中华流行病学杂志  2023, Vol. 44 Issue (4): 677-682   PDF    
http://dx.doi.org/10.3760/cma.j.cn112338-20221114-00969
中华医学会主办。
0

文章信息

颜欢畅, 刘裕, 唐时幸, 顾菁, 郝元涛.
Yan Huanchang, Liu Yu, Tang Shixing, Gu Jing, Hao Yuantao
HIV传播簇的风险测量及公共卫生应对研究进展
Progress in research on HIV cluster detection and response
中华流行病学杂志, 2023, 44(4): 677-682
Chinese Journal of Epidemiology, 2023, 44(4): 677-682
http://dx.doi.org/10.3760/cma.j.cn112338-20221114-00969

文章历史

收稿日期: 2022-11-14
HIV传播簇的风险测量及公共卫生应对研究进展
颜欢畅1 , 刘裕1 , 唐时幸2 , 顾菁1 , 郝元涛3     
1. 中山大学公共卫生学院医学统计学系, 广州 510080;
2. 南方医科大学公共卫生学院流行病学系, 广州 510515;
3. 北京大学公众健康与重大疫情防控战略研究中心, 北京 100191
摘要: 开展HIV传播簇探测,及时、精准实施公共卫生应对和干预,是结束艾滋病流行的重要途径和方法。传播簇风险测量指标可分为基于传播簇既往增长的指标、基于传播簇成员特征分析的指标以及基于传播簇系统进化分析的指标三类。依据传播簇风险测量指标识别风险传播簇,将卫生服务拓展至与传播簇关联的尚未感染HIV者、既往确诊和尚未确诊的HIV感染者,可实现精准干预。本文对现有的HIV分子传播簇风险测量指标及其公共卫生应对措施进行综述,为我国艾滋病精准防控提供参考。
关键词: 艾滋病病毒    传播网络    分子网络    分子传播簇    
Progress in research on HIV cluster detection and response
Yan Huanchang1 , Liu Yu1 , Tang Shixing2 , Gu Jing1 , Hao Yuantao3     
1. Department of Medical Statistics, School of Public Health, Sun Yat-sen University, Guangzhou 510080, China;
2. Department of Epidemiology, School of Public Health, Southern Medical University, Guangzhou 510515, China;
3. Peking University Center for Public Health and Epidemic Preparedness & Response, Beijing 100191, China
Abstract: HIV cluster detection and response (CDR) is a critical strategy to end the HIV epidemic by offering information to identify prevention and care services gaps. The risk metrics for HIV clusters can be classified into three groups: growth-based metrics, characteristic-based metrics, and phylogeny-based metrics. When identifying HIV risk clusters, the public health response can reach people in the affected networks, including people with undiagnosed HIV, people with diagnosed HIV who might not be accessing HIV care or other services, and people without HIV who would benefit from prevention services. To provide references for HIV precise prevention in China, we summarized the risk metrics and the intervention measures for CDR.
Key words: HIV    Transmission network    Molecular network    Molecular transmission cluster    

为实现“2030年终结艾滋病流行”,联合国艾滋病规划署于2021年提出“四个95%”的防治目标,即到2025年,95%的HIV感染风险人群接受综合预防措施,在各类人群中,95%的HIV感染者知道自己的感染状况,95%的HIV感染者接受抗病毒治疗(ART),95%的治疗者达到病毒抑制[1]。然而,全球尚未达成2020年“三个90%”的阶段性目标,仅84%的感染者知道自己的感染状态,87%的HIV确诊者接受ART,90%的治疗者达到病毒抑制[2],终结艾滋病流行战略实现进度不及预期。艾滋病防控的重点在于尽早发现并及时干预高风险传播者和高风险人群,而利用HIV感染者的病毒遗传信息“重建”的分子传播网络,可快速鉴别这些高风险者,日益成为终结艾滋病流行的重要工具[3]。分子网络中,由病毒株高度的遗传相似性提示存在潜在传播关系而相互联系的HIV感染者群体称为传播簇[4]。传播簇的出现提示一个地区、人群或者社会网络中出现HIV的聚集性传播,亟待公共卫生干预[5]

