长效注射型卡博特韦联合利匹韦林的受控依从性:西班牙 RELATIVITY 队列中注射方案依从性的决定因素及临床影响

《AIDS》:Controlled adherence with long-acting injectable cabotegravir plus rilpivirine: determinants and clinical impact of injection-schedule adherence in the Spanish RELATIVITY cohort

【字体: 大 中 小 】 时间:2026年10月24日 来源:AIDS 2.9

编辑推荐:

   背景:长效卡博特韦加拉替拉韦(CAB+RPV LA)将每日自行口服药物的依从性转变为由医疗系统支持的定期注射。然而,真实世界中影响注射计划依从性的因素及其后果尚不完全明确。方法:我们在RELATIVITY项目内开展了一项全国性观察性队列研究,结合了对已接受CAB+RPV LA

  

背景:长效卡博特韦加拉替拉韦(CAB+RPV LA)将每日自行口服药物的依从性转变为由医疗系统支持的定期注射。然而,真实世界中影响注射计划依从性的因素及其后果尚不完全明确。方法:我们在RELATIVITY项目内开展了一项全国性观察性队列研究,结合了对已接受CAB+RPV LA治疗的参与者的回顾性数据收集以及西班牙常规诊疗中新启动治疗的纵向随访。随访人群包括病毒学抑制的成人,他们在常规诊疗中启动了CAB+RPV LA治疗。注射计划依从性采用适配长效注射型抗逆转录病毒治疗的覆盖天数比例(PDC)框架进行计算,基于可评估注射中在预设±7天目标窗口内完成的比例,并分为完全依从(100%的可评估注射在目标窗口内)、高依从(90–99.9%)或次优依从(<90%;包括早于或晚于目标窗口的注射)。采用单因素分析评估与不完全依从注射计划(PDC <100%)的关联,采用多因素模型评估延迟注射结局的调整后决定因素。采用Kaplan–Meier方法和Cox回归分析首次延迟注射的时间以及最终停药的时间。采用独立的多因素逻辑回归模型评估发生两次或以上延迟注射的情况。此外,我们开发了一个探索性的交叉验证预测模型,以估计不完全依从注射计划的风险。结果:在3349名参与者中,3280名具有可评估的注射计划数据。完全注射计划依从(PDC = 100%)见于2309/3280(70.4%),高依从见于948/3280(28.9%),次优依从仅见于23/3280(0.7%)。至少一次延迟注射发生在1254名参与者(38.2%)中,而两次或以上延迟注射发生在436名(13.3%)参与者中。依从性在各年龄组、性别、国籍、合并症负担、物质使用、既往病毒学失败、口服导入期以及基线CD4+/CD8+分层中均保持较高水平。在单因素分析中,基线特征与不完全依从之间的关联有限。在延迟注射结局的调整模型中,中心治疗量、既往抗逆转录病毒治疗时长、外籍国籍、体质指数和合并症负担显示出小到中等的关联。在各依从性类别中,病毒学失败均很少见。探索性预测模型的区分能力有限(交叉验证AUC为0.53),表明仅凭基线变量不足以实现临床上有用的预测。结论:在这一大型真实世界队列中,CAB+RPV LA取得了非常高的注射计划依从性和极少的次优依从。基线特征对注射计划偏离的预测能力有限,这支持将CAB+RPV LA作为一种受控依从策略,其成功不仅取决于患者选择,更取决于可靠的递送系统。引言:每日口服抗逆转录病毒治疗(ART)已将HIV感染转变为一种可控制的慢性疾病。然而,它需要终身自行服药,即便简化为单片复方制剂,仍存在每日行为需求,可能受到药片疲劳、污名、隐私披露顾虑、其他优先事务、物质使用、不稳定的生活规律以及获取医疗的结构性障碍的影响[1]。长效治疗同样需要终身持续,但将给药方式从每日自我管理转变为定期、由医疗支持的注射[2,3]。长效卡博特韦加拉替拉韦(CAB+RPV LA)在随机对照试验中已证明在病毒学抑制的成人中具有非劣效性和持久的病毒学抑制效果[4–9]。患者报告结局研究显示,患者对长效治疗的满意度和偏好度很高,主要因为该方案减少了每日对HIV身份的提醒和对意外泄露隐私的担忧[10–12]。然而,试验条件可能高估了注射计划依从性,因为访视是标准化的,提醒是系统性的,参与者受到密切监测。因此,真实世界证据对于判断CAB+RPV LA的操作承诺能否转化为常规实践至关重要。OPERA队列描述了美国临床诊疗中的高注射计划依从性,而既往的RELATIVITY分析已在西班牙证明了其高效性、安全性和持续性[13,14]。尽管如此,仍有若干临床相关问题尚未得到解决:哪些患者会偏离注射窗口,轻微偏离是否会产生后果,基线变量能否识别出需要额外支持的人群,以及以诊所为基础的注射模式能否作为大规模受控依从策略运行。在本RELATIVITY子研究中,我们分析了西班牙常规HIV诊疗中启动CAB+RPV LA治疗后的注射计划依从性。我们评估了预设注射计划PDC分层(100%、90–99.9%和<90%)、延迟注射模式、亚组差异、临床结局、事件发生时间动态、多因素决定因素以及基线预测模型对不完全依从的可行性。方法:研究设计与场所:RELATIVITY是一项正在进行的全国性、多中心观察性队列研究,结合了对已接受CAB+RPV LA治疗的参与者的回顾性数据收集以及西班牙常规临床实践中新启动治疗的纵向随访。本次更新分析纳入了截至2026年3月1日收集的来自53个中心的数据。在西班牙,CAB+RPV LA每2个月(约每8周)给药一次;因此,本研究针对每位参与者的个人计划日期,而非固定的30天间隔,评估每次注射。临床管理、病毒载量监测和注射物流遵循当地实践。为减少与不完整的中心数据更新相关的偏倚,排除了5个相对于先前发表数据集数据未完全更新的中心[14]。研究人群:符合条件的参与者为在启动CAB+RPV LA治疗时HIV-1 RNA低于50拷贝/mL,且在2024年12月31日前至少有一次记录的CAB+RPV LA给药。参与者需无已知的拉替拉韦或第二代整合酶链转移抑制剂耐药突变(预期会影响CAB+RPV LA疗效),与队列程序一致。