从性健康诊所的电子病历中估算HIV发病率的实际数据：可行性、局限性以及对监测工作的影响

《JAIDS Journal of Acquired Immune Deficiency Syndromes》：Real-World Estimates of HIV Incidence From Sexual Health Clinic EMRs: Feasibility, Limitations, and Implications for Surveillance

　　**摘要**
**背景**：及时准确的HIV发病率估计对于项目监测和临床研究规划至关重要。来自性健康诊所的电子病历（EMR）中的实际数据可能为资源密集型的调查和监测提供了一种实用的替代方案。
**研究方法**：我们在美国、南非和泰国的5个健康中心进行了一项回顾性队列研究，以评估使用EMR数据估计HIV发病率的可行性。研究对象为出生时被分配为男性的16至64岁客户，这些客户报告曾与出生时也被分配为男性的个体发生过性行为，并且在2022年7月1日至2023年12月31日期间至少进行过一次HIV检测。提取去标识化数据后，根据研究期间进行过一次或多次HIV检测的情况将客户分为不同的子组。通过人时风险（person-time at risk）计算多次检测（Multiple Test, MT）组的发病率；所有组的诊断比例也被计算出来。
**结果**：所有研究地点的数据质量均符合要求。共有25,801名客户被纳入分析。单次检测组的诊断比例（2.9%–12.6%）高于多次检测组（0%–0.53%）。多次检测组的发病率范围为每100人年0.22至0.72例，远低于预期，这可能是由于预防性暴露后治疗（PrEP）的使用以及研究参与者更倾向于主动寻求医疗服务。
**结论**：基于EMR的HIV发病率估计是可行的，但受到数据变异性和选择偏倚的限制，因此多次检测组的发病率估计可能无法反映真实的社区发病率。在样本量足够的情况下，诊断数据可用于发病率建模。

**通俗语言总结**
本研究探讨了是否可以利用性健康诊所的电子病历（EMR）来估计出生时被分配为男性的客户与同样出生时被分配为男性的个体发生性行为后的HIV发病率。研究人员使用了来自美国、南非和泰国5个中心25,801名客户的去标识化数据，计算了所有客户的HIV诊断比例以及多次检测组的HIV发病率。多次检测组的发病率较低（每100人年0.22至0.72例），这可能与使用PrEP以及研究对象更倾向于主动寻求医疗服务有关。结果表明，基于EMR的HIV发病率估计是可行的，但受数据变异性和选择偏倚的影响，更适合用于发病率建模，而非直接替代传统监测方法，因为多次检测组的发病率可能无法反映真实的社区发病率。

**常见问题解答（FAQ）**

**引言**
随着全球努力在2030年前消除HIV这一公共卫生威胁，需要新的或扩大的预防干预措施。及时监测HIV发病率是公共卫生项目监测的重要组成部分，也对潜在临床试验的参与者选择具有参考价值。HIV发病率数据还有助于初步确定临床研究地点的选择，并为研究结果提供背景信息。尽管对HIV发病率有不同的需求，但找到可靠且适用的数据和方法以进行准确、高质量的估计仍具有挑战性。
常用的HIV发病率估计或建模方法在满足分析目标和有效性方面存在局限性。设计良好的前瞻性队列调查仍然是估算发病率的金标准，但这些方法成本高昂、耗时较长，且并非总是可行的。连续性横断面调查虽然可以收集定制化的变量，但需要多轮数据收集，且要求人群风险在时间上保持稳定。美国的公共卫生HIV监测采用标准化流程收集HIV诊断数据，但缺乏对感染人群规模的统计，且仅限于美国境内。此外，HIV诊断结果并不能直接反映实际感染情况，因为从感染到出现临床症状之间存在时间差，且HIV检测的原因和频率也有影响。许多这类数据也被用于数学模型中估计发病率，但仍存在相同的问题。

