基于機(jī)器學(xué)習(xí)算法的腫瘤病人PICC導(dǎo)管相關(guān)性血流感染預(yù)測(cè)模型的構(gòu)建及效能驗(yàn)證

Construction and performance verification of a predictive model for PICC related blood flow infection in tumor patients based on machine learning algorithms

LI Xiaoling YAN Xiaoxia YANG Ning LI Xiaohong

1.Shanghai Shibei Hospital，Shanghai 200443 China；2.Shanghai Pulmonary Hospital；3.Shanghai North Station Hospital

Corresponding Author "LI Xiaohong，E?mail：lixiaohong121@163.com

Keywords "machine learning algorithms；tumor patients；peripherally inserted central catheter，PICC；catheter-related blood stream infection；prediction model

摘要""目的：探討腫瘤病人經(jīng)外周靜脈置入中心靜脈導(dǎo)管（PICC）相關(guān)性血流感染預(yù)測(cè)模型的構(gòu)建及效能驗(yàn)證。方法：選取2021年4月—2023年3月收治的腫瘤病人2 608例作為研究對(duì)象，所有病人住院期間均行PICC導(dǎo)管置管，根據(jù)病人是否發(fā)生PICC導(dǎo)管相關(guān)性血流感染分為發(fā)生組和未發(fā)生組?；跈C(jī)器學(xué)習(xí)算法，分別采用支持向量機(jī)（SVM）、XGBoost及Logistic回歸分析方法構(gòu)建腫瘤病人PICC導(dǎo)管相關(guān)性血流感染發(fā)生預(yù)測(cè)模型，并進(jìn)行分析比較，得出具有預(yù)測(cè)效能的算法模型。結(jié)果：兩組病人的血小板計(jì)數(shù)、PICC留置時(shí)間、導(dǎo)管留置時(shí)間、傷口敷料類型、是否有導(dǎo)管移位以及單次置管穿刺次數(shù)比較，差異有統(tǒng)計(jì)學(xué)意義（Plt;0.05）；XGBoost預(yù)測(cè)模型中血小板計(jì)數(shù)對(duì)模型影響最大，其次為D?二聚體水平；在SVM模型中，血小板計(jì)數(shù)的沙普利加性解釋（SHAP）值最大，表明其對(duì)模型的影響最為明顯；而Logistic回歸模型中最終納入PICC留置時(shí)間、導(dǎo)管留置時(shí)間、傷口敷料、是否有導(dǎo)管移位、單次置管穿刺次數(shù)5個(gè)因子，且XGBoost預(yù)測(cè)模型區(qū)分能力最高。結(jié)論：病人是否發(fā)生PICC導(dǎo)管相關(guān)性血流感染在多個(gè)指標(biāo)上有差異，且不同模型的影響因素不同。SVM及XGBoost構(gòu)建的預(yù)測(cè)模型的敏感度與準(zhǔn)確度上優(yōu)于Logistic回歸模型，可以對(duì)PICC導(dǎo)管相關(guān)性血流感染風(fēng)險(xiǎn)作出相對(duì)精準(zhǔn)的評(píng)估和預(yù)測(cè)，在臨床工作中能有效降低PICC導(dǎo)管相關(guān)性血流感染的發(fā)生率。

關(guān)鍵詞""機(jī)器學(xué)習(xí)算法；腫瘤病人；經(jīng)外周靜脈置入中心靜脈導(dǎo)管；導(dǎo)管相關(guān)性血流感染；預(yù)測(cè)模型

