中华预防医学杂志    2018年08期 男男性行为人群个体HIV感染风险评估模型研制进展及启示    PDF     文章点击量:266    
中华预防医学杂志2018年08期
中华医学会主办。
0

文章信息

李玲玲 何纳
LiLingling,HeNa
男男性行为人群个体HIV感染风险评估模型研制进展及启示
Research progress and enlightenment of HIV infection risk assessment model in men who have sex with men
中华预防医学杂志, 2018,52(8)
http://dx.doi.org/10.3760/cma.j.issn.0253-9624.2018.08.016

文章历史

投稿日期: 2017-09-21
上一篇:十溴二苯乙烷污染水平及毒性研究进展
下一篇:2010—2017年预防医学领域国家自然科学基金资助情况
男男性行为人群个体HIV感染风险评估模型研制进展及启示
李玲玲 何纳     
李玲玲 200032 上海,复旦大学公共卫生学院流行病学教研室 公共卫生安全教育部重点实验室
何纳 200032 上海,复旦大学公共卫生学院流行病学教研室 公共卫生安全教育部重点实验室
摘要: 男男性行为人群(MSM)高危性行为发生率高,是艾滋病、梅毒等性传播疾病感染的高危人群,也是传播控制的重点人群。但是,MSM中的每个个体由于其社会人口学特征、性行为特征、性行为网络等因素的差异,感染HIV的风险也存在差异。为了让具有男男性行为的个体了解自身感染HIV的风险,以及提高预防干预措施的针对性,建立适用于中国MSM的个体HIV感染风险评估模型势在必行。本文对已建立的MSM的HIV感染风险评估模型进行综述,并提出建立中国MSM的HIV感染风险评估模型时可使用的方法、可纳入考虑的条目以及相关注意事项,为今后中国风险评估模型的建立提供一些参考与建议。
关键词 :HIV感染;危险性评估;男男性行为人群
Research progress and enlightenment of HIV infection risk assessment model in men who have sex with men
LiLingling,HeNa     
Department of Epidemiology, School of Public Health, the Key Laboratory of Public Health Safety of Ministry of Education, Fudan University, Shanghai 200032, China
Corresponding author: He Na, Email: nhe@fudan.edu.cn
Abstract:The incidence of high-risk sexual behaviors among men who have sex with men (MSM) is high, indicating that MSM is the high-risk population of HIV/AIDS, syphilis and other sexually transmitted infections (STIs), and also the key population of transmission control. However, the risk of HIV infection is different between individual MSM due to differences in socio-demographic characteristics, sexual characteristics, sexual networks and other factors. It is imperative to establish an HIV infection risk assessment model for MSM in China, to allow for MSM to quantitatively recognize their risk of HIV infection as well as to allow for implementation of tailored HIV prevention and intervention programs targeting MSM at greatest risk for HIV infection. The present study reviewed all published HIV infection risk assessment models among MSM in the world, and put forward the workable methods, potential items and precautions to develop an HIV infection risk assessment model among MSM in China.
Key words :HIV infections;Risk assessment;Men who have sex with men
全文

近十年来,中国艾滋病报告病例中经男男同性性行为途径感染者所占比例逐年增加[1]。全国艾滋病疫情报告显示,2017年5月全国现存活HIV感染者和艾滋病患者(human immunodeficiency virus/acquired immunodeficiency syndrome,HIV/AIDS)708 158例,其中,当月新发现的12 590例HIV/AIDS中,男男同性性行为传播3 045例,占24.2%[2]。与此同时,中国男男同性性行为人群(men who have sex with men,MSM)中HIV感染率也逐年升高。2008年2月至2009年9月,全国61个城市MSM艾滋病流行病学调查结果显示,MSM的HIV感染率为4.9%(95%CI:4.7%~5.1%)[3]。李东民等[4]对2010—2013年中国MSM哨点监测的结果进行分析发现,从2010—2013年,MSM的HIV抗体阳性率分别为5.7%、6.4%、6.8%、7.5%;102个MSM哨点中,HIV抗体阳性率超过5%的哨点个数从2010年的53个增加到2013年的69个,HIV抗体阳性率超过10%的哨点个数从2010年的24个增加到2013年的34个。此外,冯一冰等[5]对2010年以来有关MSM的HIV新发感染的24篇队列研究报道进行Meta分析发现,中国MSM的HIV新发感染率为5.0/100人年(95%CI:4.1/100人年~5.8/100人年)。由此可见,MSM已成为中国艾滋病防治重点人群。
        尽管中国针对MSM开展了包括安全套推广和扩大检测等措施在内的综合防控,但其效果有待进一步观察。既往的观察研究显示,不同的男男性行为个体,由于其社会人口学、性行为、行为网络等因素的差异,感染HIV的风险也存在差异[6],提示有必要精准评估和识别男男性行为个体感染艾滋病的风险并采取及时有效的行为和医学干预。