**研究方法与可行性评估**
为了评估使用临床 数据库来估计社区发病率的可能性，我们参考了临床试验中使用真实世界证据（RWE）的指南。选择评估地点时考虑了以下标准：位于可能参与HIV预防临床试验的社区，并能为MSM和TGW提供无污名化的性健康护理；具备合理的社会人口统计数据和HIV检测元素，以便筛选符合HIV预防临床试验资格的样本群体；拥有从2022年6月1日至2023年12月31日期间收集的连续电子数据；数据收集方法规范；以及数据来源（如果一个地点使用多个电子数据系统）。

**研究设计与设置**
研究采用回顾性队列设计，时间跨度为2022年7月1日至2023年12月31日，涵盖美国、南非和泰国的5个健康中心。根据以下标准筛选研究对象：
- 年龄在16至64岁之间；
- 出生时被分配为男性；
- 在研究期间至少进行过一次HIV检测；
- 报告曾与出生时被分配为男性的个体发生过性行为。

根据研究期间HIV检测的次数，将客户分为三个组：
- 单次检测组（Single Test, ST）：仅在研究期间进行过一次HIV检测；
- 多次检测组（Multiple Test, MT）：在研究期间至少进行过两次HIV检测；
- 全部检测组（Full Cohort）：在研究期间至少进行过一次HIV检测。

**数据分析**
所有分析均基于去标识化数据。计算结果显示，多次检测组的发病率较低，可能得益于PrEP的使用和研究对象更倾向于主动寻求医疗服务。尽管基于EMR的HIV发病率估计是可行的，但受数据变异性和选择偏倚的影响，因此其结果可能无法准确反映社区真实发病率。在样本量足够的情况下，诊断数据可用于发病率建模。

**研究结论**
虽然基于EMR的HIV发病率估计是可行的，但由于数据变异性和选择偏倚的限制，其结果可能与真实社区发病率存在差异。在样本量充足的情况下，诊断数据可用于发病率建模。**表格1：基于可用数据的性取向资格评估（按站点划分）**

| 站点 | 变量 | 合格 | 不合格 | 最终纳入 |
|------|-------------------|-------------|-------------------|----------------|
| 迈阿密 | 出生时被分配为男性的性伴侣（是/否） | 是 | 否 | 符合资格标准则纳入 |
| 纽约市 | 过去6个月内有过性关系的男性人数 | ≥1 | 0 | 符合资格标准则纳入 |
| 约翰内斯堡 | 过去6个月内有过性关系的男性人数 | ≥1 | 0 | 符合≥1个资格标准则纳入 |
| | 曾与男性发生性关系 | 是 | 否 | 自认为是MSM/Gay/Bisexual |
| 曼谷（A） | 最后一次性伴侣的性别 | 男性/男女混合 | 女性 | 符合≥1个资格标准则纳入 |
| | 自我认同的身份 | MSM/gay/bisexual | 直性恋 | |
| 曼谷（B） | 出生时被分配为男性的性伴侣（是/否） | 是 | 否 | 符合资格标准则纳入 |

**表格2：按站点划分的协变量收集和响应选项**

| 变量 | 迈阿密 | 哥伦比亚 | 约翰内斯堡 | 曼谷（A） | 曼谷（B） |
|---------|---------|---------|---------|---------|-------------|
| 基线期间（2021年7月1日至2021年6月30日）的性传播感染（STI）诊断 | - | - | - | - |
| 过去12个月内任何淋病、衣原体、梅毒的阳性检测结果 | - | - | - | - |
| 过去6个月内任何淋病、衣原体、梅毒的阳性检测结果 | - | - | - | - |
| 过去12个月内怀疑有性传播感染 | - | - | - | - |
| 过去12个月内任何淋病、衣原体、梅毒、HCV的阳性检测结果 | - | - | - | - |
| 过去性伴侣数量 | 3个月回顾 | 所有伴侣（数值） | 6个月回顾 | 仅限男性伴侣（数值） |
| 无保护措施的性行为 | 12个月回顾 | 无保护措施的性行为 | 无保护措施的性行为（是/否） | 使用避孕套的频率（百分比） |
| 最后一次性行为时的避孕套使用情况 | 是/否 | 前3名明确伴侣的避孕套使用记录 | 从未/有时/总是 |
| 伴侣HIV感染状况 | 与HIV阳性伴侣发生过性关系（是/否） | 过去6个月内与HIV阳性伴侣的性伴侣数量（数值） | - |
| 为金钱或其他物品发生性关系 | 过去12个月内（是/否） | 过去5年内（是/否） | 曾经（是/否） |
| 过去30天内（是/否） | - | 伴侣的身份（MSW, TSSW, FSW） | - |
| 药物使用 | 过去12个月内因非医疗原因使用处方药/药物（是/否） | 过去30天内注射药物使用（是/否） | 任何药物使用（否/是） |

