综述：美国 HIV 风险评分和预测模型：一项范围综述

《AIDS and Behavior》：HIV Risk Score and Prediction Model in the United States: A Scoping Review

这篇综述分析了 2010 年以来的 18 项研究，探讨美国 HIV 风险预测模型的预测因子和性能。研究发现人口统计学、行为和医学因素是重要预测因子，模型表现差异大且普遍缺乏健康社会决定因素。该综述为 HIV 预防和研究提供参考。

　　### 一、研究背景
人类免疫缺陷病毒（HIV）在美国是一个重大的公共卫生问题，约有 120 万人感染，其中 14% 的人未意识到自己的感染状况。限制 HIV 传播至关重要，暴露前预防（PrEP）是降低新感染的关键策略，而通过预测模型识别高风险个体对优化 PrEP 和常规 HIV 检测意义重大。

疾病风险预测模型可估计特定疾病在人群中的发生概率，生成的风险评分能定量衡量个体患病可能性。模型性能通过特异性和敏感性评估，但二者存在权衡，影响临床应用。

自 2012 年丹佛 HIV 风险评分（DHRS）开发以来，众多研究对 HIV 风险预测模型进行验证、更新和开发，但这些研究存在异质性。因此，进行全面的范围综述，综合不同方法，探索现有模型的预测因子、性能以及健康社会决定因素的纳入情况，对推动 HIV 风险预测和预防进展至关重要。

二、研究方法

1. 纳入标准：基于 PPC（人群、概念、背景）框架确定研究纳入标准。目标人群为美国 13 岁及以上有 HIV 风险的青少年和成年人。“人群” 方面，排除仅包含美国以外参与者、仅测量 13 岁以下人群 HIV 结局以及基线时已确诊 HIV 的研究；“概念” 上，纳入聚焦于开发、验证或更新以 HIV 发病率、新诊断、新感染或首次 HIV 检测阳性为结局的多变量预测模型的研究，排除 HIV 共病风险评分开发、风险因素研究、预测模型影响研究和可计算表型研究；“背景” 上，纳入 2010 年及以后发表的全文、同行评审的原创研究，排除摘要、综述和非英文研究。
2. 检索策略：在 PubMed、EMBASE 和 CINHAL 三个电子数据库中进行文献检索，采用特定关键词分组，包括 HIV/PrEP 和预测模型或风险评分相关术语。
3. 筛选过程：将检索到的文献导入 Covidence 系统去除重复项，先进行标题和摘要筛选，再进行全文筛选，筛选过程中记录排除原因，并通过回顾已纳入文献的参考文献确定潜在纳入研究。两名评审员独立评估，有分歧时讨论达成共识，无法解决时咨询第三位资深评审员。
4. 数据提取与偏倚风险评估：依据相关检查表和工具，由一名评审员提取数据并评估偏倚风险，另一名评审员进行质量检查，有分歧时与资深评审员讨论解决。

三、研究结果

1. 研究筛选结果：最初检索到 7512 项研究，排除 1683 项重复项后，5829 项进入筛选流程。经标题和摘要筛选，109 项进入全文评审，最终 18 项研究符合纳入标准。
2. 研究特征：18 项研究中，10 项为队列研究，7 项为病例对照研究，1 项为横断面研究。样本量从 240 到 13527 不等，HIV 阳性病例数从 32 到 640。7 项研究以男男性行为者（MSM）为样本，仅 2 项包含女性特异性预测模型，其余为混合性别样本，男性占比更高。
3. 数据来源：数据来源多样，7 项来自 HIV/STI 诊所的电子健康记录（EHR），9 项来自医院网络、急诊科和医疗数据库，2 项来自美国疾病控制与预防中心（CDC）的国家 HIV 监测数据。
4. 结局定义与随访：所有模型的结局定义均为 HIV 感染，通过 HIV 抗原 / 抗体检测、HIV-1 RNA 检测或 EHR 中的诊断代码确定。随访时间从 1 到 14 年不等，8 项未明确随访时长。
5. 预测因子与模型方法：预测因子包括人口统计学因素（如男性、年轻人、黑人）、行为因素（如多个性伴侣、无保护性行为、吸毒）和医学因素（如 STI 诊断、相关药物）。建模方法多样，7 项采用逻辑回归模型，3 项采用生存分析（Cox 比例风险模型），6 项采用机器学习方法（如 XGBoost、随机森林等），4 项采用自然语言处理模型。
6. 模型性能与偏倚风险：多数研究报告了曲线下面积（AUC）、敏感性和特异性，AUC 值范围为 0.53 - 0.88，敏感性为 10 - 98%，特异性为 41 - 99%。偏倚风险评估显示，所有研究在分析和预测因子领域的偏倚风险较高，参与者领域较低，整体偏倚风险较高。

四、讨论

1. 数据收集与预测因子：研究采用多种数据收集方法，基于 EHR 的研究主要以 STI 诊断、处方药和既往 HIV 检测为风险因素，而结合调查 / 问卷能捕捉更多性和吸毒行为风险因素。但仅使用 EHR 数据存在局限性，如年龄和医疗可及性问题可能导致部分高风险人群代表性不足。对于特定人群（如顺性别女性和跨性别者）的研究，应纳入特定预测因子。
2. 结局定义与模型性能：HIV 感染的结局定义方法多样，部分研究使用实验室检测，部分基于 EHR 记录。模型性能差异大，多数模型内部验证，仅 2 项外部验证，模型验证对其在公共卫生策略中的应用至关重要。
3. 偏倚风险与社会决定因素：研究存在较高偏倚风险，主要源于部分信息未明确提及。现有模型普遍缺乏健康社会决定因素，如社会经济地位、教育水平等，纳入这些因素有助于更全面理解 HIV 感染风险机制。
4. 未来研究方向：未来研究应关注特定人群模型开发，利用 EHR 和问卷探索特定预测因子。此外，可借助机器学习方法确定因果关系，设计个性化治疗方案。

五、结论

本范围综述综合了 18 项关于美国 HIV 风险预测模型的研究，展示了模型的多样性。人口统计学、行为和医学因素是重要预测因子，但模型性能差异大且缺乏健康社会决定因素。未来需要更全面、包容的预测模型，以提高 HIV 预防效果，精准定位高风险人群。