外周血管,缓解肛交时的疼痛,从而增加性快感[ ]。深入了解这些预测因素可以更准确地预测男男性行为者的艾滋病毒血清转化风险。已经开发了几个针对MSM的风险评估模型来量化这种风险,包括丹佛模型[ ],北卡罗莱纳大学马拉维分校风险筛查评分模型[ ],以及圣地亚哥早期测试(SDET)评分模型[ ]。此外,针对中国MSM人群,已建立了HIV感染风险预测模型[ , ]。然而,之前提到的所有模型都是使用横断面调查数据开发的,因此不能预测HIV血清转换的纵向风险。Menza评分是一种风险预测模型,可以预测纵向HIV血清转换的风险,因为它使用了前瞻性队列数据[ ]。但数据来源于美国的MSM人群,由于MSM人群的社会文化人口分布和风险因素存在差异,该模型不能直接适用于中国的MSM人群[ ]。社交媒体是建立虚拟社区和网络的重要沟通工具,尤其是在男男性接触者群体中。微信是中国最受欢迎的即时通讯和社交媒体应用;2018年,它的月活跃用户超过10亿。
]。一项针对中国男同性恋者的在线调查显示,57.9%的受访者使用在线约会应用,这些应用与高风险的性行为有关,可能会营造一个虚拟的环境,增加性传播疾病的风险[ ]。然而,大多数已发布的MSM艾滋病风险预测模型都是通过网页传播的,而不是通过更新的社交媒体平台。目标
本研究旨在建立一个基于流行社交媒体平台的前瞻性队列衍生的HIV血清转换纵向风险评估工具,为MSM提供方便的访问,以确定他们的个性化HIV发病风险并告知有针对性的干预措施。
方法
研究设计和参与者
开放前瞻性队列采用滚雪球抽样法,从2009年1月至2016年1月在中国医科大学第一附属医院志愿咨询检测中心对来自中国沈阳的MSM人群进行随访[
]。男同性恋群体是由社区组织领导人从浴室、酒吧、同性恋社区的社交媒体应用程序和其他场所招募的。最初的参与者被要求招募合作伙伴或同行参与调查,并为每位招募参与者提供50元人民币(约8美元)。经书面知情同意后,合格的参与者在私人咨询室接受训练有素的工作人员的面对面访谈。访谈询问了人口统计、性行为和物质使用情况,包括娱乐性药物使用史,以及参与者在过去3个月内是否使用过poppers和/或甲基苯丙胺。安全套和润滑剂免费分发给每一位男同性恋者。对每位参与者都进行了HIV-1和梅毒检测。在基线和后续HIV-1和梅毒测试中,为每位参与者提供测试前和测试后咨询。队列纳入标准如下:(1)15岁或以上,(2)自我报告过去6个月内与男性伴侣肛交和/或口交经历的男性,(3)基线HIV抗体和核酸筛查阴性,以及(4)本人或监护人签署的知情同意书。研究参与者被分配了一个唯一的六位数个人识别码,用于将他们的测试结果与人口统计信息联系起来。艾滋病毒感染的潜在危险因素
在本队列中,可能与男男性行为者HIV血清转换相关的因素包括人口统计学特征、性行为、性角色、肛交时使用避孕套、男性性伴侣数量和娱乐性毒品使用史。我们使用了过去3个月的召回窗口。我们使用的是艾滋病相关知识问卷,共8道题,每道题答对1分。问卷内容如下:
- 一个健康的人有可能感染艾滋病毒吗?
- 携带HIV病毒的血液或血液制品会传播HIV病毒吗?
- 与他人共用针头会传染艾滋病毒吗?
- 避孕套的使用能降低感染艾滋病毒的风险吗?
- 有一个艾滋病毒阴性的一夫一妻制伴侣是否会降低感染艾滋病毒的风险?
- 艾滋病毒能从艾滋病毒阳性的孕妇传染给她的婴儿吗?
- 艾滋病毒会通过与艾滋病毒阳性患者共进晚餐而传播吗?
