ARIMA模型在耐碳青霉烯類肺炎克雷伯菌醫(yī)院感染預(yù)測中的應(yīng)用

黃世芳，吳曉琴，石理冉，郭 風(fēng)，闞紅俠

(江蘇省徐州市賈汪區(qū)人民醫(yī)院護(hù)理部，江蘇 徐州 221011)

細(xì)菌耐藥已經(jīng)成為全球公共衛(wèi)生領(lǐng)域的重大挑戰(zhàn)，尤其是近年來迅速增加的耐碳青霉烯類肺炎克雷伯菌(carbapenem-resistantKlebsiellapneumo-niae，CRKP)，CRKP感染已經(jīng)成為臨床患者死亡的重要危險(xiǎn)因素，致死率高達(dá)40%～70%。CRKP定植率和感染率呈逐年上升趨勢[1]，而且一旦患者感染CRKP，其住院費(fèi)用明顯增加[2]。中國自2007年首次報(bào)道CRKP以來[3]，全國多個(gè)地區(qū)都已發(fā)現(xiàn)CRKP，而且檢出率呈上升趨勢[4]。中國細(xì)菌耐藥監(jiān)測網(wǎng)(CHINET)2021年數(shù)據(jù)[5]顯示，肺炎克雷伯菌對(duì)亞胺培南和美羅培南的耐藥率從2005年的3.0%、2.9%上升至2021年的23.1%、24.4%。一項(xiàng)研究[6]結(jié)果顯示，中國西南地區(qū)流行的CRKP菌株表現(xiàn)出耐藥性強(qiáng)的特點(diǎn)，病死率高。研究[7]發(fā)現(xiàn)在重癥監(jiān)護(hù)病房(intensive care unit，ICU)醫(yī)護(hù)人員工作服上CRKP檢出率高達(dá)18.75%。CRKP在中國的流行形勢日趨嚴(yán)峻，特別是碳青霉烯耐藥高毒力肺炎克雷伯菌(carbapenemase-resistant hypervirulentKlebsiellapneumoniae,CR-hvKP)的出現(xiàn)，給臨床抗感染治療又增添了極大的挑戰(zhàn)性[8]。研究[9]表明，在新型冠狀病毒肺炎(COVID -19)大流行期間，由于手衛(wèi)生依從性低、防護(hù)用品短缺和抗菌藥物使用率高仍出現(xiàn)了CRKP醫(yī)院感染暴發(fā)。在COVID -19大流行期間，由于對(duì)多重耐藥菌(multidrug-resistant organism，MDRO)感染預(yù)防與控制措施缺乏管控，以及不合理使用抗菌藥物，也導(dǎo)致MDRO感染暴發(fā)[10]。面對(duì)醫(yī)療機(jī)構(gòu)CRKP等MDRO感染的暴發(fā)流行，迫切需要加強(qiáng)對(duì)CRKP等MDRO感染的前瞻性監(jiān)測，目前醫(yī)院感染調(diào)查多采用橫斷面調(diào)查，僅描述感染流行病學(xué)特點(diǎn)及危險(xiǎn)因素，而不能預(yù)測未來感染率的趨勢，時(shí)間序列分析是利用已知的數(shù)據(jù)隨時(shí)間變化趨勢預(yù)測未來變化的過程，因此，本研究通過對(duì)醫(yī)療機(jī)構(gòu)住院患者的CRKP醫(yī)院感染發(fā)病率建立時(shí)間序列ARIMA模型，對(duì)CRKP醫(yī)院感染發(fā)病率進(jìn)行短期預(yù)測，早期預(yù)警，為CRKP醫(yī)院感染的預(yù)防與控制提供精準(zhǔn)防控的新方法及新思路。

1 資料與方法

1.1 數(shù)據(jù)來源 利用醫(yī)院感染實(shí)時(shí)監(jiān)測系統(tǒng)，提取2018年1月—2022年6月江蘇省徐州市賈汪區(qū)人民醫(yī)院住院患者的CRKP醫(yī)院感染數(shù)據(jù)、微生物室檢出CRKP菌株數(shù)據(jù)。CRKP醫(yī)院感染診斷標(biāo)準(zhǔn)參照衛(wèi)生部2001年頒發(fā)的《醫(yī)院感染診斷標(biāo)準(zhǔn)(試行)》[11]，CRKP醫(yī)院感染發(fā)病率=CRKP醫(yī)院感染患者例數(shù)/同期住院患者例數(shù)×1 000‰[12]，排除污染和定植菌。本研究數(shù)據(jù)的使用獲得醫(yī)院倫理委員會(huì)批準(zhǔn)[2019倫申第(010)]。

