2004—2018年中国艾滋病发病与死亡趋势及其年龄-时期-队列模型分析

赵虹琳，李巧梅，李婷婷，丁国武

艾滋病又可称为获得性免疫缺陷综合征（AIDS），是由艾滋病病毒〔即人类免疫缺陷病毒（HIV）〕引起的一种病死率极高的恶性传染病［1］。尽管中国出台了“四免一关怀”政策［2］，但艾滋病防控工作仍面临严峻挑战。2003年，全国因法定传染病死亡的人数为6 474例，其中379例死于艾滋病，艾滋病是中国第五大传染病死因。2008年，全国因艾滋病死亡的人数增至5 389例，艾滋病成为中国传染病致死的主要原因。2018年，全国共报告64 170例新发艾滋病病例，因艾滋病死亡的人数增至18 780例，是其他各种传染病死亡人数总和的4.3倍［3］。2017年，全球有近3 690万例艾滋病病毒感染者，约94万例因艾滋病死亡，约有180万例新发艾滋病病毒感染病例［4］。由此可见，艾滋病仍是全球范围内最严重的公共卫生问题之一。Joinpoint回归模型和年龄-时期-队列模型目前已被广泛应用于流行病发病与死亡趋势分析［5-6］。目前，国内学者多基于省/市级数据对艾滋病发病与死亡趋势进行分析，且尚缺乏将年龄-时期-队列模型运用于艾滋病发病与死亡率趋势分析的研究报道。通过运用年龄-时期-队列模型，可有效避免年龄、时期和队列3个因素之间交互作用导致估计结果出现偏差这一问题的产生；能够在控制任意两个变量的情况下，分析第三个变量与艾滋病发病率/死亡率之间的关系［7］。本研究基于中国公共卫生科学数据中心现有数据，并引入Joinpoint回归模型及年龄-时期-队列模型，对2004—2018年中国艾滋病发病与死亡趋势进行分析，并探究年龄、时期及队列3个因素对中国艾滋病发病率与死亡率的影响，以期能够为中国艾滋病防控工作提供参考与建议。

1 资料与方法

1.1 数据来源 于2022年3月，以中国公共卫生科学数据中心2004—2018年的网络直报系统数据作为数据来源，提取2004—2018年中国艾滋病各年龄组发病人数、发病率、死亡人数及死亡率数据（数据库识别符：c2ca694e-3995-4c7f-9078-3ed0aaf14556）。 由 于 0～4岁及≥80岁年龄组艾滋病发病与死亡情况数据缺失，因此本研究选取5～79岁居民的数据进行分析。

1.2 数据处理 采用Excel 2019软件建立2004—2018年中国艾滋病发病与死亡情况数据库，并进行绘图。利用提取的原始数据计算2004—2018年中国历年艾滋病发病人数、发病率、死亡人数及死亡率。各年龄组标准化发病率、各年龄组标准化死亡率分别由各年龄组粗发病率、各年龄组粗死亡率与各年龄组标准人口构成比计算而得，其中各年龄组标准人数数据来源于国家统计局发布的第六次人口普查数据（http://www.stats.gov.cn/tjsj/pcsj/rkpc/6rp/indexch.htm）。

1.3 统计学方法

1.3.1 Joinpoint回归模型 采用由美国国家癌症研究所开发的Joinpoint 4.9.0.1软件对2004—2018年中国艾滋病发病率与死亡率进行趋势分析。Joinpoint回归模型通过对数线性模型对数据进行拟合，将长期趋势线科学地分成若干段，并通过Monte Carlo置换检验的方法判断连接点的个数、位置及P值，根据修正贝叶斯信息准则选择最佳模型［8］。计算艾滋病发病率与死亡率的年度变化百分比（APC）、平均年度变化百分比（AAPC）及其95%CI。APC＞0，表示发病率/死亡率逐年递增；APC＜0，提示发病率/死亡率逐年递减；当无连接点时，即APC=AAPC时，发病率/死亡率呈单调递增/单调递减趋势［9］。检验水准α=0.05（双侧）。