**注释：**
- **MSM**：男性同性恋者（Male Sexual Minority）
- **PREP**：预防性暴露后用药（Pre-Exposure Prophylaxis）

- **数据说明：**
- PREP覆盖情况根据站点提供的数据，通过处方或药物分发来定义。
- PREP使用情况通过研究期间首次与最后一次HIV检测之间的覆盖天数比例（PDC）进行分析。
- 站点评估考虑了基于保守发病率计算样本量的标准，以及每年多次检测客户的潜在人年可用性。每个站点至少需要1000名客户才能提供至少250人年的数据。
- 统计分析使用SAS软件（SAS Institute Inc., Cary）版本9.4或更高版本进行。
- 伦理审批流程包括FHI 360、迈阿密大学、哥伦比亚大学、威茨沃特兰德大学和泰国红十字会的审核。
- 曼谷站点的代表性通过讨论部分进一步阐述。

**表3：按站点和队列划分的入选客户的人口统计和风险因素**
- **年龄、性别、HIV检测次数、先前性传播感染诊断、先前PREP使用情况等变量在所有站点中均统一收集。**表5. 不同检测队列的随访情况、PrEP使用情况以及发病率概况（按地点划分）
- 迈阿密：n=347
- 纽约：n=714
- 约翰内斯堡：n=3116
- 曼谷（A）：n=8069
- 曼谷（B）：n=668

| 访问次数（中位数（IQR） | 4（3, 5） | 4（3, 5） | 3（2, 4） | 3（2, 5） | 3（2, 4） |
| 访问间隔时间（中位数（天（IQR）） | 91（84, 98） | 91（83, 112） | 84（54, 105） | 90（73, 105） | 84（33, 115） |
| 每位参与者参与时间（中位数（分钟（IQR）） | 9.7（5.9, 14.2） | 11.1（6.2, 14.2） | 5.4（2.5, 11.1） | 9.1（3.9, 14.0） | 5.2（1.9, 11.1） |
| HIV检测结果呈阳性的参与者数量 | 0 | 0 | 4 | 43 | 2 |
| 总人年参与时间 | 282 | 602 | 1750 | 5984 | 364 |
| 发病率（95%置信区间）/每100人年 | 0 | 0 | 0.23（0.06, 0.59） | 0.72（0.52, 0.97） | 0.55（0.07, 1.99） |
| 研究期间曾开具PrEP的比例（%） | 320（92%） | 696（97%） | 3114（100%） | 7279（90%） | 469（70%） |
| 使用PrEP的时间（中位数（月（IQR）） | 8.7（3.1, 12.0） | 9.2（4.0, 13.1） | 3.7（1.0, 7.4） | 6.2（1.8, 12.8） | 2.0（0.0, 6.0） |
| PrEP覆盖率≥60%的比例（%） | 281（81%） | 620（87%） | 2252（72%） | 6325（78%） | 329（49%） |