一、风险评估模型的作用与应用  采用一个简单的风险评估方法,将MSM根据其HIV感染的风险差异进行分层,然后对不同感染风险的MSM采取不同的干预措施,干预的成本效果将大大降低。中国是个人口大国,如何利用有限的资源发挥最大的效果尤为重要,有效的风险评估模型将为以后在MSM中开展有针对性的精准预防提供一些思路与指导。另一方面,对于MSM本身,通过风险评估模型,他们可以直接、客观地了解自己的感染风险,并知道如果改变某一行为将会降低的感染风险。从这个角度讲,风险评估模型将会促进MSM改变危险性行为。
        对个体进行疾病的患病风险评估,了解个体患某种疾病的风险,并进一步采取有针对性的预防控制措施,促进个体健康,这一方法目前在慢性病领域运用比较成熟,例如著名的Framingham队列建立的Framingham冠心病风险模型[7]以及哈佛癌症预防中心建立的哈佛癌症风险指数等[8]。但是,国内外目前有关HIV感染风险评估模型的研究报道较少[9,10,11,12],基于MSM的风险评估模型研究文献则更少,仅有4篇,其中美国3篇[13,14,15],中国1篇[16]

二、国外MSM个体HIV感染风险评估模型  

(一)三个模型的建立  2009年,华盛顿大学Menza等[14]发表的文章以西雅图国王郡公共卫生中心性病门诊中有男男性行为的患者为对象,建立了第一个基于MSM的个体HIV感染风险评估模型。2001—2008年,他们选择性病门诊患者中第一次检测时为HIV阴性且检测次数大于1次的MSM为建模人群,每12个月做一次随访检测,以基线调查时的情况为变量取值,建立COX比例风险模型。全模型有6个二分类变量,包括社会人口学特征、性传播感染(sexually transmitted infection,STI)、物质使用情况、高危性行为等4个方面;而简单模型则不考虑社会人口学特征,仅考虑后3个方面,共有4个二分类变量(表1)。2012年,Smith等[15]发表以HIV疫苗临床实验(VaxGen 004)人群为对象建立的基于MSM的HIV感染风险评估模型的文章。该疫苗临床实验在1998—1999年进行,从美国57个地区选取未感染HIV的MSM为研究对象,每6个月做一次随访。排除有毒品注射史或者仅来检测过一次的对象,使用广义估计方程(generalized estimating equations, GEE)做分析,建立HIV感染风险评估模型。最终,模型中纳入包括年龄、性行为情况、物质使用情况等三个方面的7项指标变量(表1)。2015年,Hoenigl等[13]建立了SDET模型,该模型依据加利福尼亚州圣地亚哥的急性早期HIV(acute and early HIV infection, AEH)筛查项目,在2008—2014年期间,选择急性早期HIV感染者及HIV阴性者为研究对象,并调查他们近12个月的社会人口学、STI及性行为相关情况,建立logistic回归模型,经多因素分析,最终有4个变量纳入最终模型(表1)。

表1Menza模型、Smith模型、SDET模型各自变量及危险分值

(二)三个模型的验证人群  Menza和Smith所建模型均选取Project Explore的研究对象为验证人群。Project Explore是一项随机化行为干预实验,在1999年1月至2001年2月期间,从6个美国城市中选取年龄大于16岁且HIV阴性的MSM作为研究对象。但是,Menza模型仅选取了Project Explore的对照组来验证模型,而Smith模型则既选取了对照组又选取了实验组作为验证人群,但是排除了其中有过毒品注射史或者仅来检测过一次的对象。SDET模型的验证人群和建模人群都来自于圣地亚哥的急性早期HIV筛查项目,只是将符合条件的对象按2∶1的比例分为两组,前者作为建模人群,后者作为验证人群。