近年来,HIV传播簇探测和公共卫生应对(cluster detection and response,CDR)在欧美地区快速发展,其内容在实践中不断丰富,包括:①识别HIV的快速传播或传播特征的变化;②确定HIV传播和预防的影响因素;③在高风险人群中加强卫生服务和资源分配[5]。然而,我国艾滋病存在低水平流行、病毒基因型复杂等特点,不同于欧美国家以B亚型为主的流行现状,因此,亟需结合本国HIV流行特点,建立HIV风险传播簇探测的标准,积累CDR经验。本文旨在综述HIV传播簇风险测量指标及CDR措施,为我国艾滋病精准防控提供参考。

一、分子传播簇层面的风险测量指标

中国和美国的HIV传播网络监测指南均推荐:利用常规HIV耐药监测和其他防治工作收集的HIV基因序列构建分子传播网络[4, 6],利用传播簇风险测量指标(表 1),依据相应标准判别需要优先调查和干预的风险传播簇,及时启动公共卫生响应。

表 1 HIV传播簇风险测量指标汇总

通过比对HIV感染者的病毒基因序列,计算两两序列的基因距离(genetic distance,GD),并与预设阈值比较,判断HIV感染者(节点)间是否存在潜在传播关系(连边),以此构建HIV分子传播网络。GD阈值多采用美国指南推荐的1.5%或0.5%,分别代表病毒在7~8年和2~3年的进化关系,后者更适合识别近期活跃的传播簇[4]。依据传播簇指标的计算方法,可将传播簇风险测量指标分为3类,分别是基于传播簇既往增长的指标、基于传播簇成员特征分析的指标以及基于传播簇系统进化分析的指标。

1. 基于传播簇既往增长的指标:

(1)绝对增长指标:美国HIV传播网络监测指南推荐采用传播簇绝对增长(absolute cluster growth,ACG)作为活跃传播簇的监测指标[4],公式:

式中,V为HIV传播簇的节点数,i代表第i个观测周期,如第i年,而i=0表示起始观测周期。美国指南建议以0.5%的GD阈值构建HIV分子网络,将近1年内新确诊成员数≥5的传播簇判定为活跃传播簇。我国沈阳市的研究针对不同于欧美国家的HIV主要流行基因型设定GD阈值并构建分子网络,将2018年新确诊成员数≥5的传播簇判定为风险人群[12]。而墨西哥的研究依据当地HIV流行现状和采样深度,采用1.5%的GD阈值,并将观测周期缩短至3个月,以3个月内新增≥1名成员作为判定标准[18]

(2)相对增长指标:由于观测周期内传播簇的绝对增长受其基线规模的影响,所以Wertheim等[7]提出传播簇相对增长(relative cluster growth,RCG)指标,利用传播簇基线确诊病例数的平方根对传播簇的绝对增长进行标准化,公式:

不同于传播簇绝对增长,经基线规模校正的传播簇相对增长更适用于传播簇增长的横向比较。在国内,Cheng等[19]利用RCG比较广州市HIV主要流行基因型的传播能力,发现CRF07_BC和CRF55_01B亚型的传播能力高于CRF01_AE和B亚型。

(3)传播率(transmission rate,TR):由于艾滋病的潜伏期长,HIV感染者的确诊时间往往远晚于HIV感染时间。所以,Oster等[8]参考传统流行病学中HIV传播率的计算方法[20],建立了基于分子流行病学的传播率估算方法,公式:

式中,t为分子钟分析估算的每名传播簇成员从HIV感染到观测结束的时长;∑代表对传播簇中的所有确诊病例感染时长求和,T为传播簇的最近共同祖先时间(time to most recent common ancestor,tMRCA)。该指标以分子钟进化分析估算的感染时间替代HIV确诊时间,引入感染人时的计算,从而获得基于分子传播簇的HIV传播率,即传播簇中传播事件发生数量(传播簇成员数V-1)除以传播簇所有成员的感染人时数。该团队估算美国HIV分子传播簇2013-2015年的传播率为33/100人年,以此衡量传播簇的增长[8]

(4)比例检出率(proportional detection rate,PDR):与传播率指标类似,Dennis等[9]基于分子钟系统发育分析获得HIV感染时间,计算传播簇的PDR,公式