doi：10.12102/j.issn.2095-8668.2025.07.016

經(jīng)外周靜脈置入中心靜脈導(dǎo)管（PICC）是指經(jīng)貴要靜脈、頭靜脈或肘正中靜脈穿刺，通過(guò)腋靜脈到達(dá)上腔靜脈與心房連接處的中心靜脈導(dǎo)管^［1］。與其他靜脈導(dǎo)管比較，PICC導(dǎo)管有諸多優(yōu)點(diǎn)，但是在臨床使用過(guò)程中仍會(huì)出現(xiàn)導(dǎo)管堵塞、導(dǎo)管相關(guān)性局部感染和導(dǎo)管相關(guān)性血流感染（catheter?related blood stream infection）及移位脫落等^［2?3］。而導(dǎo)管相關(guān)性血流感染是長(zhǎng)期置管常見(jiàn)的并發(fā)癥，指留置導(dǎo)管期間及拔除血管后48 h內(nèi)發(fā)生的原發(fā)性、與其他部位感染無(wú)關(guān)的感染，病人局部出現(xiàn)為紅、腫、痛及滲出等炎癥表現(xiàn)，嚴(yán)重者可能會(huì)出現(xiàn)寒戰(zhàn)或低血壓等全身感染表現(xiàn)^［4?5］。導(dǎo)管相關(guān)性血流感染發(fā)生率是醫(yī)院感染的一個(gè)重要指標(biāo)，但是目前腫瘤病人中PICC導(dǎo)管相關(guān)性血流感染確切發(fā)生率存在爭(zhēng)議^［6］。Madabhavi等^［7］進(jìn)行的單中心前瞻隊(duì)列研究顯示，在腫瘤病人中導(dǎo)管相關(guān)性血流感染發(fā)生率為12.5%；Lee等^［8］進(jìn)行一項(xiàng)多中心前瞻隊(duì)列研究顯示，腫瘤病人中導(dǎo)管相關(guān)性血流感染發(fā)生率為5.2%；Liu等^［9］進(jìn)行的單中心前瞻隨機(jī)對(duì)照試驗(yàn)結(jié)果表明，在腫瘤化療病人中導(dǎo)管相關(guān)性血流感染發(fā)生率為16.8%；Wan等^［10］的研究結(jié)果顯示，導(dǎo)管相關(guān)性血流感染發(fā)生率為28.1%（含腫瘤及非腫瘤危重病人）。本研究課題組對(duì)3所醫(yī)院2021年P(guān)ICC置管腫瘤病人進(jìn)行回顧性調(diào)查，結(jié)果顯示，導(dǎo)管相關(guān)性血流感染發(fā)生率為6.2%～16.8%。盡管上述相關(guān)研究數(shù)據(jù)存在差異，但都表明PICC置管腫瘤病人中導(dǎo)管相關(guān)性血流感染發(fā)生率較高。

為了降低導(dǎo)管相關(guān)性血流感染的發(fā)生率，保障病人安全，國(guó)內(nèi)外均制定了專門針對(duì)血管內(nèi)導(dǎo)管相關(guān)感染的預(yù)防與控制技術(shù)指南，相關(guān)指南一致推薦對(duì)導(dǎo)管相關(guān)性血流感染進(jìn)行有效預(yù)防，是降低其發(fā)生率最經(jīng)濟(jì)、最高效的措施^［11?12］。而科學(xué)、準(zhǔn)確的風(fēng)險(xiǎn)評(píng)估是預(yù)防導(dǎo)管相關(guān)性血流感染發(fā)生極其重要的一個(gè)環(huán)節(jié)，但目前臨床上尚缺乏廣泛使用的導(dǎo)管相關(guān)性血流感染風(fēng)險(xiǎn)評(píng)估工具。隨著我國(guó)護(hù)理信息化建設(shè)的推進(jìn)，產(chǎn)生了大量高質(zhì)量的數(shù)據(jù)，作為一種新穎的數(shù)據(jù)處理工具，人工智能（AI）中的機(jī)器學(xué)習(xí)算法數(shù)據(jù)分析能力相對(duì)較強(qiáng)，廣泛用于醫(yī)學(xué)研究中^［13］。因此，本研究主要探討基于機(jī)器學(xué)習(xí)算法的腫瘤病人PICC導(dǎo)管相關(guān)性血流感染預(yù)測(cè)模型的構(gòu)建及效能驗(yàn)證，實(shí)現(xiàn)對(duì)PICC導(dǎo)管相關(guān)性血流感染發(fā)生風(fēng)險(xiǎn)作出相對(duì)精準(zhǔn)的評(píng)估和預(yù)測(cè)，在臨床工作中能有效降低PICC導(dǎo)管相關(guān)性血流感染的發(fā)生率?，F(xiàn)報(bào)道如下。