(三)三个模型的评估效果  Menza模型通过不同得分或得分区间研究对象的HIV感染风险、累计发病率、生存函数以及受试者工作特征曲线(receiver operating characteristic curve,ROC)下面积(area under the ROC curve,AUC)来评价模型的评估效果,其中AUC是最主要的指标,其越接近于1则表示模型评估效果越好。在验证人群Project Explore中,Menza全模型1年的AUC为0.68(95%CI:0.62~0.75),4年的AUC为0.67(95%CI:0.62~0.71);Menza简单模型1年的AUC为0.67(95%CI:0.60~0.75),4年的AUC为0.66(95%CI:0.61~0.71)。Smith模型用不同分值做诊断分界点(cut-off值),计算敏感度和特异度,最终选择敏感度、特异度兼顾最好的10分为诊断分界点。Smith模型也采用了AUC来评价最终模型的评估效果,在建模人群VaxGen 004中AUC为0.738,在验证人群Project Explore中AUC为0.721。SDET模型则使用约登指数来确定危险得分的诊断分界点,并使用诊断性的OR值来比较不同阈值,同样,它也采用了AUC来评价模型评估效果,在建模人群中AUC为0.740(95%CI:0.696~0.785),在验证人群中AUC为0.703(95%CI:0.625~0.781)。

(四)Smith模型的应用  Smith模型由于风险预测效果较好,被美国公共卫生服务中心用作确定暴露前预防用药(pre-exposure prophylaxis, PrEP)靶向MSM的工具。Jones等[17]基于Smith模型,设计了一款应用程序,可以在医疗环境中简化有关性行为的讨论,从而降低这类讨论的社会不适感,同时筛选出合适的MSM接受PrEP。Wilton等[18]也利用Smith模型,在加拿大多伦多社会检测机构中匿名筛选可接受PrEP的最优MSM,研究分析发现,Smith模型得分越高者感知到其有中-高度HIV感染风险的可能性越高(每增加10分的调整OR=1.7,95%CI:1.2~2.3),愿意接受PrEP的可能性也越高(每增加10分的调整OR=1.7, 95%CI:1.3~2.2)。这些应用都表明个体HIV感染风险评估模型可以让MSM更加方便、清楚、直接地了解自身感染HIV的风险,并且也更愿意接受干预。

(五)三个模型的不足处  Menza模型的建模人群选择的是STD门诊患者,且主要为白种人,存在选择偏倚,而且很多人仅来过门诊一次,在分析的时候排除了这部分人,而有研究表明危险行为与HIV检测行为之间是有关联的[6, 19],所以,Menza模型的建模人群是一个具有高度选择性的人群。另外,Menza模型的建模人群是在2001—2008年收集,而验证人群是在1999—2003年收集,收集时间不同,且两个人群的数据收集方式也不同,报告的行为时间区间也不同,可能会造成信息的错误分类。Menza模型还存在一个问题就是,它将"近6个月使用过甲基苯丙胺类或吸入性亚硝酸类物质"项赋值太高,在新型毒品使用较低的人群中,模型可能不适用。
        Smith模型的建模人群为疫苗实验人群,并不是一般MSM,而且与Menza模型一样,研究对象主要为白种人,所以,同样存在建模人群的选择偏倚。另外,Smith模型建模人群在1998—1999年收集,验证人群在1999—2003年收集,队列时间比较久远,随着时间的变化,MSM的整体行为模式可能已经发生了较大的变化。
        SDET模型建模人群与验证人群为同一人群,且数据收集时间为2008—2014年,但是研究对象主要为白种人,且为单中心数据,所以,也存在选择偏倚,不利于研究结果的外推。另外,SDET模型采用的是回顾性研究设计,且发现的急性/早期HIV感染者也比较少,这些因素都可能对模型的评估效果产生影响。

