研究设计与数据收集
收集MSM的社会人口学、性行为和性传播感染数据
采用基于场所的招募方式,在西安同志社区招募符合条件的MSM,通过结构化问卷收集社会人口学、性行为、STI和艾滋病服务利用等信息,并对参与者进行淋病和衣原体检测。
Identifying High-Risk Populations for Sexually Transmitted Infections in Chinese Men Who Have Sex With Men: A Cluster Analysis
基于892名MSM的横断面调查,采用聚类分析、敏感性分析和多组学数据整合,但缺乏功能验证和机制验证。
892名中国西安男男性行为者(MSM)队列
聚类变量:过去3个月男性性伴侣数量 聚类变量:最近一次性行为中男性性伴侣是否为固定伴侣 聚类变量:最近一次性行为中男性性伴侣的STI诊断状态 聚类变量:过去3个月接受性肛交时安全套使用频率 聚类变量:过去3个月插入性肛交时安全套使用频率
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MSM的社会人口学、性行为和性传播感染数据
采用基于场所的招募方式,在西安同志社区招募符合条件的MSM,通过结构化问卷收集社会人口学、性行为、STI和艾滋病服务利用等信息,并对参与者进行淋病和衣原体检测。
确定用于聚类分析的代表性性行为变量
从多项与性行为相关的因素中,通过排除低方差变量和使用双变量分析筛选出与淋病和衣原体感染相关的因素,最终确定5个聚类变量。
识别具有不同性行为模式的MSM亚群
基于Gower距离使用k-medoids聚类算法(PAM实现)进行多次迭代,以确定最佳聚类数。初始将参与者分为2组(最近性伴侣为固定伴侣 vs 非固定伴侣),非固定伴侣组进一步分为2个子组,最终得到3个聚类。
评估不同性行为模式集群之间的性传播感染风险差异
比较各集群的社会人口学特征、性行为相关因素、性行为发生情况、性行为对组合、性行为序列长度以及淋病和衣原体阳性率。
评估聚类变量的有效性
对5个聚类变量进行单变量和多变量逻辑回归分析,以及混合效应逻辑回归,以评估其与STI状态的关联。
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 | RStudio 4.3.3 | -- | -- |
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 |
|---|---|
| 样本纳入 | 纳入标准包括年龄≥18岁、男性、最近3个月与男性发生性行为、自报HIV阴性或不确定;排除标准包括严重精神疾病、语言障碍等,最终分析样本为892名MSM 阅读提示:见“Study Inclusion and Exclusion Criteria”部分 |
| 数据收集 | 问卷调查由经过培训的同伴实施,通过在线问卷收集数据 阅读提示:见“Study Sampling, Recruitment, and Data Collection”部分 |
| STI检测 | 对咽部、泌尿生殖道和肛门3个部位进行平行检测,确定淋病和衣原体感染状态 阅读提示:见“Variables”部分 |
| 聚类分析 | 使用Gower距离和k-medoids算法,通过多次迭代确定最佳聚类数,初始分为2组,非固定伴侣组进一步分为2子组,最终得到3个聚类 阅读提示:见“Cluster Analysis”部分 |
| 统计方法 | 使用χ2检验、方差分析、Kruskal-Wallis检验,以及单变量和多变量逻辑回归、混合效应逻辑回归进行敏感性分析 阅读提示:见“Cluster Analysis”部分和“Sensitivity Analyses”部分 |