主要分析人群包括所有具有可评估注射计划数据的参与者。注射日期信息不足以计算依从性的参与者被排除在特定分析之外,但在适当情况下保留用于队列描述。数据收集与变量:数据使用标准化REDCap电子病例报告表采集[15,16]。变量包括人口学特征、国籍、HIV感染途径类别、既往抗逆转录病毒治疗暴露、体质指数、合并症、物质使用、基线免疫病毒学状态、既往病毒学失败、口服导入期、口服桥接或临时中断、注射日期、停药原因以及随访结束时的治疗状态。合并症负担以记录的合并症数量进行总结,并分为0–1项、2–3项或≥4项合并症。中心治疗量定义为每个参与中心为本分析贡献的可评估注射计划数据参与者人数。在描述性分析中,中心按可评估参与者人数排序并分为本研究特定的三分位:19个低治疗量中心贡献263名可评估参与者,19个中治疗量中心贡献886名可评估参与者,15个高治疗量中心贡献2131名可评估参与者。这些类别源自参与的西班牙中心,不打算作为通用阈值。在多因素模型中,中心治疗量以每50人为连续变量进行建模。注射计划依从性与延迟注射结局:注射计划依从性采用适配长效注射治疗的覆盖天数比例(PDC)框架进行评估。对于每位参与者,PDC计算为在个人计划日期前后预设±7天目标窗口内完成的可评估计划注射的比例。CAB+RPV LA每2个月(约每8周)给药一次。注射时间早于计划日期超过7天的归类为早期注射,晚于计划日期超过7天的归类为延迟注射;两者均在目标窗口之外,在PDC中计为未覆盖。每次可评估注射根据此窗口被归类为按时、早期或延迟。参与者层面的PDC随后被分为完全依从(100%的可评估注射在目标窗口内)、高依从(90–99.9%)或次优依从(<90%;包括目标窗口外的早期和/或延迟注射)。主要依从性结局为不完全依从,定义为PDC <100%。其他结局包括任何延迟注射、两次或以上延迟注射、次优依从、首次延迟注射的时间以及延迟注射的个体比例。临床结局:临床结局包括观察到的疗效、病毒学失败、CAB+RPV LA最终停药、临时中断或口服桥接、全身性不良事件相关停药、注射部位反应相关停药以及其他记录原因的停药。观察到的疗效定义为在具有病毒载量数据的参与者中,最后一次可用病毒载量评估时HIV-1 RNA <50拷贝/mL。病毒学失败定义为连续两次HIV-1 RNA值≥200拷贝/mL,或单次≥500拷贝/mL导致治疗停药,与既往RELATIVITY程序和真实世界框架一致[13,14]。最终停药定义为永久停用CAB+RPV LA。临时口服桥接或治疗中断单独记录,不视为最终停药。统计分析:连续变量以中位数和四分位距(IQR)表示,分类变量以n/N(%)表示。注射计划PDC分层间的组间比较,连续变量使用Kruskal–Wallis检验,分类变量在预期单元格数充足时使用卡方检验;当单元格数较低时(特别是罕见结局和PDC <90%的注射计划分层),使用Fisher精确检验或精确方法。对于每次比较,报告的P值取自根据结局和单元格数预先选择的检验(常见结局使用Kruskal–Wallis或卡方检验;稀疏结局使用Fisher精确检验或精确方法)。这种方法避免了混合不同统计检验的结果。23名PDC <90%的参与者代表罕见的次优依从类别,而不完全依从(PDC <100%)包括971名参与者。由于PDC <100%合并了早期和延迟偏离,且在随访过程中积累,因此将其视为一种广泛的操作性结局,采用单因素逻辑回归和未调整的优势比进行分析;未为该终点拟合调整模型。预先设定的多因素逻辑回归模型使用临床相关的基线预测因子评估两次或以上延迟注射。在调整模型中,年龄以≥60岁与<60岁建模,以<60岁作为参考组。Cox比例风险模型评估首次延迟注射的时间以及CAB+RPV LA最终停药的时间。由于依从性在随访过程中积累,最终注射计划PDC类别仅作描述性解释;在探索性停药模型中,不完全依从(PDC <100%)作为时依协变量纳入。分析在R(版本4.4.0)中进行,双侧P <0.05被认为具有统计学显著性。预测模型:我们使用五折交叉验证的惩罚性逻辑回归开发了一个不完全依从的探索性预测模型。连续预测因子在缺失值插补后进行标准化,模型性能使用受试者工作特征曲线下面积(AUC)、平均精度、Brier评分、校准度以及预测风险五分位观察到的风险进行总结。本分析旨在评估基线变量是否能识别出具有临床实用价值的风险依从表型;并非旨在立即用于临床部署。伦理:研究方案经布尔戈斯和索里亚卫生区药物研究伦理委员会批准(参考代码:23-00144)。所有参与者均提供了书面知情同意。数据管理遵循适用的数据保护法规和生物医学研究的伦理标准。结果:队列概况与注射计划依从性:队列共纳入3349名参与者,其中3280名具有可评估的注射计划依从性数据。完全注射计划依从(100%)见于2309/3280名参与者(70.4%),高依从见于948/3280(28.9%),次优依从仅见于23/3280(0.7%)。1254名参与者(38.2%)记录了至少一次延迟注射;其中818名恰好有一次延迟注射,436名(可评估人群的13.3%)有两次或以上延迟注射。延迟注射的个体比例中位数为0.0%(四分位距,0.0–7.7%)。患者层面PDC中位数为100.0%(四分位距,99.8–100.0;范围,76.0–100)。总体而言,3257/3280名参与者(99.3%)PDC≥90%,仅23/3280(0.7%)PDC <90%;3097/3280(94.4%)PDC≥95%,2922/3280(89.1%)PDC≥99%。图1总结了注射计划概况以及不完全依从在关键亚组中的分布。面板a–d分别显示:参与者层面PDC类别;每半年(6个月)至少有1次延迟注射的可评估参与者人数和比例;延迟注射次数的分布;以及所选临床和操作亚组中的不完全依从(PDC <100%)。PDC,覆盖天数比例。图1 RELATIVITY队列注射计划依从性概况。表1:按注射计划覆盖天数比例分层划分的基线特征。次优依从的参与者人数极少,限制了推断。在完全依从与不完全依从之间的更广泛比较中,大多数人口学和临床差异较小。完全依从组的中位年龄略高于90–99.9%依从组;然而,绝对差异很小。