1.3.2 年龄-时期-队列模型分析 采用由美国国家癌症研究所研发的基于R语言的网络分析工具（https://analysistools.cancer.gov/apc/）分析年龄、时期、队列因素对艾滋病发病率与死亡率的影响。年龄-时期-队列模型的一般表达式为：Y=αo+αXa+βXp+γXc+ε，其中Y代表发病率或死亡率，Xa、Xp、Xc分别代表年龄、时期、出生年份，α、β、γ分别代表年龄效应、时期效应、出生队列效应，αo为截距，ε为残差。该模型要求年龄、时期和队列的间隔保持一致［10］。以5为间隔对年龄、时期和队列进行分段：将5～79岁分为15个年龄组；将2004—2018年划分为3个时期（为提高发病与死亡风险的时间精度，本研究采用2008、2013及2018年单年度数据代替各个时期的5年平均数据［11］）；出生队列由时期减去年龄得到（1929—2013年），将队列分为17组。选取中心年龄、时期和队列作为对照组，年龄对照组=（年龄组数+1）/2，时期对照组=（时期组数+1）/2，队列对照组=时期对照组-年龄对照组+年龄组数。评价参数包括：（1）净变化，按时期和出生队列显示的总体对数线性趋势，即全人群发病率/死亡率的APC；（2）局部变化，按时期和出生队列显示的各年龄组对数线性趋势，即各年龄组发病率/死亡率的APC［12］；（3）纵向年龄曲线，调整时期偏差后特定年龄组的发病率/死亡率曲线，可看作年龄效应；（4）时期率比（RR）值，以对照时期为参照的时期的年龄别RR值；（5）队列RR值，以对照队列为参照的队列的年龄别RR值［13］。采用Wald χ2检验进行参数估计。检验水准α=0.05（双侧）。

1.3.3 年龄-时期-队列模型的共线性问题 由于该模型中年龄、时期、队列三个因素间存在完全共线性，采用内生因子法解决参数不可估计的问题。YANG等［14］发现基于内生因子法的估计值与基于传统广义线性模型的估计值接近，且内生因子法具有不需要先验信息的特点，其估计值收敛且唯一。

2 结果

2.1 2004—2018年中国艾滋病发病率与死亡率总体变化趋势 2004—2018年中国艾滋病发病率与死亡率均呈上升趋势，发病率从2004年的0.248 9/105上升至2018年的4.956 9/105，死亡率从2004年的0.060 5/105上升至2018年的1.431 2/105，见图1。

图1 2004—2018年中国艾滋病发病率与死亡率变化趋势Figure 1 Trends of AIDS incidence and mortality in China，2004—2018

2.2 2004—2018年中国艾滋病发病率与死亡率的Joinpoint回归模型结果 2004—2018年中国艾滋病发病率的Joinpoint 回归模型结果显示，模型优选结果为2012年1个节点，2004—2012年中国艾滋病发病率 年 均 上 升 34.20%〔95%CI（30.20%，38.20%），P＜0.001〕，2012—2018年中国艾滋病发病率年均上升 9.00%〔95%CI（7.00%，11.10%），P＜0.001〕，2004—2018年中国艾滋病发病率年均上升22.70%〔95%CI（20.70%，24.80%），P＜0.001〕。

2004—2018年中国艾滋病死亡率的Joinpoint 回归模型结果显示，模型优选结果为2010年1个节点，2004—2010年中国艾滋病死亡率年均上升34.50%〔95%CI（16.30%，55.50%），P=0.001〕，2010—2018年中国艾滋病死亡率年均上升8.30%〔95%CI（4.40%，12.40%），P=0.001〕，2004—2018年 中国艾滋病死亡率年均上升18.80%〔95%CI（12.10%，25.90%），P＜0.001〕。

