基于時間序列ARIMA的醫院多重耐藥菌預測模型應用

黃雪娉 楊永蓮 蔡偉雄 宏 峰 何偉彬

（博羅縣人民醫院，廣東惠州 516199）

多重耐藥菌（MDRO）指對臨床使用3類或3類以上抗菌藥物同時呈現耐藥的細菌[1]。隨著臨床抗菌藥物不合理使用、免疫抑制劑應用導致致病菌耐藥性以及耐藥程度日漸嚴重，加上侵入性操作的開展，導致MDRO醫院感染形勢日益嚴峻，加重患者及醫院負擔，增加發病率、死亡率和延長住院天數，導致經濟損失，同時浪費社會有限的衛生資源，嚴重影響治療效果和患者生命安全[2]。

博羅縣人民醫院從2011年開始對多重耐藥菌進行監測。其中，2017年共檢出多重耐藥菌534株，主要為大腸埃希菌256株、銅綠假單胞菌11株、肺炎克雷伯菌肺炎亞種60株、金黃色葡萄球菌96株、鮑曼不動桿菌67株等。2018年共檢出多重耐藥菌604株，主要為大腸埃希菌303株，金黃色葡萄球菌 106株，銅綠假單胞菌33株、肺炎克雷伯菌肺炎亞種78株、鮑曼不動桿菌82株等。

通過研究旨在利用統計學時間序列ARIMA模型對醫院多重耐藥菌醫院感染發生的時間聚集數據進行分析[3]，構建醫院多重耐藥菌情況預警模型，為醫院管理部門及時、準確、全面掌握醫院多重耐藥菌變化，合理有效調配利用相關資源，針對性實施MDRO醫院感染的防控隔離干預措施，減少醫院多重耐藥菌發生。

1 資料與方法

1.1 一般資料

對2017年1月至2018年12月博羅縣人民醫院微生物檢驗中的多重耐藥情況，篩查符合衛生部2011年頒布《多重耐藥菌醫院感染預防與控制技術指南》的醫院常見多重耐藥菌。對篩查出來的多重耐藥菌病例的檢驗結果進行核對，計算多重耐藥菌發生率。

利用SPSS軟件繪制時間序列散點圖自相關函數和偏相關函數圖，數據平穩性處理后建立ARIMA模型，再行模型參數估計，檢驗是否具有統計學意義，預測2017年1月至2018年12月多重耐藥分析其實際檢出率進行擬全匹配，驗證模型準確性。

1.2 方法

ARIMA 模型建立的程序：①根據時間序列模型的識別規則，建立相應的模型；②對非平穩序列進行平穩化處理；③時間序列散點圖、自相關函數以及偏相關函數圖以ADF 單位根檢驗其方差、趨勢及其季節性變化的規律，識別序列的平穩性；④進行假設檢驗，診斷殘差是否為白噪聲；⑤使用極大似然方法進行參數估計，即使得量測數據發生的概率最大的參數選擇，檢驗是否具有統計學意義；⑥利用已通過檢驗的模型進行預測分析。

2 結果

2.1 2017年1月至2018年12月每月醫院多重耐藥菌預測

運用模型 ARIMA（0，1，1）（0，1，1）24（不含常數項）擬合2015至2016年的逐月MDRO的檢出率，預測2017、2018年各月MDRO的檢出率。2017年和2018年平均預測相對誤差分別為15.34%、15.76%，見表1。

表1 2017年1月至2018年12月每月醫院多重耐藥菌預測（%）

2.2 序列平穩化檢驗

序列平穩化檢驗直方圖，見圖1，序列平穩化檢驗時序分布圖，見圖2。

2.3 模型識別

殘差分列ACF圖和PACF圖，見圖3。

2.4 模型檢驗

實際值和預測值對比時序列圖，見圖4。

3 討論

圖1 序列平穩化檢驗直方圖

圖2 序列平穩化檢驗時序分布圖

圖3 殘差分列ACF圖和PACF圖

大腸桿菌的致病物質之一是血漿凝固酶，可引起成人腹瀉或食物中毒的爆發[4]。銅綠假單胞菌，廣泛分布于自然界及正常人皮膚、腸道和呼吸道，是一種常見的條件致病菌[5]。當病變累及胸膜和心包時，會引起滲出性以及膿性積液，導致病變的纖維組織活躍使纖維素性胸腔積液出現早期黏連[6]。克雷伯菌和銅綠假單胞菌以及薩雷拉是敗血癥的重要病原體，死亡率高[7]。金黃色葡萄球菌寄生在人和動物的皮膚中，鼻腔、咽喉、胃、癰、膿瘡、口腔、空氣、污水等環境隨處可見[8]。鮑曼不動桿菌通常引起菌血癥，肺炎，腦膜炎，腹膜炎，心內膜炎，以及尿路和皮膚感染，并且已成為醫院感染的主要來源，特別是在重癥監護病房。由于抗生素的濫用，使鮑曼不動桿菌產生耐藥性，成為“多耐藥鮑曼不動桿菌”。目前，對抗多重耐藥鮑曼不動桿菌的唯一方法是使用二線抗生素，如替加環素[9]。

圖4 實際值和預測值對比時序列圖

ARIMA模型，是把非平穩時間序列轉變為平穩時間序列并將因變量僅對它的滯后值和隨機誤差項的現值和滯后值進行回歸而建立的模型。本研究利用2017年1月至2018年12月醫院多重耐藥菌檢出率的監測數據進行了時間序列分析，通過數據處理、模型識別等過程建立了 ARIMA（0，1，1）（0，1，1）24 模型，進而通過已有的數據進行模型驗證。經過對2017年1月至2018年12月檢出率流行趨勢進行了預測，得出平均相對誤差分別為15.34%、15.76%，結果表明平均誤差較小，這提示此模型對MDRO的檢出率預測具有可行性，說明結果可靠。因此，醫院可以借助本研究所擬合創建的ARIMA模型對MDRO檢出率進行預測以及預警，如實際值超過預測值提示預警，應該提前加強防控措施。有效的醫院MDRO預警監測，為及時采取防控措施爭取時間，可以有效阻止或延緩MDRO的醫院內交叉傳播，避免暴發流行。

本研究利用ARIMA模型很好地擬合2017年1月至2018年12月的MDRO的檢出率，并對2019年1月的檢出率進行了預測預警。這有利于早期臨床及時采取防控措施來防止感染，但是目前并沒有一種數據模型可以對一段時間內的數據進行完整擬合和預測。因此，在實際工作中，需要不斷發現和總結問題，分析更優質的數據模型，這樣才能更好地分析預測實際情況，為多重耐藥菌MDRO的防控提供更可靠的數據和建議。

綜上，應用時間序列 ARIMA 模型對醫院歷史多重耐藥菌數據進行分析，為構建多重耐藥菌預測模型提供理論基礎和思維方向，分析過程和數據處理具有可靠的操作性，結果具有準確的預測性，對醫院多重耐藥菌提前防控管理具有重要的意義。