依从率超过90%的参与者可评估注射访视次数较少,突出了随访持续时间、产生偏差的机会与依从性分类之间的密切关系。

表1 按注射方案依从性类别分组的基线特征。

变量/统计量 | 100% | 90–99.9% | <90% | P值
研究人群 | | | |
参与者(n) | 2309 | 948 | 23 |
人口统计学与人体测量学特征 | | | |
年龄(岁) | 46.0 [37.0–55.0] | 44.0 [37.0–53.0] | 44.0 [35.5–55.0] | 0.031
年龄≥60岁 | 300/2309 (13.0) | 101/948 (10.7) | 2/23 (8.7) | 0.158
女性 | 363/2309 (15.7) | 125/948 (13.2) | 3/23 (13.0) | 0.177
外国国籍 | 681/2309 (29.5) | 292/948 (30.8) | 7/23 (30.4) | 0.759
BMI(kg/m2) | 25.4 [23.3–28.1] | 25.3 [23.3–28.2] | 25.7 [22.7–28.0] | 0.800
HIV相关与治疗史 | | | |
转换前ART年数 | 9.0 [5.0–15.0] | 10.0 [5.2–15.0] | 10.0 [5.0–19.0] | 0.642
抑制持续时间(月) | 84.0 [32.0–132.0] | 79.0 [36.0–132.0] | 58.0 [30.0–100.0] | 0.316
既往AIDS病史 | 288/2309 (12.5) | 116/948 (12.2) | 1/23 (4.3) | 0.496
既往病毒学失败 | 77/2309 (3.3) | 26/948 (2.7) | 2/23 (8.7) | 0.221
口服先导期 | 276/2309 (12.0) | 116/948 (12.2) | 2/23 (8.7) | 0.864
免疫学状态 | | | |
基线CD4+ T细胞计数(cells/μl) | 801 [598–1040] | 776 [606–984] | 802 [659–1008] | 0.312
基线CD4+/CD8+比值 | 0.99 [0.69–1.33] | 0.96 [0.73–1.26] | 0.98 [0.84–1.13] | 0.554
共病负担与物质使用 | | | |
共病数量 | 0 [0–1] | 0 [0–1] | 0 [0–1] | 0.139
≥4种共病 | 64/2309 (2.8) | 20/948 (2.1) | 0/23 (0.0) | 0.409
药物使用 | 662/2309 (28.7) | 257/948 (27.1) | 8/23 (34.8) | 0.524
注射暴露 | | | |
可评估注射访视 | 13 [10–16] | 14 [12–16] | 8 [6–8] | <0.001

数据为中位数 [IQR] 或 n/N (%)。P值使用Kruskal-Wallis检验比较连续变量的依从性类别,使用卡方检验或Fisher精确检验/精确方法比较分类变量,视情况而定。对于小于90%组的估计值,由于参与者数量很少,应谨慎解读。

亚组模式

在临床上相关的亚组中,依从性保持较高水平(表2)。年龄≥60岁的参与者并未表现出比年轻参与者更差的注射方案依从性:完全依从者占300/403(74.4%),而年轻参与者为2009/2877(69.8%),且两组的次优依从性均很少见。女性、外国国籍参与者、高共病负担者、物质使用者、既往病毒学失败者、口服先导期者以及基线CD4+/CD8+比值较低者同样保持了较高依从性。不完全依从和≥2次延迟注射在大型中心中略为常见,这提示方案偏差可能部分反映了运营工作量、记录实践或预约管理系统的差异,而不仅仅是患者层面的脆弱性。

表2 各临床相关亚组的注射方案依从性与延迟注射情况。

亚组 | 类别 | 可评估n | 完全依从100% | 不完全依从 | ≥2次延迟注射 | <90%
年龄组 | | | | | |
<60岁 | 2877 | 2009/2877 (69.8) | 868/2877 (30.2) | 401/2877 (13.9) | 21/2877 (0.7)
≥60岁 | 403 | 300/403 (74.4) | 103/403 (25.6) | 35/403 (8.7) | 2/403 (0.5)
性别 | | | | | |
男性 | 2757 | 1922/2757 (69.7) | 835/2757 (30.3) | 379/2757 (13.7) | 20/2757 (0.7)
女性 | 491 | 363/491 (73.9) | 128/491 (26.1) | 54/491 (11.0) | 3/491 (0.6)
跨性别女性 | 22 | 17/22 (77.3) | 5/22 (22.7) | 3/22 (13.6) | 0/22 (0.0)
国籍 | | | | | |
西班牙 | 2289 | 1618/2289 (70.7) | 671/2289 (29.3) | 307/2289 (13.4) | 16/2289 (0.7)
外国人 | 980 | 681/980 (69.5) | 299/980 (30.5) | 128/980 (13.1) | 7/980 (0.7)
共病负担 | | | | | |
0–1种 | 2699 | 1873/2699 (69.4) | 826/2699 (30.6) | 386/2699 (14.3) | 19/2699 (0.7)
2–3种 | 497 | 372/497 (74.8) | 125/497 (25.2) | 43/497 (8.7) | 4/497 (0.8)
≥4种 | 84 | 64/84 (76.2) | 20/84 (23.8) | 7/84 (8.3) | 0/84 (0.0)
药物使用 | | | | | |
否 | 2062 | 1470/2062 (71.3) | 592/2062 (28.7) | 272/2062 (13.2) | 14/2062 (0.7)
是 | 927 | 662/927 (71.4) | 265/927 (28.6) | 104/927 (11.2) | 8/927 (0.9)
既往病毒学失败 | | | | | |
否 | 2549 | 1804/2549 (70.8) | 745/2549 (29.2) | 333/2549 (13.1) | 13/2549 (0.5)
是 | 105 | 77/105 (73.3) | 28/105 (26.7) | 13/105 (12.4) | 2/105 (1.9)
不可用 | 626 | 428/626 (68.4) | 198/626 (31.6) | 90/626 (14.4) | 8/626 (1.3)
口服先导期 | | | | | |
否 | 2886 | 2033/2886 (70.4) | 853/2886 (29.6) | 388/2886 (13.4) | 21/2886 (0.7)
是 | 394 | 276/394 (70.1) | 118/394 (29.9) | 48/394 (12.2) | 2/394 (0.5)
基线CD4+/CD8+ | | | | | |
<0.91 | 2618 | 1874/2618 (69.3) | 387/2618 (30.7) | 183/2618 (14.5) | 6/2618 (0.5)
≥0.91 | 686 | 1195/1686 (70.9) | 491/1686 (29.1) | 211/1686 (12.5) | 15/1686 (0.9)
中心规模 | | | | | |
低规模 | 263 | 202/263 (76.8) | 61/263 (23.2) | 28/263 (10.6) | 4/263 (1.5)
中规模 | 886 | 647/886 (73.0) | 239/886 (27.0) | 102/886 (11.5) | 10/886 (1.1)
高规模 | 2131 | 1460/2131 (68.5) | 671/2131 (31.5) | 306/2131 (14.4) | 9/2131 (0.4)