- 艾滋病毒能通过蚊子叮咬传播吗?( ]
我们将HIV血清转化的结果定义为一个基线HIV抗体血清阴性病例,在随访期间血清转化为HIV抗体血清阳性病例。我们将HIV血清转换时间定义为最后一次检测HIV血清阴性日期和第一次检测HIV血清阳性日期之间的中点日期。
实验室检测
随访期间每3个月进行一次HIV和梅毒检测。采用酶联免疫吸附试验(ELISA)进行HIV筛查,疑似阳性病例采用Western blot进一步确诊。HIV-1抗体阴性的病例和Western blot不确定或阴性的阳性病例通过聚合实时聚合酶链反应进一步确认为阴性(Cobas Amplicor HIV-1 MONITOR Tom Test, v1.5, Roche, 21118390123)。采用快速血浆反应素试验(RPR;梅毒螺旋体颗粒试验(TPPA, Serodia,日本)进一步证实阳性病例。血浆RPR和TPPA阳性的参与者被认为目前感染了梅毒。
统计分析和微信小程序的构建
整个数据集以大约2:1的比例随机分为训练数据集和验证数据集。变量选择采用Cox回归模型中基于赤池信息准则的逆向变量选择方法。带有a的变量P对单变量Cox回归模型中值小于。25的变量进行多变量回归选择P在最终模型中保留小于0.05的值。我们使用了10,000个样本的自举重采样程序来测试训练和验证数据集中预测得分的稳定性。我们也用了考克斯。zph函数在R的“生存”包中检验比例危害假设的有效性。采用自举重采样方法评价了鉴别和校准性能指标的内部和外部一致性。使用Harrell一致性统计量(c指数)评估歧视,并通过比较未发生艾滋病毒感染的实际比例与每十分位数Kaplan-Meier估计值得出的未发生艾滋病毒感染的预测概率进行校准。我们使用多种imputation方法来解决缺失值。如果变量的缺失量超过50%,它就会被丢弃。基于已识别的风险因素的预测模型,构建了预测模型的nomogram,以便对预测的2年和4年累积风险进行可视化估计。或者,可以使用基于微信的艾滋病毒风险计算器来计算感染艾滋病毒的风险。 The WeChat-based HIV risk calculator was designed as follows: (1) the system adopts client-server structure to communicate with transmission control protocol and the Internet Protocol protocol; (2) the server adopts model-view-controller design and the client is developed by WeiXin Markup Language, JavaScript based on the WeChat platform; (3) build relational database MySQL for data storage; and (4) build and run an HIV risk assessment software program on a WeChat applet compatible with iOS and Android mobile devices. We developed three stratified risk subgroups using the tertial cutoff points of the linear prediction value for risk stratification [
]。用对数秩检验比较三个危险亚组间HIV血清转化的累积发生率。预测的2年和4年绝对风险由基线概率计算,相对风险分布由Cox比例风险回归模型开发。所有统计分析均采用SAS 9.4 (Cary, NC, USA)和R软件版本2.13.2进行。一个双边P值小于0.05被认为有统计学意义。研究方案经中国医科大学沈阳第一附属医院机构审查委员会批准([2011]-36)。结果
队列的选择和特点
我们检查了2009年1月至2016年1月在中国沈阳随访的3503例男性男性男性的开放队列的医疗记录。在排除了没有随访数据或基线时HIV阳性的参与者后,999名MSM被纳入模型构建。其中,667个MSM随机放置在训练数据集中,332个随机放置在验证数据集中(
)。在整个数据集中,MSM的平均年龄为27.5岁(SD 9),范围为15 - 68岁。总体而言,48.7%(487/999)为24岁或以下,65.1%(650/999)为本地户籍,85.8%(857/999)为汉族,65.3%(652/999)月收入低于430美元,75.3%(752/999)为单身,39.8%(398/999)为大专及以上学历,55.9%(558/999)艾滋病知识得分低于8分。总体数据集、训练数据集和验证数据集的特征之间没有统计上的显著差异,这表明随机化到每个子集工作得很好(
