基于四川省国家免费抗逆转录病毒治疗项目数据库进行回顾性观察队列研究。这个保密的非公开数据库由中国疾病预防控制中心管理。每个省、市、自治区都可以访问其管辖范围内的数据。

本研究的参与者根据以下纳入标准从数据库中选择:(1)2011-2014年期间在四川省接受基于NNRTIs的抗逆转录病毒治疗方案治疗12个月的HIV感染者;(2)病毒载量≥1000拷贝/ml的以nnrti为基础的ART治疗失败;(3)经HIV-1基因型耐药检测，确认为HIV-1耐药;(4)在随访期间接受至少1次CD4(+) T细胞和病毒载量检测。排除标准包括艾滋病毒感染者(1)在随访期间转换抗逆转录病毒治疗方案后无免疫结果;(2)基线数据库中没有人口统计信息(如性别、年龄和抗逆转录病毒治疗)的人。共有2037名艾滋病毒感染者接受了HIV-1基因型耐药性检测，其中197人被证实具有HIV-1耐药性。在这197名艾滋病毒感染者中，18人在随访期间未检测CD4(+) T细胞和病毒载量而被排除在外。最后，179名艾滋病毒感染者被纳入最终分析。

2011年，第一个艾滋病毒感染者进入队列，最后一个进入队列是在2014年。观察的起点被定义为艾滋病毒感染者转换治疗方案的时间，每个艾滋病毒感染者从进入日期到死亡日期或本研究结束(2020年12月)进行随访。179名符合纳入标准的受试者被纳入本研究。他们大约每12个月随访一次，记录他们的CD4(+) T细胞计数、病毒载量和耐药性。我们估计并比较了3种模拟ART方案切换场景与现实世界场景(自然过程)的死亡率风险，包括(1)立即切换到nnrti，(2)立即切换到pi，(3)如果CD4(+) T细胞<200切换到pi

四川省疾病预防控制中心伦理委员会批准本研究(批准号:sccdcirb2021 - 025)。这项研究是根据《赫尔辛基宣言》进行的。

“非自然保护计划”及“个人保护计划”的方案是按照核准的指引[ 24]。NNRTI方案由替诺福韦/齐多夫定(TDF/AZT) +拉米夫定(3TC) +依非韦伦/奈韦拉平(EFV/NVP)组成。PI方案包括替诺福韦/齐多夫定(TDF/AZT) +拉米夫定(3TC) +洛匹那韦和利托那韦(LPV/r)。

每12个月随访一次，在起始点收集CD4(+) T细胞计数和病毒载量，评价免疫重建效果。抗逆转录病毒治疗方案和生存状况也包括在随访中。为了解决随访期间CD4(+) T细胞计数缺失的问题，我们使用了期望-最大化-bootstrap算法进行多次imputation [ 25]。输入模型包括所有基线和随访变量(包括滞后和领先版本)。该算法考虑了数据的非线性和纵向结构。

所有基线特征被作为协变量——人口统计学和hiv相关特征以及免疫学结果。人口统计学特征包括年龄、性别和教育水平。与艾滋病毒相关的特征包括传播模式、性传播疾病史和结核病治疗史。

所有参与者在起始点和转换治疗方案后随访期间提供血液标本，使用流式细胞术(FACSC Calibur, BD)测量CD4(+) T细胞计数。采用实时分子信标检测(NucliSens EasyQ Analyzer)检测HIV病毒载量。采用逆转录聚合酶链反应(RT-PCR)扩增HIV pol基因1300 bp片段，用于耐药突变分析和病毒亚型鉴定。利用斯坦福大学HIV耐药数据库对成功扩增的序列进行HIVDR分析。所有实验方案都遵循制造商的说明。对一种或多种药物具有较低或较高耐药性的艾滋病毒感染者被认为患有艾滋病毒感染[ 26- 28]。

在回归模型(如Cox比例风险模型)中，调整通常用于混杂因素，这相当于估计特定地层的风险比，然后平均加权信息风险比。当其中一些混杂因素也是因果中间因素时，暴露的影响就会得到调整[ 29]。然而，g公式的第一步是获得层特异性风险的加权平均值，然后将平均(标准化)风险组合成汇总风险比。时变协变量可能是混杂因素，也可能是因果中介，这是使用回归模型的一个缺点[ 30.， 31]，可以通过使用g公式[ 32]。本研究认为患者的治疗方案因其CD4(+) T细胞计数和病毒载量不同而不同，这也受其既往治疗方案和其他基线协变量的影响。结果(死亡)受时变治疗方案和时变协变量(例如，CD4(+) T细胞计数和病毒载量水平)以及基线特征( 多媒体附录1）.我们的估计必须调整随时间变化的混杂因素CD4(+) T细胞计数和病毒载量水平以及基线测量的混杂因素。由于标准统计方法不能适当调整受先前ART治疗影响的时变混杂因素[ 23]，在条件可交换性、正性、无残留混杂、无测量误差和无模型错配的假设下，我们应用参数g公式获得每种治疗策略的调整估计(如死亡风险)[ 32， 33]。

