神經(jīng)內(nèi)科患者醫(yī)院感染概率預測模型及評價

□ 謝曉梅 XIE Xiao-mei 楊潔 YANG Jie 張英 ZHANG Ying

神經(jīng)內(nèi)科住院患者具有年齡大、病程長、急危重癥多、基礎疾病多、侵入性操作多、臥床時間長等特點[1]，是醫(yī)院感染發(fā)生的高危人群，如果發(fā)生醫(yī)院感染，會導致病情進一步惡化，給患者帶來身心痛苦及額外經(jīng)濟負擔[2]，因此，神經(jīng)內(nèi)科也成為院感部門重點監(jiān)測的科室。在醫(yī)院感染日常監(jiān)控的基礎上，構建醫(yī)院感染發(fā)生的概率預測模型，確定醫(yī)院感染高危人群，采取針對性的干預措施，有助于降低住院患者的醫(yī)院感染率，改善患者的預后[3]。本研究選取神經(jīng)內(nèi)科近三年收治的13529例住院患者進行回顧性調(diào)查，篩選醫(yī)院感染的高危因素，構建Logistic回歸概率預測模型。

資料與方法

1.研究資料。選取2017年1月—2020年7月在浙江省臺州醫(yī)院神經(jīng)內(nèi)科收治的13529例患者作為調(diào)查對象，其中男性7316例，女性6213例；年齡30~94歲，平均67.2±11.9歲；原發(fā)性疾?。耗X梗死7409例、腦血管疾病1894例、腦內(nèi)出血1748例、神經(jīng)性障礙479例、顱內(nèi)和椎管內(nèi)膿腫及肉芽腫239例、其他疾病1760例等。

2.研究方法。檢索病案系統(tǒng)和醫(yī)院感染系統(tǒng)，回顧性收集13529例神經(jīng)內(nèi)科住院患者的病例資料，主要收集的資料包括年齡、性別、體質(zhì)指數(shù)(BMI)、飲酒史、吸煙史、原發(fā)疾病(腦梗死、腦血管疾病、腦內(nèi)出血、神經(jīng)性障礙、顱內(nèi)和椎管內(nèi)膿腫及肉芽腫等)、合并基礎疾病、侵入性操作、意識障礙、機械通氣、聯(lián)合使用抗菌藥物、三代及以上頭孢、糖皮質(zhì)激素、住院時間、感染部位(呼吸道、泌尿道、腹部和消化、血液、皮膚軟組織、其他)、醫(yī)院感染情況等。根據(jù)《醫(yī)院感染診斷標準》[4]，將13529例神經(jīng)內(nèi)科住院患者分為感染組(477例)、非感染組(13052例)。

3.統(tǒng)計學方法。應用SPSS21.0進行數(shù)據(jù)處理，單因素比較分析采用χ2檢驗，多因素篩選采用逐步Logistic回歸法并構建Logistic回歸概率預測模型，模型評價采用受試者工作曲線(ROC)；p＜0.05為分析有統(tǒng)計學意義。

結果

1.神經(jīng)內(nèi)科患者醫(yī)院感染率及感染分布分析。對13529例神經(jīng)內(nèi)科住院患者進行回顧性調(diào)查，發(fā)現(xiàn)有477例發(fā)生了醫(yī)院感染，其感染率為3.53%；477例感染病例中，呼吸道感染369例(77.36%)、泌尿道感染58例(12.16%)、腹部和消化感染11例(2.31%)、血液感染9例(1.89%)、皮膚軟組織感染6例(1.26%)、其他感染24例(5.02%)。

2.影響神經(jīng)內(nèi)科患者醫(yī)院感染的單因素分析。兩組間的年齡、BMI、原發(fā)疾病、合并基礎疾病、意識障礙、侵入性操作、機械通氣、聯(lián)合使用抗菌藥物、三代及以上頭孢、糖皮質(zhì)激素、住院時間等因素分布差異有統(tǒng)計學意義(p＜0.05)，見表1。

表1 神經(jīng)內(nèi)科患者醫(yī)院感染的單因素分析[n(%)]

3.影響神經(jīng)內(nèi)科患者醫(yī)院感染的多因素分析。以神經(jīng)內(nèi)科住院患者是發(fā)生醫(yī)院感染為因變量(非感染組=0，感染組=1)，將單因素比較有意義的11個因素作為自變量，進行多因素逐步Logistic回歸，模型納入、提出標準分別為0.05、0.10。由表2可知，影響神經(jīng)內(nèi)科患者醫(yī)院感染的危險因素包括高齡、合并基礎疾病、侵入性操作、機械通氣、聯(lián)合使用抗菌藥物、三代及以上頭孢、住院時間等。