)。特征和亚组 | 总体数据集(N=999), N (%) | 训练数据集(n=667), n (%) | 验证数据集(n=332), n (%) | P价值 | |
年龄(年) | 点 | ||||
≤24 | 487 (48.7) | 317 (47.5) | 170 (51.2) | ||
>24 | 512 (51.3) | 350 (52.5) | 162 (48.8) | ||
当地的住宅 | 正 | ||||
是的 | 650 (65.1) | 431 (64.6) | 219 (66.0) | ||
没有 | 349 (34.9) | 236 (35.4) | 113 (34.0) | ||
种族 | 总共花掉 | ||||
汉族以外的 | 142 (14.2) | 96 (14.4) | 46 (13.9) | ||
汉 | 857 (85.8) | 571 (85.6) | 286 (86.1) | ||
月收入(美元) | 54 | ||||
<430 | 652 (65.3) | 431 (64.6) | 221 (66.6) | ||
≥430 | 347 (34.7) | 236 (35.4) | 111 (33.4) | ||
教育 | 结果 | ||||
不到高中 | 342 (34.2) | 224 (33.6) | 118 (35.5) | ||
高中 | 259 (25.9) | 176 (26.4) | 83 (25.0) | ||
大专及以上学历 | 398 (39.8) | 267 (40.0) | 131 (39.5) | ||
婚姻状况 | 的相关性 | ||||
单 | 752 (75.3) | 507 (76.0) | 245 (73.8) | ||
已婚的:与伴侣结婚或同居的 | 247 (24.7) | 160 (24.0) | 87 (26.2) | ||
艾滋病知识评分 | .64点 | ||||
<8 | 558 (55.9) | 376 (56.4) | 182 (54.8) | ||
8 | 441 (44.1) | 291 (43.6) | 150 (45.2) | ||
与男性发生性行为的年龄(年) | 算下来 | ||||
< 30 | 917 (91.8) | 610 (91.5) | 307 (92.5) | ||
≥30 | 82 (8.2) | 57 (8.5) | 25 (7.5) | ||
主要用于寻找男性性伴侣 | 收 | ||||
互联网 | 527 (52.8) | 360 (54.0) | 167 (50.3) | ||
酒吧/舞厅 | 43 (4.3) | 31 (4.6) | 12 (3.6) | ||
公园/公共浴 | 429 (42.9) | 276 (41.4) | 153 (46.1) | ||
有固定的男性性伴侣 | .59 | ||||
是的 | 571 (57.2) | 385 (57.7) | 186 (56.0) | ||
没有 | 428 (42.8) | 282 (42.3) | 146 (44.0) | ||
有没有随意的男性性伴侣 | .74点 | ||||
是的 | 597 (59.8) | 396 (59.4) | 201 (60.5) | ||
没有 | 402 (40.2) | 271 (40.6) | 131 (39.5) | ||
男性性伴侣数量 | 公布 | ||||
<3 | 612 (61.3) | 408 (61.2) | 204 (61.4) | ||
≥3 | 387 (38.7) | 259 (38.8) | 128 (38.6) | ||
有无避孕套插入肛交 | 点 | ||||
是的 | 384 (38.4) | 261 (39.1) | 123 (37.0) | ||
没有 | 615 (61.6) | 406 (60.9) | 209 (63.0) | ||
有无避孕套肛交 | .51 | ||||
是的 | 351 (35.1) | 239 (35.8) | 112 (33.7) | ||
没有 | 648 (64.9) | 428 (64.2) | 220 (66.3) | ||
Rush poppers使用 | .92 | ||||
是的 | 100 (10.0) | 65 (9.7) | 35 (10.5) | ||
没有 | 538 (53.9) | 361 (54.1) | 177 (53.3) | ||
不可用 | 361 (36.1) | 241 (36.1) | 120 (36.1) | ||