1 對(duì)象與方法

1.1 研究對(duì)象

本研究通過(guò)醫(yī)院信息系統(tǒng)收集上海市北醫(yī)院、上海肺科醫(yī)院、上海市北站醫(yī)院于2021年4月—2023年3月收治的行PICC置管的住院腫瘤病人的臨床資料，并進(jìn)行回顧性分析，病人所在科室為腫瘤科、胸外科。納入標(biāo)準(zhǔn)：1）均為本課題研究醫(yī)院首診病例^［14?15］；2）住院期間實(shí)施PICC置管術(shù)，且置管的目的為化療、胃腸外營(yíng)養(yǎng)、靜脈輸液治療；3）置管前均無(wú)血培養(yǎng)陽(yáng)性。排除標(biāo)準(zhǔn)：1）精神異常、凝血功能異?；虬橛凶陨砻庖呦到y(tǒng)疾病者；2）導(dǎo)管留置時(shí)間lt;7 d、年齡lt;18歲；3）置入導(dǎo)管后48 h內(nèi)拔管；4）相關(guān)研究指標(biāo)缺失gt;3.0%者。本研究樣本量采用一種新型的預(yù)測(cè)模型樣本量計(jì)算^［16］，得出至少需要納入樣本量為1 900例；考慮10%～20%的樣本量可能不符合要求，因此至少需要樣本量為2 260例；考慮結(jié)果的穩(wěn)定性，本研究共納入樣本量2 608例。本研究已通過(guò)上海市北醫(yī)院醫(yī)學(xué)倫理委員會(huì)審批（審批號(hào)：YL?20220523?02）。

1.2 研究方法

1）PICC導(dǎo)管相關(guān)性血流感染。病人帶有血管內(nèi)導(dǎo)管或拔除血管內(nèi)導(dǎo)管48 h內(nèi)出現(xiàn)菌血癥或真菌血癥，伴有發(fā)熱（體溫≥38 ℃）、寒戰(zhàn)或低血壓等感染表現(xiàn)，除靜脈導(dǎo)管外無(wú)其他明確的感染源^［17?18］。2）PICC導(dǎo)管相關(guān)性血流感染影響因素分析。查閱病人病歷資料并統(tǒng)計(jì)相關(guān)資料：①一般資料，包括性別、年齡、手術(shù)史、是否留置導(dǎo)尿管、是否使用激素、是否腸外營(yíng)養(yǎng)、是否機(jī)械通氣、化療次數(shù)；②臨床指標(biāo)，包括病人入院時(shí)白細(xì)胞計(jì)數(shù)、中性粒細(xì)胞百分比、血小板計(jì)數(shù)、C反應(yīng)蛋白（C?reactive protein，CRP）、降鈣素原（procalcitonin，PCT）及D?二聚體（D?dimer，D?D）水平等；③PICC導(dǎo)管相關(guān)情況，包括PICC置管部位、置管前是否使用抗生素、PICC留置時(shí)間、PICC導(dǎo)管類型、導(dǎo)管留置時(shí)間、固定方法、傷口敷料、是否有導(dǎo)管移位、單次置管穿刺次數(shù)等，篩選出差異有統(tǒng)計(jì)學(xué)意義的風(fēng)險(xiǎn)因素^［19］。3）構(gòu)建基于機(jī)器學(xué)習(xí)算法的預(yù)測(cè)模型。本研究采用機(jī)器學(xué)習(xí)算法，參考多因素Logistic回歸的樣本量粗略估計(jì)方法，結(jié)局變量中比較少的一類，建模樣本量至少為自變量數(shù)目10倍以上。本研究結(jié)局變量2個(gè)水平（有導(dǎo)管相關(guān)性血流感染和無(wú)導(dǎo)管相關(guān)性血流感染），通過(guò)查詢文獻(xiàn)，初步估算有意義的自變量（風(fēng)險(xiǎn)因素）有20個(gè)，則導(dǎo)管相關(guān)性血流感染發(fā)生的樣本量約為200例。結(jié)合本研究3所醫(yī)院2021年導(dǎo)管相關(guān)性血流感染發(fā)生率為6.2%～16.8%，取均值11.5%，則建模樣本量約為1 739例。參考多因素Logistic回歸建模要求，建模樣本量為總樣本量的2/3，則總樣本量為2 608例。將入組的2 608例病人采用隨機(jī)數(shù)字表法分為2個(gè)部分，其中70%（2 086例）為訓(xùn)練集，用于模型訓(xùn)練與構(gòu)建；30%（522例）作為測(cè)試集，用于模型最終表現(xiàn)的測(cè)試^［20］。將預(yù)測(cè)結(jié)局分為二分類結(jié)果，選擇支持向量機(jī)（support vector machine，SVM），通過(guò)預(yù)測(cè)值沙普利加性解釋（shapley additive explanations，SHAP）值體現(xiàn)，該值越高，預(yù)測(cè)因子越重要，通過(guò)SHLearn庫(kù)實(shí)現(xiàn)）、XGBoost（采用gain值衡量某個(gè)特征的增益，該值越大，特征對(duì)模型影響越大，通過(guò)xgboost庫(kù)實(shí)現(xiàn)）及Logistic回歸分析［通過(guò)回歸系數(shù)或比值比（OR）及95%置信區(qū)間（CI）體現(xiàn)，通過(guò)scikit?learn庫(kù)構(gòu)建腫瘤病人PICC導(dǎo)管相關(guān)性血流感染發(fā)生預(yù)測(cè)模型^［21］。