三、国内MSM个体HIV感染风险评估模型  国内仅胡培等[16]建立了基于广州MSM横断面调查的艾滋病风险评估模型,依据哈佛癌症指数的算法对危险因素进行筛选与量化,将不同RR值(用OR值近似)区间赋予不同的危险分值(RR=0.9~1.1,危险分值=0;RR=0.7~0.9或1.1~1.5,危险分值=5;RR=0.4~0.7或1.5~3.0,危险分值=10;RR=0.2~0.4或3.0~7.0,危险分值=25;RR<0.2或>7.0,危险分值=50),最终纳入了安全套使用情况、性病相关症状、现症梅毒、首次性行为年龄、寻找性伴场所、HIV检测情况以及一般人口学特征等因素。分析包括:(1)个体疾病风险定性评估(依据Colditz方法[8]):通过调查研究对象危险因素的暴露情况,将个体暴露的所有危险因素的危险分值相加,可以计算出每个个体的总危险分值;某因素的人群暴露率与其相应的危险得分相乘得到该因素的人群平均危险分值,各单项危险因素的人群平均危险分值相加得到人群总平均危险分值,某个体的总危险分值除以人群总平均危险分值得到发病风险等级,根据发病风险等级的得分,可定性分为五类(<0.5,显著低于一般人群;0.5~<0.9,低于一般人群;0.9~<1.1,相当于一般人群;1.1~2.0,高于一般人群;>2.0,显著高于一般人群);(2)个体疾病风险定量评估(依据Kim方法[20]):计算个体相对一般人群发病的相对风险,采用公式:Pi为某因素的人群暴露比例,RRci为暴露于该因素的相对危险度,RRIi为个体存在该因素的相对危险度,n为纳入分析的危险因素个数。
        胡培等[16]建立的模型在评估广州市MSM个体感染HIV的风险时的AUC为0.711,并进一步进行了量化分层,可较好地帮助个体识别高危行为,对开展有针对性的健康教育与行为干预有一定意义。广州市疾病预防控制中心与非政府组织合作,以此风险评估模型为基础,应用"互联网+"的理念,构建了MSM艾滋病预防干预软件和HIV检测网络服务平台,扩大了干预覆盖面、加强了干预质量、提高了检测服务可及性[21]。但是,该研究构建模型时使用的是横断面调查数据,且仅仅在广州市进行研究,研究结论外推效果还有待考量。

四、关于建立中国MSM个体HIV感染风险评估模型的思考  目前国内外有关MSM个体HIV感染风险评估模型的研究还不够成熟,几项研究均存在诸多问题,例如研究对象选择偏倚、研究数据收集时间比较久远、研究为单中心等。而且基于美国MSM所作的风险评估模型也并不一定适用于中国MSM,其实用性还有待验证。

(一)MSM个体HIV感染风险评估模型建立方法  Menza模型基于性病门诊中MSM的随访调查数据,建立Cox比例风险模型,纳入社会人口学特征、物质使用情况、性传播疾病感染情况以及高危性行为等4个方面的因素;Smith模型基于疫苗临床实验随访数据,使用广义估计方程做分析,纳入年龄、性行为情况、物质使用情况等3个方面的因素;SDET模型基于急性早期HIV筛查项目的回顾性研究数据,建立logistic回归模型,纳入性传播疾病感染情况以及高危性行为两方面因素;广州模型基于广州MSM的横断面调查,建立logistic回归模型,纳入安全套使用情况、性病相关症状、现症梅毒、首次性行为年龄、寻找性伴场所、HIV检测情况以及一般人口学特征等因素。
        目前已有的4个模型均是依据单中心研究数据建立统计学模型,进一步筛选有统计学意义的指标纳入风险评估模型。对于危险分值的确定,Menza模型与Smith模型均是直接将统计学模型的各指标模型系数乘以10再取整得到,SDET模型是取各指标OR值最近整数,广州模型是根据哈佛癌症指数的算法,将不同OR值区间赋不同的危险分值。这些方法仅局限于建立供局部地区使用的MSM个体HIV感染风险评估模型。如果考虑建立全国性的MSM个体HIV感染风险评估模型,可以在全面文献系统综述基础上建立初步的风险评估条目池,进一步通过德尔菲专家咨询法对风险评估模型指标进行论证,初步建立风险评估模型[22,23,24],建立风险评估模型后,可以利用已有研究数据对模型应用效果进行评估,计算不同得分或得分区间对象的HIV感染风险并计算ROC曲线下面积,还可以通过随机对照实验对风险评估模型的实用性进行评估,探索风险评估模型在MSM艾滋病防控工作中的应用。

(二)MSM个体HIV感染风险评估模型纳入指标  中国不同省、直辖市、自治区MSM的HIV感染率水平相差较大,队列研究也显示不同地区MSM的HIV新发感染率及其危险因素也不尽相同。在建立中国MSM个体HIV感染风险评估模型时,应综合考虑各种因素,同时,从简单实用的角度,应首先考虑选取对MSM的HIV感染最为关键、最具有代表性的因素组成风险评估模型的指标体系。
        为此,根据国内外相关研究文献,同时参考国内有关MSM的HIV新发感染率及危险因素研究的两篇Meta分析和全国61个城市MSM艾滋病流行病学调查结果,建议中国MSM个体HIV感染风险评估模型应主要包含以下指标或变量条目。