式中,ij分别代表第ij个观测周期,j > i。该指标以单位时间内传播簇累积成员数的倍数变化来度量传播簇增长。若观测周期取1年,PDR=2,则说明该传播簇平均每年增长1倍[9]。相较于前述指标,PDR以自身规模作为前后对照,通过倍数变化增强传播簇的变化信号,更适用于对分子传播簇的纵向观察,尤其是对规模较小传播簇的监测。

2. 基于传播簇成员特征分析的指标:

(1)新发感染病例数:由于艾滋病潜伏期长,新发感染病例数代表新近HIV传播事件的发生数目,对精准防控具有更好的公共卫生意义[21]。研究者们一般采用深度测序法、BED捕获酶免疫法(BED-CEIA)、限制性抗原亲和力酶联免疫法(LAg-Avidity EIA)等分子生物学实验区分HIV的近远期感染。在美国北卡罗来纳州,Zhou等[10]利用深度测序区分HIV传播网络的新近感染(感染时间估计≤9个月)和慢性感染(感染时间估计 > 9个月),发现传播簇成员中新近感染病例比例高于慢性感染者,提示该传播簇为风险传播簇,进而加强干预;国内的分子传播网络研究也得到相似结论,如Pang等[11]利用LAg-Avidity EIA区分HIV新近感染和慢性感染,发现传播簇成员更可能是HIV新近感染病例,是需要优先干预的风险人群。

(2)特定传播途径病例数:结合分子流行病学和传统流行病学资料,分析同一传播簇上相同感染途径的病例特征,有助于HIV的精准防控[22]。墨西哥首都墨西哥城的一项研究发现,MSM构成传播簇的可能性是女性的2.47倍[18]。中国广州市MSM相比于异性性行为者,其构成传播簇的可能性更高[23],也更可能位于高增长传播簇[19]。但是,Zhao等[12]发现中国沈阳市一个活跃传播簇中,成员以注射吸毒者为主,则将注射吸毒者比例作为风险传播簇的判定标准。

(3)耐药性病例数:HIV耐药性突变(drug resistance mutations,DRMs)是指降低ART药物抑制HIV复制能力的病毒基因突变,可增加ART失效的风险。因此,DRMs是HIV传播簇监测的重点。近年来,我国未接受ART的HIV感染者中传播性耐药突变(transmitted drug resistance,TDR)的检出率呈升高趋势[24],提示ART失败的风险升高。此外,有研究发现DRM可影响HIV毒株的传播能力[25]。广西壮族自治区百色市发现DRM(如V106I和V179D/E)在传播簇中聚集[26];四川省凉山彝族自治州也发现存在DRM的传播簇[27]。Zhao等[13]将≥3例HIV感染者携带相同DRM的传播簇判定为耐药性相关的传播簇,在沈阳市发现携带TDR的3个CRF07_BC传播簇和5个CRF01_AE传播簇。

3. 基于传播簇系统进化分析的指标:

(1)有效再生数(effective reproduction number,Re):在系统进化分析的基础上,结合传染病动力学模型(如SIR模型等),可计算病毒的Re[28],以估计病毒的传播力,公式[14]

式中,λ为传播率,即HIV感染者将病毒传染给非感染者的概率;μ为HIV感染者的死亡率,HIV感染者因死亡而失去传染力;ψ为采样率,即假设每个HIV感染者被确诊并接受ART而失去传染力。该指标用于度量一名感染者在传染期内的平均二代传播数。瑞士的一项研究通过拟合贝叶斯出生-死亡模型发现,2017年异性性行为人群中HIV传播簇的Re远低于1,提示流行趋于结束[29]。Zheng等[30]通过估算Re,发现中国安徽省合肥市CRF55_01B的传播簇最活跃。Re也用于公共卫生干预效果评价。Arimide等[31]以1986-2017年埃塞俄比亚的HIV基因序列进行贝叶斯系统进化分析,估算HIV在行为干预和扩大ART前后的Re,发现行为干预和扩大ART可遏制艾滋病的流行,将HIV的传播维持在低水平。