1.2 ARIMA建模前平穩(wěn)性檢驗(yàn) 在建模前對(duì)每月的CRKP醫(yī)院感染發(fā)病率時(shí)間序列數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)，首先采用時(shí)序圖進(jìn)行平穩(wěn)性檢驗(yàn)，從時(shí)序圖直觀上看出序列呈現(xiàn)一定的波動(dòng)，表現(xiàn)為先上升后下降的變化趨勢，序列存在較大波動(dòng)情況，不能直接用該序列進(jìn)行建模分析預(yù)測，否則會(huì)出現(xiàn)偽回歸，使得結(jié)果出現(xiàn)偏誤的現(xiàn)象，為了更加準(zhǔn)確檢驗(yàn)序列平穩(wěn)性，進(jìn)一步采用單位根檢驗(yàn)的方法進(jìn)行分析檢驗(yàn)序列的平穩(wěn)性。因此，為進(jìn)一步檢驗(yàn)序列平穩(wěn)性，采用單位根檢驗(yàn)方法(ADF)進(jìn)行考察，序列經(jīng)過一階差分后不存在單位根現(xiàn)象，即為一階單整序列。

1.3 模型的識(shí)別定階 經(jīng)過建模前平穩(wěn)性檢驗(yàn)后。CRKP醫(yī)院感染發(fā)病率序列在一階差分為平穩(wěn)序列，應(yīng)建立ARIMA模型，對(duì)平穩(wěn)后的數(shù)據(jù)作出自相關(guān)函數(shù)(AC)和偏自相關(guān)函數(shù)(PAC)，識(shí)別、分析時(shí)間序列的隨機(jī)性、穩(wěn)定性和季節(jié)性特征，為確定最優(yōu)模型，采用SC和AIC最小準(zhǔn)則來判斷模型的最優(yōu)階數(shù)，相關(guān)檢驗(yàn)結(jié)果顯示，ARIMA(0,1,9)的AIC為1.556，SC值為1.593，為3個(gè)模型中最小，因此最終選擇ARIMA(0,1,9)進(jìn)行本次模型的建立。

1.4 模型檢驗(yàn) 通過統(tǒng)計(jì)軟件運(yùn)行ARIMA(0,1,9)模型，為進(jìn)一步檢驗(yàn)?zāi)Ｐ偷姆€(wěn)定，對(duì)模型的殘差序列進(jìn)行自相關(guān)檢驗(yàn)(χ2=8.088，P>0.01)，模型不存在自相關(guān)。同樣對(duì)模型殘差進(jìn)行異方差檢驗(yàn)(P>0.01)，模型通過了異方差檢驗(yàn)，模型構(gòu)建合理。

1.5 模型預(yù)測 利用模型對(duì)2021年7月—2022年6月的原始數(shù)據(jù)進(jìn)行預(yù)測，并利用預(yù)測值與原始值進(jìn)行相對(duì)誤差計(jì)算，并通過計(jì)算相對(duì)誤差來評(píng)價(jià)ARIMA模型的精度。

1.6 統(tǒng)計(jì)分析 應(yīng)用SPSS 19.0統(tǒng)計(jì)軟件進(jìn)行ARIMA模型建模，進(jìn)行時(shí)間序列分析，定義時(shí)間變量，首先進(jìn)行平穩(wěn)序列檢驗(yàn)，初步確定模型的取值范圍，通過確定模型范圍來進(jìn)行模型預(yù)測，并對(duì)所選模型進(jìn)行參數(shù)估計(jì)與檢驗(yàn)，P≤0.05為差異具有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 CRKP醫(yī)院感染發(fā)病率及趨勢分析 對(duì)2018年1月—2022年6月CRKP醫(yī)院感染發(fā)病率進(jìn)行時(shí)間序列分析，時(shí)間序列圖結(jié)果顯示，每月CRKP醫(yī)院感染發(fā)病率呈現(xiàn)波動(dòng)起伏狀態(tài)，且每年均出現(xiàn)發(fā)病高峰期，不滿足序列平穩(wěn)性要求，見圖1，進(jìn)一步采用差分處理數(shù)據(jù)的波動(dòng)性，序列經(jīng)過一階差分方法進(jìn)行平穩(wěn)性處理后，ADF檢驗(yàn)統(tǒng)計(jì)量(t=-6.882，P<0.01)，經(jīng)處理后CRKP醫(yī)院感染發(fā)病率序列在一階差分為平穩(wěn)序列。