1.年龄:  Menza全模型和Smith模型均纳入了年龄变量,年龄越小危险分值越大。而胡培等[16]在广州建立的评估工具也考虑了年龄,但是年龄越大危险分值越大。有关年龄与HIV感染之间的关联性,研究结果存在不一致性。例如李东民等[4]对2010—2013年中国MSM哨点监测的结果进行分析发现,HIV抗体阳性率从≤20岁组的4.9%上升到>50岁组的10.1%,趋势检验差异有统计学意义(P<0.01)。另外,61个城市流调结果也显示50~69岁组感染率显著大于18~24岁组[3]。但是,王毅等[25]基于四川省绵阳市MSM人群的队列研究发现,年龄越大,HIV新发感染的风险越低(RR:21~25岁比≤20岁:0.32(95%CI:0.11~0.95),≥26岁比≤20岁:0.17(95%CI:0.05~0.66))。为了更具有可信性,可以参考全国历年MSM哨点监测数据,对年龄进行分段,得到历年不同年龄段的感染风险,通过综合分析,确定其危险分值。

2.文化程度:  冯一冰等[5]对2010年1月至2015年2月发表的中国MSM队列研究进行Meta分析发现,文化程度低是MSM的HIV感染的危险因素(HR=1.61,95%CI:1.21~2.15)。61个城市流调结果也提示,文化程度越低,感染风险越大(调整OR:高中/初中0.98(95%CI:0.87~1.10),大学及以上/初中0.77(95%CI:0.68~0.88))[3]。所以在建立MSM个体HIV感染风险评估模型时,应该考虑文化程度因素并予以相应的危险分值。

3.地区:  2011年卫生部发表的中国艾滋病疫情评估报告中指出,各省市报告的HIV感染者和艾滋病患者数差异很大,排在前6位的省份依次为云南省、广西壮族自治区、河南省、四川省、新疆维吾尔自治区和广东省,而这6个省份的总报告人数占全国报告总数的75.8%,且累计报告HIV/AIDS例数排名在前20位的县(区/市)均分布在云南省、广西壮族自治区、新疆维吾尔自治区、河南省和四川省[26]。邱英鹏等[27]的Meta分析也指出西南地区MSM的HIV感染率为11.2%,明显高于其他地区(2.3%~4.6%)。HIV感染者是HIV传播的惟一传染源,在感染率较高的地区生活的MSM感染HIV的风险更大,所以在建立MSM个体HIV感染风险评估模型时,应该考虑地区因素。可以根据全国历年MSM哨点监测数据,得到不同省份的MSM的HIV感染率,从而可间接获得因所处省份不同带来的风险差异,并给予不同的危险分值。

4.民族:  相对于汉族而言,少数民族人民多数住在偏远地区,经济落后,文化程度偏低,接受卫生服务与健康教育比较困难。冯一冰等[5]的Meta分析发现,少数民族也是MSM人群HIV感染的危险因素(HR=2.40,95%CI: 0.89~6.43)。另外,61个城市流调结果也显示出类似的结果(调整OR=1.1,95%CI:0.88~1.3)[3]。所以在建立MSM的HIV感染风险评估模型时,应该考虑民族因素,少数民族应获得相对较高的危险分值。

5.危险性行为:  冯一冰等[5]的Meta分析以及Li等[28]的Meta分析均发现无保护性行为[冯一冰等,HR=1.45,95%CI: 0.97~2.16;Li等的为近6个月存在无保护接受式肛交(unprotected receptive anal intercourse,URAI),RR=3.88,95%CI: 1.44~10.47]、多性伴(冯一冰等[5]HR=2.31,95%CI: 1.60~3.34;Li等[28]RR=2.81,95%CI: 1.59~4.95)是MSM的HIV感染的危险因素,另外冯一冰等[5]的Meta分析还发现商业性行为(HR=4.11,95%CI: 1.47~11.46)也是危险因素。由于HIV感染者是HIV传播的惟一传染源,所以考虑多性伴情况的同时,具体考虑阳性性伴数目将更有利于发现高风险的MSM。因此,在建立MSM个体HIV感染风险评估模型时,可考虑的危险性行为因素有:多性伴、近6个月HIV阳性性伴数、近6个月存在无保护性肛交、近6个月存在商业性行为。根据具体的危险性行为予以不同的危险分值。