具体来说，参数化g公式的过程分为3个步骤。首先，我们拟合治疗和病毒载量的独立逻辑回归模型和CD4(+) T细胞计数的线性回归模型。所有回归模型均包括时变协变量(治疗、病毒载量水平和CD4(+) T细胞计数)和基线变量(年龄、性别、教育水平、婚姻状况、传播模式、性传播疾病史和结核病治疗史)。所有变量之间假定的关系见 多媒体附录1．其次，根据每个ART方案切换场景下基线后结局和时变协变量的分布，通过蒙特卡罗模拟生成一个比总体样本量更突出的伪样本，本研究设为10,000。第三，采用自举抽样方法，重复上述过程500次，获得95%的ci [ 34]。

估计RRs和风险差异(RDs)及其95% ci，以比较自然过程和3种假设的ART转换策略之间的死亡风险。为了探索参数假设的有效性，我们将观察到的(非参数估计)结果和时变协变量的均值与模型预测的均值(参数g公式估计)进行了比较( 多媒体附录2）.所有统计分析使用R 4.0.3 (R Foundation for statistical Computing)进行。

为了保证结果的稳定性，本研究共进行了4次敏感性分析。首先，我们在基线时排除了60岁以上的人，因为他们可能有更高的死亡风险。②CRF01_AE是四川省HIV感染者的主要亚型;因此，我们限制了CRF01_AE亚型参与者的子集来估计死亡风险。第三，我们拟合线性回归模型的病毒载量作为一个连续变量来估计结果。第四，我们使用时间相关的Cox比例风险模型重新检查了风险比。

我们的研究共纳入179名参与者(79名立即切换到pi, 35名立即切换到nnrti, 65名切换到其他nnrti，然后再切换到pi)。除了年龄、CD4(+) T细胞计数和病毒载量( 多媒体附录3）.179名参与者中，138名(77.1%)为男性，90名(50.3%)已婚，91名(50.8%)基线年龄小于40岁( 表1）.异性传播为主要传播途径(72.6%)。大约24.6%的参与者达到了高中以上的教育水平。参与者中，19人(10.6%)患有其他性传播疾病，18人(6.9%)患有结核病，110人(61.5%)患有CRF_01AE HIV-1亚型( 表1）.此外，145名参与者(81%)CD4(+) T细胞计数<200,114名参与者(63.7%)病毒载量≥10,000拷贝/ml ( 表1）.

179例患者的随访时间为30 ~ 119个月，中位随访时间为90个月。在15,606人月的随访期间，该队列中有27人死亡。总死亡率为1.73 / 1000人月( 表1）.观察到的死亡率在CD4(+) T细胞计数较低和基线年龄较大的个体中较高( 表1）.

自然病程下估计的5年死亡风险为11.62% (95% CI 7.82-17.11)。立即切换到nnrti、立即切换到pi和CD4(+) T细胞<200切换到pi的3种ART方案切换方案的5年死亡风险估计分别为31.88% (95% CI 20.79-44.94)、2.87% (95% CI 0.32-7.07)和5.30% (95% CI 2.07-10.21)。 表2）.随着时间的推移，4种治疗方案方案的死亡率风险增加，立即切换到非nrti方案的死亡率最快，立即切换到pi方案的死亡率最慢( 图1）.

使用参数g公式，与自然病程死亡率相比，立即切换nnrti、立即切换pi和CD4(+) T细胞<200切换pi的RRs分别为2.74 (95% CI 2.01-3.47)、0.25 (95% CI 0.04-0.54)和0.46 (95% CI 0.22-0.71)， RDs分别为20.26% (95% CI 10.96-28.61)、- 8.76% (95% CI - 13.34 - - 5.09)和- 6.32% (95% CI - 9.75 - - 3.11)。对3种ART方案转换方案的5年死亡风险、rr和RDs的敏感性分析估计的效果是稳健的( 多媒体附录4， 图2- 4）.Cox比例风险模型结果显示，立即切换到pi的HIV感染者死亡率的风险比(HR=0.11, 95% CI 0.03-0.39)，以及切换到其他nnrti再切换到pi的风险比(HR=0.08, 95% CI 0.02-0.33)低于立即切换到nnrti的风险比( 多媒体附录5）.

