Johns Hopkins University, Baltimore, Maryland, USA.
University of New Mexico, Albuquerque, New Mexico, USA.
J Hepatol. 2020 Aug;73(2):294-302. doi: 10.1016/j.jhep.2020.03.028. Epub 2020 Mar 30.
BACKGROUND & AIMS: Accurate HCV incidence estimates are critical for monitoring progress towards HCV elimination goals, including an 80% reduction in HCV incidence by 2030. Moreover, incidence estimates can help guide prevention and treatment programming, particularly in the context of the US opioid epidemic.
An inexpensive, Genedia-based HCV IgG antibody avidity assay was evaluated as a platform to estimate cross-sectional, population-level primary HCV incidence using 1,840 HCV antibody and RNA-positive samples from 875 individuals enrolled in 5 cohort studies in the US and India. Using samples collected <2 years following HCV seroconversion, the mean duration of recent infection (MDRI) was calculated by fitting a maximum likelihood binomial regression model to the probability of appearing recent. Among samples collected ≥2 years post-HCV seroconversion, an individual-level false recent ratio (FRR) was calculated by estimating the probability of appearing recent using an exact binomial test. Factors associated with falsely appearing recent among samples collected ≥2 years post seroconversion were determined by Poisson regression with generalized estimating equations and robust variance estimators.
An avidity index cut-off of <40% resulted in an MDRI of 113 days (95% CI 84-146), and FRRs of 0.4% (95% CI 0.0-1.2), 4.6% (95% CI 2.2-8.3), and 9.5% (95% CI 3.6-19.6) among individuals who were HIV-uninfected, HIV-infected, and HIV-infected with a CD4 count <200/μl, respectively. No variation was seen between HCV genotypes 1 and 3. In hypothetical scenarios of high-risk settings, a sample size of <1,000 individuals could reliably estimate primary HCV incidence.
This cross-sectional approach can estimate primary HCV incidence for the most common genotypes. This tool can serve as a valuable resource for program and policy planners seeking to monitor and reduce HCV burden.
Determining the rate of new hepatitis C virus (HCV) infections in a population is critical to monitoring progress toward HCV elimination and to appropriately guide control efforts. However, since HCV infections are most often initially asymptomatic, it is difficult to estimate the rate of new HCV infections without following HCV-uninfected people over time and repeatedly testing them for HCV infection. Here, we present a novel, resource-efficient method to estimate the rate of new HCV infections in a population using data from a single timepoint.
准确的 HCV 发病率估计对于监测 HCV 消除目标的进展至关重要，包括到 2030 年 HCV 发病率降低 80%。此外，发病率估计可以帮助指导预防和治疗规划，特别是在美国阿片类药物流行的背景下。
使用一种廉价的基于 Genedia 的 HCV IgG 抗体亲和力检测，评估了其作为一种平台，使用来自美国和印度的 5 项队列研究中招募的 875 名个体的 1840 名 HCV 抗体和 RNA 阳性样本，估计横断面、人群水平的原发性 HCV 发病率。使用 HCV 血清转换后 <2 年内采集的样本，通过拟合最大似然二项式回归模型计算最近感染的平均持续时间 (MDRI)，以最近出现的概率为基础。在 HCV 血清转换后 ≥2 年内采集的样本中，通过使用精确二项式检验估计最近出现的概率，计算个体水平的虚假最近比 (FRR)。通过泊松回归和广义估计方程以及稳健方差估计，确定与 HCV 血清转换后 ≥2 年内采集的样本中虚假出现最近相关的因素。
亲和力指数截断值 <40% 导致 MDRI 为 113 天（95%CI 84-146），FRR 分别为 0.4%（95%CI 0.0-1.2）、4.6%（95%CI 2.2-8.3）和 9.5%（95%CI 3.6-19.6），分别为 HIV 未感染者、HIV 感染者和 HIV 感染者且 CD4 计数 <200/μl。HCV 基因型 1 和 3 之间没有差异。在高风险环境的假设情景中，<1000 人的样本量可以可靠地估计原发性 HCV 发病率。
这种横断面方法可以估计最常见基因型的原发性 HCV 发病率。该工具可以为寻求监测和降低 HCV 负担的计划和政策制定者提供有价值的资源。
准确的 HCV 发病率估计对于监测 HCV 消除目标的进展至关重要，包括到 2030 年 HCV 发病率降低 80%。此外，发病率估计可以帮助指导预防和治疗规划，特别是在美国阿片类药物流行的背景下。
我们使用一种廉价的基于 Genedia 的 HCV IgG 抗体亲和力检测，评估了其作为一种平台，使用来自美国和印度的 5 项队列研究中招募的 875 名个体的 1840 名 HCV 抗体和 RNA 阳性样本，估计横断面、人群水平的原发性 HCV 发病率。使用 HCV 血清转换后 <2 年内采集的样本，通过拟合最大似然二项式回归模型计算最近感染的平均持续时间（MDRI），以最近出现的概率为基础。在 HCV 血清转换后 ≥2 年内采集的样本中，通过使用精确二项式检验估计最近出现的概率，计算个体水平的虚假最近比（FRR）。通过泊松回归和广义估计方程以及稳健方差估计，确定与 HCV 血清转换后 ≥2 年内采集的样本中虚假出现最近相关的因素。
亲和力指数截断值 <40% 导致 MDRI 为 113 天（95%CI 84-146），FRR 分别为 0.4%（95%CI 0.0-1.2）、4.6%（95%CI 2.2-8.3）和 9.5%（95%CI 3.6-19.6），分别为 HIV 未感染者、HIV 感染者和 HIV 感染者且 CD4 计数 <200/μl。HCV 基因型 1 和 3 之间没有差异。在高风险环境的假设情景中，<1000 人的样本量可以可靠地估计原发性 HCV 发病率。
这种横断面方法可以估计最常见基因型的原发性 HCV 发病率。该工具可以为寻求监测和降低 HCV 负担的计划和政策制定者提供有价值的资源。
（译文仅供参考，具体请以原文为准。）