(2)进化树内部节点的分化时间:如前所述,分子钟分析可以估计HIV传播发生时间,即进化树中内部节点的分化时间[15],进而识别新近发生传播事件的传播簇。2018-2020年,美国西弗吉尼亚州卡贝尔县发生的疫情中,当地卫生部门识别到一个含56名成员的HIV传播簇,经估算发现93%的成员感染时间在2018年1月后,故判定该传播簇仍活跃,并采取CDR措施,最终成功遏制疫情的蔓延[16]。Wertheim等[17]则以2012年为界区分美国HIV传播簇成员的新近感染和长期感染,将前者判定为风险人群。

二、分子传播簇的CDR

利用HIV感染者的病毒基因序列重建分子传播网络,借助传播簇风险测量指标识别风险HIV传播簇,通过深入的流行病学调查等CDR措施,确定潜在影响因素,还原HIV传播网络和风险网络,可将卫生服务拓展至与传播簇关联的尚未感染HIV者、既往确诊和尚未确诊的HIV感染者,实现精准干预。见图 1

图 1 HIV分子传播簇及其公共卫生应对可发现的HIV传播网络和风险网络

1. 深入调查重点病例以确定影响传播的因素:对风险传播簇成员进行深入调查,是HIV传播网络CDR中常用的方法,以确定病毒传播的潜在驱动因素,指导HIV精准防控。2013年,加拿大不列颠哥伦比亚省率先建立实时HIV分子监测系统,并于次年6月识别到1个在3个月内新增11个病例且8例携带TDR毒株的活跃传播簇。当地卫生部门重新组织对该传播簇的调查,发现其成员均为较年轻的MSM,且近一半在急性期被诊断[32]。在美国费城,研究者对急性感染者、新近感染者和HIV分子传播簇成员进行深入调查,发现超过一半的病例在确诊前3年内接受过艾滋病或其他性传播疾病的检测,在确诊前1年内曾就诊,提示应增强重点人群HIV暴露前预防(PrEP)和自愿咨询检测的意识[33]

2. 对潜在关联人群的公共卫生干预:对HIV传播簇的CDR不能仅限于分子传播网络中的成员,需结合社会网络,尽可能地覆盖网络涉及的所有潜在关联者[16],包括尚未感染但感染风险高的人群、既往确诊或尚未确诊的HIV感染者。加拿大2014年的CDR中,通过加强对HIV新确诊者的随访调查和性伴咨询服务,识别到12名关联者,其中包括4名既往确诊的HIV感染者[32]。所以,以分子传播簇的分析结果指导社会网络的流行病学调查,可及时发现HIV新近传播事件[34],可与传播簇涉及的地区或社区建立合作关系,设计符合当地HIV防控需求的应对措施,如扩大HIV检测和推广PrEP服务等[5]

3. 提高重点病例的HIV感染诊断治疗服务链参与度:HIV感染诊断治疗服务链(HIV care continuum,HCC)是指HIV感染后从检测确诊到接受ART,再到治疗成功抑制病毒的医疗服务过程,包括确诊、就诊、获得治疗、坚持治疗、达到并维持病毒抑制5个阶段[35],通过ART将HIV感染者的病毒载量抑制到检测不到的水平,从而减少传播及新发感染。有研究发现重点HIV传播簇中未确诊成员数、确诊但未达到病毒抑制的成员数与传播簇增长存在统计学关联[17]。在美国卡贝尔县的CDR中,卫生机构全面考虑HIV感染者的交通、社会支持、行为健康等需求,为感染者提供确诊当天就诊的便利条件,以尽快启动ART,并提高治疗依从性。经一系列努力,此次CDR中HIV感染者由确诊到就诊的中位时间由47 d缩短至8 d,病毒抑制的中位时间由221 d缩至132 d[16]。在加拿大的CDR中,也加强了病例的随访管理,使既往中断HCC的病例再次接受ART,最终,第二年该传播簇新增携带TDR的病例数减少至3例[32]