**按PrEP使用情况划分的发病率：**
- PrEP覆盖率≥60%的天数：0 | 0 | 0.24（0.05, 0.71） | 0.31（0.17, 0.51） | 0（0, 1.76） |
- PrEP覆盖率1-59%的天数：0 | 0 | 0.20（0.01, 1.11） | 1.98（1.08, 3.31） | 1.07（0.03, 5.98） |
- 未使用PrEP：0 | 0 | 0 | 3.07（1.68, 5.15） | 1.66（0.04, 9.26） |

**关于美国的研究地点：** 在研究期间，这些地点的MT队列中未出现HIV新发感染病例。曼谷A、曼谷B和约翰内斯堡诊所的发病率范围为0.220至0.735例/100人年（见表5）。与MT队列相关的HIV发病行为风险因素结果见补充数字内容中的表D：https://links.lww.com/QAI/C635。

**讨论：** 这项回顾性分析利用了具有足够样本量、数据可用性和质量的实际数据来源，以估计美国、南非和泰国男同性恋者（MSM）及跨性别者（TGW）群体中的HIV传播情况。ST队列中的新诊断比例远高于MT队列的发病率，这表明在研究期间多次进行HIV检测的客户中，HIV感染率较低。不同研究设计之间的结果差异表明，MT亚队列可能无法代表诊所的全部患者群体在HIV感染方面的情况，因此在考虑人群发病率时不具备参考价值。我们推测这可能与这些客户更高的自我效能感、对性健康知识及服务的获取能力相关，以及持续使用PrEP所需的定期HIV检测有关。此外，尽管所有地点的人年样本量都达到了进行可靠发病率估计的要求，但MT队列的发病率仍显著低于先前发布的类似人群的发病率。全队列的新诊断比例与美国（0.58/100人年，考虑了地理和种族差异）、南非（5.3/100人年）和泰国（2.1至7.1/100人年）的先前研究结果较为一致。

尽管ST队列和MT队列的客户在人口统计学特征上相似，但进一步分析有助于揭示可能需要额外医疗支持的具体客户群体。在研究期间检测HIV两次或以上的客户中，许多是返回进行检测和PrEP治疗的PrEP使用者，这可能是不同地点之间ST和MT队列比例差异以及整体新感染数量较低的原因。虽然MT队列中PrEP使用覆盖率低于60%的客户比例从13%到51%不等，但这些群体似乎获得了相当程度的保护。本研究假设PrEP的使用基于每日服用的意图；然而，由于缺乏客户的使用习惯数据，因此无法评估其实际预防效果。

在不同地理区域和人口群体中，将性行为与HIV感染率联系起来的流行病学数据并不一致。虽然各研究地点都收集了至少一项描述性风险的变量，但在记录方式上存在差异。尽管性风险行为与HIV感染密切相关，但临床数据有限，不足以得出明确结论或建立关联。本研究存在多个局限性，如大多数回顾性研究一样，受数据质量和完整性的限制。分析中使用的数据来自各诊所为患者护理目的而设立的电子病历系统，因此关于客户PrEP使用情况和行为数据的详细记录不如在专门研究中那么全面。访问频率由客户自行决定，可能受到医生建议、客户对HIV感染风险的认知、其他健康需求等多种因素的影响。经常因PrEP或其他性健康服务而就医的客户可能无法代表更广泛的人群健康状况，从而导致选择偏差。不同地点在问题设计和客户回答方式上存在差异，因此无法实现严格的标准化。鉴于这些限制，基于18个月数据得出的HIV发病率估计结果存在不确定性，目前尚不具备普遍性。本研究中涉及的性健康诊所拥有庞大客户群体和高PrEP使用率，这种在高容量诊所中常见的高使用率并非个例。未来的研究需要设计全面且周密的研究方案，包括单次检测的客户，并通过统计方法推算HIV发病率。未来HIV发病率的研究仍需努力识别那些不常规接触医疗系统的人。为了更准确地了解HIV的真实发病率，可能需要新的策略，例如通过同龄人网络组织或其他社区宣传方式接触这些人。