基于时间序列ARIMA的医院多重耐药菌预测模型应用

黄雪娉 杨永莲 蔡伟雄 宏 峰 何伟彬

（博罗县人民医院，广东惠州 516199）

多重耐药菌（MDRO）指对临床使用3类或3类以上抗菌药物同时呈现耐药的细菌[1]。随着临床抗菌药物不合理使用、免疫抑制剂应用导致致病菌耐药性以及耐药程度日渐严重，加上侵入性操作的开展，导致MDRO医院感染形势日益严峻，加重患者及医院负担，增加发病率、死亡率和延长住院天数，导致经济损失，同时浪费社会有限的卫生资源，严重影响治疗效果和患者生命安全[2]。

博罗县人民医院从2011年开始对多重耐药菌进行监测。其中，2017年共检出多重耐药菌534株，主要为大肠埃希菌256株、铜绿假单胞菌11株、肺炎克雷伯菌肺炎亚种60株、金黄色葡萄球菌96株、鲍曼不动杆菌67株等。2018年共检出多重耐药菌604株，主要为大肠埃希菌303株，金黄色葡萄球菌 106株，铜绿假单胞菌33株、肺炎克雷伯菌肺炎亚种78株、鲍曼不动杆菌82株等。

通过研究旨在利用统计学时间序列ARIMA模型对医院多重耐药菌医院感染发生的时间聚集数据进行分析[3]，构建医院多重耐药菌情况预警模型，为医院管理部门及时、准确、全面掌握医院多重耐药菌变化，合理有效调配利用相关资源，针对性实施MDRO医院感染的防控隔离干预措施，减少医院多重耐药菌发生。

1 资料与方法

1.1 一般资料

对2017年1月至2018年12月博罗县人民医院微生物检验中的多重耐药情况，筛查符合卫生部2011年颁布《多重耐药菌医院感染预防与控制技术指南》的医院常见多重耐药菌。对筛查出来的多重耐药菌病例的检验结果进行核对，计算多重耐药菌发生率。

利用SPSS软件绘制时间序列散点图自相关函数和偏相关函数图，数据平稳性处理后建立ARIMA模型，再行模型参数估计，检验是否具有统计学意义，预测2017年1月至2018年12月多重耐药分析其实际检出率进行拟全匹配，验证模型准确性。

1.2 方法

ARIMA 模型建立的程序：①根据时间序列模型的识别规则，建立相应的模型；②对非平稳序列进行平稳化处理；③时间序列散点图、自相关函数以及偏相关函数图以ADF 单位根检验其方差、趋势及其季节性变化的规律，识别序列的平稳性；④进行假设检验，诊断残差是否为白噪声；⑤使用极大似然方法进行参数估计，即使得量测数据发生的概率最大的参数选择，检验是否具有统计学意义；⑥利用已通过检验的模型进行预测分析。

2 结果

2.1 2017年1月至2018年12月每月医院多重耐药菌预测

运用模型 ARIMA（0，1，1）（0，1，1）24（不含常数项）拟合2015至2016年的逐月MDRO的检出率，预测2017、2018年各月MDRO的检出率。2017年和2018年平均预测相对误差分别为15.34%、15.76%，见表1。

表1 2017年1月至2018年12月每月医院多重耐药菌预测（%）

2.2 序列平稳化检验

序列平稳化检验直方图，见图1，序列平稳化检验时序分布图，见图2。

2.3 模型识别

残差分列ACF图和PACF图，见图3。

2.4 模型检验

实际值和预测值对比时序列图，见图4。

3 讨论

图1 序列平稳化检验直方图

图2 序列平稳化检验时序分布图

图3 残差分列ACF图和PACF图

大肠杆菌的致病物质之一是血浆凝固酶，可引起成人腹泻或食物中毒的爆发[4]。铜绿假单胞菌，广泛分布于自然界及正常人皮肤、肠道和呼吸道，是一种常见的条件致病菌[5]。当病变累及胸膜和心包时，会引起渗出性以及脓性积液，导致病变的纤维组织活跃使纤维素性胸腔积液出现早期黏连[6]。克雷伯菌和铜绿假单胞菌以及萨雷拉是败血症的重要病原体，死亡率高[7]。金黄色葡萄球菌寄生在人和动物的皮肤中，鼻腔、咽喉、胃、痈、脓疮、口腔、空气、污水等环境随处可见[8]。鲍曼不动杆菌通常引起菌血症，肺炎，脑膜炎，腹膜炎，心内膜炎，以及尿路和皮肤感染，并且已成为医院感染的主要来源，特别是在重症监护病房。由于抗生素的滥用，使鲍曼不动杆菌产生耐药性，成为“多耐药鲍曼不动杆菌”。目前，对抗多重耐药鲍曼不动杆菌的唯一方法是使用二线抗生素，如替加环素[9]。

图4 实际值和预测值对比时序列图

ARIMA模型，是把非平稳时间序列转变为平稳时间序列并将因变量仅对它的滞后值和随机误差项的现值和滞后值进行回归而建立的模型。本研究利用2017年1月至2018年12月医院多重耐药菌检出率的监测数据进行了时间序列分析，通过数据处理、模型识别等过程建立了 ARIMA（0，1，1）（0，1，1）24 模型，进而通过已有的数据进行模型验证。经过对2017年1月至2018年12月检出率流行趋势进行了预测，得出平均相对误差分别为15.34%、15.76%，结果表明平均误差较小，这提示此模型对MDRO的检出率预测具有可行性，说明结果可靠。因此，医院可以借助本研究所拟合创建的ARIMA模型对MDRO检出率进行预测以及预警，如实际值超过预测值提示预警，应该提前加强防控措施。有效的医院MDRO预警监测，为及时采取防控措施争取时间，可以有效阻止或延缓MDRO的医院内交叉传播，避免暴发流行。

本研究利用ARIMA模型很好地拟合2017年1月至2018年12月的MDRO的检出率，并对2019年1月的检出率进行了预测预警。这有利于早期临床及时采取防控措施来防止感染，但是目前并没有一种数据模型可以对一段时间内的数据进行完整拟合和预测。因此，在实际工作中，需要不断发现和总结问题，分析更优质的数据模型，这样才能更好地分析预测实际情况，为多重耐药菌MDRO的防控提供更可靠的数据和建议。

综上，应用时间序列 ARIMA 模型对医院历史多重耐药菌数据进行分析，为构建多重耐药菌预测模型提供理论基础和思维方向，分析过程和数据处理具有可靠的操作性，结果具有准确的预测性，对医院多重耐药菌提前防控管理具有重要的意义。