依从性在具有可评估注射方案数据的参与者中计算。不完全依从定义为可评估注射次数中未达到100%在预定义±7天窗口内。

亚组分母不同,因为部分参与者的基线数据缺失或不可用;百分比在各亚组特定分母内计算。VF,病毒学失败。

按注射方案覆盖天数比例分层分组的临床结局

按注射方案PDC分层分组的临床结局见表3。在另一项观察性有效性分析中,在最后可获得的病毒载量评估时维持抑制的比例在各PDC分层中均较高:PDC小于90%的22名参与者中有21人(95.5%)和PDC至少90%的3224名参与者中有3114人(96.6%)维持了HIV-1 RNA低于50 copies/ml。虽然病毒学失败比例在各PDC分层间存在差异 [100%组27/2309(1.2%),90–99.9%组1/948(0.1%),<90%组0/23(0.0%);P=0.010],但该模式为非单调性的,未提示PDC降低时病毒学失败增加。鉴于事件数量较少且小于90%组的样本量非常小,此比较应描述性地解读。永久性停药率、病毒学失败率、全身不良事件相关停药率、注射部位反应相关停药率、其他原因停药率以及暂时中断/口服桥接治疗率在各注射方案PDC分层间存在差异。然而,这些比较应谨慎解读。依从性是在随访期间测量的,因此与治疗持续性以及观察到延迟注射的机会数量相关。小于90%的依从性组非常小(n=23),使得估计值不稳定。总体而言,在所有依从性分层中,病毒学失败仍然很少见,次优依从性也很少见。

表3 按注射方案依从性类别分组的临床结局。

结局 | 100% | 90–99.9% | <90% | P值
参与者(n) | 2309 | 948 | 23 |
观察性有效性 | 2191/2279 (96.1) | 923/945 (97.7) | 21/22 (95.5) | 0.089
永久性停药 | 295/2309 (12.8) | 55/948 (5.8) | 6/23 (26.1) | <0.001
病毒学失败 | 27/2309 (1.2) | 1/948 (0.1) | 0/23 (0.0) | 0.010
全身不良事件停药 | 46/2309 (2.0) | 6/948 (0.6) | 0/23 (0.0) | 0.016
注射部位反应停药 | 68/2309 (2.9) | 9/948 (0.9) | 0/23 (0.0) | 0.002
其他原因停药 | 189/2309 (8.2) | 43/948 (4.5) | 6/23 (26.1) | <0.001
暂时中断/口服桥接治疗 | 25/2309 (1.1) | 32/948 (3.4) | 1/23 (4.3) | <0.001

数据为 n/N (%)。P值比较依从性类别并遵循统计学家生成的输出。由于依从性是在随访期间累积的,且<90%组非常小,结局比较应描述性地而非因果性地解读。观察性有效性定义为在有可获得的病毒载量数据的参与者中,最后可获得的病毒载量评估时HIV-1 RNA <50 copies/ml。对于此结局,100%、90–99.9%和<90%依从性组的可评估分母分别为2279、945和22;合并来看,≥90%组中3114/3224(96.6%)的参与者维持了HIV-1 RNA <50 copies/ml。

在探索性Cox模型中,永久停药模型纳入了不完全依从性,不完全依从性与停药呈反向关联。该发现不应解读为保护效应的证据。相反,应将其视为描述性和操作性的,因为依从性是在随访期间累积的,可能部分反映了治疗持续性本身(补充表S1,https://links.lww.com/QAD/D977)。

多变量决定因素和事件时间分析

在非完全注射方案依从性(PDC <100%)的单变量分析中,大多数预设基线特征与结局之间没有明显关联(表4和图2a)。每增加一种共病与不完全依从的风险降低相关(未调整OR,0.86;95% CI,0.77–0.96;P=0.007),而更长的既往ART暴露(未调整OR,每5年1.06;95% CI,1.01–1.10;P=0.019)和较高的中心规模(未调整OR,每50人1.17;95% CI,1.10–1.24;P<0.001)与更高的风险相关。年龄≥60岁、女性、外国国籍、药物使用、既往病毒学失败、既往AIDS、口服先导期、抑制持续时间、BMI以及基线CD4+/CD8+比值与不完全依从无明显关联。由于PDC小于100%结合了提前和延迟偏差,且在随访期间累积,因此仅报告了与这种广泛的操作结局相关的单变量估计值。预设的调整分析侧重于更具体的结局——≥2次延迟注射。

表4 非完全注射方案依从性的单变量决定因素和首次延迟注射的调整后决定因素。

预测因子 | 未调整OR (95% CI) | P值,不完全 | 调整后HR (95% CI) | P值,首次延迟注射
年龄≥60岁 | 0.82 (0.59–1.15) | 0.255 | 0.97 (0.76–1.23) | 0.803
BMI每5 kg/m2 | 1.10 (0.97–1.24) | 0.123 | 1.10 (1.00–1.20) | 0.041
CD4+/CD8+比值每0.5 | 1.02 (0.98–1.06) | 0.390 | 1.00 (0.97–1.02) | 0.847
中心规模每50人 | 1.17 (1.10–1.24) | <0.001 | 1.11 (1.06–1.16) | <0.001
药物使用 | 1.05 (0.85–1.31) | 0.653 | 1.02 (0.86–1.19) | 0.848
每增加一种共病 | 0.86 (0.77–0.96) | 0.007 | 0.86 (0.80–0.94) | <0.001
女性 | 0.76 (0.57–1.01) | 0.057 | 0.83 (0.67–1.03) | 0.096
外国国籍 | 1.19 (0.95–1.48) | 0.134 | 1.28 (1.09–1.51) | 0.002
口服先导期 | 1.20 (0.89–1.62) | 0.240 | 1.14 (0.90–1.43) | 0.273
既往病毒学失败 | 0.93 (0.56–1.55) | 0.777 | 0.94 (0.63–1.39) | 0.750
既往AIDS | 1.11 (0.83–1.48) | 0.494 | 0.95 (0.76–1.18) | 0.621
抑制持续时间每5年 | 0.97 (0.89–1.07) | 0.580 | 1.00 (0.94–1.07) | 0.908
ART年数每5年 | 1.06 (1.01–1.10) | 0.019 | 1.03 (1.01–1.05) | <0.001

