作者：李智炜，赖铿，李铁钢，林卓琛，梁子超，杜雨华，张晋昕

第一作者及单位：李智炜，中山大学公共卫生学院医学统计学系；赖铿，广州市胸科医院结核病控制管理科 

通信作者及单位：杜雨华，广州市胸科医院结核病控制管理科；张晋昕，中山大学公共卫生学院医学统计学系

Factors associated with treatment outcomes of patients with drug-resistant tuberculosis in China: A retrospective study using competing risk model

Zhiwei Li，Keng Lai ，Tiegang Li，Zhuochen Lin，Zichao Liang，Yuhua Du， Jinxin Zhang.

Front Public Health，2022 ，10：906798.

doi: 10.3389/fpubh.2022.906798.

研究背景

耐药结核病（drug-resistant tuberculosis，DR-TB）是结核分枝杆菌（Mycobacterium tuberculosis，MTB）产生耐药性的结果，威胁着公众健康。中国承受着相对较高的耐药结核病负担，占全球耐药结核病患者的14%。结核病和耐药结核病的主要治疗策略为直接观察治疗和短程化疗（DOTS）策略。由于耐药结核病的治疗时间比非耐药结核病患者长，且与不良反应和高额费用相关，导致治疗依从性较差，因此，耐药患者的预后比非耐药患者差，失访（loss to follow-up，LTFU）发生率也更高。以往发现耐药结核病的治疗结局与一些因素之间存在联系，如HIV感染、影像学提示的病灶范围、社会支持和综合护理模式。探索耐药结核病的影响因素的研究大多数使用了logistic回归模型和Cox比例风险模型，其中前者由于未考虑存活时间产生较大的偏差，而后者无法处理在多预后研究中常见的竞争风险。本研究假设肺结核的多种治疗结局之间，即治疗失败、死亡和失访不再相互独立，存在竞争风险。因此，本研究旨在利用一种竞争风险模型——部分分布风险模型(sub-distribution hazard model)，以中国一线城市的耐药结核病患者队列为基础，直接识别与不同治疗结局相关的因素，为今后结核病控制策略的完善和进一步研究方向提供针对性的建议。

研究方法

1.研究设计和人群

对中国广东省广州市胸科医院的数据进行回顾性研究。纳入2016年1月1日至2020年12月31日广州市所有耐药结核病（定义为对至少一种抗结核药物耐药）患者。排除了未接受治疗或由于登记错误，诊断日期晚于结束治疗日期的患者。

2. 诊断、治疗和管理

结核病疑似患者将接受细菌学检查（痰涂片或培养），并根据结核病诊断标准（WS 288-2017）进行诊断。培养阳性的患者需要接受药物敏感性试验（DST）。细菌确诊的TB耐药患者将在广州市胸科医院住院至少2周之后，接受门诊治疗。对所有患者进行单独抗结核治疗的整个过程中，每例患者都被分配到指定的医院进行管理。患者被家庭成员或社区督导员管理，并每个月往返医院一次，进行药物补充以及依从性和过程的评估。工作人员还要对患者开展健康教育。

3. 数据源和变量

患者信息包括年龄、性别、职业、户籍和流动性（市内流动、市间流动、省间流动）等社会人口特征，以及治疗结局、既往结核病治疗史、治疗持续时间、合并症、影像数据和DST结果等临床特征。将耐药模式分为单/多药耐药、耐多药(MDR)和广泛耐药(XDR)。

4.治疗结局

治疗结局分为治疗失败、治愈、治疗完成、失访、死亡和正在接受治疗，定义与WHO指南一致。本研究中的因变量，即治疗结局，被分为两组：（1）治疗成功: 患者治愈或完成治疗；（2）不利结局：患者死亡、治疗失败或LTFU（以先发生者为准）。不良治疗结局又分为两组：（2a）失访，即患者在治疗过程中“丢失”；以及（2b）不良治疗结局，即患者死亡或者治疗失败。

5.数据分析

累积发病函数(CIF)用于估计各种事件(即不良治疗结局或失访)的累积发病率。Fine和Gray模型用于确定与治疗结局相关的影响因素。删失定义为治疗成功(即治愈和治疗完成)和正在治疗(即在2020年12月31日之前没有发生治疗结局)。研究基于竞争风险框架重点关注了两种不同的事件，一是不良的治疗结局(死亡或治疗失败，以先发生者为准)，二是发生LTFU。由于存在竞争风险，研究使用了基于CIF的Fine和Gray分布模型。对于所有完整病例，分别对两种事件进行单因素分析，将P