数据收集与变量提取
收集新诊断HIV个体的社会人口学、性行为和PrEP相关数据。
从电子病历中提取2015年1月1日至2024年6月30日期间在阿姆斯特丹公共卫生服务中心新诊断HIV的个体数据,包括年龄、性别、教育水平、出生国家、种族、性行为、性工作、药物使用、PrEP使用等。
Characterising individuals with newly diagnosed HIV before versus during the era of PrEP: a descriptive time-series analysis of data from a sexual health centre in Amsterdam, the Netherlands, 2015 to 2024
本研究为描述性时间序列分析,使用横断面数据,未包含功能验证或机制验证,主要基于统计回归模型。
阿姆斯特丹公共卫生服务中心就诊个体
HIV诊断时间:NPP期间(2019年8月1日至2024年6月30日)与NPP前(2015年1月1日至2019年7月31日)比较 性行为变量:诊断前6个月内的无套性行为、性工作、化学性行为等 PrEP使用:诊断前一年内是否使用PrEP,包括方案和来源 多重插补:对缺失协变量进行链式方程多重插补,创建20个插补数据集 统计分析:使用STATA v17进行逻辑回归,计算未调整和调整后的比值比
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
收集新诊断HIV个体的社会人口学、性行为和PrEP相关数据。
从电子病历中提取2015年1月1日至2024年6月30日期间在阿姆斯特丹公共卫生服务中心新诊断HIV的个体数据,包括年龄、性别、教育水平、出生国家、种族、性行为、性工作、药物使用、PrEP使用等。
描述新诊断HIV个体的特征,并比较NPP前后时期的差异。
对647名个体进行描述性统计分析,计算各变量的中位数、四分位数、频数和百分比,并使用卡方检验、Fisher精确检验、秩和检验或Mann-Whitney U检验比较NPP前后的差异。
评估在NPP期间(相对于之前)诊断为HIV的决定因素。
使用单变量和多变量逻辑回归模型,计算未调整和调整后的比值比(OR)和95%置信区间。多变量模型包含预先指定的协变量:年龄、性别和性取向组、种族、教育水平(大专及以上)、无套性行为、性工作和就诊时诊断的STI。
评估将无套肛交与偶然伴侣作为变量纳入模型对结果的影响。
在多变量模型中用无套肛交与偶然伴侣替代无套性行为,进行敏感性分析。
比较有PrEP使用史与无PrEP使用史的HIV诊断个体的特征。
在2018年5月7日至2024年6月30日期间诊断的270名个体中,比较自报PrEP使用者和非使用者的社会人口学、性行为和STI特征。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 数据分析 | STATA | StataCorp | v17 |
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 研究设计与数据来源 | 纳入了2015年1月1日至2024年6月30日期间在阿姆斯特丹公共卫生服务中心新诊断HIV的个体(n=647) 阅读提示:Methods: Study design, setting, and population |
| 变量定义 | 性行为变量和无套性行为、性工作等定义需核对 阅读提示:Methods: Data collection and study variables |
| 统计分析 | 多变量逻辑回归模型的协变量、多重插补设置(20个数据集) 阅读提示:Methods: Statistical analysis |