论文部分内容阅读
获得性免疫缺陷综合症（Acquired immunodeficiency syndrome,AIDS）是由人类免疫缺陷病毒（Human immunodeficiency virus,HIV）感染引起的一系列疾病。由于近十几年全球范围内抗逆转录病毒疗法（Antiretroviral therapy,ART）的推广，越来越多的HIV感染者（People living with HIV,PLHIV）处于慢性感染的状态。尽管一部分PLHIV在接受ART后，体内病毒的复制得到了有效的控制，预期寿命已经达到与普通人群相接近的水平。但是，仍有许多PLHIV在感染HIV不久后死于各种严重并发症。目前，AIDS已经成为一种严重威胁人类健康的世界性公共卫生难题。据联合国艾滋病规划署（Joint United Nations Programme on HIV/AIDS,UNAIDS）发布的《2019年全球艾滋病流行报告》数据显示艾滋病在全球已累计夺去3200多万人的生命。至2017年，艾滋病所致严重并发症已成为导致全球疾病死亡负担的主要原因之一。HIV合并机会性感染将会有更高的死亡风险，更差的生存质量。
疾病预测模型已被证实为有效评估疾病发生发展进程的一种科学、有效的方式，PLHIV死亡风险的预测和评估可以帮助医疗卫生服务工作者有效的管理PLHIV。然而，目前尚未见通用、公认的PLHIV死亡风险评分系统可用于PLHIV死亡风险的准确预测。既往研究发现，CD4计数以及病毒载量（Viral load,VL）等作为抗病毒治疗效果的常用评估指标可以一定程度的预测PLHIV死亡风险。但是，这类传统的单一指标在预测结果的准确性方面效果有限，且不能精准量化PLHIV的生存概率。因此，十分有必要探索多指标联合诊断预测模型以充分评估PLHIV的死亡风险。
目的：
本研究旨在基于某地区十余年的HIV/AIDS随访数据，构建出可精准预测PLHIV死亡风险的疾病预测模型，以量化评估PLHIV的死亡风险，为实现HIV/AIDS的精准防控奠定基础。
方法：
本次研究收集自2006至2018年共13年的随访期间，某市艾滋病预防和控制信息系统(AIDS Prevention and Control Information System,AIDS-PCIS)中的3733例PLHIV资料信息，包括人口学特征指标、临床资料以及有关实验室检查资料。研究方案事先通过了该市疾病预防控制中心伦理委员会的审批。所有的PLHIV在随访期间都将免费接受含有至少3种抗病毒治疗药物的联合治疗，并以三个月的时间间隔严格按照《中国艾滋病诊疗指南》随访至2018年12月31日。
纳入标准如下：⑴、接受ART前有实验室血液检查的数据；⑵、至少随访过一次；⑶、居住在该市，包括临时居民；⑷、超过15岁；⑸、在2006年1月1日至2018年12月31日期间被确诊感染HIV。PLHIV的生存时间定义为自第一次接受ART至死于HIV/AIDS相关疾病或2018年12月31日随访结束的时间。
本研究采用回顾性巢式病例对照研究设计的方案，将随访过程中死于HIV/AIDS相关疾病的PLHIV定义为病例组，并按照年龄、性别在存活的PLHIV中使用Stata/MP15.1软件，根据1:4的比例进行倾向性评分匹配（Propensity score matching，PSM），以确定最终的研究对象；使用留出法将数据集基于匹配后的区组进行随机分组，按照7:3划分为训练集和验证集；基于训练集进行预测模型的构建，采用验证集以评估模型的预测效果。
使用SAS9.4软件，分别基于单因素和多因素Cox比例风险模型，以筛选PLHIV死亡的影响因素；通过比较受试者工作特征（ROC）曲线下面积（Area under the curve,AUC）以评估不同模型的诊断价值；采用R-Studio1.2.1335软件进行列线图（Nomogram）以及校正曲线的绘制；使用决策曲线分析（Decision Curve Analysis,DCA）以比较nomogram与其他预测因子或联合诊断模型的临床应用价值；根据枚举法的原理，采用X-tile3.6.1软件进行nomogram评分最佳cut-off值的自动选择，以确定PLHIV的不同死亡风险水平；利用SPSS25.0软件对nomogram评分进行Hosmer-Lemeshow拟合优度检验以评估模型的校准性。除此之外，本文还使用了C-index、连续净重新分类指数（Net reclassification index,NRI）和综合判别改善指数（Integrated discrimination improvement,IDI）等指标充分评估了模型的预测能力和可靠性。