6.梅毒感染:  冯一冰等[5]的Meta分析以及Li等[28]的Meta分析均发现梅毒感染(冯一冰等[5]HR=3.22,95%CI: 2.21~4.70;Li等[28]RR=3.33,95%CI: 1.97~5.62)是MSM的HIV感染的危险因素。61个城市流调结果也提示,梅毒感染者感染HIV的风险较大(调整OR=3.3,95%CI: 3.0~3.7)[3]。此外,梅毒感染是MSM的HIV监测中常规检测数据。所以,在建立MSM个体HIV感染风险评估模型时,可以考虑纳入梅毒感染因素,并给予相应危险分值。

7.新型毒品使用:  新型毒品可促进HIV/AIDS相关的高危性行为[29],还可能降低机体的免疫能力从而导致对HIV的易感性增加[30,31],另外滥用新型毒品还可能影响抗病毒治疗的可接受性与依从性[32]。Menza模型和Smith模型中均纳入了甲基苯丙胺类以及吸入性亚硝酸酯类新型毒品作为变量。Xu等[33]通过对中国7个城市的横断面调查发现,使用新型毒品可增加MSM感染HIV的风险(调整OR=1.67,95%CI:1.31~2.13)。所以,在建立MSM个体HIV感染风险评估模型时,也应考虑纳入新型毒品使用的变量。
        除了上述7项指标外,也有研究认为其他一些人口学、心理、行为等因素可能影响中国MSM的HIV感染风险,如经济收入低下[34,35]、包茎或包皮过长[34]、肛交出血[35]、性角色[33,35,36]、焦虑与抑郁心理[37]、群交[38,39]、既往HIV检测[40]等,但相关研究结果并不一致,需要进一步的队列研究支持。

(三)构建MSM个体HIV感染风险评估模型注意事项  1.建立全国性的MSM个体HIV感染风险评估模型时,由于参考不同文献形成条目池,各变量指标之间很有可能存在混杂,需要严格控制参考文献选入标准,尽量参考队列研究资料。
        2.初步构建风险评估模型后,可以开展随机对照实验进行模型的应用研究,从而对模型进行修正与完善,提高有效性与准确性。
        3.建立全国性的风险评估模型时需要参考不同研究得到的HR/RR/OR值,从而提高危险赋值的准确性,但目前研究较多且对MSM的HIV感染有明确影响作用的因素(如多性伴、无保护性肛交、商业性行为等),存在各研究之间定义不一致的情况,很难综合比较,所以建议今后的研究中可以对这些因素进行统一定义。
        4.最后的具体评估模型语言应尽量简单、易懂,指标数目也不宜过多,从而更加方便可及,便于MSM进行快速的自我评估,提高模型的实用性。
        总而言之,我们可以综合各类来源的有关MSM的HIV感染率和新发感染率及其危险因素的监测数据和研究数据,建立MSM个体HIV感染风险评估指标体系,进而通过已有的以及新建的MSM队列研究数据对该评估指标体系进行评估与验证,从而科学设计适用于中国MSM的个体HIV感染风险评估模型,以期精准识别具有HIV感染高风险的MSM个体,并采取针对性的精准干预措施,为有效防控MSM艾滋病传播提供重要技术手段。