三、我国CDR面临的挑战

1. 基于传播簇探测和公共卫生响应的标准有待建立:2022年,Ragonnet-Cronin等[36]基于美国伊利诺伊州HIV监测数据,通过系统比较不同GD阈值(1.5%、1.0%和0.5%)下各种传播簇增长指标对随后12个月新确诊病例的预测能力,发现美国CDC提供的方案分析能力不足,建议根据当地HIV流行特点构建相应的传播簇优先干预策略。Zhao等[12]通过敏感性分析,找出中国沈阳市2016-2018年HIV新感染人群CRF01_AE、CRF07_BC和B亚型分子网络的最佳GD阈值分别是0.7%、0.7%和1.3%,也揭示分子网络构建与HIV流行特点密切相关。我国尚处于借助分子网络实施HIV感染人群精准干预的起步阶段,并存在HIV基因型种类繁多、构成复杂和地区差异较大等实际情况[37],此外,利用传播簇风险测量指标确定传播簇优先调查和干预的公共卫生标准随CDR经验的增加而不断迭代,故有必要积累更多相关数据,建立适合本国HIV流行特点的传播簇探测和CDR标准[6]

2. 缺乏基于传播簇CDR的经验:中国和美国的HIV传播网络监测指南要求区域性分子监测每年采样比例应不低于当年新报告病例数的60%,强调样本收集和检测的及时性,尽可能在新病例诊断的3个月内完成检测和分析[4, 6]。然而,与欧美国家相比,我国受限于样本序列的采样深度和时效性,HIV分子传播网络的实践和应用发展较缓慢[38]。这可能包含多方面原因:首先,我国HIV基因型构成复杂,且新型重组株不断涌现,病毒基因的多样性一定程度上增加了基因序列检测的难度;其次,HIV RNA提取、基因扩增等实验室工作要求在具有相关资质的实验室内开展;其次,分子传播网络受计算资源和分析能力可及性的影响,实验和分析的时效性较差,无法及时启动和指导CDR;最后,HIV传播簇风险指标多源于国外,公共卫生响应标准亟待完善,而鲜有研究这些指标在中国的适用性。

3. 亟待结合时空预警模型进行纵深研究:传染病预警同时关注疫情在时间和空间两个维度的变化,可是,既往HIV分子网络研究多基于横断面资料,其分析缺乏对时间和空间维度变化的关注。美国的一项研究发现,小城市或郊区HIV传播簇中MSM成员的地理分布更分散[39]。2022年,Yuan等[40]将中国四川省的HIV分子传播网络投映到地理空间,通过局部Moran's I指数分析发现传播的热点地区,通过估计HIV传播强度发现部分城市内高强度的HIV传播。由此可见,分子传播网络结合时空模型,能够更好地实现传染病监测预警。

4. CDR面临的伦理学问题:HIV的精准防控应在符合知情同意和信息安全的基础上开展,CDR面临着伦理学挑战[41]。首先,构建分子网络的基因数据多来源于对HIV感染者的耐药性监测,二次分析往往未取得HIV感染者的知情同意[42];其次,利用HIV传播簇分析识别的风险人群,在施加干预的过程中存在隐私泄露的风险[43];最后,向HIV感染者和相关社区组织解释HIV传播簇的结果以及实际应用至关重要[44],尤其是借助分子网络和系统进化分析判定病毒传播方向往往涉及法律责任[45]

四、小结

利用传播簇风险指标对HIV聚集性疫情进行监测预警,指导公共卫生实践,尽早发现并干预高风险传播者和高风险人群,在艾滋病的精准防控上有较好的应用前景。然而,我国尚缺乏适合本国HIV流行特点的传播簇风险测量方法和基于传播簇的CDR经验,亟待建立标准操作流程。同时,分子网络监测需注意提高采样比例和时效性,结合时空预警模型进行分析,并做好隐私保护。