结果：
1.本研究共计入选750例（死亡vs.存活：150例vs.600例）PLHIV，并基于匹配后的区组，将其按照7:3的比例随机分为训练集（525例）和验证集（225例）。
2.训练集中PLHIV的平均随访时间为2.73年，相关病死率为73.1/1000人年，验证集则分别为2.76年和72.4/1000人年。病例组与对照组中训练集和验证集的均衡性检验表明绝大部分指标的组间差异均无统计学意义，显示了两者间具有良好的独立同分布特征。
3.关联性研究表明，血红蛋白（Hemoglobin,HB）与CD4+T细胞计数的水平与PLHIV的死亡风险呈现出显著的负相关关系，且均存在明显的剂量-反应关系，而VL水平则与PLHIV的死亡风险表现为显著的正相关关系。亚组分析结果表明，CD4、VL以及HB均独立作用于PLHIV的死亡风险，三者间未发现显著的交互作用（P-interaction＞0.05）。此外，空腹血糖（Fasting plasma glucose,FPG）以及总胆红素（Total bilirubin,TBil）则被观察到会显著影响HB与PLHIV死亡之间的关联性，即两者与HB间存在明显的交互作用（P-interaction＜0.05）。
4.经多元回归分析筛选出的HB、VL和CD4+T细胞计数3个变量被纳入nomogram中，并分别预测PLHIV的一年、两年及三年的生存概率，结果显示，该模型的预测值与实际观测值的吻合度较好，尤其是在接受ART治疗一年内的PLHIV人群上。在训练集中，nomogram的AUC（95%CI）和C-index（95%CI）分别为0.93（0.90,0.96）和0.90（0.88,0.93）。基于验证集人群的AUC（95%CI）和C-index（95%CI）分别为0.95(0.91,1.00)和0.93(0.90,0.96)，显示出该nomogram极高的预测价值和良好的校准能力。此外，DCA的结果亦显示，相较于其他模型，本研究所构建的nomogram模型可以获得最大的临床净收益，具有极高的临床应用价值。
5.根据nomogram评分模型，可将PLHIV划分为低（＜112分）、中（112~166分）、高（≥166分）三个不同的死亡风险人群。
结论：
本研究构建的nomogram模型，可准确、有效的开展PLHIV预后评估，有利于PLHIV的精准健康管理，具有较高的实践应用价值。
疾病预测模型已被证实为有效评估疾病发生发展进程的一种科学、有效的方式，PLHIV死亡风险的预测和评估可以帮助医疗卫生服务工作者有效的管理PLHIV。然而，目前尚未见通用、公认的PLHIV死亡风险评分系统可用于PLHIV死亡风险的准确预测。既往研究发现，CD4计数以及病毒载量（Viral load,VL）等作为抗病毒治疗效果的常用评估指标可以一定程度的预测PLHIV死亡风险。但是，这类传统的单一指标在预测结果的准确性方面效果有限，且不能精准量化PLHIV的生存概率。因此，十分有必要探索多指标联合诊断预测模型以充分评估PLHIV的死亡风险。
目的：
本研究旨在基于某地区十余年的HIV/AIDS随访数据，构建出可精准预测PLHIV死亡风险的疾病预测模型，以量化评估PLHIV的死亡风险，为实现HIV/AIDS的精准防控奠定基础。
方法：
本次研究收集自2006至2018年共13年的随访期间，某市艾滋病预防和控制信息系统(AIDS Prevention and Control Information System,AIDS-PCIS)中的3733例PLHIV资料信息，包括人口学特征指标、临床资料以及有关实验室检查资料。研究方案事先通过了该市疾病预防控制中心伦理委员会的审批。所有的PLHIV在随访期间都将免费接受含有至少3种抗病毒治疗药物的联合治疗，并以三个月的时间间隔严格按照《中国艾滋病诊疗指南》随访至2018年12月31日。
