这是一篇开放获取的文章,根据创作共用署名许可协议(https://creativecommons.org/licenses/by/4.0/)发布,该协议允许在任何媒体上不受限制地使用、分发和复制,但必须适当引用首次发表在《JMIR公共卫生与监测》上的原文。必须包括完整的书目信息,https://publichealth.www.mybigtv.com上的原始出版物链接,以及版权和许可信息。
男男性行为者(MSM)感染艾滋病毒的风险很高。准确估计男同性恋者的人群规模,监测男同性恋者的性行为变化风险,对制定有针对性的艾滋病预防和干预措施具有重要意义。
本研究的目的是准确估计MSM人群的规模和监测MSM的性行为变化风险。
采用街道拦截调查方法,于2014年和2019年在深圳选定地点对16岁及以上的男性进行调查。通过人口调查来估计MSM的人口规模。采用Logistic回归分析评估2014 - 2019年MSM患者行为特征的差异。
在本研究中,我们在2014年调查了10170名参与者,其中448名(4.41%,95% CI 4.01%-4.80%)参与者是曾与其他男性发生过性行为的男性(MSMe), 229名(2.25%,95% CI 1.96%-2.54%)参与者是在此前6个月内与其他男性发生过性行为的男性(MSMa)。2019年共调查了10226名参与者,其中500名(4.90%,95% CI 4.47%-5.31%)和208名(2.03%,95% CI 1.76%-2.31%)参与者分别为中小微企业和MSMa。结果表明,2014年深圳市活跃MSM (MSMa)人群规模为155469人(2.29%,95% CI 2.28% ~ 2.30%), 2019年为167337人(2.05%,95% CI 2.04% ~ 2.06%)。据估计,2019年中国MSMa约为12,005,445例(2.04%,95% CI 2.04%-2.04%)。与2014年相比,2019年的MSMa更倾向于通过手机app寻求性伴侣,除了避孕套使用不一致和在过去6个月内性伴侣超过6个之外,拥有男女性伴侣的可能性更小。
2019年深圳市男性总体人群中MSMa患者比例较2014年有所下降,2019年艾滋病高危行为流行率有所下降。尽管男同性恋者寻找男性性伴侣的首选平台已经发生了变化,但对艾滋病毒高危男同性恋者的干预仍有助于减少整个男同性恋者群体中的艾滋病毒风险行为。由于男同性恋者更倾向于通过手机app寻求性伴侣,因此需要进一步研究加强对艾滋病高危男同性恋者的网络干预,以遏制艾滋病的传播。
男男性行为者感染艾滋病毒的风险很高[
联合国艾滋病毒和艾滋病联合规划署和世界卫生组织发布的关于估计最有可能感染艾滋病毒的人口规模的准则,除了基于一般人口的方法(例如,人口调查、网络扩大)外,还建议使用从有风险的人口收集的数据来估计MSM人口规模的几种方法(普查和枚举、捕获-再捕获和乘数)[
近年来,社交媒体改变了MSM群体的社交方式[
作为中国改革开放的第一个城市,深圳对同性恋文化和多元化MSM社交场所的接受度很高[
我们根据2014年和2019年深圳的人口、商业区分布和人员流动(
2014年和2019年,每位参与者都被要求在指定地点通过平板电脑或扫描二维码的在线问卷完成一份自行填写的问卷。在自动电话号码检查后,拒绝重复参与。参与者在完成问卷后,通过扫描微信支付系统的一次性二维码,获得5至100元人民币(0.80- 16.00美元)的随机补偿。问卷由两部分组成:社会人口特征和艾滋病风险行为。社会人口统计特征包括年龄、教育程度、户籍、在深圳停留时间、婚姻状况、性取向和性伴侣的性别。回答性伴侣性别问题的参与者被要求完成关于艾滋病毒风险行为的部分,包括对社交网络方式的偏好,在过去6个月内有男性性伴侣的数量,在过去6个月内与男性发生性行为的频率,在过去6个月内与常规/非常规男性性伴侣发生性行为时使用避孕套的频率,性传播感染的历史,和艾滋病毒检测。
深圳市调查地点分布情况。
2014年和2019年深圳市调查地点类型。
网站 | 2014年,n | 2019年,n |
休闲商业区或购物中心 | 22 | 16 |
居民区 | 5 | 11 |
公园 | 10 | 7 |
交通枢纽 | 1 | 1 |
大学 | 3. | 2 |
医院 | 3. | 3. |
工业区 | 4 | 5 |
总计 | 48 | 45 |
这项研究是根据《赫尔辛基宣言》的原则进行的。经深圳市疾病预防控制中心伦理委员会批准(SZCDC2019-010A)。
计算样本量的公式为
在深圳居住超过6个月的参与者被认为是本地居民,而在深圳居住不足6个月的参与者被认为是流动人口。在他们的一生中曾与其他男性发生过性关系的男性被指定
MSM种群规模的估计公式为
考虑到抽样男性参与者在年龄和居住类别(本地居民和流动人口)上与深圳市16岁及以上男性普查人口的分布存在偏差,采用权重调整来控制混杂效应。计算权重的公式为
