Predictors of treatment outcomes in adults with drug-sensitive Tuberculosis in Maharashtra, India: A retrospective study

这项针对印度马哈拉施特拉邦超过 32 万名成年药物敏感性结核病患者的回顾性研究，利用项目数据发现，年龄增长、男性性别、体重较低、合并症（艾滋病和糖尿病）以及物质滥用是治疗结果不佳和死亡的重要预测因素。

要点

将印度抗击结核病（TB）的斗争想象成一场宏大而复杂的马拉松。该国拥有一个名为Ni-kshay的数字“记分牌”，它记录了每一位“跑者”（患者）的起跑线、配速以及是否完成了比赛。

这项研究就像一支数据侦探团队，他们从该记分牌中截取了一大块——具体聚焦于 2021 年和 2022 年马哈拉施特拉邦的跑者。他们的目标并非治疗这些跑者，而是审视数据，回答一个简单的问题：“跑者档案中的哪些线索能预示他们可能会跌倒、中途退赛或无法完成比赛？”

以下是他们的发现，已拆解为日常概念：

1. “终点线”的定义

研究人员考察了比赛可能出错的两种不同方式：

• “不利结局”比赛： 这就像未能成功冲过终点线的跑者。他们可能死亡、失访（放弃治疗）、治疗失败，或在比赛中途被迫更换“跑鞋”（治疗方案变更）。
• “死亡”比赛： 这是一种更严格的审视，仅关注那些因死亡而未能完成比赛的跑者。

2. “风险因素”（线索）

侦探们发现，某些“背包”或“障碍”让跑者更难成功。如果跑者的背包里装有这些物品，他们在统计上更可能出现不良结局：

• “年龄”背包： 年长是一个沉重的负担。60 岁以上的跑者出现困难的概率显著更高。事实上，在“死亡”比赛中，60 岁以上跑者未能完成比赛的风险是年轻跑者的八倍。
• “性别”背包： 男性比女性更难完成比赛。有趣的是，跨性别群体面临的挑战更为严峻，其风险是普通人群的两倍以上。
• “体重”背包： 这是一个重大发现。将体重想象为跑者的燃料箱。如果跑者体重过轻（低于 40 公斤），他们的燃料箱几乎空了。体重越轻，风险越高。最轻的跑者未能完成比赛的几率最高。
• “共病”背包（HIV 与糖尿病）： 携带这些额外状况就像拖着沉重的锚奔跑。患有 HIV 或糖尿病会显著增加不良结局的几率。
• “习惯”背包（烟草与酒精）： 吸烟和饮酒就像跛脚奔跑。这两种习惯都会增加失败的风险。
• “未知”背包（谜团）： 这是一个令人惊讶的发现。那些数据标注为“我们不知道他们是否吸烟/饮酒/患有糖尿病”的跑者，实际上比那些已知答案的跑者风险更高。研究人员认为，这并非因为“未知”本身危险，而是意味着医疗团队错过了检查的机会。这就像一名跑者在没有体检的情况下出现在起跑线上；系统未能及早发现问题。

3. “肺外”的转折

该研究考察了结核病在体内的藏身之处。

• 肺部（肺结核）： 最常见的藏身点。
• 其他部位（肺外结核）： 当结核病藏匿于其他器官时。
• 转折： 通常，患有肺外结核的跑者在完成比赛方面似乎表现更好。然而，如果他们确实死亡，其死亡几率略高于患有肺结核的跑者。这是一个复杂的混合体：他们通常能存活，但如果情况变得致命，后果将非常严重。

4. “数据质量”的教训

论文强调，“未知”类别是一个警示信号。这就像教练说：“如果我们不知道跑者是否患有心脏病，我们就无法恰当地帮助他们。”该研究指出，填补这些空白与治疗本身同样重要。

5. 未来的“地图”

最后，作者不仅列出了问题，还绘制了一张新地图，指导未来如何解读记分牌。他们建立了一个标准化报告框架。

• 类比： 以前，每个人解读记分牌的方式可能各不相同（有人按姓名计数，有人按 ID 计数，有人忽略缺失数据）。这篇论文提出：“让我们统一使用相同的尺子和相同的计数方法。”
• 他们为任何希望分析这些数据的人提出了一份清单，确保未来的研究是在“苹果对苹果”进行比较，而不是“苹果对橘子”。

总结

简而言之，这篇论文利用庞大的数字记录簿发现，年龄较大、男性、低体重以及患有 HIV 或糖尿病是马哈拉施特拉邦结核病治疗失败的最大红旗。它还强调，信息缺失（不了解患者的习惯或健康状况）本身就是一个巨大的风险因素，这可能意味着患者未接受适当的筛查。该研究提供了一套清晰、可重复的方案，用于分析这些记录，以便卫生官员能在跑者跌倒之前识别出需要额外帮助的对象。