梅毒检测呈阳性 | 55 | ||||
是的 | 81 (8.1) | 57 (8.5) | 24 (7.2) | ||
没有 | 685 (68.6) | 450 (67.5) | 235 (70.8) | ||
没有测试 | 233 (23.3) | 160 (24.0) | 73 (22.0) |
Cox回归分析和风险评分公式
列出了MSM人群HIV血清转换的独立预测因素,其风险比由多变量Cox比例风险回归模型计算。无安全套插入性肛交的风险较低(beta=−1.51,校正风险比[aHR]=0.22, 95% CI 0.09-0.55,P=.001)相比没有避孕套插入肛交。无安全套肛交的风险更高(beta=1.10, aHR=3.01, 95% CI 1.48-6.16,P=.003)。以互联网为主要场所寻找男性性伴侣的风险更高(beta=0.99, aHR=2.70, 95% CI 1.02-7.14,P=.046)或以酒吧或舞厅为主要场所寻找男性性伴侣(beta=2.06, aHR=7.84, 95% CI 2.64-22.91,P(beta=0.88, aHR=2.40, 95% CI为1.10-5.27,P=.03)。因此,HIV预测Cox回归模型如下:
F(t) = 1−[年代 0(t)]exp(−1.51)× x 1 + 1.10× x 2 + 0.99× x 3. 一个 + 2.06× x 3. b + 0.88× x 4)))
在哪里F (t)是一段时间内(以年为单位)发生HIV感染的风险函数或概率,年代0(t)为基线生存函数;x1有无避孕套插入性肛交(0=否,1=是),x2有无避孕套肛交(0=否,1=是)x3a寻找男性性伴侣的主要场所是互联网(1=互联网,0=公园/公共浴室),和的虚拟变量是x3b寻找男性性伴侣的主要场所是酒吧还是舞厅的虚拟变量(1=酒吧/舞厅,0=公园/公共浴场),和x4是否使用rush poppers(0=否,1=是)。根据Kaplan-Meier估算,未感染艾滋病毒的概率,年代0,基线0.96,1年0.90,2年0.86,3年0.80,4年0.74。
模型判别与标定
训练数据集的c指数为0.75 (95% CI 0.65-0.85),验证数据集的c指数为0.60 (95% CI 0.45-0.74)。2年和4年无HIV感染概率的校准图显示,在训练和验证数据集中,预测风险与无HIV感染的实际比例之间具有良好的一致性(
)。特征和亚组 | 单变量分析 | 多变量分析 | |||
空空的一个(95%置信区间) | P价值 | aHRb(95%置信区间) | P价值 | ||
年龄(年) | |||||
≤24 | 1.00 | ||||
>24 | 0.98 (0.62 - -1.54) | .92 | - - - - - -c | - - - - - - | |
当地的住宅 | |||||
是的 | 1.00 | ||||
没有 | 0.97 (0.61 - -1.54) | .89 | - - - - - - | - - - - - - | |
种族 | |||||
汉族以外的 | 1.00 | ||||
汉 | 1.09 (0.58 - -2.07) | 尾数就 | - - - - - - | - - - - - - | |
月收入(美元) | |||||
<430 | 1.00 | ||||
≥430 | 0.89 (0.70 - -1.14) | 36 | - - - - - - | - - - - - - | |
教育 | |||||
不到高中 | 1.00 | ||||
高中 | 0.72 (0.40 - -1.31) | 29 | - - - - - - | - - - - - - | |
大专及以上学历 | 1.09 (0.65 - -1.84) | 综合成绩 | - - - - - - | - - - - - - | |
婚姻状况 | |||||
单 | 1.00 | ||||
已婚的:与伴侣结婚或同居的 | 0.50 (0.27 - -0.91) | 02 | - - - - - - | - - - - - - | |
艾滋病知识评分 | |||||
<8 | 1.00 | ||||
8 | 0.86 (0.53 - -1.39) | 54 | - - - - - - | - - - - - - | |
初次性行为年龄(年) | |||||
< 30 | 1.00 | ||||
≥30 | 0.14 (0.02 - -0.98) | 02 | - - - - - - | - - - - - - | |
主要用于寻找男性性伴侣 | |||||
互联网 | 1.81 (1.08 - -3.04) | 02 | 2.70 (1.02 - -7.14) | .046 | |