对于不完全依从(PDC <100%),每个预测因子均使用单变量logistic回归单独评估;未对此终点拟合多变量模型。调整后的Cox比例风险模型评估了首次延迟注射的时间,并纳入了年龄≥60岁、性别、国籍、BMI、共病负担、药物使用、既往AIDS、既往病毒学失败、口服先导期、ART持续时间、抑制持续时间、基线CD4+/CD8+比值和中心规模。对于年龄,<60岁的参与者作为参考类别。ART,抗逆转录病毒治疗;CI,置信区间;HR,风险比;VF,病毒学失败。

森林图显示了(左)不完全依从的单变量关联和(右)首次延迟注射的调整后风险比。不完全依从显示单变量比值比,首次延迟注射时间显示调整后风险比。

[多媒体开放]
图2
[多媒体开放]
注射方案偏差的单变量与调整后关联。

在预设的≥2次延迟注射的多变量logistic回归模型中,更长的既往ART暴露(调整后OR,每5年1.07;95% CI,1.02–1.11;P=0.003)和较高的中心规模(调整后OR,每50人1.23;95% CI,1.13–1.33;P<0.001)与更高的结局风险相关,而每增加一种共病与更低的结局风险相关(调整后OR,0.82;95% CI,0.71–0.96;P=0.015)(表5)。

表5 ≥2次延迟注射的多变量logistic回归模型。

预测因子 | 调整后OR (95% CI) | P值
年龄≥60岁 | 0.68 (0.42–1.11) | 0.119
女性 | 0.75 (0.50–1.13) | 0.166
外国国籍 | 0.89 (0.65–1.21) | 0.458
BMI每5 kg/m2 | 1.07 (0.90–1.26) | 0.459
每增加一种共病 | 0.82 (0.71–0.96) | 0.015
药物使用 | 0.78 (0.57–1.07) | 0.119
既往AIDS | 1.11 (0.74–1.66) | 0.616
既往病毒学失败 | 1.06 (0.53–2.11) | 0.869
口服先导期 | 1.12 (0.73–1.70) | 0.608
ART年数每5年 | 1.07 (1.02–1.11) | 0.003
抑制持续时间每5年 | 0.95 (0.84–1.08) | 0.419
CD4+/CD8+比值每0.5 | 1.02 (0.98–1.07) | 0.280
中心规模每50人 | 1.23 (1.13–1.33) | <0.001

对于年龄,<60岁的参与者作为参考类别。ART,抗逆转录病毒治疗;CI,置信区间;VF,病毒学失败。

在首次延迟注射的调整后Cox模型中,外国国籍(调整后HR,1.28;95% CI,1.09–1.51;P=0.002)、BMI每5 kg/m2(调整后HR,1.10;95% CI,1.00–1.20;P=0.041)、更长的既往ART暴露(调整后HR,每5年1.03;95% CI,1.01–1.05;P<0.001)和较高的中心规模(调整后HR,每50人1.11;95% CI,1.06–1.16;P<0.001)与更高的首次延迟注射风险相关,而每增加一种共病与更低的风险相关(调整后HR,0.86;95% CI,0.80–0.94;P<0.001)(表4和图2b)。年龄作为二分类变量建模(≥60岁 vs <60岁),<60岁的参与者作为参考组。Kaplan-Meier分析描述了按不完全依从性预测风险分层分组的首次延迟注射时间(图3a)以及按最终注射方案PDC类别分组的治疗持续性(图3b)。

面板a展示了按探索性模型得出的三个预测风险组的描述性Kaplan-Meier分析,显示了首次延迟注射的时间。面板b展示了按注射方案PDC分层分组的治疗持续性。这些分析是描述性的,因为注射方案依从性是在随访期间累积的,可能受治疗持续性的影响。预测风险五分位随后被归并为三个描述性组:第1–2五分位、第3五分位和第4–5五分位。PDC,覆盖天数比例。

[多媒体开放]
图3
[多媒体开放]
首次延迟注射和治疗持续性的事件时间分析。

不完全依从性的探索性预测

探索性交叉验证预测模型显示不完全依从性的区分能力有限(AUC,0.53;平均精度,0.32;Brier分数,0.23;补充图S1,https://links.lww.com/QAD/D978)。详细的性能指标、按预测风险五分位的校准以及惩罚系数排名见补充表S2,https://links.lww.com/QAD/D977。

观察到的不完全依从性在预测风险五分位之间仅有轻微变化,且校准效果差,存在系统性高估风险的情况。总体而言,该模型未能识别出足够明确的基线风险特征以支持临床选择。这些发现表明,仅凭基线特征不太可能可靠预测注射窗口偏差,支持使用普遍的、低负担的操作保障措施。

讨论

这项全国性真实世界分析显示,在常规HIV护理下,CAB+RPV LA的注射方案依从性非常高。超过三分之二的参与者达到完全(100%)依从,几乎所有人都达到PDC至少90%,次优依从性很少见。中位患者水平PDC为100%,以及补充阈值显示超过94%和89%的可评估参与者分别达到PDC至少95%和至少99%,进一步支持了这一发现。这些发现扩展了来自关键CAB+RPV LA试验的证据,证明了在方案驱动的研究条件之外,注射方案可以在国家规模上维持 [4–9]。

