肯尼亚HIV感染孕产妇治疗失败及脱失风险预测模型的开发与验证

本研究针对肯尼亚HIV感染孕产妇(PPWH)临床结局预测工具的空白，开发并验证了首个整合人口统计学、临床及心理社会因素的风险计算器。研究人员通过LASSO回归从16个候选变量中筛选关键预测因子，构建了针对既往确诊(模型AUROC 0.843)和新确诊(模型AUROC 0.463)孕产妇的差异化预测工具，将风险划分为低(6%)、中(56%)和高(70%)三档，为资源有限地区实施精准干预提供了重要循证依据。

　　

在撒哈拉以南非洲地区，HIV感染孕产妇(PPWH)面临着独特的健康挑战。尽管全球84%的PPWH已获得抗逆转录病毒治疗(ART)，但产后6个月内仍有25%的患者脱失治疗，导致东非地区40%的新发儿童感染归因于治疗中断。更棘手的是，妊娠和哺乳期维持病毒抑制的难度显著增加，现有临床工具无法综合评估人口统计学、临床和心理社会等多维度风险因素，严重制约了精准干预的实施。

美国阿拉巴马大学伯明翰分校生物统计学系Kevin Owuor领衔的研究团队，在《AIDS and Behavior》发表了突破性研究成果。该研究创新性地整合了两个大型纵向队列数据（MOTIVATE试验n=1,331和Opt4Mamas研究n=767），采用最小绝对收缩选择算子(LASSO)回归从16个候选变量中筛选预测因子，开发了针对既往确诊和新确诊PPWH的差异化风险计算器。关键技术包括：使用多变量链式方程(MICE)处理缺失数据，通过10折交叉验证优化正则化参数λ，采用校准曲线和受试者工作特征曲线下面积(AUROC)评估模型性能，并在独立队列中进行外部验证。

【模型开发】
• 预测因子筛选：对已知HIV诊断者保留年龄、婚姻状态、病毒载量基线(_≥1000 copies/ml)、既往治疗失败史(OR=1.67)、就诊脱失史(OR=3.22)等12个变量；新诊断者模型则聚焦于预期污名(OR=1.92)等心理社会因素
• 风险分层：已知诊断组中，高风险人群(70%概率)的病毒失败/脱失发生率是低风险组(6%)的11.7倍

【外部验证】
• 已知诊断模型表现优异：AUROC达0.843(95%CI 0.805-0.866)，校准斜率1.20
• 新诊断模型需改进：因样本量限制，AUROC仅0.463，但识别出食物不安全(OR=0.68)等保护因素

【临床转化】
研究团队已将计算器整合至REDCap平台，正在肯尼亚Tatua研究中测试其与问题管理加强版(PM+)心理干预的协同效果。该工具特别适用于Homabay等HIV高流行地区（患病率19.6%），能帮助临床医生在资源有限条件下优先干预高风险人群，有望将有限的公共卫生资源效率提升3-5倍。

这项研究首次实现了PPWH治疗风险的量化评估，其创新性体现在三个方面：1) 突破传统单因素预测模式，整合病毒载量(VL)、伴侣暴力(IPV)等跨维度指标；2) 通过机器学习优化变量选择，使基层医疗机构仅需采集8-10个核心指标即可完成评估；3) 为消除母婴传播(EMTCT)目标提供了可操作的决策支持工具。未来研究需在更多样化人群中验证模型，并探索将抑郁量表(PHQ-9)等敏感指标转化为更简易的筛查问题。