圖1 2018年1月—2022年6月CRKP醫(yī)院感染發(fā)病率時(shí)間序列圖Figure 1 Time series diagram of CRKP HAI incidence from January 2018 to June 2022

2.2 模型的定階識(shí)別 CRKP醫(yī)院感染發(fā)病率序列在一階差分為平穩(wěn)序列，所以應(yīng)建立ARIMA模型，利用統(tǒng)計(jì)軟件對(duì)平穩(wěn)后的數(shù)據(jù)作出AC和PAC圖，見圖2。AC圖顯示出一階明顯的拖尾性質(zhì)，而PAC圖顯示出拖尾現(xiàn)象，因此認(rèn)為應(yīng)建立ARIMA(0,1,1)，此外自相關(guān)滯后3階和9階剛好處于臨界處，因此加入ARIMA(0,1,3)和ARIMA(0,1,9)模型進(jìn)行對(duì)比。為確定最優(yōu)模型，采用SC和AIC最小準(zhǔn)則判斷模型的最優(yōu)階數(shù)，結(jié)果顯示ARIMA(0,1,9)的AIC為1.556，SC值為1.593，為3個(gè)模型中最小，因此選擇ARIMA(0,1,9)建立本次模型。

圖2 CRKP醫(yī)院感染發(fā)病率一階差分后AC和PAC圖Figure 2 AC and PAC diagrams of CRKP HAI incidence after conducting the first-order difference

2.3 模型檢驗(yàn) 通過運(yùn)行ARIMA(0,1,9)模型，回歸結(jié)果為：模型可決系數(shù)(R-squared)為0.83，調(diào)整后的可決系數(shù)(adjusted R-squared)為0.80，模型的解釋能力尚可。為進(jìn)一步檢驗(yàn)?zāi)Ｐ偷姆€(wěn)定，對(duì)模型的殘差序列進(jìn)行自相關(guān)檢驗(yàn)，自相關(guān)結(jié)果(χ2=8.088，P=0.017)，模型不存在自相關(guān)。同樣，對(duì)模型殘差序列進(jìn)行異方差檢驗(yàn)，結(jié)果P>0.01，模型建立較好，可以進(jìn)行預(yù)測。

2.4 模型預(yù)測 通過采用ARIMA(0,1,9)進(jìn)行預(yù)測分析，以CRKP醫(yī)院感染發(fā)病率實(shí)際值為原序列，以CRKP醫(yī)院感染發(fā)病率預(yù)測值為預(yù)測序列，進(jìn)行模型擬合，結(jié)果見圖3，模型擬合效果良好。隨即利用構(gòu)建的模型對(duì)2021年7月—2022年6月的原始數(shù)據(jù)進(jìn)行預(yù)測，預(yù)測相對(duì)誤差<15%，預(yù)測效果較好，最大預(yù)測相對(duì)誤差為2021年11月，相對(duì)誤差為16.33%，最小為2021年7月，相對(duì)誤差值為4.17%，平均相對(duì)誤差為7.76%，預(yù)測值與實(shí)際值的時(shí)序圖基本保持一致，擬合預(yù)測結(jié)果見表1。

圖3 2018年1月—2022年6月CRKP醫(yī)院感染發(fā)病率ARIMA模型擬合及預(yù)測結(jié)果Figure 3 Fitting and prediction results of ARIMA model for CRKP HAI incidence from January 2018 to June 2022