酒吧/舞厅 | 5.58 (2.09 - -14.93) | <措施 | 7.84 (2.64 - -22.91) | 03 | |
公园/公共浴 | 1.00 | ||||
男性性伴侣数量 | |||||
<3 | 1.00 | ||||
≥3 | 2.06 (1.29 - -3.28) | .002 | - - - - - - | - - - - - - | |
有无避孕套插入肛交 | |||||
是的 | 0.66 (0.41 - -1.07) | .09点 | 0.22 (0.09 - -0.55) | 措施 | |
没有 | 1.00 | 1.00 | |||
有无避孕套肛交 | |||||
是的 | 1.60 (1.00 - -2.50) | .047 | 3.01 (1.48 - -6.16) | .003 | |
没有 | 1.00 | 1.00 | |||
Rush poppers使用 | |||||
是的 | 2.34 (1.10 - -5.00) | 04 | 2.40 (1.10 - -5.27) | 03 | |
没有 | 1.00 | 1.00 | |||
梅毒检测呈阳性 | |||||
是的 | 1.59 (0.85 - -2.98) | 酒精含量 | - - - - - - | - - - - - - | |
没有 | 1.00 |
一个cHR:原油危险比。
baHR:调整后的危险比。
c不适用。
开发艾滋病毒风险评估工具
为了便于公共卫生工作者和MSM社区应用我们的模型,我们构建了一个nomogram和一个基于社交媒体平台的计算器。nomogram nomogram nomogram nomogram nomogram nomogram nomogram nomogram nomogram nomogram nomogram nomogram nomogram nomogram nomogram
)。由于微信是中国最受欢迎的社交媒体应用,我们还开发了一个基于微信的风险计算器,可通过二维码访问,以方便分发我们的风险预测模型( )。使用nomogram或基于微信的风险计算器,MSM个体可以输入自己的艾滋病毒相关行为特征,并快速了解自己未来感染艾滋病毒的客观风险。为了便于这两种工具的使用,基于Cox回归的线性风险预测因子的tertile截断点被用于将MSM分层为低、中、高危亚组,截断点被确定为0.10和0.77。log-rank检验表明,训练数据集中的三个亚组之间无HIV感染事件的概率存在显著差异(P<.001),以及验证数据集中的三个子组之间的不同趋势(P= .19;
)。讨论
主要研究结果
本研究基于开放的前瞻性MSM队列数据构建了艾滋病毒感染风险评估模型,并开发了两种工具来传达这种个性化的艾滋病毒感染风险(即nomogram和基于微信的风险计算器)。这些工具可以为男同性恋者提供随着时间推移发生艾滋病毒感染的准确客观风险,从而可以将男同性恋者分为不同的风险亚组(即低、中、高风险)。微信小程序是通过中国最流行的社交媒体平台构建和分发的,以方便使用这一工具。
我们的研究发现,使用rush poppers是MSM中HIV血清转化的独立预测因素。研究报告称,使用rush poppers与感染艾滋病毒风险较高的性行为有关,如多个性伴侣、商业性行为和群体性行为[
]。因此,我们在模型中纳入艾滋病毒血清转换的风险因素与之前的发现是一致的。与Menza模型相似,Menza模型使用西雅图和金县性病诊所的电子记录来估计基于Cox比例风险模型的艾滋病毒感染的风险比,与艾滋病毒阳性或未知状态的伴侣进行无保护肛交是Menza评分中公认的艾滋病毒血清转化的预测因素[ ],我们也发现这个预测因子在我们的多变量分析中是显著的。因此,卫生部门应立即通知艾滋病毒呈阳性的个人的伴侣,并为其提供检测和治疗,以诊断和减少继发艾滋病毒传播[ ]。我们还发现,与寻找男性性伴侣的主要场所是公园或公共浴室相比,主要场所是酒吧或俱乐部或互联网是MSM中艾滋病毒血清转换的独立预测因素。广东省HIV预测模型发现,不同场所(如公园、公共浴场、酒吧/俱乐部、网络)的MSM人群存在不同的高危性行为和HIV感染风险[
]。例如,由于性工作者经常在酒吧或俱乐部招揽顾客,以酒吧或俱乐部为主要场所寻找男性性伴侣的男同性恋者可能会有更多的商业性行为[ ]。此外,以酒吧或俱乐部为主要场所寻找男性性伴侣的男同性恋者比以公园或公共浴室为主要场所的男同性恋者更年轻[ ]。因此,为了有效地解决年轻男同性恋者中的艾滋病流行问题,必须在酒吧或俱乐部实施艾滋病预防策略。此外,由于互联网和社交媒体促进了联系,男性性伴侣更容易接触到,使用互联网寻找男性性伴侣的男同性恋者有更多的性伴侣和无保护的肛交[ - ]而不是通过其他途径寻找男性性伴侣的男同性恋者。因此,研究人员应该利用互联网和社交媒体来宣传和分发量身定制的综合干预方案。以前的模型使用比值比作为评分值;然而,我们使用了风险比。与优势比相比,风险比代表了研究期间的瞬时风险,因此更容易被临床医生和MSM社区理解和解释。优势比是在确定终点的时间跨度内累积的。此外,与之前发表的风险评估工具相比,我们的工具可以预测未来1年、2年、3年和4年的HIV感染风险。
