研究人员发现了一种新方法，可以帮助临床医生识别最需要接触前预防的HIV高危人群。由国立精神卫生研究所(NIMH)和国立过敏和传染病研究所(NIAID)(国立卫生研究所的一部分)支持的研究今天发表在《柳叶刀艾滋病毒》上。

        NIMH艾滋病研究部门主任Dianne Rausch博士说:“在美国，开发创新的工具来增加PrEP的使用和坚持，对我们终结艾滋病流行的努力至关重要。”“对临床医生来说，确定哪些人可能受益于PrEP是一个重大挑战，这是一个重要的进步，可以帮助改善PrEP的交付和使用。”

         PrEP是一种策略，健康人定期服用一种或多种抗逆转录病毒药物，以降低感染艾滋病毒的风险。它在降低感染艾滋病毒的风险方面非常有效，但仍未得到充分利用。美国疾病控制与预防中心(Centers for Disease Control and Prevention，简称cdc)估计，多达110万美国人可能会选择使用PrEP药物，但2016年，估计只有78,360人(约7%)接受了PrEP药物治疗。

        由于缺乏足够的时间或技能来评估患者的HIV风险，医生可能会少开PrEP。在其他情况下，医生可能不熟悉PrEP或认为它超出了他们的处方范围。

        研究作者Douglas Krakower医学博士说:“将自动筛选算法整合到EHRs中，可以帮助忙碌的临床医生更有效地识别和评估哪些患者可能受益于PrEP，并使他们能够更频繁地开出PrEP处方。贝斯以色列女执事医疗中心(Beth Israel Deaconess Medical Center)和哈佛医学院(Harvard Medical School)的教授。

        在两个大型研究,使用电子医疗纪录从大型卫生系统在马萨诸塞州和加利福尼亚州,研究人员创建和测试算法,分析丰富的健康数据和患者信息,帮助临床医生自动识别那些艾滋病毒感染风险最高,因此最有可能受益于预科的药物。

        在第一项研究中，Krakower和他的同事使用机器学习，利用2007-2015年马萨诸塞州大型医疗系统Atrius Health的100多万名患者的EHR数据，创建了一个艾滋病毒预测算法。该模型使用了EHRs中的变量，如艾滋病毒咨询或性传播感染诊断代码、艾滋病毒或性传播感染实验室检测以及与治疗性传播感染相关的药物处方。该模型随后通过2016年Atrius Health的537,257名患者，以及芬威健康(Fenway Health)的33,404名患者的数据进行了验证。芬威健康是一家位于波士顿的社区健康中心，专门为性和性别少数群体提供医疗服务，时间为2011年至2016年。在这些验证性研究中，预测算法能够成功地区分是否感染艾滋病毒，以及是否接受了预防处方，具有较高的精度。

        研究人员发现，许多潜在的处方处方错过的机会。例如，2016年的数据集中，9500多人的预测算法风险得分特别高，缺乏事先的处方处方。

        Krakower说，“一个惊人的结果是，我们的分析表明，如果临床医生收到警告，讨论并为风险得分最高的2%的患者提供预防措施，那么近40%的新艾滋病毒病例本可以避免。”

        由哈佛医学院和哈佛朝圣卫生保健研究所的Julia Marcus博士和Krakower及其同事领导的第二项研究，通过使用来自Kaiser Permanente北加州的370多万接受门诊服务的病人的EHRs，扩大了这一预测方法。他们开发了一个模型，利用2007年至2014年进入Kaiser Permanente系统的患者的数据预测艾滋病毒的发病率，并利用2015年至2017年进入Kaiser Permanente系统的患者的数据验证了该模型。该模型使用了EHRs中的变量，如高危性行为指征、艾滋病毒和性传播感染检测频率、性传播感染的诊断和治疗。

        马库斯说:“我们的模型仅标出2%的普通患者，就能识别出男性中近一半的艾滋病病例。”“将我们的算法嵌入Kaiser Permanente EHR可以促使提供者与最有可能受益的患者讨论PrEP。”

        这两项研究都是首次证明基于ehr的预测算法可以有效地识别一般人群中艾滋病毒高危人群和潜在的PrEP候选人群。这些模型为临床医生提供了一个重要的新工具，以减少新的艾滋病毒感染。未来的研究将继续开发这些预测模型，并发现将其与卫生保健系统集成的最佳方法，以改进PrEP的使用和预防艾滋病毒感染。

        来源：Medindia

         ‍此文系悬壶济世网原创整理，没‍有授权，请勿转载！