建立研究队列与数据收集
获取HIV感染者的临床随访数据及死亡信息。
纳入PISCIS队列中1998-2020年间有至少一次随访的HIV感染者，通过医院报告和外部数据源（如国家统计局和PADRIS）验证死亡事件。
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
1998-2020年西班牙加泰罗尼亚和巴利阿里群岛PISCIS队列中HIV感染者的AIDS和非AIDS死亡率及预测因子的演变
Evolving AIDS- and non-AIDS Mortality and Predictors in the PISCIS Cohort of People Living With HIV in Catalonia and the Balearic Islands (Spain), 1998-2020
实验完整度
中基于大型前瞻性队列，采用改良CoDe方案分类死因，计算粗死亡率、SMR，并使用竞争风险模型分析预测因子，但未涉及干预实验。
主要模型
PISCIS队列中HIV感染者（30,394例）
重点核对
研究队列：PISCIS队列，纳入1998-2020年期间在加泰罗尼亚和巴利阿里群岛17+2家医院随访的HIV感染者 死因分类：采用改良CoDe方案，17个死因类别，由2名临床医生独立分类，必要时由第3名仲裁 随访时间：从1998年1月1日或入队至死亡或2020年12月31日，要求至少12个月内有一次随访 统计模型：竞争风险模型，调整年龄、性别、地区、社会经济剥夺、HIV传播途径、ART、CD4、病毒载量、合并症等 缺失数据处理：对CD4、病毒载量、国家、社会经济状态进行多重插补
摘要
背景：有效的抗逆转录病毒治疗（ART）已大幅降低了与获得性免疫缺陷综合征（AIDS）相关的死亡，将重点转向HIV感染者的非AIDS疾病。我们研究了1998年至2020年加泰罗尼亚和巴利阿里群岛（PISCIS）HIV感染者队列中AIDS和非AIDS死亡率的趋势及预测因子。方法：我们采用改良的HIV死亡原因编码（CoDe）方案，该方案已被多种HIV队列广泛采用，以对死亡原因进行分类。我们应用标准化死亡率（SMR）与普通人群进行比较，并使用竞争风险模型确定AIDS相关和非AIDS相关死亡率的预测因子。结果：在30394名HIV感染者中（81.5%为男性，死亡时中位年龄47.3岁），粗死亡率为14.2/1000人年。全因标准化死亡率从1998-2003年的9.6（95%置信区间[CI]，8.45-10.90）降至2015-2020年的3.33（95%CI，3.14-3.53），趋势P=0.0001。主要死因包括AIDS、非AIDS癌症、心血管疾病、AIDS定义癌症、病毒性肝炎和非肝炎肝病。AIDS相关死亡率的预测因子包括年龄≥40岁、非男男性行为者、有AIDS定义疾病史、CD4<200细胞/µL、合并症≥2种以及未接受ART。非AIDS死亡率随年龄、注射吸毒、异性恋男性、社会经济剥夺、CD4 200-349细胞/µL、未接受ART和合并症而增加，但移民的风险较低（调整后风险比0.69 [95%CI，.57-.83]）。结论：过去二十年中HIV感染者的死亡率显著下降，且明显向非AIDS相关原因转变。持续监测和有效管理这些非AIDS疾病对于改善整体健康结局至关重要。
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
- 在加泰罗尼亚和巴利阿里群岛的HIV感染者中，从1998年至2020年，AIDS和非AIDS死亡率的趋势及其预测因子是什么？
- 核心机制
- ART的普及和有效性提高导致AIDS相关死亡率下降，同时HIV感染者老龄化及合并症负担增加，使得非AIDS相关死因（如非AIDS癌症和心血管疾病）成为主要死因。
- 主要证据
- 基于PISCIS队列30394名HIV感染者的长期随访数据，通过21年死亡率趋势分析、死因分类（CoDe方案）和竞争风险模型，发现全因SMR从9.6降至3.3，AIDS相关死亡率比例从38.5%降至9.8%，而非AIDS癌症从8.1%升至22.1%，心血管疾病从6.1%升至13.5%。
- 研究意义
- 研究结果强调了对HIV感染者非AIDS疾病的持续监测和有效管理的重要性，并为改善这一老龄化人群的整体健康结局提供依据。
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。
死因分类与验证
准确分类死亡原因并区分AIDS相关与非AIDS相关。
使用改良CoDe协议，由两名临床医生独立分类死因，必要时由第三人仲裁，分类为17个类别，并归为AIDS相关或非AIDS相关。
计算死亡率与标准化死亡率
评估HIV感染者总死亡率并比较与一般人群的差异。
计算粗死亡率（CMR）和年龄标准化死亡率（SMR），按性别和日历期分层。
分析死亡趋势
描述不同死因随时间的变化。
按日历期计算各死因类别占死亡总数的比例，并进行趋势检验。
评估死亡率的预测因子
识别AIDS相关和非AIDS相关死亡率的独立危险因素。
使用竞争风险模型（以非AIDS死亡和AIDS死亡互为竞争事件）进行单变量和多变量分析，列出调整后风险比（aHR）。
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 | R Foundation | 4.1.3 |
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 |
|---|---|
| 队列建立与随访数据收集 | 纳入标准：年龄≥16岁，临床随访至少1次/12个月；随访期间：1998-2020；死亡数据来源：医院报告及外部验证 阅读提示：Methods，Study Design, Participants, and Data Sources |
| 死因分类 | 使用CoDe协议，17个死因类别，由2名临床医生独立分类，必要时第三人仲裁 阅读提示：Methods，Categorization of Causes of Death |
| 死亡率计算与标准化 | SMR计算需参考一般人群死亡率（按性别和年龄分层），日历期分组（1998-2003, 2004-2008, 2009-2014, 2015-2020） 阅读提示：Methods，Statistical Analysis |
| 竞争风险模型 | 模型调整因素：年龄、性别、地区、社会经济剥夺、HIV传播组、ART状态、CD4、病毒载量、合并症等；结局为AIDS相关或非AIDS相关死亡 阅读提示：Methods，Statistical Analysis 和 Results，Table 3 |
| 缺失数据处理 | 使用链式方程多重插补处理CD4、病毒载量、国家、社会经济状态的缺失数据 阅读提示：Methods，Statistical Analysis，Secondary analyses |