参考文献
[1]黑发欣,王璐,秦倩倩,等.中国2006—2010年男男性行为者艾滋病疫情分析[J].中华流行病学杂志, 2012,33(1):67-70. DOI:10.3760/cma.j.issn.0254-6450.2012.01.015.
[2]中国疾病预防控制中心,性病艾滋病预防控制中心,性病控制中心. 2017年5月全国艾滋病性病疫情[J].中国艾滋病性病, 2017,23(7):581. DOI:10.13419/j.cnki.aids.2017.07.01.
[3]WuZY, XuJ, LiuEW, et al. HIV and syphilis prevalence among men who have sex with men: a cross-sectional survey of 61 cities in China[J]. Clin Infect Dis, 2013,57(2):298-309. DOI:10.1093/cid/cit210.
[4]李东民,葛琳,王岚,等.中国2010—2013年男男性行为人群艾滋病及相关行为变化趋势分析[J].中华流行病学杂志, 2014,35(5):542-546. DOI:10.3760/cma.j.issn.0254-6450.2014.05.016.
[5]冯一冰,步凯,李萌,等.中国男男性行为人群HIV新发感染率和相关危险因素的Meta分析[J].中华流行病学杂志, 2015,36(7):752-758. DOI:10.3760/cma.j.issn.0254-6450.2015.07.019.
[6]KoblinBA, HusnikMJ, ColfaxG, et al. Risk factors for HIV infection among men who have sex with men[J]. AIDS, 2006,20(5):731-739. DOI:10.1097/01.aids.0000216374.61442.55.
[7]BittonA, GazianoT. The Framingham heart study's impact on global risk assessment[J]. Prog Cardiovasc Dis, 2010,53(1):68-78. DOI:10.1016/j.pcad.2010.04.001.
[8]ColditzGA, AtwoodKA, EmmonsK, et al. Harvard report on cancer prevention volume 4: Harvard Cancer Risk Index. Risk Index Working Group, Harvard Center for Cancer Prevention[J]. Cancer Causes Control, 2000,11(6):477-488.
[9]BalkusJE, BrownE, PalaneeT, et al. An empiric HIV risk scoring tool to predict HIV-1 acquisition in African women[J]. J Acquir Immune Defic Syndr, 2016,72(3):333-343. DOI:10.1097/QAI.0000000000000974.
[10]HaukoosJS, LyonsMS, LindsellCJ, et al. Derivation and validation of the Denver human immunodeficiency virus (HIV) risk score for targeted HIV screening[J]. Am J Epidemiol, 2012,175(8):838-846. DOI:10.1093/aje/kwr389.
[11]KahleEM, HughesJP, LingappaJR, et al. An empiric risk scoring tool for identifying high-risk heterosexual HIV-1-serodiscordant couples for targeted HIV-1 prevention[J]. J Acquir Immune Defic Syndr, 2013,62(3):339-347. DOI:10.1097/QAI.0b013e31827e622d.
[12]SmithDK, PanY, RoseCE, et al. A brief screening tool to assess the risk of contracting HIV infection among active injection drug users[J]. J Addict Med, 2015,9(3):226-232. DOI:10.1097/ADM.0000000000000123.
[13]HoeniglM, WeibelN, MehtaSR, et al. Development and validation of the San Diego early test score to predict acute and early HIV infection risk in men who have sex with men[J]. Clin Infect Dis, 2015,61(3):468-475. DOI:10.1093/cid/civ335.
[14]MenzaTW, HughesJP, CelumCL, et al. Prediction of HIV acquisition among men who have sex with men[J]. Sex Transm Dis, 2009,36(9):547-555. DOI:10.1097/OLQ.0b013e3181a9cc41.
[15]SmithDK, PalsSL, HerbstJH, et al. Development of a clinical screening index predictive of incident HIV infection among men who have sex with men in the United States[J]. J Acquir Immune Defic Syndr, 2012,60(4):421-427. DOI:10.1097/QAI.0b013e318256b2f6.
[16]胡培,钟斐,程伟彬,等.广州市男男性行为者艾滋病感染风险模型的建立[J].中华流行病学杂志, 2012,33(7):667-671. DOI:10.3760/cma.j.issn.0254-6450.2012.07.006.
[17]JonesJ, StephensonR, SmithDK, et al. Acceptability and willingness among men who have sex with men (MSM) to use a tablet-based HIV risk assessment in a clinical setting[J]. Springerplus, 2014,3(1):708. DOI:10.1186/2193-1801-3-708.
[18]WiltonJ, KainT, FowlerS, et al. Use of an HIV-risk screening tool to identify optimal candidates for PrEP scale-up among men who have sex with men in Toronto, Canada: disconnect between objective and subjective HIV risk[J]. J Int AIDS Soc, 2016,19(1):20777. DOI:10.7448/IAS.19.1.20777.