最具临床相关性的信息是,不完全依从并未集中在单一的高风险人口统计学或临床亚组中。高龄、女性、外国国籍、共病负担、物质使用、既往病毒学失败和口服先导期均未定义出一个CAB+RPV LA在操作上无法管理的群体。这支持了以下概念:长效治疗不应仅基于基线脆弱性标志物进行限制。相反,CAB+RPV LA作为一种受控的依从性模型运作,其中依从性不再仅是每日的个人行为,也是计划性的医疗交付过程 [2,3]。

这些发现的核心概念启示是,CAB+RPV LA不仅应被理解为一种长效药理方案,也应被视为一种直接观察治疗的交付形式。与其他传染病中使用的直接观察治疗策略之间的平行关系很有用:目标不仅仅是观察治疗给药,而是创造一个支持治疗完成的结构化系统,及早发现漏服或漏诊,减少可预防的治疗失败,并维持临床参与。类似地,CAB+RPV LA将HIV依从性从反复的私人自我给药转变为计划性的、有记录的、由医疗提供者管理的治疗事件。

在比较长程注射治疗与每日口服ART时,这一区别至关重要。口服治疗依赖于每日反复的、私人的、自我管理的依从性,通常是在污名化、药物疲劳、相互竞争的生活优先事项或不稳定的日程背景下进行的 [1,2]。相比之下,注射治疗将部分依从性负担从个人转移到了照护系统。

这一框架并未消除依从性要求,而是使依从性变得可见、可追踪且可干预。每一次注射都是一次经确认的治疗事件。每一次未按时就诊都是一个可识别的信号。每次就诊不仅成为提供CAB+RPV的机会,也成为强化患者与医疗服务互动的契机。这种直接观察治疗(DOT)给药框架不应被解读为具有强制性或家长式作风。其价值在于操作性和以患者为中心。CAB+RPV LA并不取消个体参与的需要,而是将依从性转化为个体与医疗系统之间的共享过程。在实际操作中,注射就诊可作为临床互动的结构化触点,用于药物评估、合并症筛查、心理健康评估、疫苗接种、减害咨询以及早期识别脱离治疗的情况。然而,中心就诊量与计划偏离之间的正相关关系提醒我们,这些获益需要充足的人员配置和预约基础设施来支撑。医疗服务递送方面的创新——包括数字化排程、提醒系统、工作量监测以及护士主导或团队协作路径——可能有助于在不牺牲依从性或临床安全的前提下扩大服务能力。在存在依从性困难的群体中开展的LATITUDE试验支持了这一理念,该研究证实长效CAB+RPV相较于标准口服方案可降低方案失败率,其对象正是将每日依从性作为核心临床问题的人群[17]。探索性预测模型强化了这一解读。尽管部分变量与不完全依从或首次延迟注射时间相关,但区分度较弱。基线变量本身无法可靠地识别出谁会在注射时间窗内发生偏离。这一发现反对基于人口学或临床特征采取过于严格的患者选择策略。相反,各医疗机构应实施普遍性、低负担保障措施:主动预约跟踪、快速重新安排就诊、明确的口服过渡方案、以患者为中心的排程安排,以及针对遗漏或延迟注射的可视化工作流程。实施研究和数字支持干预表明,计划依从性在一定程度上是运营层面的结果,结构化系统可能与患者个体因素同样重要[18,19,20]。高就诊量中心与不完全依从之间的关联值得谨慎解读。这可能反映了运营复杂度更高、患者吞吐量更大、对微小偏离的记录更为完整,或是不同的预约系统所致。相反,合并症负担与延迟注射之间的负相关关系可能提示,医疗复杂度更高的个体与医疗服务的互动更为紧密。既往ART暴露时间较长者更易出现反复延迟注射,但该发现具有生成假设的性质,可能反映的是既定的治疗常规或累积的治疗转换经历,而非因果关系。不应将其视为CAB+RPV LA的禁忌;对于治疗历史较长的患者,个体化咨询和共同决策可能是合适的做法。这些发现属于假设生成性质,不应被解读为个体层面因果效应的证据。相反,它们揭示了长效ART创造了一种实施表型,其中个体行为、诊所基础设施、护理能力、预约灵活性和文档质量相互交织。在本队列中,轻微的日程偏离并未转化为明确的病毒学信号。跨注射计划PDC分层的病毒学失败率均保持低频,且次优依从性亦属少见。这与临床试验和真实世界队列中观察到的低失败率一致[4–14]。然而,不应据此认为注射时机在临床上无关紧要。CAB+RPV LA具有较长的药代动力学尾部,一旦发生病毒学失败,可能筛选出NNRTI耐药和/或INSTI耐药[21,22,23–26]。维持可靠的注射时机仍然至关重要,尤其是在存在额外病毒学风险因素、耐药史有限、高BMI、反复漏诊或快速重新安排就诊存在障碍的人群中。依从性与治疗持续性的关联需要特别审慎。由于注射计划依从性是在随访过程中累积获得的,它在一定程度上取决于是否持续接受药物治疗。早期停药者累积延迟注射的机会较少,而随访时间较长者则有更多的计划就诊次数和更多的偏离机会。因此,注射计划PDC分层与停药之间的关联应作为描述性和运营层面的发现来解读,而非因果关系。一个稳健的结论是:在全国规模的常规实践中,高注射计划依从性、低病毒学失败和高治疗持续性三者并存。公平性方面的影响意义重大。移民、女性、老年人、合并症患者以及存在物质使用者均未从分析中排除。长效ART对于面临隐私顾虑、生活规律不稳定或每日口服依从性存在障碍的个体可能尤为有价值[17,27–30]。同时,注射治疗引入了对诊所可及性、交通、沟通系统、预约可获取性和护理工作流程的不同依赖性。在此意义上,CAB+RPV LA虽可减轻每日口服治疗的私人负担,却提升了公共、有组织且可靠的服务递送的重要性。这种双重性应成为未来实施研究的核心议题。本研究存在局限性。其观察性设计无法确立注射时机与临床结局之间的因果关系。注射计划依从性系根据记录的实际给药日期推导得出,若地方文档记录不完整则可能存在错分类。尽管记录了口服过渡用药情况,但口服过渡药的依从性并未进行系统评估。病毒载量监测遵循常规实践,而非集中化方案。依从率低于90%的亚组样本量极小,限制了推断。预测建模为探索性研究,仅进行了内部交叉验证,尚需外部验证。本研究未系统采集交通障碍、工作安排、照护者依赖、患者报告的依从性焦虑、诊所提醒系统或人员配置模式等信息,而这些因素均可能影响注射计划依从性。本研究的优点包括:大规模全国队列、常规临床环境、标准化REDCap数据采集、长期随访、细粒度的注射时机变量、互补性依从性终点的评估、事件时间分析以及探索性预测模型的整合。本研究提供了关于CAB+RPV LA注射计划依从性的最大规模真实世界评估之一,并为理解长效HIV治疗中的依从性提供了操作框架。总之,在该大规模真实世界队列中,CAB+RPV LA实现了极高的注射计划依从性,次优依从性仅见于不到1%的参与者。基线人口学和临床因素对不完全依从的预测能力有限,探索性预测模型的区分度和校准度较差。轻微的日程偏离未与一致的病毒学不良梯度相关联。这些发现支持将CAB+RPV LA视为一种受控依从性、医疗系统支持的治疗策略,其成功不仅取决于患者选择,同样取决于可靠的临床基础设施。