2.3 中国艾滋病发病率与死亡率的年龄-时期-队列模型分析结果 2004—2018年中国艾滋病发病率与死亡率的净变化、总年龄偏差、总时期偏差、总队列偏差、全时期RR值、全队列RR值及所有局部变化均有统计学意义（均P＜0.001），提示中国艾滋病发病率与死亡率的变化均受到年龄、时期、队列因素的影响，见表1。

表1 2004—2018年中国艾滋病发病率与死亡率年龄-时期-队列模型检验结果Table 1 Age-period-cohort effects on AIDS incidence and mortality in China from 2004 to 2018

2.3.1 年龄效应分析结果 2004—2018年中国艾滋病发病率和死亡率纵向年龄曲线均呈“J”字形上升趋势。2004—2018年中国艾滋病发病率从5～9岁组的0.000 4/105上升至75～79岁组的2 828.828 5/105，5～49岁发病率呈缓慢上升趋势，从50～54岁组开始上升速度加快，其中65～69岁组后上升速度相对较快，在75～79岁组达到高峰（图2）；中国艾滋病死亡率从5～9岁组的0.000 4/105上升至 75～79 岁组的 740.297 4/105，5～49 岁死亡率处于较低水平，自50～54岁组开始上升速度加快，于75～79岁组达到峰值（图3）。

图2 2004—2018年中国艾滋病发病率的纵向年龄曲线Figure 2 Temporal trend curve of age-specific AIDS incidence in China，2004—2018

图3 2004—2018年中国艾滋病死亡率的纵向年龄曲线Figure 3 Temporal trend curve of age-specific AIDS mortality in China，2004—2018

2.3.2 时期效应分析结果 2004—2018年中国艾滋病发病率与死亡率的时期RR值随着时期的推移而增加，以2009—2013年时期组为对照组（时期RR值=1.000 0），2014—2018年时期组发病风险〔RR值（95%CI）=2.024 4（1.877 1，2.183 2）〕与死亡风险〔RR值（95%CI）=1.522 6（1.412 8，1.640 9）〕均达到峰值，见图4～5。

图4 中国艾滋病发病率的时期效应Figure 4 Period effects on AIDS incidence in China，2004—2018

图5 中国艾滋病死亡率的时期效应Figure 5 Period effects on AIDS mortality in China，2004—2018

2.3.3 队列效应分析结果 2004—2018年中国艾滋病发病与死亡风险出生队列效应均呈上升趋势，以1969—1973年出生队列组为对照组（出生队列RR值=1.000 0），1929—1968年出生的队列艾滋病发病与死亡风险的RR值均＜1.000 0，且呈缓慢增长趋势，1983年后的出生队列随出生年份的推移艾滋病发病与死亡风险增长速度呈逐渐加快的趋势，2009—2013年出生队列组发病风险〔RR 值（95%CI）=471.385 3（118.524 3，1 874.755 6）〕与死亡风险〔RR值（95%CI）=93.634 5（21.168 0，414.182 4）〕均达到峰值。但2004—2008年出生队列组与1999—2003年出生队列组相比，艾滋病发病与死亡风险略有所下降（图6～7）。

图6 中国艾滋病发病率的出生队列效应Figure 6 Birth cohort effect on AIDS incidence in China，2004—2018

图7 中国艾滋病死亡率的出生队列效应Figure 7 Birth cohort effect on AIDS mortality in China，2004—2018

3 讨论

本研究采用Joinpoint回归模型和年龄-时期-队列模型分析2004—2018年中国艾滋病发病与死亡趋势，并探讨年龄、时期和出生队列3个维度对艾滋病发病率及死亡率的影响。Joinpoint回归模型结果显示，2004—2018年中国艾滋病发病率与死亡率均呈上升趋势，分别年均上升22.70%和18.80%。2004年中国出台了“四免一关怀”政策，2006年颁布的《艾滋病防治条例》、2012年发布的《中国遏制与防治艾滋病“十二五”行动计划》（国办发〔2012〕4号）及2017年发布的《中国遏制与防治艾滋病“十三五”行动计划》（国办发〔2017〕8号）中均提出要“扩大监测覆盖面，最大限度发现感染者”［15］。在上述政策背景下，艾滋病病毒抗体筛查工作在全国范围内得到了较为广泛的开展，这也使得越来越多的艾滋病病例能被及时地发现。目前，对于将艾滋病病毒从体内彻底清除尚缺乏有效手段，加之中国艾滋病治疗药物的种类较为有限，艾滋病病毒耐药性激增［16］，因此艾滋病的死亡率呈现上升趋势。

