老年骨科康復病人醫院感染影響因素及風險預測模型的構建

陳 娟，趙志芳

1.浙江中醫藥大學護理學院，浙江 310053；2.浙江省立同德醫院

醫院感染指病人在住院期間獲得的感染，包括住院期間感染以及出院后發病但在院內獲得的感染[1]。隨著醫療保障和醫學技術的不斷成熟，人均壽命延長，人口老齡化問題愈加嚴重。目前，全世界65 歲以上人口有5.66 億人，預計2050 年達15 億人，其中因感染死亡者占三分之一[2]。截至2018 年末，我國60 歲及以上人口已達24 949 萬人，占總人口的17.9%[3]。已有研究表明，老年病科醫院感染率為4.57%[4]，醫院感染的發生不僅會影響老年病人預后狀況，還會使其生活質量嚴重下降，甚至危及病人生命[5]。隨著醫院管理信息化的推進，醫院感染監測信息系統不斷完善，醫院感染病例的智能診斷和實施預警已成為可能，對減少醫院感染具有顯著意義。列線圖也稱諾模圖，是一種圖形計算工具，可以將Logistic 回歸分析結果以圖形方式呈現[6]。本研究利用醫院感染監測信息系統，收集老年骨科康復病人病例資料，構建風險預測模型，以期實現老年骨科康復病人醫院感染的早期識別與診斷，為完善醫院感染預警系統提供參考。

1 對象與方法

1.1 研究對象 利用醫院感染監測信息系統收集某三級甲等綜合醫院2018 年1 月—2018 年12 月住院的1 358 例老年骨科康復病人作為研究對象。納入標準：①年齡≥60 歲；②住院時間≥48 h；③病人臨床資料保存完整；④入住醫院前無感染體征，實驗室炎癥相關指標正常；⑤臨床確診為骨科相關性疾病；⑥進行康復治療的病人，包括手術病人及非手術病人。排除標準：入院后轉入其他科室治療的病人。將發生醫院感染的病人納入感染組（n=71），將未發生醫院感染的病人納入非感染組（n=1 287）。醫院感染依據原國家衛生部2001 年版《醫院感染診斷標準(試行)》[7]確定：①術前無明確感染灶，術后2 d 后發生感染；②術前有明確潛伏期感染灶，但超過其平均潛伏期后發生的感染；③本次感染與本次住院或手術具有直接聯系；④在原有明確感染灶基礎上新生感染灶，且新生感染灶可分離出新生致病菌；⑤由手術或住院激活的相關感染。有以上5 種情況中的任何1 種均可確診為醫院感染。本研究已獲得醫院倫理委員會審核批準。

1.2 調查方法 通過文獻回顧和Delphi 專家函詢構建老年骨科康復病人醫院感染風險評估表，調查病人一般情況（包括年齡、性別等）、合并癥（包括是否患高血壓、糖尿病、腦梗死等）、診療情況[包括重癥監護室（ICU）住院情況、抗菌藥物使用情況、侵入性操作情況等]。資料收集者均經過專業培訓。

1.3 統計學方法 采用SPSS 22.0 和R 3.6.1 軟件進行數據統計分析。定性資料采用頻數進行統計描述,組間比較采用χ2檢驗、Fisher 確切概率法或秩和檢驗。符合正態分布的定量資料采用均數±標準差（±s）進行統計描述，組間比較采用t檢驗，不符合正態分布的定量資料采用中位數（四分位數）[M（P25，P75）]進行統計描述，組間比較采用秩和檢驗。采用單因素和多因素 Logistic 回歸進行危險因素分析。采用R 3.6.1 繪制列線圖模型，使用一致性指數、Bootstrap 方法、Brier 值對預測模型的區分度和校準度進行內部驗證，以減少過擬合偏差，從而評估預測性能，以P＜0.05 表示差異有統計學意義。

2 結果

2.1 老年骨科康復病人發生醫院感染影響因素的單因素分析（見表1）

表1 老年骨科康復病人發生醫院感染影響因素的單因素分析

2.2 接受手術的老年骨科康復病人發生醫院感染影響因素的單因素分析（見表2）

表2 接受手術的老年骨科康復病人發生醫院感染影響因素的單因素分析單位：例

2.3 老年骨科康復病人發生醫院感染影響因素的多因素Logistic 回歸分析 將單因素分析中有統計學意義的變量作為自變量，將醫院感染發生情況作為因變量（非感染=1，感染=2），進行多因素Logistic 回歸分析，結果顯示：Barthel 評分、住院天數、年齡是老年骨科康復病人發生醫院感染的獨立影響因素（P＜0.05）。自變量賦值方法見表3，老年骨科康復病人發生醫院感染影響因素的多因素Logistic 回歸分析結果見表4。