1.3 質(zhì)量控制方法

為了保證本研究的順利完成，本研究團(tuán)隊(duì)包括臨床專家、靜脈治療?？谱o(hù)士、護(hù)理研究生、計(jì)算機(jī)教授及數(shù)學(xué)建模專家等；入組病例篩選、病案的復(fù)核及數(shù)據(jù)庫(kù)的構(gòu)建均需要由專人（經(jīng)統(tǒng)一培訓(xùn)后）進(jìn)行操作；將獲得的數(shù)據(jù)建立數(shù)據(jù)庫(kù)，并由雙人錄入，比較差錯(cuò)。為了保證3種構(gòu)建模型的一致性，建模時(shí)均由同一人操作，且構(gòu)建過(guò)程中需對(duì)獲得的數(shù)據(jù)多次討論，確定算法^［22］。

1.4 統(tǒng)計(jì)學(xué)方法

采用極端梯度增強(qiáng)XGBoost、Logistic回歸和SVM建立機(jī)器學(xué)習(xí)模型；所有統(tǒng)計(jì)分析均采用R 3.6.3和Python 3.7完成。符合正態(tài)分布的定量資料采用均數(shù)±標(biāo)準(zhǔn)差（x±s）描述，行t檢驗(yàn)；偏態(tài)分布數(shù)據(jù)用中位數(shù)和四分位數(shù)描述，行非參數(shù)檢驗(yàn)。根據(jù)有無(wú)合并導(dǎo)管相關(guān)性血流感染將病人分為感染組和非感染組，采用R 3.6.3軟件進(jìn)行單因素Logistic回歸分析，以Plt;0.05為納入多因素分析的標(biāo)準(zhǔn)，篩選出兩組差異有統(tǒng)計(jì)學(xué)意義的風(fēng)險(xiǎn)因素，以受試者工作特征（ROC）曲線評(píng)估風(fēng)險(xiǎn)因素聯(lián)合預(yù)測(cè)價(jià)值；采用馬修斯相關(guān)系數(shù)評(píng)估二元分類模型性能；采用FI系數(shù)評(píng)估模型預(yù)測(cè)精度，Brier為風(fēng)險(xiǎn)指數(shù)。

2 結(jié)果

2.1 PICC導(dǎo)管相關(guān)性血流感染發(fā)生影響因素的單因素分析（見(jiàn)表1）

本組2 608例PICC置管病人，發(fā)生PICC導(dǎo)管相關(guān)性血流感染143例，發(fā)生率為5.48%。

2.2 PICC導(dǎo)管相關(guān)性血流感染發(fā)生影響因素的特征分析

將單因素分析中差異有統(tǒng)計(jì)學(xué)意義的變量納入其中。基于機(jī)器學(xué)習(xí)算法構(gòu)建預(yù)測(cè)模型，結(jié)果表明：XGBoost預(yù)測(cè)模型中血小板計(jì)數(shù)對(duì)模型影響最大，其次為D?D水平；SHAP值在SVM模型中，血小板計(jì)數(shù)對(duì)模型影響最大；而Logistic回歸模型中，將PICC導(dǎo)管相關(guān)性血流感染是否發(fā)生危險(xiǎn)（是=1，否=0）作為因變量，將單因素分析中差異有統(tǒng)計(jì)學(xué)意義的變量（Plt;0.05）作為自變量，納入到多因素Logistic回歸分析中，校正各自變量，采用向后逐步回歸分析（血小板計(jì)數(shù)由于有共線性排除到模型外），結(jié)果顯示，除單次置管穿刺次數(shù)外，其余變量對(duì)結(jié)局的影響均有統(tǒng)計(jì)學(xué)意義（Plt;0.05），見(jiàn)表2、表3和圖1、圖2。

