队列建立与分组
确定研究人群并划分基线CD4亚组，以评估不同免疫状态下的CD4恢复轨迹。
回顾性队列研究，纳入2010-2019年间启动ART并维持病毒抑制的成人HIV感染者，根据基线CD4计数分为5个亚组。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
现代抗逆转录病毒治疗下HIV感染者CD4细胞长期恢复轨迹的数据驱动建模
Data-driven Modeling of Long-term CD4 Cell Recovery Trajectories Under Modern Antiretroviral Therapy in People Living With HIV
实验完整度
中本研究为回顾性队列研究，包含明确的统计建模和分层分析，但缺乏功能或机制验证。
主要模型
成人HIV感染者队列（N=2611） 基线CD4计数亚组（≤49、50–199、200–349、350–499、≥500 cells/μL）
重点核对
队列纳入标准：年龄≥18岁，2010-2019年启动ART，随访≥4年，持续病毒抑制 断点位置的确定：通过穷举网格搜索（0.5年间隔）基于AIC选择 时间依赖性协变量：INSTI暴露 CD4恢复到阈值定义：连续两次测量达到≥500或≥350 cells/μL
摘要
背景：尽管CD4恢复已被广泛研究，但在现代ART时代，其长期时间动态和阶段特异性特征仍未完全阐明。方法：这项回顾性队列研究纳入了中国南京2010年至2019年间启动ART并维持病毒抑制的成人HIV感染者。使用带有穷举网格搜索的分段线性混合效应模型识别最佳CD4恢复轨迹模型。累积概率曲线估计CD4计数恢复至≥500和≥350 cells/μL的概率。结果：分析了2611名个体，贡献了22970人年和37959次观察。最佳拟合模型识别出具有0.5、2.5和6年断点的4阶段CD4恢复轨迹，其特征为0-0.5年期间增长最快（265.4 cells/μL/年），0.5-2.5年和2.5-6年期间逐渐减慢，6年后增长适度（8.6 cells/μL/年）。达到两个阈值的累积概率稳步上升，但在6年后显著减速。按启动ART时的基线CD4计数分层时，与350-499亚组相比，<200亚组在0-0.5年期间早期CD4计数增长较慢（≤49: -57.9；50-199: -40.3 cells/μL/年），但在0.5-2.5年期间加速增长（≤49: +28.3；50-199: +10.2 cells/μL/年），这种增长在6年后持续（≤49: +4.7；50-199: +5.3 cells/μL/年）。<200亚组达到两个阈值的累积概率在整个随访期间持续增加，而基线水平较高的亚组在6年时趋于稳定。结论：在持续病毒抑制下，CD4恢复遵循阶段特异性轨迹。晚期免疫抑制的个体表现出延迟但持续的CD4恢复。这些发现可能有助于了解CD4恢复何时接近其最大潜力。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 在现代ART时代，HIV感染者在持续病毒抑制下CD4恢复的长期时间动态和阶段特异性特征是什么？
- 核心机制
- CD4恢复遵循阶段特异性轨迹，早期由记忆CD4+ T细胞再分布驱动，随后由胸腺输出和稳态增殖支持，晚期免疫抑制者因免疫损伤严重而早期恢复受限，后期通过稳态机制逐渐恢复。
- 主要证据
- 基于2611名成人HIV感染者的回顾性队列，使用分段线性混合效应模型识别出0.5、2.5和6年断点，并估计不同基线CD4亚组的恢复斜率及累积概率曲线。
- 研究意义
- 本研究有助于了解CD4恢复达到最大潜力的时间，为评估免疫重建疗效提供参考时间框架。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
识别CD4恢复轨迹断点
数据驱动地识别CD4恢复轨迹中的阶段转变点。
使用分段线性混合效应模型，通过穷举网格搜索确定最优断点数量和位置，基于AIC选择最优模型。
描述总体CD4恢复轨迹
估计总体CD4计数恢复的斜率，并描述不同阶段的增长速率。
在最优模型下估计各阶段的CD4恢复斜率，并计算断点处的模型预测CD4值。
分层分析CD4恢复轨迹
比较不同基线CD4亚组的恢复轨迹差异，识别“追赶”恢复模式。
在分段模型中加入基线CD4亚组与时间段的交互项，调整协变量，比较各亚组与参考亚组（350-499）的斜率差异。
估计CD4恢复到阈值的累积概率
评估达到≥500和≥350 cells/μL的累积概率及其随时间的变化。
使用累积概率曲线估计达到阈值的时间，并按基线CD4亚组分层。
评估影响CD4恢复的因素
确定与CD4恢复时间相关的因素。
使用多变量时间依赖性Cox比例风险模型，评估基线CD4、年龄、机会性感染史、INSTI暴露等对CD4恢复时间的影响。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 统计分析 | R软件 | -- | version |
关键环节
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 |
|---|---|
| 队列建立 | 纳入和排除标准：年龄≥18岁，2010-2019年启动ART，随访≥4年，持续病毒抑制；排除病毒学失败、ART中断、恶性肿瘤、死亡等。 阅读提示：Methods: Study Design and Participants |
| 断点识别 | 断点数量（1-4）和候选位置（0.5年网格）的设定，以及AIC选择标准。 阅读提示：Methods: Statistical Analysis, Model Selection |
| 总体轨迹建模 | 分段线性混合效应模型的设定（随机截距和斜率），调整的协变量（基线CD4、年龄、性别、传播途径、HCV、机会性感染、诊断至ART启动时间、INSTI暴露）。 阅读提示：Methods: Statistical Analysis, Trajectory Analysis |
| 分层分析 | 基线CD4亚组的划分（≤49, 50–199, 200–349, 350–499, ≥500 cells/μL），以及交互项的设定（基线CD4×时间段，INSTI暴露×时间段）。 阅读提示：Methods: Statistical Analysis, Results: Trajectory Analysis Stratified by CD4 count at ART initiation |
| 累积概率估计 | 阈值定义（连续两次测量≥500或≥350 cells/μL），以及分层分析。 阅读提示：Methods: Statistical Analysis, Results: Cumulative Probability of CD4 Recovery |
| 因素分析 | 时间依赖性Cox模型的设定：时间依赖性协变量为INSTI暴露，参考组的选择（对于≥500阈值，350-499亚组；对于≥350阈值，200-349亚组）。 阅读提示：Methods: Statistical Analysis, Results: Factors Associated With CD4 Recovery |