神经内科患者医院感染概率预测模型及评价

□ 谢晓梅 XIE Xiao-mei 杨洁 YANG Jie 张英 ZHANG Ying

神经内科住院患者具有年龄大、病程长、急危重症多、基础疾病多、侵入性操作多、卧床时间长等特点[1]，是医院感染发生的高危人群，如果发生医院感染，会导致病情进一步恶化，给患者带来身心痛苦及额外经济负担[2]，因此，神经内科也成为院感部门重点监测的科室。在医院感染日常监控的基础上，构建医院感染发生的概率预测模型，确定医院感染高危人群，采取针对性的干预措施，有助于降低住院患者的医院感染率，改善患者的预后[3]。本研究选取神经内科近三年收治的13529例住院患者进行回顾性调查，筛选医院感染的高危因素，构建Logistic回归概率预测模型。

资料与方法

1.研究资料。选取2017年1月—2020年7月在浙江省台州医院神经内科收治的13529例患者作为调查对象，其中男性7316例，女性6213例；年龄30~94岁，平均67.2±11.9岁；原发性疾病：脑梗死7409例、脑血管疾病1894例、脑内出血1748例、神经性障碍479例、颅内和椎管内脓肿及肉芽肿239例、其他疾病1760例等。

2.研究方法。检索病案系统和医院感染系统，回顾性收集13529例神经内科住院患者的病例资料，主要收集的资料包括年龄、性别、体质指数(BMI)、饮酒史、吸烟史、原发疾病(脑梗死、脑血管疾病、脑内出血、神经性障碍、颅内和椎管内脓肿及肉芽肿等)、合并基础疾病、侵入性操作、意识障碍、机械通气、联合使用抗菌药物、三代及以上头孢、糖皮质激素、住院时间、感染部位(呼吸道、泌尿道、腹部和消化、血液、皮肤软组织、其他)、医院感染情况等。根据《医院感染诊断标准》[4]，将13529例神经内科住院患者分为感染组(477例)、非感染组(13052例)。

3.统计学方法。应用SPSS21.0进行数据处理，单因素比较分析采用χ2检验，多因素筛选采用逐步Logistic回归法并构建Logistic回归概率预测模型，模型评价采用受试者工作曲线(ROC)；p＜0.05为分析有统计学意义。

结果

1.神经内科患者医院感染率及感染分布分析。对13529例神经内科住院患者进行回顾性调查，发现有477例发生了医院感染，其感染率为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%)、皮肤软组织感染6例(1.26%)、其他感染24例(5.02%)。

2.影响神经内科患者医院感染的单因素分析。两组间的年龄、BMI、原发疾病、合并基础疾病、意识障碍、侵入性操作、机械通气、联合使用抗菌药物、三代及以上头孢、糖皮质激素、住院时间等因素分布差异有统计学意义(p＜0.05)，见表1。

表1 神经内科患者医院感染的单因素分析[n(%)]

3.影响神经内科患者医院感染的多因素分析。以神经内科住院患者是发生医院感染为因变量(非感染组=0，感染组=1)，将单因素比较有意义的11个因素作为自变量，进行多因素逐步Logistic回归，模型纳入、提出标准分别为0.05、0.10。由表2可知，影响神经内科患者医院感染的危险因素包括高龄、合并基础疾病、侵入性操作、机械通气、联合使用抗菌药物、三代及以上头孢、住院时间等。

表2 神经内科患者医院感染的多因素Logistic回归分析

4.影响神经内科患者医院感染的多因素模型构建及评价分析。根据多因素Logistic回归模型筛选的危险因素来构建Logistic回归概率预测模 型：应用ROC曲线来评价Logistic回归概率预测模型的效果，根据Youden指数的最大值作为该模型的最佳临界值，得到曲线下面积为0.892(95%CI：0.864～0.920)，由此可见，Logistic回归概率预测模型预测准确率可高达89.2%，见图1。

讨论

图1 Logistic回归概率预测模型的ROC曲线图

1.神经内科患者医院感染特点及其危险因素分析。本研究显示，通过大样本回顾性调查发现，神经内科患者的医院感染率高达3.53%，呼吸道感染占77.36%，这与李中美等人[5]报道的神经内科医院感染率为3.46%、呼吸道感染占64%较为接近，由此可见，神经内科患者医院感染应引起科室和院感防控部门的重视。多因素分析结果显示：(1)高龄和基础疾病：神经内科患者以60岁以上的老年人为主，老年人本身组织器官发生衰退、营养不良、机体免疫力下降等[6]。而基础疾病较多的患者，容易发生机体代谢紊乱，如高血压、高血脂、高尿酸等，从而进一步降低了患者的自身免疫力，由此可见，基础疾病较多的老年患者成为了医院感染的高危人群。(2)侵入性操作：如气管插管、动静脉置管、留置尿管、侵入性检查等，这些侵入性操作会增加将外部病原菌带入患者体内的风险，需要严格把握各种侵入性操作的适应证，减少不必要的侵入性操作，实施无菌操作，缩短侵入性操作时间及次数[7]。(3)机械通气：神经内科急危重症的老年患者较多，使用呼吸机进行机械通气的患者比例较大，而机械通气本身也一种侵入性操作，如果未严格实施无菌操作和气道管理，机械通气容易引起呼吸机相关性肺炎[8]，这也是引起神经内科患者发生呼吸道感染的重要原因。(4)联合使用抗菌药物和三代及以上头孢：滥用广谱抗生素、联合使用抗生素，会诱导体内耐药基因发生突变，而耐药基因通过转移耐药基因中的元件形成耐药基因复合体，从而产生多重耐药性[9]；使用三代及以上头孢会诱发病原菌的选择性压力，导致多重耐药菌株的产生增多。(5)住院时间：由于神经内科多为危重症患者，如脑卒中患者，一般住院时间较长，住院时间越长，患者病情较为危重，接触侵入性操作越多，使用较多的抗生素，且交叉感染的几率也增加[10]，因此，住院时间长的患者容易发生医院感染。

2.神经内科患者医院感染的危险因素概率预测模型及其评价。在医院感染防控过程中，由于不同科室、不同治疗和护理水平、不同院感防控侧重点等，使科室医院感染防控工作难度较大[11]。随着临床流行病学、生物统计学的发展，大数据分析的兴起，临床医护人员尝试借助一些概率预测模型来实现患者发病或医院感染的预测[12]，这有助于推动院感防控工作朝向精细化管理推进。因此，本研究对我院神经内科13529例住院患者进行了大样本回顾性调查，采用多因素逐步Logistic回归法筛出了可能影响医院感染的高危因素，包括高龄、合并基础疾病、侵入性操作、机械通气、联合使用抗菌药物、三代及以上头孢、住院时间等。左丽丽等人[13]分别采用Logistic回归模型和倾向评分模型来建模，但对比这两个模型，Logistic回归模型的预测效果更好些，故本研究也选择了Logistic回归法建模。根据以上高危因素建立起了Logistic回归概率预测模型，并采用ROC曲线法对该模型进行了评价，模型预测准确率可高达89.2%，说明所建立的概率预测模型效果较好，能够较好地预测神经内科患者医院感染概率和风险。

3.本研究存在的局限性。(1)尽管本研究的样本量较大，但所选择的样本为同一家医院，存在选择性偏倚；(2)本研究是一项回顾性调查研究，存在回忆偏倚和信息偏倚；(3)影响医院感染的因素较多且混杂，容易存在混杂偏倚；(4)所构建的概率预测模型，还需进一步验证模型预测的有效性。