[19]MacKellarDA, ValleroyLA, SecuraGM, et al. Repeat HIV testing, risk behaviors, and HIV seroconversion among young men who have sex with men: a call to monitor and improve the practice of prevention[J]. J Acquir Immune Defic Syndr, 2002,29(1):76-85. DOI:10.1097/00042560-200201010-00011.
[20]KimDJ, RockhillB, ColditzGA. Validation of the Harvard Cancer Risk Index: a prediction tool for individual cancer risk[J]. J Clin Epidemiol, 2004,57(4):332-340. DOI:10.1016/j.jclinepi.2003.08.013.
[21]程伟彬,徐慧芳,钟斐,等. 2010—2015年广州市"互联网+"艾滋病预防服务在男男性行为人群中的应用[J].中华预防医学杂志, 2016,50(10):853-857. DOI:10.3760/cma.j.issn.0253-9624.2016.10.004.
[22]LandetaJ. Current validity of the Delphi method in social sciences[J]. Technol Forecast Soc Change, 2006,73(5):467-482. DOI:10.1016/j.techfore.2005.09.002.
[23]刘览,钟斐,程伟彬,等.基于Delphi法的MSM人群艾滋病感染风险指标体系[J].中国艾滋病性病, 2012,18(12):836-839. DOI:10.13419/j.cnki.aids.2012.12.016.
[24]平卫伟,谭红专. Delphi法的研究进展及其在医学中的应用[J].疾病控制杂志, 2003,7(3):243-246. DOI:10.3969/j.issn.1674-3679.2003.03.032.
[25]王毅,李六林,徐杰,等.四川省绵阳市男男性行为人群队列研究HIV新发感染及影响因素[J].中华预防医学杂志, 2015,49(1):66-70. DOI:10.3760/cma.j.issn.0253-9624.2015.01.015.
[26]中华人民共和国卫生部,联合国艾滋病规划署,世界卫生组织. 2011年中国艾滋病疫情估计[J].中国艾滋病性病, 2012,18(1):1-5. DOI:10.13419/j.cnki.aids.2012.01.005.
[27]邱英鹏,刘爱忠,冯铁建.中国大陆MSM人群HIV/梅毒感染状况性行为特征和艾滋病知识知晓情况的Meta分析[J].中国艾滋病性病, 2013,19(3):169-173. DOI:10.13419/j.cnki.aids.2013.03.016.
[28]LiHM, PengRR, LiJ, et al. HIV incidence among men who have sex with men in China: a meta-analysis of published studies[J]. PLoS One, 2011,6(8):e23431. DOI:10.1371/journal.pone.0023431.
[29]单多,吴迪,刘璐,等. 2016年天津市滥用药物男男性行为人群危险性行为状况及HIV感染情况[J].中华预防医学杂志, 2017,51(8):718-722. DOI:10.3760/cma.j.issn.0253-9624.2017.08.011.
[30]ConnorTJ. Methylenedioxymethamphetamine (MDMA, 'Ecstasy’): a stressor on the immune system[J]. Immunology, 2004,111(4):357-367. DOI:10.1111/j.0019-2805.2004.01847.x.
[31]雷云霄,王红红,肖雪玲,等.长沙市男男性行为人群rush poppers使用与HIV感染情况及其影响因素[J].中华预防医学杂志, 2016,50(2):148-152. DOI:10.3760/cma.j.issn.0253-9624.2016.02.009.
[32]EllisRJ, ChildersME, ChernerM, et al. Increased human immunodeficiency virus loads in active methamphetamine users are explained by reduced effectiveness of antiretroviral therapy[J]. J Infect Dis, 2003,188(12):1820-1826. DOI:10.1086/379894.
[33]XuJJ, ZhangC, HuQH, et al. Recreational drug use and risks of HIV and sexually transmitted infections among Chinese men who have sex with men: Mediation through multiple sexual partnerships[J]. BMC Infect Dis, 2014,14(1):642. DOI:10.1186/s12879-014-0642-9.
[34]李东亮,高彦杰,于明润,等.北京市男男性行为者HIV新发感染率及影响因素研究[J].中华流行病学杂志, 2012,33(7):663-666. DOI:10.3760/cma.j.issn.0254-6450.2012.07.005.
[35]XuHL, JiaMH, MinXD, et al. Factors influencing HIV infection in men who have sex with men in China[J]. Asian J Androl, 2013,15(4):545-549. DOI:10.1038/aja.2013.51.
[36]刘黎,张敏,朱正平,等.南京市男男性行为人群艾滋病感染情况及其影响因素[J].江苏预防医学, 2015,26(2):33-35. DOI:10.13668/j.issn.1006-9070.2015.02.013.
[37]姜婷婷,潘晓红,王憓,等.浙江省男男性行为者抑郁和焦虑状况及其相关因素分析[J].中国艾滋病性病, 2016,22(5):357-360. DOI:10.13419/j.cnki.aids.2016.05.15.
[38]吴丹,程绍辉,杨杰,等.同性恋浴池MSM人群HIV感染状况及影响因素调查[J].中国艾滋病性病, 2013,19(2):127-130. DOI:10.13419/j.cnki.aids.2013.02.014.
[39]刘英杰,姜树林,胡尧,等. 2009年北京市男男性行为者性行为特征和艾滋病等性传播疾病感染状况[J].中华预防医学杂志, 2011,45(11):971-974. DOI:10.3760/cma.j.issn.0253-9624.2011.11.003.
[40]张婉筠,李丽,李婕,等.昆明市2527例MSM的HIV感染状况及影响因素分析[J].中国艾滋病性病, 2014,20(10):755-758. DOI:10.13419/j.cnki.aids.2014.10.019.