2.3 PICC導(dǎo)管相關(guān)性血流感染不同預(yù)測(cè)模型的性能

不同預(yù)測(cè)模型性能結(jié)果表明，馬修斯相關(guān)系數(shù)：訓(xùn)練集中SVMgt;XGBoostgt;Logistic回歸分析；測(cè)試集中XGBoostgt;SVMgt;Logistic回歸分析。FI系數(shù)：訓(xùn)練集中SVMgt;XGBoostgt;Logistic回歸分析；測(cè)試集中XGBoostgt;SVMgt;Logistic回歸分析。ROC曲線下面積（AUC）：訓(xùn)練集和測(cè)試集中XGBoost均最高，表明XGBoost預(yù)測(cè)模型區(qū)分能力最高。見(jiàn)圖3、圖4、表4。

3 討論

3.1 腫瘤病人PICC導(dǎo)管相關(guān)并發(fā)癥及導(dǎo)管相關(guān)性血流感染發(fā)生的影響因素分析

目前，PICC是臨床腫瘤病人靜脈化療常用的輸液通道^［23］。而導(dǎo)管相關(guān)性血流感染是PICC最為嚴(yán)重的并發(fā)癥之一，發(fā)生率為0.2%～9.2%^［24］。臨床實(shí)踐觀察到皮炎、導(dǎo)管相關(guān)性血栓、局部感染、滲液等并發(fā)癥往往發(fā)生在導(dǎo)管相關(guān)性血流感染前，主要是因?yàn)榘l(fā)生皮炎處的皮膚完整性受到不同程度的破壞，局部抵抗力下降，導(dǎo)管維護(hù)頻次增加，增加了感染的發(fā)生率^［25］。本研究結(jié)果顯示，PICC導(dǎo)管相關(guān)性血流感染發(fā)生影響因素有血小板計(jì)數(shù)、PICC留置時(shí)間、導(dǎo)管留置時(shí)間、傷口敷料、是否有導(dǎo)管移位、單次置管穿刺次數(shù)（Plt;0.05）。根據(jù)SVM預(yù)測(cè)模型，血小板計(jì)數(shù)、D?D水平對(duì)導(dǎo)管相關(guān)性血流感染發(fā)生率影響最大，表明在腫瘤PICC病人中，導(dǎo)管相關(guān)性血流感染發(fā)生的相關(guān)影響因素較多，且獨(dú)立危險(xiǎn)因素眾多，但與臨床實(shí)踐的結(jié)果并不一致。導(dǎo)管相關(guān)性血栓或穿刺點(diǎn)滲液是病原菌生長(zhǎng)的良好培養(yǎng)基等，這些并發(fā)癥均可能增加導(dǎo)管相關(guān)性血流感染的發(fā)生風(fēng)險(xiǎn)^［26］。本研究并未納入這些并發(fā)癥發(fā)生情況，主要原因是這些并發(fā)癥的發(fā)生可能與已納入本研究的某些指標(biāo)存在因果關(guān)聯(lián)，可能會(huì)影響模型的構(gòu)建，如局部皮膚感染與導(dǎo)管留置時(shí)間以及穿刺次數(shù)可能相關(guān)，而導(dǎo)管相關(guān)性血栓可能與導(dǎo)管留置時(shí)間相關(guān)。因此，本研究中未納入并發(fā)癥相關(guān)研究指標(biāo)，這解釋了研究結(jié)果與其他臨床實(shí)踐報(bào)道結(jié)果的差異性。