未来实施应优先关注预约跟踪、灵活改期、标准化口服桥接方案,以及利用注射访视强化更广泛的临床依从性。

致谢

我们感谢所有参与本次临床研究并接受检测的HIV感染者,他们慷慨的参与使本研究成为可能;同时感谢所有为RELATIVITY队列做出贡献的研究人员。

RELATIVITY队列

阿维拉医疗综合体:Ana Cristina Antolí Royo、Carmen Grande Sáez、María ángeles Garcinu?o Jiménez;塞哥维亚医疗综合体:Ana Carrero Gras、Eva María Ferreira Pasos;蓬特韦德拉大学医院综合体:Hadrian Pernas Pardavila、Mercedes González、Nuria Vázquez Temprano;马德里国防中央医院戈麦斯·尤拉:Miriam Estébanez、Tatiana Mata-Forte;马德里圣卡洛斯临床医院:Ana Mu?oz Gómez、Claudia Dorta Hernández、José Reynaldo Homen Fernández、Juncal Pérez-Somarriba Moreno、Maravillas Carralón、María José Nú?ez Orantos、María Nieves Sanz Pérez、Noemí Cabello Clotet、Philip Erick Wickman Jorgensen、Susana Olmedo Hernández、Teresa Martínez Burgoa、Valeria Cabral Sousa、Vicente Estrada Pérez、Virginia Víctor Palomares;瓦伦西亚大学临床医院:Ana Ferrer Ribera、Andreu Belmonte、ángela Pradilla Dieste、Carolina Pinto、María José Galindo Puerto、Rosa Oltra Sempere、Sandra Pérez Gómez;萨拉戈萨洛萨诺·布雷萨大学临床医院:álvaro Cecilio、Isabel Sanjoaquín Conde、María José Crusells Canales、Pilar Jiménez Marcen;阿利坎特巴哈韦哈县立医院:Ana Lucas Dato、Belén Martínez López、Inmaculada González Cuello、Jara Llenas García、María García López;布尔戈斯医院:Carolina Navarro、Luis Buzón、María Fernández;阿利坎特德尼亚马利纳医疗医院:Amparo Exojo Morales、Carlos de Andrés David、Inmaculada Poquet Catalá、Karenina Antelo Cuéllar、Laia Navarro Peiró、María Josefa de la Asunción Villaverde、Silvia Lope Bolumar;阿斯图里亚斯霍韦医院:Alba León Barbosa、Esther Nogales Nieves、Eva García Alcalde、Juan José Corte García、Lucía Alonso、María Vanessa López Peláez、Sara Jaber Carballo;赫罗纳萨尔德·德·圣卡塔琳娜医院:Albert Gómez Lozano、Sara García Torras;塔拉戈纳瓦尔斯医院:Marta Milián Sanz;维拉德卡恩斯医院:Ana Isabel Lérida Urteaga、Antonia Pérez Barja、Javier López-Nieto Sempere、Magdalena Muelas Fernández;卡斯蒂利亚-拉曼恰普雷达圣母总医院:Beatriz de la Calle;阿利坎特埃尔奇大学总医院:ángela Botella Zaragoza、Félix Gutiérrez Rodero、Javier García Abellán、Mar Masiá、Paula Mascarell Arlandis、Sergio Padilla Urrea;马德里格雷戈里奥·马拉农大学总医院:Chiara Fanciulli、Cristina Diez Romero、Francisco Tejerina Picado、Juan Carlos López Bernaldo de Quirós、Leire Pérez Latorre、María Teresa Aldamiz-Echevarría Lois;穆尔西亚莫雷尔·梅塞赫尔大学总医院:Antonio Jesús Sánchez Guirao;穆尔西亚雷纳·索菲亚大学总医院:ángeles Mu?oz Pérez、Antonia Alcaraz García、Cristina Tomás Jiménez、Elena Guijarro Westermeyer、Enrique Bernal Morell、Eva García Villalba、Joaquín Bravo Urbieta、María Dolores Hernández Lorente、Rodrigo Martínez Rodríguez、Román González Hipólito;特鲁埃尔奥比斯波·波兰科医院:Noemí Ramos Vicente;巴塞罗那圣佩雷-德-里贝斯圣卡米尔养老院医院:Patricia Barragán Gallo;瓦拉多利德里奥·奥尔特加医院:Alberto Juárez Toquero、Beatriz Valentín Casado、Jesica Abadía Otero、Julia Gómez Barquero、Pablo Bachiller Luque、Yolanda Arranz García;马德里十月十二日大学医院:Adriana Pinto、David Rial、Federico Pulido、Juan Martín、Laura Bermejo Plaza、María De Lagarde、María Teresa López Caballero、Mireia Santacreu、Otilia Bisbal、Rafael Rubio、Roser Navarro、Victoria Mache?o del Real;比戈阿尔瓦罗·昆库埃罗大学医院:Celia Miralles álvarez、Guillermo Pousada、Henar de las Heras Miralles、Luis Enrique Morano Amado;阿斯图里亚斯中央大学医院:Víctor Asensi;比斯开克鲁塞斯大学医院:Laura Guio Carrión、Mikel del álamo;阿拉瓦大学医院:Ester Sáez de Adana Arroniz、Juan Carlos Gainzarain Arana;马德里阿尔科孔大学医院:Ana Vegas Serrano、Juan Emilio Losa García、María Velasco Arribas;毕尔巴鄂巴苏尔托大学医院:Maite Ganchegui Aguirre、Miriam López Martínez、óscar Luis Ferrero Benítez;巴塞罗那贝维赫大学医院:Alicia Sedo Mor、Analuz Fernández、Juan Tiraboschi;阿斯图里亚斯卡布埃内斯大学医院:Josefa Soler González、Víctor Arenas García;加那利大学医院:Lucia Romero、Nereyda Tosco García、Remedios Alemán Valls;马德里丰德拉瓦达大学医院:Guillermo Soria Fernández-Llamazares、Juan Víctor San Martín López、Ruth Calderón Hernáiz;瓜达拉哈拉大学医院:Alberto Delgado Fernández、Lorenzo Sánchez、Miguel Torralba González de Suso;卡迪斯普埃尔托雷阿尔大学医院:Alberto Romero Palacios;托莱多大学医院:María Antonia Sepúlveda;马德里托尔洪大学医院:Alejandra Gimeno García、Alejandro David Bendala Estrada、Carmen Montero Hernández、Diana Corps Fernández;阿利坎特维纳洛波大学医院:Jose Carlos Escribano、María del Mar García Navarro、Marouane Menchi Elanzi;拉斯帕尔马斯何塞·莫利纳·奥罗斯医生大学医院:Ana Cerezales Calvi?o、Bárbara Alonso Moreno、José Fernando Lluch Perales;马德里华金·迪亚斯基金会大学医院:Alfonso Cabello、Miguel Górgolas Hernández-Mora;马德里伊南塔·埃莱娜大学医院:María Rubio Olivera、Marta Clavero Olmos;马德里伊南塔·莱昂诺尔大学医院:Belén Escribano Losada、Guillermo Cuevas、Jesús Troya García、Mariano Matarranz、Pablo Ryan、Roberto Pedrero Tomé、Sandra Rodríguez Perut;马德里拉巴斯大学医院:Ana Belén Delgado Hierro、Carmen Busca、Jose Ignacio Bernardino、Juan González García、Luz Martín Carbonero、María del Mar Arcos Rueda、María Luisa Montes、Rafael Mican、Rocío Montejano、Alejandro de Gea;马德里拉普林塞萨大学医院:Andoni Casen Gil、Ignacio de los Santos、María Aguilera García;坎塔布里亚马尔克斯·德·瓦尔塞利亚大学医院:Aitziber Illaro Uranga、Carlos Armi?anzas Castillo、Claudia González-Rico、Francisco Arnaiz de las Revillas Almajano、Manuel Gutiérrez Cuadra、María Carmen Fari?as álvarez、Noelia Ruiz-Alonso、Paula Runza、Raúl Parra-Fari?as;萨拉戈萨米格尔·谢尔韦特大学医院:ángela Forcén Vicente de Vera、María Aranzazú Caudevilla Martínez、Rosa María Martínez álvarez、Ruth Caballero Asensio;巴塞罗那穆图阿·德·特拉萨大学医院:David Dalmau Juanola、Laura Gisbert Pérez、Mireia Cairó Llobell、Roser Font Canals、Xavier Martínez Lacsa;马德里阿斯图里亚斯王子大学医院:José Sanz;马德里普埃尔塔·德·耶罗大学医院:Alberto Díaz de Santiago、Ana Fernández Cruz、Sara de la Fuente Moral;拉蒙和卡哈尔大学医院:Ana Moreno、Daniel de las Heras Gómez、María Jesús Pérez Elías、María Jesús Vivancos Gallego、Mario Pons Guillén;阿斯图里亚斯圣奥古斯丁大学医院:Desiré Pérez Martínez、María Elisa Pino Diaz、Miguel Alberto de Zárraga Fernández;韦斯卡圣胡安大学医院:Miguel Vicente Egido Murciano、Teresa Omiste Sanvicente;帕尔马·德·马略卡松·埃斯帕斯大学医院:Adrián Ferré、Antoni Campins、Francisco Fanjul、Luisa Martín Pena、Melchor Riera;帕尔马·德·马略卡松·拉特瑟大学医院:Adrián Rodríguez、Patricia Sorní Moreno;格拉纳达 Virgen de las Nieves 大学医院:Carmen Hidalgo、Sergio Sequera Arquelladas;塔拉戈纳托尔托萨 Verge de la Cinta 医院:Cristina Escrich;萨瓦德尔 Parc Taulí 大学医院:María del Carmen Navarro。