尽管我们的模型的鉴别准确性不高,但我们报告的c指数估计值略高于其他风险模型,如门扎评分[
], SDET分数[ ],也常用于指导临床决策。随着时间的推移,这种累积的风险评估准确地为MSM提供了他们的高危性行为对他们个人艾滋病毒感染风险的影响。最后,基于我们的方法,我们的工具可以应用于其他环境和国家。其他研究人员可以使用他们当地的MSM前瞻性队列数据来计算他们自己的参数,以开发他们专门的艾滋病毒风险评估工具。此外,拥有大量社交媒体的国家的研究人员也应该考虑通过流行的社交媒体平台宣传和分发这些工具。我们构建了一个个性化的、客观的模型,并进一步开发了一种广泛应用于肿瘤预测模型的图形计算设备nomogram [
, ],以及基于微信的艾滋病毒风险评估,该评估可用于手机或平板电脑,以促进我们的模型在MSM社区的传播和应用。与传统的基于互联网的艾滋病毒预测工具相比,我们设计的工具易于通过社交媒体平台获取和分发。 ]。这个工具基于中国最流行的社交媒体平台微信,因为MSM经常使用这个平台进行交流,寻找性伴侣,分享信息,因此可以接触到MSM社交网络的所有成员[ , ]。此外,微信小程序兼容iOS和Android操作系统,我们的风险预测工具可以很容易地与微信现有的功能相结合,促进线上和线下的艾滋病防治。我们的微信风险预测应用程序很容易获得,男同性恋者社区可以很容易地确定他们的个性化艾滋病毒感染风险,并与综合健康干预措施联系起来[ ]。自2017年以来,我们的微信小程序记录了4158次访问。我们目前正在进行一项随机对照临床试验,以评估这种艾滋病毒风险预测工具在促进艾滋病毒检测和减少艾滋病毒相关高危行为(如减少性伴侣数量、提高避孕套使用比例等)方面的有效性。这种基于艾滋病毒风险预测模型的在线综合干预可以减少同性伴侣的数量,并促进在MSM人群中与随意伴侣使用避孕套。限制
我们的微信工具只能通过微信使用,因此只能在中国和周边国家使用。然而,由于我们的模型是基于中国男性男性的队列,我们希望我们的工具在中国应用时是最准确的。其次,目前的艾滋病毒感染风险评估软件给出了相关的预防和控制建议,但没有与更实质性的艾滋病毒干预措施相联系。未来的步骤包括将这一风险评估工具与其他正在进行的艾滋病毒检测和艾滋病毒高危行为干预项目结合起来,以提高对风险的认识,并促进定期艾滋病毒检测和艾滋病毒预防服务。我们还使用了滚雪球抽样,因此可能存在抽样偏差,因为收集的社会网络不是随机的,可能仅限于特定的群体或地理区域。最后,招募时间跨度为8年,在这段时间内,MSM社区的特征和HIV感染的危险因素可能发生了变化;因此,我们的结果可能不如在较短时间内进行的大规模队列研究准确。
结论
我们开发并验证了中国MSM人群的HIV发病风险评估模型。该模型提供了对HIV感染风险的客观自我评估和预测。然后,我们将这个模型开发成两个单独的工具,其中一个工具建立在中国最受欢迎的社交媒体平台上。男同性恋者可以使用这些工具来量化他们个人感染艾滋病毒的风险。此外,公共卫生官员和社区卫生工作者可以使用这些工具对他们的男男性行为者患者进行准确的定量艾滋病毒风险评估,从而确定艾滋病毒高危参与者为降低风险干预的目标,以期减轻男男性行为者中的艾滋病毒流行。
致谢
我们要感谢来自中国沈阳的所有参与者,感谢他们的参与。国家科学研究重大专项(“十三五”计划项目,2017ZX10201101-002-007),国家自然科学基金项目(81872674),国家科技重大专项(2018ZX10101-001-001-003),中国医学科学院中央公益科研单位基础研究基金项目(2018PT31042)。
作者的贡献
KY和JJX对这项工作同样有贡献。
利益冲突
没有宣布。
参考文献
- 联合国艾滋病毒/艾滋病联合规划署。差距报告。日内瓦:联合国艾滋病规划署;2014.URL:http://files.unaids.org/en/media/unaids/contentassets/documents/unaidspublication/2014/UNAIDS_Gap_report_en.pdf[访问日期:2019-01-01][WebCite缓存]
- 张伟,徐娟,邹慧,张娟,王楠,尚慧。中国大陆男男性行为者HIV发病率及其相关危险因素:最新系统综述和荟萃分析。性健康2016年5月26:373-382。(CrossRef] [Medline]