表2 神經(jīng)內(nèi)科患者醫(yī)院感染的多因素Logistic回歸分析

4.影響神經(jīng)內(nèi)科患者醫(yī)院感染的多因素模型構建及評價分析。根據(jù)多因素Logistic回歸模型篩選的危險因素來構建Logistic回歸概率預測模 型：應用ROC曲線來評價Logistic回歸概率預測模型的效果，根據(jù)Youden指數(shù)的最大值作為該模型的最佳臨界值，得到曲線下面積為0.892(95%CI：0.864～0.920)，由此可見，Logistic回歸概率預測模型預測準確率可高達89.2%，見圖1。

討論

圖1 Logistic回歸概率預測模型的ROC曲線圖

1.神經(jīng)內(nèi)科患者醫(yī)院感染特點及其危險因素分析。本研究顯示，通過大樣本回顧性調(diào)查發(fā)現(xiàn)，神經(jīng)內(nèi)科患者的醫(yī)院感染率高達3.53%，呼吸道感染占77.36%，這與李中美等人[5]報道的神經(jīng)內(nèi)科醫(yī)院感染率為3.46%、呼吸道感染占64%較為接近，由此可見，神經(jīng)內(nèi)科患者醫(yī)院感染應引起科室和院感防控部門的重視。多因素分析結果顯示：(1)高齡和基礎疾?。荷窠?jīng)內(nèi)科患者以60歲以上的老年人為主，老年人本身組織器官發(fā)生衰退、營養(yǎng)不良、機體免疫力下降等[6]。而基礎疾病較多的患者，容易發(fā)生機體代謝紊亂，如高血壓、高血脂、高尿酸等，從而進一步降低了患者的自身免疫力，由此可見，基礎疾病較多的老年患者成為了醫(yī)院感染的高危人群。(2)侵入性操作：如氣管插管、動靜脈置管、留置尿管、侵入性檢查等，這些侵入性操作會增加將外部病原菌帶入患者體內(nèi)的風險，需要嚴格把握各種侵入性操作的適應證，減少不必要的侵入性操作，實施無菌操作，縮短侵入性操作時間及次數(shù)[7]。(3)機械通氣：神經(jīng)內(nèi)科急危重癥的老年患者較多，使用呼吸機進行機械通氣的患者比例較大，而機械通氣本身也一種侵入性操作，如果未嚴格實施無菌操作和氣道管理，機械通氣容易引起呼吸機相關性肺炎[8]，這也是引起神經(jīng)內(nèi)科患者發(fā)生呼吸道感染的重要原因。(4)聯(lián)合使用抗菌藥物和三代及以上頭孢：濫用廣譜抗生素、聯(lián)合使用抗生素，會誘導體內(nèi)耐藥基因發(fā)生突變，而耐藥基因通過轉移耐藥基因中的元件形成耐藥基因復合體，從而產(chǎn)生多重耐藥性[9]；使用三代及以上頭孢會誘發(fā)病原菌的選擇性壓力，導致多重耐藥菌株的產(chǎn)生增多。(5)住院時間：由于神經(jīng)內(nèi)科多為危重癥患者，如腦卒中患者，一般住院時間較長，住院時間越長，患者病情較為危重，接觸侵入性操作越多，使用較多的抗生素，且交叉感染的幾率也增加[10]，因此，住院時間長的患者容易發(fā)生醫(yī)院感染。

2.神經(jīng)內(nèi)科患者醫(yī)院感染的危險因素概率預測模型及其評價。在醫(yī)院感染防控過程中，由于不同科室、不同治療和護理水平、不同院感防控側重點等，使科室醫(yī)院感染防控工作難度較大[11]。隨著臨床流行病學、生物統(tǒng)計學的發(fā)展，大數(shù)據(jù)分析的興起，臨床醫(yī)護人員嘗試借助一些概率預測模型來實現(xiàn)患者發(fā)病或醫(yī)院感染的預測[12]，這有助于推動院感防控工作朝向精細化管理推進。因此，本研究對我院神經(jīng)內(nèi)科13529例住院患者進行了大樣本回顧性調(diào)查，采用多因素逐步Logistic回歸法篩出了可能影響醫(yī)院感染的高危因素，包括高齡、合并基礎疾病、侵入性操作、機械通氣、聯(lián)合使用抗菌藥物、三代及以上頭孢、住院時間等。左麗麗等人[13]分別采用Logistic回歸模型和傾向評分模型來建模，但對比這兩個模型，Logistic回歸模型的預測效果更好些，故本研究也選擇了Logistic回歸法建模。根據(jù)以上高危因素建立起了Logistic回歸概率預測模型，并采用ROC曲線法對該模型進行了評價，模型預測準確率可高達89.2%，說明所建立的概率預測模型效果較好，能夠較好地預測神經(jīng)內(nèi)科患者醫(yī)院感染概率和風險。

3.本研究存在的局限性。(1)盡管本研究的樣本量較大，但所選擇的樣本為同一家醫(yī)院，存在選擇性偏倚；(2)本研究是一項回顧性調(diào)查研究，存在回憶偏倚和信息偏倚；(3)影響醫(yī)院感染的因素較多且混雜，容易存在混雜偏倚；(4)所構建的概率預測模型，還需進一步驗證模型預測的有效性。