马上注册登录,享用更多感控资源,助你轻松入门。
您需要 登录 才可以下载或查看,没有账号?注册
|
×
中国广西非学生男青年使学生处于感染艾滋病毒的高风险之中:监测数据的系统发育分析
https://mp.weixin.qq.com/s/VzYehMbq-5IXdlp4nywKgQ
[color=rgba(0, 0, 0, 0.3)]原创 陈静 SIFIC感染循证资讯2022-03-31 19:30
[color=rgba(0, 0, 0, 0.5)]
编译:陈静 四川省人民医院
引言
在中国,学生是艾滋病(HIV)预防工作的重中之重,现有的社会网络中学生仍然极易感染 HIV。2019 年,学生中新报告的 HIV 病例占同龄人群总病例的 21.7%(3422/15790),因此,一些关键人群可能没有被现有政策所覆盖。
尽管针对传染源和易感人群的双管齐下干预措施在降低 HIV 发病率方面有效,但目前的研究仅限于学校预防。研究的瓶颈在于传统的问卷调查无法有效揭示学生内部或学生与非学生之间的重叠传播网络,越来越多的研究支持系统发育分析可以提供一种方法来确定 HIV 在哪些群体中传播。本研究构建了一个基于 2 个全省监测数据库(即 HIV 序列数据库和广西国家 HIV/AIDS 综合应对信息管理系统)的分子传播网络。
方法
数据来源:
收集广西疾病预防控制中心(GXCDC)的序列数据,提取全省 HIV 分子横断面调查(1997 年至 2020 年)的 HIV 蛋白酶和逆转录酶基因序列(pol),每个序列代表一个不同的 HIV 感染者群体(PWH)。
纳入标准:(1)16 岁及以上;(2)自我报告为学生,并通过学生证确认;(3)在广西的高中、学院或大学就读,抽样时在当地居住;(4)在广西被诊断为 HIV 阳性。不符合上述标准的 PWH 被标记为非学生。最终,从 165 名学生中获得了 165 个 pol 序列。
为建立最大的背景序列数据库,从 2 个来源收集了所有可用的 HIV pol 序列:(1)上述 GXCDC HIV 序列数据库;(2)洛斯阿拉莫斯国家实验室 HIV 序列数据库中公布的 HIV pol 序列(与 GXCDC 序列具有相同的质量控制要求)。当一个个体有 2 个或更多的序列可用时,保留最早的序列,共检索了 171365 个背景序列。
传播网络建设:
将来自学生和背景人群的 HIV pol 序列合并到一个序列数据库中。HIV 亚型的确定基于近似最大似然系统发育树分析,该分析由 IQ-tree(版本 1.6.12)和一般时间可逆模型构建,并通过 FigTree(版本 1.4.3)可视化。
使用 Tamura-Nei 模型计算了合并数据库中每对序列之间的 93 个成对核苷酸遗传距离。使用 0.5% 的遗传距离阈值(GD)来推断快速传播群。
由于在广西以外没有获得与该阈值的学生序列直接相关的背景序列,我们认为,最近广西学生中的 HIV 传播主要来自当地的流行菌株。为了提高识别高危传播亚群的特异性,最终纳入了 165 条来自学生的 HIV pol 序列和 5831 条广西背景序列。利用 MicrobeTrace(版本 0.7.0)构建 HIV 分子传播网络。
结果
人口特征
我们获得了 5996 条 HIV pol 序列,每个序列代表一个独特的 PWH。与非学生相比,学生表现出以下显著特征:年龄 16-24 岁、男性、通过与男性发生性关系获得 HIV、CRF01_AE 簇 4、CRF01_AE 簇 5、CRF07_BC 簇 1 和独特的重组形式。
网络推理
在网络层面上,5996 个 PWH 中有 1886 个(31.5%)聚集在 0.5% 的 GD。单因素和多因素分析发现,男性、单身、高中或高等教育背景以及 MSM 是聚类的阳性预测因素。
然而,年龄和职业对广西网络和学生群有不同的影响。在年龄类别中,年龄 ≥50 岁的调整后优势比(aOR)高于广西网络中的其他人,但低于学生群中的其他人。在职业类别中,所有职业的 aOR 相似,但农业或工厂工作的 aOR 低于学生群的其他职业。