年龄-时期-队列模型结果显示，2004—2018年中国艾滋病发病率与死亡率均受到年龄、时期及队列因素的影响。从纵向年龄曲线来看，随着年龄的增长，艾滋病的发病率与死亡率均呈现上升趋势。在艾滋病流行的早期阶段，青年群体是艾滋病的高发人群，健康教育宣传活动的目标人群以年轻人为主，老年群体常未被包含在内，导致老年群体对艾滋病相关知识相对缺乏［17］。既往研究表明，老年人艾滋病防治知识知晓率较低，感染艾滋病病毒的风险意识薄弱［18］。同时老年人的性需求常被其伴侣和社会所忽略，但随着居民生活水平的不断提高，当代老年人的身体状况与过去老年人相比有了明显改善，部分老年人仍处于性活跃状态［19］，且无保护措施的性行为在该群体中较为常见，因此危险性行为加剧了艾滋病在中老年群体中的流行。已有研究证实，艾滋病患者血红蛋白水平与其死亡风险有着密切关系，艾滋病患者血红蛋白水平下降可导致其死亡风险增加［20］，而≥50岁群体贫血患病率较高［21］，其在感染艾滋病病毒后更易出现长期贫血，死亡的风险也就相应增加。中老年群体死亡风险较高的原因还可能为：大量艾滋病患者在接受抗反转录病毒治疗后存活多年，病程延长，进入中老年阶段后免疫系统功能明显下降，艾滋病相关并发症和其他疾病共同导致其死亡［22］。

时期效应是指某个特定的时期自然条件或社会环境发生变化而导致的发病/死亡风险［23］。根据年龄-时期-队列模型结果，艾滋病发病与死亡风险均随着时期的推移逐渐上升。在2004年前，中国艾滋病病毒感染者随访管理尚未形成统一的标准和规范，导致随访效果不理想，且由于检测遵循自愿原则，报告的发病人数明显少于实际发病人数［16］。而在过去的十年中，中国优化了艾滋病病毒检测策略。自愿咨询和检测（VCT）站点数量随着时期的推移成倍增长，持续推进高危人群VTC、医疗机构扩大筛查、社会组织动员检测、重点人群自我检测等［24］措施的实施使得中国艾滋病检测率大幅提升，从而使越来越多的艾滋病病例能够得到及时诊断。另外，由于艾滋病的潜伏期为8～9年，随着大量早期发现的艾滋病病毒感染者陆续进入艾滋病期，中国逐步进入艾滋病发病高峰期［22］。CD4+T淋巴细胞水平及诊断时机是艾滋病患者抗反转录病毒治疗效果的重要影响因素［25］，CD4+T淋巴细胞水平越高且越早接受科学、规范的治疗，艾滋病患者死亡风险越低。已有研究证实，超1/3的艾滋病新发病例CD4+T淋巴细胞水平偏低［26-27］；一项横断面研究结果显示，2012—2016年我国西南地区报告的45 000例艾滋病新发病例/艾滋病病毒新发感染者中，45%就诊时已经处于晚期阶段［28］。因此，在今后的艾滋病防治工作中，要加快推进艾滋病早期筛查和早诊早治。

