目的:通过轨迹分析模型了解男男性行为(men who have sex with men,MSM)人群无保护性行为情况及其影响因素。方法:采用非概率抽样法在重庆和新疆地区招募并筛选出390名MSM进入研究,并在第12、24、36、48周进行随访问卷调查。利用轨迹分...目的:通过轨迹分析模型了解男男性行为(men who have sex with men,MSM)人群无保护性行为情况及其影响因素。方法:采用非概率抽样法在重庆和新疆地区招募并筛选出390名MSM进入研究,并在第12、24、36、48周进行随访问卷调查。利用轨迹分析模型对MSM人群进行无保护性行为轨迹特征分组并描述不同亚组轨迹特征,通过二元logistic回归分析其影响因素。结果:轨迹分析模型结果显示,调查对象可分为艾滋病病毒,即人类免疫缺陷病毒(human immunodeficiency virus,HIV)感染"高风险组"和"低风险组",其中"高风险组"146人,"低风险组"244人,其2周无保护性行为次数分别为1.38次和0.43次。多因素分析结果显示,年龄、婚姻和月均收入具有统计学意义(P<0.05),低年龄者较高年龄者有更高可能被纳入"高风险组"(OR=0.95,95%CI=0.92~0.99);低收入人群相较于高收入的更易被纳入"高风险组"(OR=0.53,95%CI=0.34~0.82);和已婚相比,离异/丧偶的MSM更容易进入"高风险组"(OR=3.35,95%CI=1.34~8.37)。结论:轨迹分析模型直观地反映了MSM人群在无保护性行为上不同的发展轨迹,其中低年龄、低收入、离异/丧偶的MSM是HIV防治中的重点关注人群。展开更多
文摘目的:通过轨迹分析模型了解男男性行为(men who have sex with men,MSM)人群无保护性行为情况及其影响因素。方法:采用非概率抽样法在重庆和新疆地区招募并筛选出390名MSM进入研究,并在第12、24、36、48周进行随访问卷调查。利用轨迹分析模型对MSM人群进行无保护性行为轨迹特征分组并描述不同亚组轨迹特征,通过二元logistic回归分析其影响因素。结果:轨迹分析模型结果显示,调查对象可分为艾滋病病毒,即人类免疫缺陷病毒(human immunodeficiency virus,HIV)感染"高风险组"和"低风险组",其中"高风险组"146人,"低风险组"244人,其2周无保护性行为次数分别为1.38次和0.43次。多因素分析结果显示,年龄、婚姻和月均收入具有统计学意义(P<0.05),低年龄者较高年龄者有更高可能被纳入"高风险组"(OR=0.95,95%CI=0.92~0.99);低收入人群相较于高收入的更易被纳入"高风险组"(OR=0.53,95%CI=0.34~0.82);和已婚相比,离异/丧偶的MSM更容易进入"高风险组"(OR=3.35,95%CI=1.34~8.37)。结论:轨迹分析模型直观地反映了MSM人群在无保护性行为上不同的发展轨迹,其中低年龄、低收入、离异/丧偶的MSM是HIV防治中的重点关注人群。