ICU患者醫(yī)院感染風險預測模型的建立

徐那菲 潘思旭 廖呂釗 李雯靜 周建明 江榮林*

重癥監(jiān)護室（ICU）是為危重癥患者提供醫(yī)療服務的場所，因患者基礎疾病較為危重，侵入性操作較多，ICU成為醫(yī)院感染高發(fā)病區(qū)之一。通過篩選醫(yī)院感染相關性強的因素，構建合適的數(shù)學模型，可以幫助臨床醫(yī)師盡早篩選感染高?；颊撸侠硎褂每股兀瑴p輕患者經(jīng)濟負擔，降低病人的死亡率［1］。目前臨床常見且驗證可行的預測模型有隨機森林模型、灰色基本模型、神經(jīng)網(wǎng)絡模型、回歸模型等［2-5］。本研究擬探索建立醫(yī)院感染預測的回歸模型，預測入住重癥監(jiān)護室＞48h患者感染發(fā)生的風險。

1 資料與方法

1.1 臨床資料 選擇2016年1月至2018年12月浙江省中醫(yī)院ICU入住時間＞48h患者；排除：①入科時狀態(tài)為已感染；②年齡＜18歲；③妊娠或哺乳期婦女；④入科48h內(nèi)出現(xiàn)感染；⑤參與其他臨床研究者。醫(yī)院感染標準參照中華人民共和國衛(wèi)生部發(fā)布實施的《醫(yī)院感染診斷標準》［6］。

1.2 方法 （1）采集系統(tǒng)：2018年5月1日前入科患者信息從浙江省中醫(yī)院海泰醫(yī)療系統(tǒng)采集，2018年5月1日后入科患者信息從浙江省中醫(yī)院納里醫(yī)療系統(tǒng)采集。（2）采集信息：將入科48h后感染患者設為陽性組，將入科后未感染患者入科當時狀態(tài)設為陰性組，采集患者基礎信息、生理指標、插管情況、實驗室檢驗及影像學檢查等5個方向變量［7-8］。其中陽性數(shù)據(jù)采取醫(yī)院感染前72h內(nèi)最差值。陰性數(shù)據(jù)采取入ICU后24h內(nèi)最差值。（3）數(shù)據(jù)處理：①整理：對數(shù)據(jù)進行整理，包括數(shù)據(jù)合并（實驗室檢驗、年齡、性別），數(shù)據(jù)項名稱統(tǒng)一，并對明顯錯誤根據(jù)病程記錄及護理記錄單進行手工修正等。如對于“痰液性質(zhì)”描述為“黃、濃、稠、膿”的數(shù)據(jù)統(tǒng)一為“痰液性質(zhì)異?！?。②編碼：對“男”、“女”分別用1和0進行表示；“有無肺部干啰音”中0代表無，1代表有；目前營養(yǎng)方式中普食、靜脈營養(yǎng)、腸內(nèi)營養(yǎng)和禁食等分別表示為0，1，2，3；以便模型能夠對其進行計算。（4）標準化：標準化是對原始數(shù)據(jù)中表述較為隨意的數(shù)據(jù)項進行標準化，使計算機能夠對其進行處理，如對“有無痰液情況異常”數(shù)據(jù)項的處理中，將自然語言描述轉變?yōu)橐?代表無異常，以1代表有異常，以便模型能夠對其進行計算。

1.3 統(tǒng)計學方法 采用SPSS 25.0統(tǒng)計軟件。正態(tài)分布計量資料以（±s）表示，組間比較采用獨立樣本t檢驗；非正態(tài)分布以M（IQR）表示，組間比較采用非參數(shù)秩和檢驗。計數(shù)資料以n（%）表示，組間比較采用卡方檢驗。先對數(shù)據(jù)項進行初篩，將數(shù)據(jù)項分別代入單因素logistic回歸，將其中P＜0.2的數(shù)據(jù)項納入逐步logistic回歸分析模型，得出院內(nèi)感染的相關危險、保護因素級相應的回歸系數(shù)。并繪制受試者工作特征曲線（ROC），同時通過計算ROC曲線下面積（AUC），評價模型對ICU院內(nèi)感染的預測價值。以P＜0.05為差異有統(tǒng)計學意義。