3.2 機(jī)器學(xué)習(xí)算法在腫瘤病人PICC導(dǎo)管相關(guān)性血流感染中的應(yīng)用分析

隨著我國(guó)護(hù)理信息化建設(shè)的推進(jìn)，產(chǎn)生了大量高質(zhì)量的數(shù)據(jù)，作為一種新穎的數(shù)據(jù)處理工具，AI中的機(jī)器學(xué)習(xí)算法數(shù)據(jù)分析能力極強(qiáng)，被用于臨床醫(yī)學(xué)研究獲得廣泛認(rèn)可。采用導(dǎo)管相關(guān)性血流感染發(fā)生預(yù)測(cè)模型，實(shí)現(xiàn)早發(fā)現(xiàn)、早干預(yù)的目的。AI是一項(xiàng)利用計(jì)算機(jī)替代人類，實(shí)現(xiàn)認(rèn)知、識(shí)別、分析及決策功能的技術(shù)。而機(jī)器學(xué)習(xí)在AI中發(fā)揮了重要的作用^［27］。機(jī)器學(xué)習(xí)包括SVM、邏輯回歸分析、決策樹(shù)等，隨著上述算法的不斷發(fā)展，相繼用于醫(yī)學(xué)研究中。機(jī)器學(xué)習(xí)算法對(duì)復(fù)雜的非線性關(guān)系數(shù)據(jù)更有優(yōu)勢(shì)^［28］。

對(duì)于PICC病人，唐倩蕓等^［3］建立的列線圖預(yù)測(cè)模型結(jié)果顯示，糖尿病、惡性腫瘤、血液病、腸外營(yíng)養(yǎng)、雙腔、附加裝置、曾住重癥監(jiān)護(hù)病房及留管時(shí)間是PICC病人發(fā)生導(dǎo)管相關(guān)性血流感染的獨(dú)立風(fēng)險(xiǎn)因素（Plt;0.05），AUC為0.930。盡管上述風(fēng)險(xiǎn)因素或模型對(duì)預(yù)測(cè)導(dǎo)管相關(guān)性血流感染有提示意義，但仍存在一定的局限性，如Meta分析得出部分影響因素同臨床護(hù)理實(shí)踐存在差異^［2］，性別、置管季節(jié)、穿刺方式、住院時(shí)間長(zhǎng)同感染關(guān)系尚有待于進(jìn)一步探討。在傳統(tǒng)統(tǒng)計(jì)學(xué)模型中，密歇根PICC導(dǎo)管相關(guān)血流感染風(fēng)險(xiǎn)預(yù)測(cè)（MPC）評(píng)分僅納入6個(gè)因素，多腔PICC臨床應(yīng)用較少，臨床實(shí)踐應(yīng)用局限性較大，缺乏普適性^［29］。

本研究結(jié)果顯示，XGBoost預(yù)測(cè)模型中血小板計(jì)數(shù)對(duì)模型影響最大，其次為D?D水平；SHAP值在SVM模型中，血小板計(jì)數(shù)對(duì)模型影響最大。不同預(yù)測(cè)模型性能結(jié)果表明，XGBoost預(yù)測(cè)模型具有良好的精確度和區(qū)分度；Logistic回歸模型中納入了PICC留置時(shí)間、導(dǎo)管留置時(shí)間、傷口敷料、是否有導(dǎo)管移位、單次置管穿刺次數(shù)5個(gè)影響因素。因此，腫瘤病人PICC置管過(guò)程中，除了密切監(jiān)測(cè)PICC留置時(shí)間、導(dǎo)管留置時(shí)間、傷口敷料、是否有導(dǎo)管移動(dòng)、單次置管穿刺次數(shù)5個(gè)影響因素外，還應(yīng)及時(shí)檢測(cè)血小板計(jì)數(shù)和D?D水平?？刹捎肵GBoost模型，針對(duì)病人發(fā)生導(dǎo)管相關(guān)性血流感染風(fēng)險(xiǎn)，可進(jìn)行前瞻性護(hù)理干預(yù)，以鞏固治療效果，降低PICC導(dǎo)管相關(guān)性血流感染發(fā)生率。

4 小結(jié)