表3 自變量賦值方式

表4 老年骨科康復病人發生醫院感染影響因素的多因素Logistic 回歸分析結果

2.4 老年骨科康復病人醫院感染風險預測模型的構建與驗證 基于多因素Logistic 回歸分析結果,利用R 3.6.1 軟件繪制老年骨科康復病人醫院感染風險的列線圖模型(見圖1)，每個危險因素都可參照第一行分值標尺得出相應分值，將所有存在的危險因素得分相加即總分，由總分可得出相應的醫院感染發生概率。列線圖模型預測老年骨科康復病人醫院感染的區分度良好，其受試者工作特征（ROC）曲線下面積（AUC）為0.914（見圖2），C-index 為91.4%，Brier 為0.037，具有較好一致性和校準度（見圖3）。

圖1 老年骨科康復病人醫院感染風險的列線圖模型

圖2 老年骨科康復病人醫院感染風險預測模型的ROC 曲線

2.5 老年骨科康復病人醫院感染風險預測模型的準確度 選取2019 年1 月—2019 年4 月在某三級甲等醫院收治的407 例老年骨科康復病人，模型預測發生醫院感染22 例，實際發生21 例，其準確性為97.8%，靈敏度為81.0%，特異度為98.7%。老年骨科康復病人醫院感染風險預測模型準確度檢驗結果見表5。

表5 老年骨科康復病人醫院感染風險預測模型的準確度單位：例

3 討論

3.1 構建的老年骨科康復病人醫院感染風險預測模型具有科學性和實用性 目前，列線圖已在乳腺癌[8]、直腸癌[9]、創傷性腦損傷[10]和抗菌藥物劑量[11]等領域得到一定應用，但其在老年骨科康復病人中的應用研究較少。本研究在多因素Logistic 回歸分析結果基礎上構建了老年骨科康復病人醫院感染風險列線圖模型，結果顯示，該模型具有良好的區分度和較好的校準度，構建的預測模型具有一定的科學性和實用性。此外，該模型具有成本低、耗時短等優點，可幫助臨床醫務人員為病人提供個體化、專業化的臨床干預方案，降低病人醫院感染率。因列線圖將概率可視化，利于臨床醫護人員在老年骨科康復病人入院時進行醫院感染風險評估，根據評估結果及早采取預防和護理措施，從而變被動治療為主動預防，減少醫院感染發生率，提高病人術后生活質量，減少醫療費用的支出。

3.2 老年骨科康復病人發生醫院感染的影響因素

3.2.1 年齡越大發生醫院感染的風險越高 老年病人由于組織器官發生衰退、血液中各種免疫因子和淋巴因子減少，使得機體免疫功能下降，發生感染的概率增加[12]。游錦燕等[13]在一項包括1 456 例老年病人的回顧性研究中發現，≥75 歲的老年病人醫院感染發生率比＜75 歲的老年病人高57%左右。Zhao 等[14]在一項包括60 332 例老年病人的研究中也發現，70 歲以上病人醫院感染發生率明顯高于70 歲以下病人。提示，臨床醫護人員應加強對高齡病人的管理和監測，減少病人醫院感染發生。

3.2.2 住院天數延長使醫院感染發生風險增加 隨著住院天數延長,交叉感染風險增高[15],可導致醫院感染率增高[16]。劉文清等[17]研究證實,住院時間≥15 d 的老年病人醫院感染風險是住院時間＜15 d 的老年病人的5.741 倍。因此,在病人病情得到控制以后應盡早安排病人出院，減少病人住院時間，降低醫院感染發生率。

3.2.3 Barthel評分越低醫院感染發生率越高 Barthel評分是一種廣泛使用的基本生活自理能力（ADL）測評方法,其具有簡單、可交流和易于評分等優點[18]。病人骨折后，原有活動減少或因臥床治療導致制動時間延長，病人肺部分泌物增加，而呼吸道自潔功能受限，從而導致肺部感染發生率增高以及臨床醫務人員工作量增加。已有研究表明，Barthel 評分可有效監測股骨頸骨折半髖關節置換術后病人功能恢復情況[19]。劉佳鑫等[20]在早期術前活動對老年髖部骨折術后病人康復影響的研究發現，早期下床活動利于提高病人Barthel評分，改善病人術后恢復能力。因此，應囑病人早期下床活動、早期進行康復訓練，及時采用Barthel評分對病人進行評估，以減少肺部感染的發生。

3.3 本研究的局限性 本研究針對老年骨科康復病人構建醫院感染風險預測模型，研究存在一定局限性，即受研究時間、人力及經費限制，納入的資料可能存在一定偏倚且為單樣本、單中心研究，后續應采取多中心、大樣本研究，進一步構建較為全面的風險預測模型。

4 小結

本研究分析了老年骨科康復病人發生醫院感染的影響因素，構建了包括年齡、Barthel 評分、住院天數的風險預測模型，利于臨床醫務人員對高危人群進行早期監測和防控，降低醫院感染發生率。