2 結果

2.1 納入預測模型的患者臨床特證 共納入79例陽性患者與71項陰性患者。兩組患者年齡、性別，平均動脈壓、收縮壓、出入量等差異均無統(tǒng)計學意義（P＞0.05）。其中女36例，男114例。陽性患者中呼吸道相關性感染41例次，血流及導管相關性感染31例次，尿路感染4例次，胃腸道感染3例次。其中呼吸道相關性感染為醫(yī)院感染的主要類型，占51.90%。與陰性組患者比較，陽性患者APACHE Ⅱ評分、體溫、心率最小值、呼吸最大值更高，留置胃腸營養(yǎng)管時間更長，GCS評分更低，差異有統(tǒng)計學意義（P＜0.05）。與陰性組比較，陽性組患者血鈉、CRP明顯升高，pH值明顯減低，差異有統(tǒng)計學意義（P＜0.05）。見表1。

表1 兩組患者臨床特征及實驗室檢查比較［n（%）］

2.2 Logistic回歸分析 通過單因素logistic回歸初步分析篩選出患者醫(yī)院感染的相關因素，將其中P＜0.2的指標納入逐步回歸方程，最終篩選出3個相關因素，包括痰液性質(zhì)（X1），肺部干啰音（X2），體溫最大值（X3）。根據(jù)B值，以這3個變量作為風險預測模型建立的基礎，得到公式如下：Y=2.44×X1+2.82×X2+3.376×X3-128.412。模型預測準確率為87.5%。醫(yī)院感染預警模型預測感染患者成員概率的ROC曲線下面積（AUC）為0.876（95%CI：0.820～0.933），P＜0.001。見表2，圖1。

表2 ICU院內(nèi)感染的逐步回歸

圖1 ICU醫(yī)院感染風險預測模型的ROC曲線

3 討論

ICU的發(fā)展對挽救危重癥患者的生命起到重要作用，但同時ICU是醫(yī)院感染危險因素高度集中的場所，是醫(yī)院感染預防與控制的重點部門。因此在ICU內(nèi)應用醫(yī)院感染風險預測模型能盡早評估患者發(fā)生醫(yī)院感染的風險，并根據(jù)相關指南與規(guī)范進行預防與治療。

對于72h內(nèi)同一部位在不同時間點提示出現(xiàn)感染，則默認采用第一次時間節(jié)點。本研究主要著眼于該系統(tǒng)的預警作用，而72h內(nèi)若同一部位提示多次感染，則除第一次外均不具備預警提示意義。有研究表明，GCS評分與患者預后相關，本資料納入機械通氣患者的GCS評分，采用改良GCS評分系統(tǒng)，將GCS系統(tǒng)語言反應方面評分進行改良，將能正確回答修正為能敏銳、正確理解語言意思等［9］。陽性組GCS評分較陰性組低，是回歸分析中GCS評分并不是醫(yī)院感染的獨立危險因素。

研究表明，APACHE Ⅱ評分與ICU患者醫(yī)院感染發(fā)生率、病死率均呈線性關系，隨著APACHE Ⅱ分值的增加，醫(yī)院感染發(fā)生率、病死率顯著增加［10-12］。本資料中，兩組患者APACHE Ⅱ評分差異有統(tǒng)計學意義，提示APACHE Ⅱ評分與醫(yī)院感染相關，但最終未納入預測模型，因此APACHE Ⅱ評分結果并不是醫(yī)院感染較為可信的預測指標。該結果與Dabar等［13］，Iwuafor等［14］相關研究結果類似。本模型最終篩選出3個相關因素納入風險預測模型中，分別為體溫最大值，痰液性質(zhì)異常及肺部干啰音。ROC曲線分析顯示，醫(yī)院感染預警模型的AUC為0.876，具有較好的預測價值。

綜上目前感染風險預警模型能快速全面地評估患者的醫(yī)院感染風險，但模型中痰液性質(zhì)異常及肺部干啰音均與呼吸相關性感染關系最為密切?？紤]本研究中納入醫(yī)院感染患者中呼吸相關性感染比例最高，其余類型醫(yī)院感染比例相對較小，該結果與國內(nèi)相關醫(yī)院感染研究結果符合［15-16］，但同時可能帶來部分混雜偏倚，結論尚需增加樣本量以及帶入臨床后行進一步驗證。