利益冲突  所有作者声明无利益冲突

参考文献
[1]
UNAIDS. HIV prevention 2025 road map-getting on track to end AIDS as a public health threat by 2030[EB/OL]. (2022-09-01)[2022-11-24]. https://www.aidsdatahub.org/resource/hiv-prevention-2025-road-map-getting-track-end-aids-public-health-threat-2030.
[2]
Mahy MI, Sabin KM, Feizzadeh A, et al. Progress towards 2020 global HIV impact and treatment targets[J]. J Int AIDS Soc, 2021, 24Suppl 5(Suppl 5): e25779. DOI:10.1002/jia2.25779
[3]
Beyrer C, Adimora AA, Hodder SL, et al. Call to action: how can the us ending the HIV epidemic initiative succeed?[J]. Lancet, 2021, 397(10279): 1151-1156. DOI:10.1016/s0140-6736(21)00390-1
[4]
Centers for Disease Control and Prevention (CDC). Guidance: detecting, investigating, and responding to HIV transmission clusters[EB/OL]. (2018-06-02)[2022-11-01]. https://www.cdc.gov/hiv/programresources/guidance/cluster-outbreak/resources.html.
[5]
Oster AM, Lyss SB, McClung RP, et al. HIV cluster and outbreak detection and response: the science and experience[J]. Am J Prev Med, 2021, 61(5 Suppl 1): S130-142. DOI:10.1016/j.amepre.2021.05.029
[6]
中国疾病预防控制中心性病艾滋病预防控制中心. 我国«HIV传播网络监测和干预技术指南»(试行)正式发布[EB/OL]. (2019-09-29)[2021-11-01]. http://ncaids.chinacdc.cn/zxzx/zxdteff/201909/t20190929_205904.htm.
[7]
Wertheim JO, Murrell B, Mehta SR, et al. Growth of HIV-1 molecular transmission clusters in New York City[J]. J Infect Dis, 2018, 218(12): 1943-1953. DOI:10.1093/infdis/jiy431
[8]
Oster AM, France AM, Panneer N, et al. Identifying clusters of recent and rapid HIV transmission through analysis of molecular surveillance data[J]. J Acquir Immune Defic Syndr, 2018, 79(5): 543-550. DOI:10.1097/QAI.0000000000001856
[9]
Dennis AM, Hué S, Billock R, et al. Human immunodeficiency virus type 1 phylodynamics to detect and characterize active transmission clusters in North Carolina[J]. J Infect Dis, 2020, 221(8): 1321-1330. DOI:10.1093/infdis/jiz176
[10]
Zhou ST, Sizemore S, Moeser M, et al. Near real-time identification of recent human immunodeficiency virus transmissions, transmitted drug resistance mutations, and transmission networks by multiplexed primer ID-next-generation sequencing in North Carolina[J]. J Infect Dis, 2021, 223(5): 876-884. DOI:10.1093/infdis/jiaa417
[11]
Pang XW, Wei H, Huang JH, et al. Patterns and risk of HIV-1 transmission network among men who have sex with men in Guangxi, China[J]. Sci Rep, 2021, 11(1): 513. DOI:10.1038/s41598-020-79951-2
[12]
Zhao B, Song W, An MH, et al. Priority intervention targets identified using an in-depth sampling HIV molecular network in a non-subtype B epidemics area[J/OL]. Front Cell Infect Microbiol, 2021, 11: 642903. DOI: 10.3389/fcimb.2021.642903.
[13]
Zhao B, Song W, Kang MM, et al. Molecular network analysis reveals transmission of HIV-1 drug-resistant strains among newly diagnosed HIV-1 infections in a moderately HIV endemic city in China[J/OL]. Front Microbiol, 2022, 12: 797771. DOI: 10.3389/fmicb.2021.797771.
[14]
Stadler T, Kühnert D, Bonhoeffer S, et al. Birth-death skyline plot reveals temporal changes of epidemic spread in HIV and hepatitis C virus (HCV)[J]. Proc Natl Acad Sci USA, 2013, 110(1): 228-233. DOI:10.1073/pnas.1207965110
[15]
Mak L, Perera D, Lang R, et al. Evaluation of a phylogenetic pipeline to examine transmission networks in a Canadian HIV cohort[J]. Microorganisms, 2020, 8(2): 196. DOI:10.3390/microorganisms8020196