綜上所述，基于機(jī)器學(xué)習(xí)算法的SVM及XGBoost預(yù)測(cè)模型性能在敏感度與特異度上優(yōu)于Logistic回歸模型，其中XGBoost模型的AUC最高，為0.778，提示預(yù)測(cè)效能最好，是目前腫瘤病人PICC導(dǎo)管相關(guān)性血流感染發(fā)生預(yù)測(cè)模型的最優(yōu)算法。預(yù)測(cè)模型可以更好地篩選高危病人，幫助腫瘤病人更好地預(yù)防PICC導(dǎo)管相關(guān)性血流感染。然而，本研究仍有一定的局限性：首先，本研究是一項(xiàng)觀察性研究，潛在偏倚的風(fēng)險(xiǎn)高于隨機(jī)對(duì)照試驗(yàn)；其次，應(yīng)盡可能多地收集影響預(yù)后的因素。因此，在未來(lái)的研究中，除了繼續(xù)擴(kuò)大樣本量，還要納入更多可能相關(guān)的因素進(jìn)行分析。

參考文獻(xiàn)：

[1] 劉佳，和茵，劉鑫.腫瘤患者PICC導(dǎo)管相關(guān)性感染的危險(xiǎn)因素及護(hù)理對(duì)策[J].昆明醫(yī)科大學(xué)學(xué)報(bào)，2021，42（1）：173-176.

[2] 王鏡美，賴宗浪，余雨楓，等.腫瘤患者PICC血流感染影響因素的Meta分析[J].右江民族醫(yī)學(xué)院學(xué)報(bào)，2020，42（5）：624-629.

[3] 唐倩蕓，邢柏.預(yù)測(cè)PICC導(dǎo)管相關(guān)血流感染風(fēng)險(xiǎn)的列線圖模型的建立與驗(yàn)證[J].中國(guó)醫(yī)藥導(dǎo)報(bào)，2020，17（36）：45-48.

[4] YU J Y，JEONG G Y，JEONG O S，et al.Machine learning and initial nursing assessment-based triage system for emergency department[J].Healthcare Informatics Research，2020，26（1）：13-19.

[5] 張倩瑩，邱迪聰，張澤勇.利用機(jī)器學(xué)習(xí)預(yù)測(cè)術(shù)前護(hù)理對(duì)手術(shù)壓瘡預(yù)防的效果[J].中國(guó)數(shù)字醫(yī)學(xué)，2021，16（4）：45-49.

[6] 孫玉萍，宋崗，張建美，等.基于機(jī)器學(xué)習(xí)的PICC相關(guān)性上肢深靜脈血栓形成預(yù)測(cè)[J].循證護(hù)理，2021，7（15）：2071-2075.

[7] MADABHAVI I，PATEL A，SARKAR M，et al.A study of the use of peripherally inserted central catheters in cancer patients：a single-center experience[J].Journal of Vascular Nursing，2018，36（3）：149-156.

[8] LEE J H，KIM M U，KIM E T，et al.Prevalence and predictors of peripherally inserted central venous catheter associated bloodstream infections in cancer patients：a multicentre cohort study[J].Medicine，2020，99（6）：e19056.

[9] LIU X M，TAO S，JI H X，et al.Risk factors for peripherally inserted central catheter （PICC）-associated infections in patients receiving chemotherapy and the preventive effect of a self-efficacy intervention program：a randomized controlled trial[J].Annals of Palliative Medicine，2021，10（9）：9398-9405.

[10] WAN R，GU L L，YIN B，et al.A six-year study of complications related to peripherally inserted central catheters：a multi-center retrospective cohort study in China[J].Perfusion，2023，38（4）：689-697.

[11] 國(guó)家衛(wèi)生健康委辦公廳醫(yī)政醫(yī)管局.血管導(dǎo)管相關(guān)感染預(yù)防與控制指南（2021版）[J].中國(guó)感染控制雜志，2021，20（4）：387-388.

[12] LAMBE C，POISSON C，TALBOTEC C，et al.Strategies to reduce catheter-related bloodstream infections in pediatric patients receiving home parenteral nutrition：the efficacy of taurolidine-citrate prophylactic-locking[J].JPEN，2018，42（6）：1017-1025.

[13] 汪淑華，程博，朱麗群，等.基于機(jī)器學(xué)習(xí)算法的PICC相關(guān)性血栓風(fēng)險(xiǎn)預(yù)測(cè)模型比較研究[J].中華現(xiàn)代護(hù)理雜志，2022，28（16）：2144-2151.

[14] 劉莉莉，劉玉秋，仰欣，等.血液透析患者帶隧道帶滌綸套導(dǎo)管相關(guān)性血流感染危險(xiǎn)因素分析及預(yù)測(cè)模型構(gòu)建與驗(yàn)證[J].中國(guó)血液凈化，2021，20（11）：773-777.