在观察到的 HIV 分子传播网络中,141 名学生与其伴侣之间的联系中有 25 名(17.7%)为学生与学生之间的联系,有 116 名(82.2%)为学生与非学生之间的联系,这表明学生与非学生在 HIV 传播网络中可能有很强的联系。
此外进行了排列测试,以评估稳健的遗传联系,并找到非学生的关键亚群体。四组学生观察到的成对遗传联系比例明显高于随机联系:(1)其他学生(aOR,7.2;P<0.001);(2)16-24 岁的私营公司员工(aOR 为 3.3;P = 0.01);(3)25-49 岁的私营公司或政府雇员(aOR,1.7;P = 0.03);和(4)16-24 岁的自由职业者或失业者(aOR,5.0;P<0.001)(图 1)。
这些结果表明,上述四组是与学生具有强大遗传联系的关键亚群体。
在集群层面,43 个学生集群由 68 名学生、132 名与学生直接相关的非学生(DLS)和 109 名与学生有间接联系的非学生(ILS)组成,这些人中大多数是男性。
超过 80% 的非学生(包括 DLS 和 ILS)具有高中或更高的教育背景,<15% 的非学生是农民或工厂工人。
在这 3 个亚组中,学生是最年轻的,其次是 DLS 和 ILS。此外,16-24 岁的 PWH 患者中,学生组的比例最高(91.2%),其次是 DLS 组(46.2%)和 ILS 组(29.4%)。
目标图(图 2)说明了 Degree 是如何捕捉中心性的概念:越靠近中心,程度越高。DLS 的 Degree 明显高于 ILS。进一步比较了 43 个学生群中 309 个个体的中心指标后,学生及 ILS 的 Degree 显著低于 DLS,而学生和 DLS 的特征向量中心显著高于 ILS。
讨论
由于艾滋病毒传播网络是基于遗传相似性构建的,因此遗传联系可能并不完全代表实际的传播联系。
在这项研究中,根据自我报告,18.7% 的非学生 PWH 和 80.0% 的学生 PWH 从 MSM 感染 HIV。在快速传输网络中,大量学生聚集在由学生和非学生组成的少量集群中,这一现象表明,快速传播的主要来源可能集中在某些亚群体。
在这项研究中,一些人口学和风险特征被证明是广西网络和学生群中强有力的预测因素,如男性、单身、高中或更高教育背景,以及 MSM。25-49 岁年龄段对广西网络内的预测作用较弱,但对学生群体的预测作用较强。多因素和排列测试的结果表明,生活在城市的年轻 MSM 与复杂网络中的学生有着强大的遗传联系。
我们已证明,年轻 MSM 中 HIV 检测不足会加速学生和非学生之间的 HIV 传播。
不仅是学生,他们的性伴侣也应被视为干预的高度优先群体。在学生群中,DLS 占据了中心位置,在学生和 ILS 之间起到了桥梁作用。与 DLS 相比,学生目前处于相对边缘位置。
然而,学生们很有可能成为下一个超级传播者,因为他们的中位数特征向量中心性很高,类似于 DLS,而 ILS 位于外围位置,传播风险较低。值得注意的是,ILS 是学生群中年龄最大的,其次是 DLS 和学生。
因此,我们提出了一个假设,即存在一个从中位年龄为 28 岁的男性到中位年龄为 25 岁的男性再到学生的 HIV 传播周期(图 3)。
目前阻止这种循环的最有效方法是对 DLS 进行详细的行为调查,并为他们提供有针对性的 HIV 医疗。同时,为学生提供服务将降低未来的 HIV 流行率。
总之,这项研究表明,学生不仅倾向于与其他学生聚集在一起,也倾向于与非学生的年轻男性聚集在一起,学生和非学生在 HIV 传播网络中都占有重要地位。这些数据强调迫切需要基于学校和社会的双管齐下的公共卫生干预措施。
参考文献:Jiang et al. Nonstudent Young Men Put Students at High Risk of HIV Acquisition in Guangxi, China: A Phylogenetic Analysis of Surveillance Data. Open Forum Infectious Diseases, 2022. https://doi.org/10.1093/ofid/ofac042
题图
|