利用原始数据集利用公式2估计MSM种群规模,并对加权数据进行其他统计分析。用卡方检验检验频率分布的差异。采用Logistic回归分析评估2019年与2014年MSM特征的差异。单因素分析进一步纳入正向逐步选择的多因素分析(
2014年招募的男性中,41.3%(4200/ 10170)年龄在21 - 30岁之间,48.5%(4936/ 10170)已婚,82.9%(8438/ 10170)是异性恋。共有49.1%(4996/ 10170)的受访者在国内其他省份或地区有户籍,79.9%(8128/ 10170)为本地居民,45.0%(4571/ 10170)具有大学及以上学历。2019年招募的男性中,36.9%(3775/ 10226)年龄在21 - 30岁之间,48.6%(4970/ 10226)已婚,86.3%(8826/ 10226)是异性恋。共有46.5%(4751/ 10226)的受访者具有外省或地区户籍,77.9%(7966/ 10226)为本地居民,52.9%(5414/ 10226)具有大学及以上学历(
总体而言,中小微企业与MSMa的比例差异显著(
如
2014年和2019年曾与男性发生过性行为的男性(MSMe)和前6个月与男性发生过性行为的男性(MSMa)中风险行为的患病率。
|
2014 | 2019 | ||||
|
MSMe (n=448), n (%) | MSMa (n=229) n (%) | MSMe, (n=500), n (%) | MSMa (n=208) n (%) | ||
|
||||||
|
男性只 | 188 (41.96) | 101 (44.10) | 288 (57.60) | 142 (68.27) | |
|
男性和女性 | 260 (58.04) | 128 (55.90) | 212 (42.40) | 66 (31.73) | |
|
||||||
|
是的 | 79 (17.63) | 62 (27.07) | 51 (10.20) | 35 (16.75) | |
|
没有 | 369 (82.37) | 167 (72.93) | 449 (89.80) | 174 (83.25) | |
|
||||||
|
是的 | 107 (23.88) | 85 (37.12) | 123 (24.60) | 84 (40.19) | |
|
没有 | 341 (76.12) | 144 (62.88) | 377 (75.40) | 125 (59.81) | |
|
||||||
|
男同性恋者常去的地方b | 152 (33.93) | 97 (42.36) | 90 (18.00) | 55 (26.44) | |
|
互联网 | 127 (28.35) | 68 (29.69) | 87 (17.40) | 39 (18.75) | |
|
手机应用 | 71 (15.85) | 39 (17.03) | 119 (23.80) | 59 (28.37) | |
|
其他 | 98 (21.88) | 25 (10.92) | 197 (39.40) | 55 (26.44) | |
|
||||||
|
没有 | - - - - - -c | 185 (80.79) | - - - - - - | 120 (57.69) | |
|
是的 | - - - - - - | 44 (19.21) | - - - - - - | 88 (42.31) | |
|
||||||
|
1 | - - - - - - | 67 (29.4) | - - - - - - | 90 (43.1) | |
|
2 | - - - - - - | 68 (29.7) | - - - - - - | 40 (19.4) | |
|
3 - 5 | - - - - - - | 32 (14.1) | - - - - - - | 43 (20.5) | |
|
≥6 | - - - - - - | 61 (26.8) | - - - - - - | 35 (17.0) | |
|
||||||
|
每月≤1次 | - - - - - - | 62 (27.07) | - - - - - - | 74 (35.58) | |
|
每月2-4次 | - - - - - - | 122 (53.28) | - - - - - - | 92 (44.23) | |
|
每周≥2次 | - - - - - - | 45 (19.65) | - - - - - - | 42 (20.19) |
一个性传播感染。
b男同性恋者:与男性发生性关系的男性。
c不适用。
2014年,中小微企业448人(4.41%,95% CI 4.01% ~ 4.80%), MSMa 229人(2.25%,95% CI 1.96% ~ 2.54%)。2019年,500名参与者(4.90%,95% CI 4.47%-5.31%)为中小微企业,208名参与者(2.03%,95% CI 1.76%-2.31%)为MSMa。中小微企业占比(