- 联合国艾滋病毒/艾滋病联合规划署。90-90-90:帮助终结艾滋病流行的雄心勃勃的治疗目标。联合国艾滋病规划署网址:http://www.unaids.org/sites/default/files/media[访问时间:2018-10-30][WebCite缓存]
- 中华人民共和国卫生部。2012年中国艾滋病防治进展报告。2012年3月31日。URL:http://www.unaids.org/sites/default/files/country/documents//file,68497,es[访问2019-05-22][WebCite缓存]
- 韩玲,程边,魏晨,柯慕西,杨敏,刘峰,等。中国在线男同性恋者的艾滋病毒自检:对扩大重点人群艾滋病毒检测的影响中国免疫缺陷综合征(Acquir Immune deficiency Syndr) 2014 Oct 01;67(2):216-221 [免费全文] [CrossRef] [Medline]
- MacKellar DA, Valleroy LA, Secura GM, Behel S, Bingham T, Celentano DD,年轻男性调查研究小组。男男性行为的年轻男性感染艾滋病毒的终生风险和实际风险的认识。艾滋病行为研究2007年3月11日(2):263-270。(CrossRef] [Medline]
- Molina J, Capitant C, Spire B, Pialoux G, Cotte L, Charreau I,等。HIV-1感染高危人群的按需暴露前预防中华外科杂志2015年12月3日;373(23):2237-2246。(CrossRef] [Medline]
- 李玲,匡超,齐洁。深圳市罗湖区男同性恋人群HIV感染现状及危险因素调查。中国公共卫生管理2014;30(3):384-386。(CrossRef]
- Haukoos J, Lyons M, Lindsell C, Hopkins E, Bender B, Rothman RE,等。用于针对性HIV筛查的丹佛人类免疫缺陷病毒(HIV)风险评分的推导和验证。美国流行病杂志2012年4月15日;175(8):838-846 [免费全文] [CrossRef] [Medline]
- 瓦霍姆E,费根G,奥库库HS, Mugo P, Price MA, Mwashigadi G,等。肯尼亚沿海地区男同性恋者急性和早期HIV-1感染的经验风险筛查评分评估艾滋病2013;27(13):2163 - 2166。(CrossRef]
- 胡恩格尔,魏贝尔,梅赫塔,安德森,詹克斯,格林,等。圣地亚哥早期测试得分的发展和验证,以预测男性与男性发生性行为的男性的急性和早期HIV感染风险。临床感染杂志2015年4月22日;61(3):468-475。(CrossRef]
- 胡萍,钟峰,程伟,徐海峰,凌琳[广州市男男性行为人群艾滋病感染风险模型研究]。中华柳星冰雪学报2012;33(7):667-671。(Medline]
- 阴L,赵Y, Peratikos MB,歌L,张X,鑫R, et al。HIV感染风险预测评分:中国男男性行为者横断面数据的开发和内部验证。艾滋病行为研究2018年5月21日;22(7):2267-2276。(CrossRef]
- Menza TW, Hughes JP, Celum CL, Golden MR.男男性行为中HIV感染的预测。性传播杂志2009九月;36(9):547-555 [免费全文] [CrossRef] [Medline]
- 曾峰,邓刚,王智,刘林。微信:一种基于问题学习的临床教学新工具。国际医学教育杂志2016 april 25; 7:19 -121 [免费全文] [CrossRef] [Medline]
- 唐伟,贝斯杰,张勇,刘峰,左宗林,黄松,等。同性恋移动应用程序和不断发展的虚拟风险环境:一项针对中国男同性恋者的横断面在线调查性传播感染2016年6月09;92(7):508-514。(CrossRef]
- 徐洁,余辉,唐伟,司露巴,张洁,毛晓霞,等。使用地理社交网络应用程序对男男性行为者艾滋病发病率的影响:中国沈阳18个月前瞻性队列研究J Med Internet Res 2018年12月21日;20(12):e11303 [免费全文] [CrossRef] [Medline]
- 杨旭,Attané I,李思,杨波。男性背景下男性流动人口的同性性行为。美国男性健康杂志2012年11月6日(6):485-496。(CrossRef] [Medline]
- Steyerberg电子战。临床预测模型:开发、验证和更新的实用方法。在:生物学和健康统计。纽约:施普林格;2009.