[16]
McClung RP, Atkins AD, Kilkenny M, et al. Response to a large HIV outbreak, Cabell County, West Virginia, 2018-2019[J]. Am J Prev Med, 2021, 61(5 Suppl 1): S143-150.
[17]
Wertheim JO, Panneer N, France AM, et al. Incident infection in high-priority HIV molecular transmission clusters in the United States[J]. AIDS, 2020, 34(8): 1187-1193. DOI:10.1097/QAD.0000000000002531
[18]
Dávila-Conn V, García-Morales C, Matías-Florentino M, et al. Characteristics and growth of the genetic HIV transmission network of Mexico City during 2020[J]. J Int AIDS Soc, 2021, 24(11): e25836. DOI:10.1002/jia2.25836
[19]
Cheng ZT, Yan HC, Li QM, et al. Enhanced transmissibility and decreased virulence of HIV-1 CRF07_BC may explain its rapid expansion in China[J]. Microbiol Spectr, 2022, 10(4): e0014622. DOI:10.1128/spectrum.00146-22
[20]
Holtgrave DR, Hall HI, Prejean J. HIV transmission rates in the United States, 2006-2008[J/OL]. Open AIDS J, 2012, 6: 26-28. DOI: 10.2174/1874613601206010026.
[21]
Little SJ, Chen T, Wang R, et al. Effective human immunodeficiency virus molecular surveillance requires identification of incident cases of infection[J]. Clin Infect Dis, 2021, 73(5): 842-849. DOI:10.1093/cid/ciab140
[22]
Li K, Liu ML, Chen HH, et al. Using molecular transmission networks to understand the epidemic characteristics of HIV-1 CRF08_BC across China[J]. Emerg Microbes Infect, 2021, 10(1): 497-506. DOI:10.1080/22221751.2021.1899056
[23]
Yan HC, He WY, Huang LP, et al. The central role of nondisclosed men who have sex with men in human immunodeficiency virus-1 transmission networks in Guangzhou, China[J]. Open Forum Infect Dis, 2020, 7(5): ofaa154. DOI:10.1093/ofid/ofaa154
[24]
Zuo LL, Liu K, Liu HL, et al. Trend of HIV-1 drug resistance in China: a systematic review and meta-analysis of data accumulated over 17 years (2001-2017) [J/OL]. EclinicalMedicine, 2020, 18: 100238. DOI: 10.1016/j.eclinm.2019.100238.
[25]
Wertheim JO, Oster AM, Johnson JA, et al. Transmission fitness of drug-resistant HIV revealed in a surveillance system transmission network[J]. Virus Evol, 2017, 3(1): vex008. DOI:10.1093/ve/vex008
[26]
Zhang F, Liang BY, Liang X, et al. Using molecular transmission networks to reveal the epidemic of pretreatment HIV-1 drug resistance in Guangxi, China[J/OL]. Front Genet, 2021, 12: 688292. DOI: 10.3389/fgene.2021.688292.
[27]
Yuan D, Yu B, Li YP, et al. Prevalence and molecular epidemiology of transmitted drug resistance and genetic transmission networks among newly diagnosed people living with HIV/AIDS in a minority area, China[J/OL]. Front Public Health, 2021, 9: 731280. DOI: 10.3389/fpubh.2021.731280.
[28]
Han XX, Zhao B, An MH, et al. Molecular network-based intervention brings us closer to ending the HIV pandemic[J]. Front Med, 2020, 14(2): 136-148. DOI:10.1007/s11684-020-0756-y
[29]
Turk T, Bachmann N, Kadelka C, et al. Assessing the danger of self-sustained HIV epidemics in heterosexuals by population based phylogenetic cluster analysis[J/OL]. Elife, 2017, 6: e28721. DOI: 10.7554/eLife.28721.
[30]
Zheng S, Wu JJ, Hu ZW, et al. Epidemiology and molecular transmission characteristics of HIV in the capital city of Anhui Province in China[J]. Pathogens, 2021, 10(12): 1554. DOI:10.3390/pathogens10121554
[31]