技术摘要

技术摘要：印度马哈拉施特拉邦药物敏感结核病治疗结果的预测因素

问题陈述
结核病（TB）仍然是全球首要的感染性死亡原因，印度约占全球病例的四分之一。尽管实施了国家战略规划（NSP）和国家结核病消除计划（NTEP），但在实现结核病消除目标方面仍存在显著差距，2024 年印度的病例死亡率（CFR）为 11% 即为明证。虽然 Ni-kshay 数字平台提供了关于护理连续性的丰富项目数据，但仍需要标准化的分析方法，利用这些数据来识别不良治疗结果（死亡、治疗失败、失访、治疗方案变更或未评估）和死亡的预测因素。本研究旨在解决缺乏可重复框架来分析常规项目数据以分层成年药物敏感结核病（DS-TB）患者风险的问题。

方法学
这项回顾性观察研究利用了印度马哈拉施特拉邦 Ni-kshay 平台常规收集的项目数据，具体包括通知登记册和合并症登记册，涵盖 2021 年和 2022 年。

• 研究人群： 分析聚焦于确诊为药物敏感结核病（DS-TB）且记录有治疗开始日期的成年患者（≥15 岁）。排除了耐药结核病病例以及未开始治疗的患者。
• 数据处理： 记录使用“实例（instance）”变量进行合并。体重数据缺失的病例被排除在主要分析之外，而其他缺失变量则归类为“未知”，以保持代表性。
• 结果定义：
  • 治疗成功： 定义为“治愈”或“治疗完成”。
  • 不良结果： 定义为“死亡”、“失访”、“治疗失败”、“治疗方案变更”或“未评估”。
  • 死亡率： 严格定义为“死亡”。
• 统计分析： 使用 STATA 19 版采用单变量和多变量逻辑回归模型。计算了关键风险因素的校正比值比（aOR），并控制了年龄、性别和体重。
• 分析的风险因素： 人口统计学变量（年龄、性别）、人体测量数据（体重）、疾病部位（肺结核与肺外结核）、临床合并症（HIV、糖尿病）以及行为风险（烟草和酒精消费）。
• 稳健性检查： 进行了四项敏感性分析，包括创建复合物质使用变量、比较体重完整病例与缺失病例、对缺失体重数据进行多重插补，以及将“未评估”病例从不良结果队列中排除。

主要结果
最终队列包括 323,124 例用于不良结果分析的病例和 315,579 例用于死亡率分析的病例。

• 人口统计学预测因素：
  • 年龄： 高龄是强有力的预测因素。与较年轻群体相比，≥60 岁的患者风险最高，不良结果的 aOR 为 3.85，死亡率的 aOR 为 8.06。
  • 性别： 男性风险升高（不良结果 aOR 1.50；死亡率 1.47）。跨性别者显示出显著更高的风险（不良结果 aOR 2.52；死亡率 2.63）。
• 合并症与行为风险：
  • HIV 与糖尿病： 已知的 HIV 状态（不良结果 aOR 2.84；死亡率 3.40）和糖尿病（不良结果 aOR 1.43；死亡率 1.56）是显著的预测因素。
  • 物质使用： 烟草和酒精消费均与风险增加相关。值得注意的是，这些因素的“未知”状态也成为一个显著的风险类别（例如，HIV 状态未知者的死亡率 aOR 为 3.48），表明数据缺口与不良结果相关。
  • 体重： 观察到低体重与不良结果之间存在明确的剂量 - 反应关系。体重<20 公斤的患者风险最高（不良结果 aOR 3.29；死亡率 5.34）。
• 疾病部位： 总体而言，肺外结核（EPTB）与较低的不良结果几率相关（aOR 0.95），但带来了略微增加的死亡风险（aOR 1.10）。
• 敏感性分析： 结果在多种插补方法下以及排除“未评估”病例后保持一致，证实缺失的体重数据并未对发现造成实质性偏差。

主要贡献

1. 标准化分析框架： 本研究提出了一个可重复的协议，用于合并和分析 Ni-kshay 数据，具体详述了使用“实例”变量进行登记册合并及处理缺失数据的方法。
2. 识别“未知”作为风险因素： 研究强调，合并症和行为风险的“未知”状态本身就是不良结果的显著预测因素，这表明存在系统性数据录入缺口或筛查机会的遗漏，而不仅仅是临床上的缺失。
3. 体重与年龄的协同作用： 本研究量化了高龄和低体重的复合风险，加强了对这些高风险群体优先进行营养评估和监测的差异化护理策略的必要性。
4. 报告框架： 提出了一个标准化的报告框架（表 3），以指导未来的研究人员和项目管理者利用结核病项目数据进行推断性分析，解决以往研究在病例计数和标识符使用方面存在的不一致问题。

意义与主张
作者声称，本研究是在高负担背景下，首次尝试将标准化分析协议应用于项目数据，以回顾性分析药物敏感结核病（DS-TB）结果。其意义在于证明常规项目数据不仅可用于监测，还可作为识别高风险患者的决策支持工具。

该论文断言，研究结果支持将定期人体测量评估和风险评估整合到《差异化结核病护理国家指南》中。它建议，Ni-kshay 系统内应标记具有物质使用、低体重或“未知”合并症状态的患者，以提供加强依从性支持和临床审查。作者保持谦逊的语气，指出虽然该研究确认了已知的风险因素，但其具体贡献在于方法的严谨性以及将数据完整性本身确定为患者结果的关键决定因素。研究结论认为，未来的工作应将此框架扩展到其他邦，并纳入先进的预测模型，以实现实时风险评估。