[15] KAGAN E，SALGADO C D，BANKS A L，et al.Peripherally inserted central catheter-associated bloodstream infection：risk factors and the role of antibiotic-impregnated catheters for prevention[J].American Journal of Infection Control，2019，47（2）：191-195.

[16] RILEY R D，ENSOR J，SNELL K I E，et al.Calculating the sample size required for developing a clinical prediction model[J].BMJ，2020，368：m441.

[17] 張慧，陳丹丹，邵靜，等.基于KNN算法與logistic回歸的代謝綜合征風(fēng)險(xiǎn)預(yù)測(cè)模型構(gòu)建與對(duì)比研究[J].重慶醫(yī)學(xué)，2023，52（13）：2019-2023.

[18] 安旭，黃大偉，焦明遠(yuǎn)，等.基于全血細(xì)胞計(jì)數(shù)的機(jī)器學(xué)習(xí)算法構(gòu)建侵襲性乳腺癌預(yù)測(cè)模型[J].標(biāo)記免疫分析與臨床，2023，30（4）：665-671.

[19] 楊磊，聶艷武，朱凱，等.不同機(jī)器學(xué)習(xí)算法在烏魯木齊市NAFLD風(fēng)險(xiǎn)預(yù)測(cè)模型中的應(yīng)用[J].現(xiàn)代預(yù)防醫(yī)學(xué)，2021，48（18）：3270-3276.

[20] 汪淑華.基于機(jī)器學(xué)習(xí)的PICC相關(guān)性血栓風(fēng)險(xiǎn)預(yù)測(cè)模型構(gòu)建[D].江蘇大學(xué)，2023.

[21] 張弛，王萍，蘇佳山，等.基于機(jī)器學(xué)習(xí)算法的干眼預(yù)測(cè)模型研究[J].國(guó)際眼科雜志，2021，21（9）：1644-1648.

[22] 吳蓉蓉，魯珊珊，張久樓，等.基于機(jī)器學(xué)習(xí)預(yù)測(cè)超時(shí)間窗急性前循環(huán)大血管閉塞患者機(jī)械取栓預(yù)后的研究[J].臨床放射學(xué)雜志，2022，41（3）：404-409.

[23] GRAVDAHL E，HAUGEN D F，F(xiàn)REDHEIM O M.Use of peripherally inserted central venous catheters and midline catheters for palliative care in patients with cancer：a systematic review[J].Supportive Care in Cancer，2024，32（7）：464.

[24] 上官藝，王孟，王春娟，等.基于機(jī)器學(xué)習(xí)的缺血性卒中功能預(yù)后預(yù)測(cè)模型研究[J].中國(guó)卒中雜志，2021，16（9）：895-900.

[25] 陶雍，李顏霞，薛嵋，等.腫瘤病人PICC留置期間接觸性皮炎與導(dǎo)管相關(guān)感染的相關(guān)性分析[J].全科護(hù)理，2021，19（33）：4659-4662.

[26] 賈靈芝，王蒙蒙，張敏，等.PICC相關(guān)血流感染并深靜脈血栓形成成功保留導(dǎo)管的臨床護(hù)理[J].齊魯護(hù)理雜志，2022，28（5）：159-161.

[27] 楊佳蕾，陳思玎，孟霞，等.基于機(jī)器學(xué)習(xí)預(yù)測(cè)血糖異常急性缺血性卒中患者預(yù)后模型研究[J].中國(guó)卒中雜志，2022，17（7）：730-736.

[28] 陶雍，毛靜玉，薛嵋，等.腫瘤患者PICC導(dǎo)管相關(guān)血流感染風(fēng)險(xiǎn)預(yù)測(cè)模型的構(gòu)建[J].中國(guó)護(hù)理管理，2022，22（11）：1718-1721.

[29] HERC E，PATEL P，WASHER L L，et al.A model to predict central-line-associated bloodstream infection among patients with peripherally inserted central catheters：the MPC score[J].Infection Control and Hospital Epidemiology，2017，38（10）：1155-1166.

（收稿日期：2024-04-03;修回日期：2024-11-07）

（本文編輯"薛佳）