SARS-CoV-2单克隆抗体用于暴露前预防的公平分配方法的实施:来自单一医疗中心的经验

Implementation of an Approach to Equitable Allocation of SARS-CoV-2 Monoclonal Antibodies for Preexposure Prophylaxis: Experience From a Single Medical Center

作者信息Keith W Hamilton, Elvis Hua, Lauren Dutcher, Holly Fernandez Lynch, Paul Junker, Abigail G Doucette, Danielle Werner, Ethan Z Kannel, Thomas Civitello, Peter Gabriel, Vivek N Ahya, Dina A Jacobs, Alfred Garfall, Keith Pratz, Kathleen O Degnan, Emily A Blumberg, Donna Capozzi, Ethan Craig, Patricia Takach, Aimee S Payne, Abdallah Geara, Helen Koenig, Lawrence Holzman, Pablo Tebas
PMID39100528
发布时间2024-07-10
DOI10.1093/ofid/ofae388

实验完整度

中

本研究为回顾性队列研究,包含明确的患者识别、分配策略和统计分析,但无前瞻性干预或机制验证。

主要模型

免疫功能低下患者队列

重点核对

符合条件的患者定义(Table 1) TGM/CGM分配策略(分散与集中结合) 基于ADI的社会经济状态分层 多变量logistic回归调整变量 TGM/CGM给药剂量与时间窗口

摘要

背景:在COVID-19大流行期间,用于暴露前预防的SARS-CoV-2单克隆抗体(SMA-PrEP)为免疫功能低下的患者提供了另一种保护选择。然而,SMA-PrEP给医疗机构带来了行政、运营和伦理方面的挑战,导致接受治疗的患者很少。尽管第一种SMA-PrEP药物tixagevimab和cilgavimab因体外疗效受损而撤销授权,但新的SMA-PrEP药物正在完成临床试验。本文提供了一个操作框架,涵盖行政组织、患者识别和优先排序、公平的药物分配、药物订购和给药以及患者追踪。方法:进行了一项回顾性队列研究,评估我们医院的SMA-PrEP给药策略。使用多变量逻辑回归检验与接受SMA-PrEP相关的因素。结果:尽管在管理这种药物和资源稀缺方面存在障碍,我们医院仍能够为5902名符合条件的患者中的1359名(23.0%)至少接种1剂SMA-PrEP。即使采取了促进公平分配的措施,多变量逻辑回归显示,在种族、民族和社会经济地位方面仍存在差异。与黑人患者相比,白人患者(比值比[OR],1.85;95%CI,1.46–2.33)、亚裔患者(OR,1.59;95%CI,1.03–2.46)和西班牙裔患者(OR,1.53;95%CI,1.02–2.44)更有可能接受SMA-PrEP。与低社会经济地位的患者相比,高社会经济地位的患者(OR,1.37;95%CI,1.05–1.78)更有可能被分配到SMA-PrEP。结论:尽管努力减轻医疗保健差异,但在接受SMA-PrEP的患者中,种族/民族和社会经济地位的差异仍然存在。关键词:分配,COVID-19,差异,暴露前预防,SARS-CoV-2单克隆抗体。

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
探讨在医疗资源稀缺情况下,如何公平分配SARS-CoV-2单克隆抗体用于暴露前预防,并评估实际分配中是否存在差异。
核心机制
文中未明确说明
主要证据
回顾性队列研究显示,1359/5902 (23.0%)符合条件的患者接受了至少一剂TGM/CGM。多变量logistic回归显示,与黑人患者相比,白人、亚裔和西班牙裔患者更可能接受TGM/CGM;高社会经济地位患者比低社会经济地位患者更可能接受TGM/CGM。
研究意义
本文提供了单一医疗中心实施SMA-PrEP分配的框架,强调了在资源有限情况下促进公平的挑战,并为未来类似药物的分配提供参考。

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。

1

确定高风险患者标准

识别最可能受益于SMA-PrEP的免疫功能低下患者,以便公平分配有限的药物供应。

基于诊断或药物使用制定高风险患者标准,包括实体器官移植、血液恶性肿瘤、先天或获得性免疫缺陷等,并形成具体标准表格(Table 1)。

2

构建患者识别与追踪系统

通过电子健康记录和地理编码工具构建患者列表,并建立仪表板用于识别和追踪符合条件的患者。

利用分析软件Tableau开发仪表板,从EHR中提取患者地址,进行地理编码并关联ADI评分,用于识别高风险患者并追踪其接种状态。

3

分配策略实施

确保TGM/CGM的分配公平且高效,优先考虑高风险患者。

采用分散与集中相结合的方式:将剂量分配给照顾高风险患者的专科诊所,并设立中央接种点。使用仪表板生成优先列表,并通过电子通信和电话进行患者 outreach。

4

评估分配结果

通过回顾性队列研究分析分配策略的实际效果,评估是否存在人口统计学差异。

收集符合条件患者的诊断和人口统计学信息,计算ADI以确定社会经济地位,并进行多变量逻辑回归分析以确定与接受TGM/CGM相关的因素。

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。

分配公平性分析

产品清单

实验环节名称品牌货号
Tableau软件Tableau Software, LLC--
Epic系统公司Epic Systems Corporation--
ArcGIS 10.6.1ESRI--

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
患者识别与纳入标准
符合条件患者的定义:需参考Table 1中的具体诊断和用药条件;诊断信息从EHR中提取。
阅读提示:Methods部分“Identification and Tracking of Eligible Patients”和Table 1
分配策略
分配策略:需确认剂量分配依据(各诊所符合条件患者比例)和集中/分散相结合的具体实施细节。
阅读提示:Methods部分“Distribution Strategies”
社会经济状态分层
ADI计算:需使用患者地址进行地理编码并关联至美国人口普查区,以确定ADI十分位数。
阅读提示:Methods部分“Identification and Tracking of Eligible Patients”和“Statistical Analysis”
结局评估
主要结局为是否接受至少一剂TGM/CGM;需记录患者人口统计学特征和诊断,并确保首剂记录准确。
阅读提示:Results部分和Table 2
统计分析
多变量logistic回归模型:需明确纳入的变量(单变量分析P≤0.20)和统计稳健性。
阅读提示:Methods部分“Statistical Analysis”和Table 3