ICU患者医院感染风险预测模型的建立

徐那菲 潘思旭 廖吕钊 李雯静 周建明 江荣林*

重症监护室（ICU）是为危重症患者提供医疗服务的场所，因患者基础疾病较为危重，侵入性操作较多，ICU成为医院感染高发病区之一。通过筛选医院感染相关性强的因素，构建合适的数学模型，可以帮助临床医师尽早筛选感染高危患者，合理使用抗生素，减轻患者经济负担，降低病人的死亡率［1］。目前临床常见且验证可行的预测模型有随机森林模型、灰色基本模型、神经网络模型、回归模型等［2-5］。本研究拟探索建立医院感染预测的回归模型，预测入住重症监护室＞48h患者感染发生的风险。

1 资料与方法

1.1 临床资料 选择2016年1月至2018年12月浙江省中医院ICU入住时间＞48h患者；排除：①入科时状态为已感染；②年龄＜18岁；③妊娠或哺乳期妇女；④入科48h内出现感染；⑤参与其他临床研究者。医院感染标准参照中华人民共和国卫生部发布实施的《医院感染诊断标准》［6］。

1.2 方法 （1）采集系统：2018年5月1日前入科患者信息从浙江省中医院海泰医疗系统采集，2018年5月1日后入科患者信息从浙江省中医院纳里医疗系统采集。（2）采集信息：将入科48h后感染患者设为阳性组，将入科后未感染患者入科当时状态设为阴性组，采集患者基础信息、生理指标、插管情况、实验室检验及影像学检查等5个方向变量［7-8］。其中阳性数据采取医院感染前72h内最差值。阴性数据采取入ICU后24h内最差值。（3）数据处理：①整理：对数据进行整理，包括数据合并（实验室检验、年龄、性别），数据项名称统一，并对明显错误根据病程记录及护理记录单进行手工修正等。如对于“痰液性质”描述为“黄、浓、稠、脓”的数据统一为“痰液性质异常”。②编码：对“男”、“女”分别用1和0进行表示；“有无肺部干啰音”中0代表无，1代表有；目前营养方式中普食、静脉营养、肠内营养和禁食等分别表示为0，1，2，3；以便模型能够对其进行计算。（4）标准化：标准化是对原始数据中表述较为随意的数据项进行标准化，使计算机能够对其进行处理，如对“有无痰液情况异常”数据项的处理中，将自然语言描述转变为以0代表无异常，以1代表有异常，以便模型能够对其进行计算。

1.3 统计学方法 采用SPSS 25.0统计软件。正态分布计量资料以（±s）表示，组间比较采用独立样本t检验；非正态分布以M（IQR）表示，组间比较采用非参数秩和检验。计数资料以n（%）表示，组间比较采用卡方检验。先对数据项进行初筛，将数据项分别代入单因素logistic回归，将其中P＜0.2的数据项纳入逐步logistic回归分析模型，得出院内感染的相关危险、保护因素级相应的回归系数。并绘制受试者工作特征曲线（ROC），同时通过计算ROC曲线下面积（AUC），评价模型对ICU院内感染的预测价值。以P＜0.05为差异有统计学意义。

2 结果

2.1 纳入预测模型的患者临床特证 共纳入79例阳性患者与71项阴性患者。两组患者年龄、性别，平均动脉压、收缩压、出入量等差异均无统计学意义（P＞0.05）。其中女36例，男114例。阳性患者中呼吸道相关性感染41例次，血流及导管相关性感染31例次，尿路感染4例次，胃肠道感染3例次。其中呼吸道相关性感染为医院感染的主要类型，占51.90%。与阴性组患者比较，阳性患者APACHE Ⅱ评分、体温、心率最小值、呼吸最大值更高，留置胃肠营养管时间更长，GCS评分更低，差异有统计学意义（P＜0.05）。与阴性组比较，阳性组患者血钠、CRP明显升高，pH值明显减低，差异有统计学意义（P＜0.05）。见表1。

表1 两组患者临床特征及实验室检查比较［n（%）］

2.2 Logistic回归分析 通过单因素logistic回归初步分析筛选出患者医院感染的相关因素，将其中P＜0.2的指标纳入逐步回归方程，最终筛选出3个相关因素，包括痰液性质（X1），肺部干啰音（X2），体温最大值（X3）。根据B值，以这3个变量作为风险预测模型建立的基础，得到公式如下：Y=2.44×X1+2.82×X2+3.376×X3-128.412。模型预测准确率为87.5%。医院感染预警模型预测感染患者成员概率的ROC曲线下面积（AUC）为0.876（95%CI：0.820～0.933），P＜0.001。见表2，图1。

表2 ICU院内感染的逐步回归

图1 ICU医院感染风险预测模型的ROC曲线

3 讨论

ICU的发展对挽救危重症患者的生命起到重要作用，但同时ICU是医院感染危险因素高度集中的场所，是医院感染预防与控制的重点部门。因此在ICU内应用医院感染风险预测模型能尽早评估患者发生医院感染的风险，并根据相关指南与规范进行预防与治疗。

对于72h内同一部位在不同时间点提示出现感染，则默认采用第一次时间节点。本研究主要着眼于该系统的预警作用，而72h内若同一部位提示多次感染，则除第一次外均不具备预警提示意义。有研究表明，GCS评分与患者预后相关，本资料纳入机械通气患者的GCS评分，采用改良GCS评分系统，将GCS系统语言反应方面评分进行改良，将能正确回答修正为能敏锐、正确理解语言意思等［9］。阳性组GCS评分较阴性组低，是回归分析中GCS评分并不是医院感染的独立危险因素。

研究表明，APACHE Ⅱ评分与ICU患者医院感染发生率、病死率均呈线性关系，随着APACHE Ⅱ分值的增加，医院感染发生率、病死率显著增加［10-12］。本资料中，两组患者APACHE Ⅱ评分差异有统计学意义，提示APACHE Ⅱ评分与医院感染相关，但最终未纳入预测模型，因此APACHE Ⅱ评分结果并不是医院感染较为可信的预测指标。该结果与Dabar等［13］，Iwuafor等［14］相关研究结果类似。本模型最终筛选出3个相关因素纳入风险预测模型中，分别为体温最大值，痰液性质异常及肺部干啰音。ROC曲线分析显示，医院感染预警模型的AUC为0.876，具有较好的预测价值。

综上目前感染风险预警模型能快速全面地评估患者的医院感染风险，但模型中痰液性质异常及肺部干啰音均与呼吸相关性感染关系最为密切。考虑本研究中纳入医院感染患者中呼吸相关性感染比例最高，其余类型医院感染比例相对较小，该结果与国内相关医院感染研究结果符合［15-16］，但同时可能带来部分混杂偏倚，结论尚需增加样本量以及带入临床后行进一步验证。