2014年和2019年深圳16岁及以上男性中中小微企业占比分别为4.51% (305,984/6,782,813,95% CI 4.50%-4.53%)和4.91% (400,689/8,158,157,95% CI 4.90%-4.93%)。2014年和2019年深圳市16岁及以上男性人群MSMa比例分别为2.29% (155,469/6,782,813,95% CI 2.28% ~ 2.30%)和2.05% (167,337/8,158,157,95% CI 2.04% ~ 2.06%)。
2019年,中国16岁及以上男性约为5.878亿人。根据2019年深圳MSM的比例,我们估计中国中小微企业和MSMa的人口规模分别为30434062 (5.72%,95% CI 5.72%-5.72%)和1200 5445 (2.04%,95% CI 2.04%-2.04%)。
与男性发生过性行为的男性特征的变化:2019年vs 2014年。OR:比值比;裁判:参考;MSM:与男性发生性关系的男性;性传播疾病。
在过去6个月内与同性发生性行为的男性的特征变化——2019年与2014年。OR:比值比;裁判:参考;MSM:与男性发生性关系的男性;性传播疾病。
准确估计MSM人群规模对制定艾滋病预防和干预措施以及实现90-90-90目标的战略具有重要意义。据我们所知,这是中国第一个通过随机抽样的人口调查来估计MSM人口规模的研究。基于该研究,2014年深圳MSMa人口规模估计为154059人,2019年为166464人,高于2014年深圳MSMa人口规模估计的7万人[
2019年中小微企业占比高于2014年,主要是由于时间的累积效应。与中小微企业不同,中小微企业患者性行为活跃,是艾滋病毒防控的主要风险人群[
近十年来,艾滋病在中国的流行日趋严重[
来自MSM年度监测和本研究的数据表明,2014年至2019年,MSM人群寻求性伴侣的首选方式从MSM场所转变为手机应用程序。美国的一项研究表明,使用应用程序的同性恋者感染艾滋病毒的风险更高,报告的性伴侣和非100%使用避孕套的人数也更多[
在本研究中,我们还发现前一年确诊的性传播感染患病率与MSMa非100%使用避孕套的患病率之间存在弱正相关关系。单因素分析显示,2014年至2019年,前一年MSMa中诊断出的性传播感染患病率显著下降。但在多变量分析中,差异不显著;这可能归因于前一年被诊断的性传播感染的患病率与非100%使用避孕套的患病率之间的共线性关系。然而,因果关系需要在未来的研究中验证。
我们的研究有几个局限性。首先,该结果只反映了深圳的人口,可能不能推广到全国。但是,我们控制了混杂因素,并根据人口普查人口进行了权重调整,因此本研究的结果可以为中国其他城市或地区提供参考。其次,MSM可能会因为耻辱而隐瞒与男性发生性关系,从而导致报告偏见。我们通过使用自我管理问卷来引出自我报告的行为和信念,尽了最大的努力来考虑这种可能性,这可能减少了对敏感行为的漏报。所有参与者都被告知,问卷内容对现场调查人员来说是不可见的,问卷也不会收集任何可识别个人的信息,这可以促使受访者如实完成问卷。第三,由于调查内容的敏感性,本研究有一定的拒收率。尽管如此,我们还是通过对年龄和居住状况的加权来计算人口规模。我们还粗略评估了受访者和非受访者的年龄分布,发现他们相似。
2019年深圳市男性总体人群中MSMa患者比例低于2014年,2019年艾滋病高危行为患病率下降。虽然男同性恋者寻找男性性伴侣的首选平台发生了变化,但对艾滋病高危男同性恋者的干预仍可有助于减少整个男同性恋者群体的艾滋病风险行为。由于男同性恋者更倾向于通过手机app寻求性伴侣,因此需要进一步研究加强对艾滋病高危男同性恋者的网络干预,以遏制艾滋病的传播。
补充表。
2014年和2019年深圳男性中曾与男性发生过性行为的男性和在过去6个月内与男性发生过性行为的男性的比例,按社会人口特征分层。
调整后的优势比
和男人发生性关系的男人
在过去6个月内与其他男性发生过性关系的男性
和其他男人发生过性关系的男人
优势比
性传播感染
本工作由广东省基础与应用基础研究基金项目(2019B1515120003)、国家自然科学基金项目(81573211)、深圳市医学三明工程项目(SZSM201811071)、深圳市医学重点学科建设基金(SZXK064)资助。
JZ, FL和DL负责研究的概念化和制定研究目标和目的。ZJY, WX, SL, YZ, WT, CZ, YG和JZ对数据收集有贡献。ZJY、JZ、LC和ZRY对数据分析和编写有贡献,LW对编写有贡献。ZJY、LW、DL、HZ、WC、LM、NJ、YS、JZ和FL对临界修正有贡献。作者FL和JZ均为通讯作者。所有作者都批准了本文的最终版本,并同意对工作的所有方面负责。
没有宣布。