本回顾性队列研究使用参数g公式方法比较了对NNRTIs有耐药性的HIV感染者ART转换方案的死亡风险。它为pi和NNRTIs开关的有效性提供了真实的证据。我们的研究结果表明，在9年的随访期间，改用NNRTIs导致更高的死亡率。这两种情况显示改用pi与较低的死亡率有关。这一发现表明，在确认耐药性后立即改用pi可以帮助降低艾滋病毒感染者和艾滋病毒-1耐药性患者的死亡率。

与自然疗程组相比，立即改用pi的5年死亡风险降低了8.76%，如果CD4(+) T细胞<200，改用pi的5年死亡风险降低了6.32%，这意味着在一个假设的100名耐药患者队列中，pi将在5年内预防约6-8例死亡。相反，与自然过程情景相比，立即转换为nnrti的5年死亡风险高出20.26%，这意味着nnrti将在5年内增加20例死亡。

改用pi的艾滋病毒感染者死亡风险较低。可能的原因是pi可以穿过抗性基因屏障并作用于抗性菌株以抑制病毒复制[ 35或者我们的参与者可能对nnrti和NRTI药物有交叉耐药性[ 36]。如果只更换原ART方案中的nnrti药物(如将NVP改为EFV)或更换nrti的药物类型(如将AZT改为TDF)，则免疫学结果不会因交叉耐药而改变。如果参与者继续以nnrti为基础的ART治疗，死亡风险更高。

少数研究报道，以nnrti为基础的ART治疗方案失败后，nnrti和nrti的耐药率分别为80%-92%和95%-100% [ 37， 38]。随着治疗时间的延长，逆转录酶抑制剂的耐药突变会积累，导致严重的交叉耐药。如果参与者仍然切换到nnrti，菌株的交叉耐药导致随访治疗没有显着改善。虽然LPV/r在中国是免费的，但由于大多数省份的LPV/r资源有限，切换到PIs方案的第一个条件是NNRTI耐药性[ 20.， 39， 40]。因此，及时监测和发现nnrti耐药患者并切换到pi以成功抑制NRTI-和nnrti -突变病毒的复制是非常重要的。这种监测将改善病毒学和免疫学效应，从而降低死亡率。此外，如果CD4(+) T细胞<200，如果在一些资源有限的地区不可能在不评估细胞计数的情况下立即转换为pi，则转换为pi也可有效降低死亡风险。

我们的研究有两个优势。首先，我们模拟干预措施，通过比较理想化研究环境和更现实环境的估计，评估死亡率的风险、风险差异和风险比。与标准统计计算相比，参数g公式更容易用于评估复杂干预措施的因果效应[ 41]。特别是动态处理[ 42]，可以很自然地探索多因素联合干预。其次，据我们所知，这是第一个比较在NNRTIs耐药的HIV感染者中切换到其他nnrti和切换到pi之间死亡率差异的研究，避免了随机临床试验的伦理问题。

尽管如此，应该考虑到一些限制。首先，与所有非随机研究一样，我们的方法在几个假设下提供了一致的(无偏倚的)死亡率累积发生率估计:所有变量(例如，CD4(+) T细胞计数、病毒载量、治疗和死亡)的测量都没有误差;不同CD4(+) T细胞计数患者的ART治疗在测量的协变量水平内是可交换的，因为不存在未测量的混杂变量[ 30.]。然而，我们没有收集抗逆转录病毒治疗依从性信息，这可能会影响对nnrti耐药患者切换抗逆转录病毒治疗方案的决定，并可能使我们的估计有偏差。其次，参数化g公式要求所有模型都被正确指定。这种情况不能保证，但似乎是合理的，因为我们的模型产生了模拟数据集，其结果均值和时变协变量与原始数据( 多媒体附录2）.第三，虽然我们收集了所有HIV-1基因型耐药患者的数据，并确认为HIV-1耐药，可以进行随访，但我们的研究只纳入了179名参与者。样本量小可能导致测试效率低。此外，由于2011年至2014年仅对约20%的HIV感染者进行了耐药性监测，许多患者可能没有获得HIV-1基因型耐药，这可能会导致潜在的选择偏差，影响我们结果的外推。

我们的研究发现，PI方案有助于提高HIV和HIV-1耐药患者的生存时间。应作出更多努力，及早发现艾滋病毒-1耐药性，确保及时切换治疗方案，从而最大限度地提高艾滋病毒和艾滋病毒-1耐药性感染者早期切换抗逆转录病毒治疗方案的益处，并降低其死亡率。