Arimide DA, Esquivel-Gómez LR, Kebede Y, et al. Molecular epidemiology and transmission dynamics of the HIV-1 epidemic in Ethiopia: epidemic decline coincided with behavioral interventions before ART scale-up[J/OL]. Front Microbiol, 2022, 13: 821006. DOI: 10.3389/fmicb.2022.821006.
[32]
Poon AFY, Gustafson R, Daly P, et al. Near real-time monitoring of HIV transmission hotspots from routine HIV genotyping: an implementation case study[J]. Lancet HIV, 2016, 3(5): e231-238. DOI:10.1016/s2352-3018(16)00046-1
[33]
Desai AN, Conyngham SC, Mashas A, et al. Interdisciplinary HIV sentinel case review: identifying practices to prevent outbreaks in Philadelphia[J]. Am J Prev Med, 2021, 61(5 Suppl 1): S151-159. DOI:10.1016/j.amepre.2021.05.031
[34]
江河, 冯毅, 邵一鸣. HIV传播网络分析方法及测量指标研究进展[J]. 中华流行病学杂志, 2022, 43(1): 123-127.
Jiang H, Feng Y, Shao YM. Progress in research of HIV transmission network analysis methods and metrics[J]. Chin J Epidemiol, 2022, 43(1): 123-127. DOI:10.3760/cma.j.cn112338-20211116-00888
[35]
夏小亮, 吴尊友, 马烨. 艾滋病感染诊断治疗服务链的研究进展[J]. 中华疾病控制杂志, 2017, 21(4): 323-326.
Xia XL, Wu ZY, Ma Y. Progress of HIV care cascade from HIV infection to viral suppression[J]. Chin J Dis Control Prev, 2017, 21(4): 323-326. DOI:10.16462/j.cnki.zhjbkz.2017.04.001
[36]
Ragonnet-Cronin M, Hayford C, D'Aquila R, et al. Forecasting HIV-1 genetic cluster growth in Illinois, United States[J]. J Acquir Immune Defic Syndr, 2022, 89(1): 49-55. DOI:10.1097/qai.0000000000002821
[37]
Wu ZY, Chen JF, Scott SR, et al. History of the HIV epidemic in China[J]. Curr HIV/AIDS Rep, 2019, 16(6): 458-466. DOI:10.1007/s11904-019-00471-4
[38]
甘梦泽, 冯毅, 邢辉. 基于分子网络方法研究HIV感染者传播特征的相关进展[J]. 中华流行病学杂志, 2019, 40(11): 1487-1491.
Gan MZ, Feng Y, Xing H. Progress in research on the transmission characteristics of HIV-infected persons based on molecular network method[J]. Chin J Epidemiol, 2019, 40(11): 1487-1491. DOI:10.3760/cma.j.issn.0254-6450.2019.11.026
[39]
Board AR, Oster AM, Song RG, et al. Geographic distribution of HIV transmission networks in the United States[J]. J Acquir Immune Defic Syndr, 2020, 85(3): e32-40. DOI:10.1097/qai.0000000000002448
[40]
Yuan D, Yu B, Liang S, et al. HIV-1 genetic transmission networks among people living with HIV/AIDS in Sichuan, China: a genomic and spatial epidemiological analysis[J/OL]. Lancet Reg Health West Pac, 2022, 18: 100318. DOI: 10.1016/j.lanwpc.2021.100318.
[41]
洪航, 潘晓红, 许国章. 通过HIV溯源和分子网络分析推动艾滋病精准发现与防控[J]. 中华流行病学杂志, 2021, 42(12): 2096-2099.
Hong H, Pan XH, Xu GZ. Conducting analysis on HIV tracing and molecular network for promoting precise detection, prevention and control of AIDS[J]. Chin J Epidemiol, 2021, 42(12): 2096-2099. DOI:10.3760/cma.j.cn112338-20210811-00630
[42]
Coltart CEM, Hoppe A, Parker M, et al. Ethical considerations in global HIV phylogenetic research[J]. Lancet HIV, 2018, 5(11): e656-666. DOI:10.1016/s2352-3018(18)30134-6
[43]
Watson M, Sweeney P. Furthering discussion of ethical implementation of HIV cluster detection and response[J]. Am J Bioeth, 2020, 20(10): 24-26. DOI:10.1080/15265161.2020.1806398
[44]
Mutenherwa F, Wassenaar D, de Oliveira T. Adding a voice to the unique ethical considerations in molecular HIV surveillance[J]. Am J Bioeth, 2020, 20(10): 34-36. DOI:10.1080/15265161.2020.1806399
[45]
Dawson L, Benbow N, Fletcher FE, et al. Addressing ethical challenges in US-based HIV phylogenetic research[J]. J Infect Dis, 2020, 222(12): 1997-2006. DOI:10.1093/infdis/jiaa107