*合作机构

Noemí Cabello-Clotet、Paula Runza、David Vinuesa:西班牙加泰罗尼亚国家感染性疾病研究中心(CIBERINFEC)、加泰罗尼亚感染性疾病和临床科学研究所(IdISSC),西班牙。

Miguel Torralba:西班牙卡斯蒂利亚-拉曼恰健康研究所(IDISCAM),西班牙。

Francisco Fanjul、Adrián Rodríguez:西班牙巴利阿里群岛健康研究所(IdISBa),西班牙。

Sonia Calzado:西班牙巴塞罗那 Parc Taulí 创新与研究所,西班牙。

Luis Enrique Morano、Hadrián Pernas:西班牙加利西亚南部健康研究所(IISGS),西班牙。

Enrique Bernal:西班牙穆尔西亚帕斯夸尔·帕里利亚生物医学研究所(IMIB)、穆尔西亚大学内科研究与创新组,西班牙。

作者贡献:所有作者均收集了各自机构的患者数据。J.T. 和 L.B. 负责协调队列研究、撰写手稿并进行数据分析。

资助声明:本研究由 ViiV Healthcare 的研究者资助研究(ISS)拨款支持,该资助对本研究的可持续性有所贡献。资助方未参与研究设计、数据收集、分析、数据解读或手稿撰写。

数据可用性:本研究中使用和/或分析的数据集可通过合理请求向通讯作者获取。

利益冲突:J.T. 曾从 ViiV、Janssen 和 Gilead 获得演讲费用;这些活动与本提交的工作无关。L.B. 曾从 ViiV 和 Janssen 获得演讲费用;这些活动与本提交的工作无关。语言编辑辅助工作使用了人工智能工具,包括 ChatGPT(OpenAI)和 Paperpal。这些工具改善了手稿的清晰度、语法和流畅性。作者对最终内容及其解释承担全部责任。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号