队列效应反映了生命早期环境的变化，是指同一出生队列中的个体在假定同样暴露于某种疾病危险因素的情况下发病/死亡的风险［29］。本研究发现，2004—2018年中国艾滋病发病与死亡风险出生队列效应均呈上升趋势，1929—1983年出生的队列艾滋病发病与死亡风险处于较低水平，1983年后的出生队列随出生年份的推移艾滋病发病与死亡风险增长速度呈逐渐加快的趋势。1981年，全球首例艾滋病病例被报告，艾滋病开始被世界所认识。与其他国家（地区）相比，艾滋病在中国流行较晚。1985年，中国发现首例艾滋病患者；1989年，我国在云南省瑞丽市吸毒者中首次发现规模人群感染艾滋病病毒；1994年末至1995年初，在中国中部和东部部分贫困地区的农村出现了较多非法从事倒卖原料血浆活动的单采血浆站，捐献血浆带来的可观收入吸引了收入水平较低的农民反复参加献血活动。非法从事倒卖原料血浆活动的单采血浆站所采取的重复使用一次性医疗用品、使用未经消毒的器械和设备等行为使得艾滋病病毒在血浆供体间快速传播［30-32］，这更加剧了艾滋病的流行。性传播是艾滋病病毒传播的一个重要途径，中国通过异性性行为感染艾滋病病毒者数量逐年上升［33］，中国男男性行为者的艾滋病病毒感染率已超过静脉吸毒者，且有研究结果显示中国男男性行为群体中艾滋病毒流行率逐渐上升［34］。随着同性恋群体得到社会更多的理解和接纳，以及互联网的飞速发展，男男性行为者常通过男同社交媒体与多名性伴侣保持联系。同时越来越多的同性恋酒吧、俱乐部和其他同性恋场所的出现都为艾滋病的传播提供了条件［35］，且高风险行为在该群体中也较为常见。一项针对中国2 250例男男性行为者的性行为进行的研究表明，仅40%的男男性行为者在过去6个月内进行肛交时持续使用避孕套［36］，且在“不孝有三，无后为大”的观念、“传宗接代”的思想和对同性恋身份的耻辱感的影响下，部分男男性行为者选择与异性结婚，而只有25.6%的男男性行为者在过去6个月内与女性发生性关系时会持续使用避孕套［37］。因此，男男性行为者还有可能将艾滋病病毒传播给女性伴侣，甚至下一代。此外，既往研究显示，该群体并不倾向于每年定期接受艾滋病病毒检测，甚至有部分感染者在感染艾滋病病毒前从未接受过艾滋病病毒检测［38］，这也可能会导致该群体艾滋病发病与死亡风险的上升。

综上所述，2004—2018年中国艾滋病发病率与死亡率均呈上升趋势，老年人是高危人群。针对该群体，可开展形式多元化、接受度高且覆盖面广的宣传教育活动，同时应呼吁子女主动关心和重视老年人的精神生活，给予老年人更多理解和包容，引导老年人培养积极的兴趣与爱好，鼓励老年人丰富自己的精神世界。针对男男性行为者，应加强对其的安全性行为教育，并向其推广艾滋病病毒自我检测试剂盒，以增强其艾滋病病毒检测意识，提高检测的便利性，最大限度地保护其隐私。卫生健康行政部门应加强重点人群艾滋病主动筛查工作，积极推进艾滋病早期筛查和早诊早治，进而从整体上降低艾滋病的发病率与死亡率。此外，社区卫生服务机构应积极开展旨在宣传艾滋病危害和防治措施的自省式健康教育活动，以提高居民对艾滋病相关知识的知晓率，确保艾滋病防控的各项工作顺利推进［39］。

本研究存在一定的局限性。本研究未能将0～4、≥80岁人群的数据纳入分析，且受限于数据，未能对不同性别、地区等特征人群的艾滋病发病与死亡情况进行亚组分析。

作者贡献：赵虹琳负责文章整体构思与设计、数据收集与数据处理、文章撰写与修改；李巧梅负责对文章提出修改意见；李婷婷负责部分数据的整理；丁国武负责文章质量的控制和监督。

本文无利益冲突。