表1 2021年7月—2022年6月CRKP醫(yī)院感染發(fā)病率實(shí)際值與預(yù)測值比較

3 討論

時(shí)間序列分析已經(jīng)在公共衛(wèi)生領(lǐng)域被廣泛應(yīng)用于傳染病流行的預(yù)測，是一種分析和預(yù)測變量或事物變化趨勢的一種經(jīng)典統(tǒng)計(jì)方法[13-14]，Balinskaite等[15]采用間斷時(shí)間序列回歸分析表明，實(shí)施國家財(cái)政激勵(lì)政策可減少抗菌藥物處方使用量，提高抗菌藥物處方質(zhì)量。高勝春等[16]研究顯示，ARIMA乘積季節(jié)模型能準(zhǔn)確模擬和預(yù)測CRKP感染發(fā)病率。ARIMA乘積季節(jié)模型預(yù)測產(chǎn)超廣譜β-內(nèi)酰胺酶大腸埃希菌流行趨勢，高峰出現(xiàn)在夏秋季節(jié)[17]，ARIMA模型被用于預(yù)測住院患者每月MDRO感染發(fā)病率，在醫(yī)院感染精細(xì)化管理中發(fā)揮著重要作用[18-19]。本研究通過建模預(yù)測篩選出CRKP醫(yī)院感染發(fā)病率進(jìn)行ARIMA時(shí)間序列分析，結(jié)果表明CRKP醫(yī)院感染率預(yù)測值與實(shí)際值幾乎一致，CRKP醫(yī)院感染發(fā)病率預(yù)測值平均相對(duì)誤差為7.76%，表明采用CRKP醫(yī)院感染發(fā)病率時(shí)間序列分析模型為一種適用模型，預(yù)測值與實(shí)際值的時(shí)序圖基本保持一致，模型預(yù)測值有較好的適用效果，但在2021年7月，實(shí)際值與預(yù)測值誤差較大(相對(duì)誤差為16.33%)，自2021年9月起CRKP醫(yī)院感染發(fā)病率實(shí)際值和預(yù)測值呈短暫下降趨勢，這可能與2021年8月江蘇省南京綠口機(jī)場及揚(yáng)州COVID -19疫情暴發(fā)后，全省各級(jí)衛(wèi)生行政部門下達(dá)相關(guān)文件，加大了醫(yī)院感染防控措施力度，隨著對(duì)COVID -19疫情的嚴(yán)防嚴(yán)控，醫(yī)院感染管理工作受到前所未有的重視，手衛(wèi)生等各項(xiàng)防控措施得到有效落實(shí)，使醫(yī)院感染發(fā)病率進(jìn)一步下降，也充分體現(xiàn)了疫情防控對(duì)降低醫(yī)院感染具有積極作用。但2021年10月底進(jìn)入冬季后，老年患者發(fā)病進(jìn)入高峰期，老年患者又是MDRO感染的高危人群[20]，出現(xiàn)了MDRO感染的季節(jié)性波動(dòng)。本研究采用ARIMA預(yù)測CRKP醫(yī)院感染發(fā)病率的可行性及準(zhǔn)確性得到了驗(yàn)證，基于18個(gè)季節(jié)的CRKP醫(yī)院感染數(shù)據(jù)優(yōu)選ARIMA(0,1,9)模型，對(duì)CRKP醫(yī)院感染發(fā)病率實(shí)際值與預(yù)測值進(jìn)行驗(yàn)證，模型擬合度良好，預(yù)測結(jié)果顯示CRKP醫(yī)院感染有一定的季節(jié)性，因此需根據(jù)預(yù)測結(jié)果，在發(fā)生CRKP醫(yī)院感染的高發(fā)月份，加強(qiáng)醫(yī)務(wù)人員MDRO相關(guān)知識(shí)的培訓(xùn)，落實(shí)感染防控措施。

現(xiàn)階段，醫(yī)療機(jī)構(gòu)面臨COVID -19疫情、MDRO感染等多重威脅，對(duì)醫(yī)院感染防控工作提出了更高要求。本研究結(jié)果表明，CRKP醫(yī)院感染發(fā)病率實(shí)際值與預(yù)測值呈季節(jié)性波動(dòng)，因此，對(duì)CRKP感染的防控，一方面要根據(jù)預(yù)測結(jié)果在CRKP醫(yī)院感染高發(fā)季節(jié)加強(qiáng)醫(yī)院感染防控措施培訓(xùn)及防控措施的嚴(yán)格落實(shí)；另一方面還應(yīng)按照世界衛(wèi)生組織《醫(yī)療機(jī)構(gòu)耐碳青霉烯的腸桿菌科細(xì)菌、銅綠假單胞菌和鮑曼不動(dòng)桿菌防控指南》中“2個(gè)衛(wèi)生、2個(gè)隔離、2個(gè)監(jiān)測”等進(jìn)行核心防控措施的落實(shí)，提高對(duì)CRKP感染的防控能力和防控措施的依從性，并優(yōu)化CRKP感染患者的預(yù)防措施，以遏制CRKP等MDRO感染的暴發(fā)流行。此外，本研究所選用的模型僅針對(duì)一所醫(yī)院的數(shù)據(jù)進(jìn)行建模，結(jié)果可能不適合于其他醫(yī)療機(jī)構(gòu)，要獲得更好的預(yù)測結(jié)果還需不斷收集更多的數(shù)據(jù)。

利益沖突：所有作者均聲明不存在利益沖突。