- 张志强,王志强,王志强,等。在美国与男性发生性行为的男性中,与HIV血清转化相关的性风险、亚硝酸盐吸入剂的使用和包皮环切术的缺乏。获得性免疫缺陷综合征2005 5月1日;39(1):82-89。(Medline]
- 柯妮,曾鹏,黄燕,陈燕,徐珊。台湾男男性行为者透过网路及手机应用程式寻找性伴侣。艾滋病护理2016年12月28日(7):927-931。(CrossRef] [Medline]
- 高艳,刘艳,李松。北京地区男男性行为者(MSM) HIV、梅毒和单纯疱疹2型病毒(HSV-2)感染的流行情况及预测因素中国公共卫生杂志2012;28(4):3。(CrossRef]
- Grov C.在澡堂、酒吧/俱乐部和Craigslist.org上调查的男男性行为者的艾滋病毒风险和药物使用情况:招聘场所的问题。艾滋病行为研究2012五月;16(4):807-817 [免费全文] [CrossRef] [Medline]
- 魏史L, C,麦克法兰W,燕H,李J,雷蒙德高频。2013年,中国江苏省,比较了网上和场所招募的男性发生性关系的男性样本。LGBT健康2016 6月;3(3):238-242 [免费全文] [CrossRef] [Medline]
- 在网上嫖娼:性传播疾病和艾滋病的风险是什么?性传播杂志2000 10月27(9):545-550。(Medline]
- Ashton M, Sopwith W, Clark P, McKelvey D, Lighton L, Mandal D.不再爆发:导致梅毒在大曼彻斯特回归的因素。性传播感染2003 Aug;79(4):291-293 [免费全文] [CrossRef] [Medline]
- 克劳斯纳J,沃尔夫W,费希尔庞塞L,佐尔特I,卡茨MH。追踪梅毒在网络空间的爆发。中国医学杂志2000年7月26日;284(4):447-449。(Medline]
- 田岛KT, Alt EN, Harwell JI, Fiebich-Perez DK, Flanigan TP。网络寻性导致急性HIV感染:两例报告。性病杂志2003;14(4):285-286。(CrossRef]
- 黄刚,董卓,谢霞。骨肉瘤预后个体化预测模型的nomogram建立。中华骨科杂志2015;35(2):133-141。(CrossRef]
- 唐磊,李超,李娟,陈伟,陈强,袁磊,等。地方性鼻咽癌预后图的建立与验证。中华肿瘤学杂志2016年1月1日(1):1。(CrossRef] [Medline]
- 汉娜R,罗姆A,克里滕登VL。我们都是相互联系的:这就是社交媒体生态系统的力量。公交车视野2011年5月;54(3):265-273。(CrossRef]
- 曹波,刘超,Durvasula M,唐伟,潘s, Saffer AJ,等。中国男男性行为者的社交媒体参与和艾滋病毒检测:一项全国性的横断面调查。J Med Internet Res 2017 july 19;19(7):e251。(CrossRef]
- 拥有。微信URL的优点:https://s222248.weebly.com/advantage?disadvantage.html[访问2019-05-22][WebCite缓存]
- Payne HE, Lister C, West JH, Bernhardt JM。移动应用程序在健康干预中的行为功能:文献的系统回顾。JMIR Mhealth and Uhealth 2015;3(1):e20 [免费全文] [CrossRef] [Medline]
缩写
:气道高反应性调整危险比 |
装备:粗危险比 |
ELISA:酶联免疫吸附试验 |
男男同性恋者:和男人做爱的男人 |
准备:预曝光预防 |
弹性分组环:快速血浆反应素试验 |
TPPA:梅毒螺旋体颗粒凝集试验 |
SDET:圣地亚哥早期测试 |
G·艾森巴赫(G Eysenbach)编辑;提交28.01.19;同行评审:TH Kwan, MS Aslam, B Hou, F Pourmalek;对作者23.03.19的评论;订正版本收到日25.04.19;接受02.05.19;发表18.06.19
版权©柯云,徐俊杰,红杉,朱云玉,张静,褚振兴,耿文青,蒋永军,尚红。原载于《医学互联网研究》(//www.mybigtv.com), 2019年6月18日。
这是一篇开放获取的文章,根据创作共用署名许可(https://creativecommons.org/licenses/by/4.0/)的条款发布,允许在任何媒介上无限制地使用、分发和复制,前提是正确引用最初发表在《医学互联网研究杂志》上的原创作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。