纳入标准如下：⑴、接受ART前有实验室血液检查的数据；⑵、至少随访过一次；⑶、居住在该市，包括临时居民；⑷、超过15岁；⑸、在2006年1月1日至2018年12月31日期间被确诊感染HIV。PLHIV的生存时间定义为自第一次接受ART至死于HIV/AIDS相关疾病或2018年12月31日随访结束的时间。
本研究采用回顾性巢式病例对照研究设计的方案，将随访过程中死于HIV/AIDS相关疾病的PLHIV定义为病例组，并按照年龄、性别在存活的PLHIV中使用Stata/MP15.1软件，根据1:4的比例进行倾向性评分匹配（Propensity score matching，PSM），以确定最终的研究对象；使用留出法将数据集基于匹配后的区组进行随机分组，按照7:3划分为训练集和验证集；基于训练集进行预测模型的构建，采用验证集以评估模型的预测效果。
使用SAS9.4软件，分别基于单因素和多因素Cox比例风险模型，以筛选PLHIV死亡的影响因素；通过比较受试者工作特征（ROC）曲线下面积（Area under the curve,AUC）以评估不同模型的诊断价值；采用R-Studio1.2.1335软件进行列线图（Nomogram）以及校正曲线的绘制；使用决策曲线分析（Decision Curve Analysis,DCA）以比较nomogram与其他预测因子或联合诊断模型的临床应用价值；根据枚举法的原理，采用X-tile3.6.1软件进行nomogram评分最佳cut-off值的自动选择，以确定PLHIV的不同死亡风险水平；利用SPSS25.0软件对nomogram评分进行Hosmer-Lemeshow拟合优度检验以评估模型的校准性。除此之外，本文还使用了C-index、连续净重新分类指数（Net reclassification index,NRI）和综合判别改善指数（Integrated discrimination improvement,IDI）等指标充分评估了模型的预测能力和可靠性。
结果：
1.本研究共计入选750例（死亡vs.存活：150例vs.600例）PLHIV，并基于匹配后的区组，将其按照7:3的比例随机分为训练集（525例）和验证集（225例）。
2.训练集中PLHIV的平均随访时间为2.73年，相关病死率为73.1/1000人年，验证集则分别为2.76年和72.4/1000人年。病例组与对照组中训练集和验证集的均衡性检验表明绝大部分指标的组间差异均无统计学意义，显示了两者间具有良好的独立同分布特征。
3.关联性研究表明，血红蛋白（Hemoglobin,HB）与CD4+T细胞计数的水平与PLHIV的死亡风险呈现出显著的负相关关系，且均存在明显的剂量-反应关系，而VL水平则与PLHIV的死亡风险表现为显著的正相关关系。亚组分析结果表明，CD4、VL以及HB均独立作用于PLHIV的死亡风险，三者间未发现显著的交互作用（P-interaction＞0.05）。此外，空腹血糖（Fasting plasma glucose,FPG）以及总胆红素（Total bilirubin,TBil）则被观察到会显著影响HB与PLHIV死亡之间的关联性，即两者与HB间存在明显的交互作用（P-interaction＜0.05）。
4.经多元回归分析筛选出的HB、VL和CD4+T细胞计数3个变量被纳入nomogram中，并分别预测PLHIV的一年、两年及三年的生存概率，结果显示，该模型的预测值与实际观测值的吻合度较好，尤其是在接受ART治疗一年内的PLHIV人群上。在训练集中，nomogram的AUC（95%CI）和C-index（95%CI）分别为0.93（0.90,0.96）和0.90（0.88,0.93）。基于验证集人群的AUC（95%CI）和C-index（95%CI）分别为0.95(0.91,1.00)和0.93(0.90,0.96)，显示出该nomogram极高的预测价值和良好的校准能力。此外，DCA的结果亦显示，相较于其他模型，本研究所构建的nomogram模型可以获得最大的临床净收益，具有极高的临床应用价值。
5.根据nomogram评分模型，可将PLHIV划分为低（＜112分）、中（112~166分）、高（≥166分）三个不同的死亡风险人群。
结论：
本研究构建的nomogram模型，可准确、有效的开展PLHIV预后评估，有利于PLHIV的精准健康管理，具有较高的实践应用价值。