神经外科手术患者院感风险预测模型的构建与验证

李昊雪 海云婷 陆雪耕 曲 琳

（内蒙古自治区人民医院院感监测科，内蒙古 呼和浩特，010017）

神经外科收治病种复杂、病情变化较快，收治的患者大多为急危重、存在意识障碍，涉及的有创性操作较多、手术难度较大、自身免疫力状态低下等，已经成为医院内感染率较高的科室之一[1]。神经外科手术后容易发生医院感染，医院感染率介于5%～28%之间[2-3]。神经外科术后医院感染严重影响了患者的手术疗效，增加患者再次手术的可能与风险，且伴随着高发病率、高病死率、高疾病负担[4-5]。因此，早期研判神经外科手术患者医院感染相关的危险因素，开展目的性强的针对性感控干预，完善医院感染防控措施，降低医院感染率是神经外科亟待解决的重要问题。近年来，依托院感信息化平台，建立数学预警模型，可早期识别感染的高风险人群，在疾病预后等方面都凸显出较大优势。其中，列线图模型、人工神经网络是目前较为成熟的两种构建预测模型的方法，临床实用价值更高，比传统预测模型更具优势，有助于实现个体化诊疗、护理，提高医疗质量、保障患者安全、减少院感事件发生[6-7]。基于此，本研究充分利用医院内感染管理信息模块，结合神经外科手术患者病历资料，构建列线图及神经网络预测模型，实现尽早筛查、防控，达到感控时机关口前移的目的，为进一步开展相关感控工作提供指导。现将结果报道如下。

1 资料与方法

1.1 一般资料

采用回顾性研究，纳入2020年1月—2022年12月于内蒙古自治区人民医院神经外科接受手术治疗的2 239例患者作为研究对象。将2020年1月—2021年12月的患者作为模型构建组，将2022年1月—2022年12月的患者作为验证组。本研究已获得内蒙古自治区人民医院医学伦理委员会批准。

1.2 纳入与排除标准

纳入标准：①住院时间＞48 h；②接受神经外科手术治疗；③年龄≥18岁。

排除标准：①临床病历资料信息缺失；②手术前已经发生脑脓肿、脑膜炎等感染性疾病，术后病理结果证实为感染性疾病；③入院时已经发生社区感染；④合并严重心、肝、肺、肾疾病者。

1.3 方法

①医院感染诊断标准。参照原卫生部《医院感染诊断标准（2001版）》[8]，并结合患者临床病历。

②病历资料收集。前期大量阅读有关文献，进行文献分析，在此基础上，结合该院的实际情况，咨询相关专家，制订《神经外科手术患者目标性监测数据调查表》。由医院感染控制科专职人员联合临床感控医生，借助医院信息系统（患者360视图）和杏林医院感染监测系统进行数据收集，并进行数据交叉核对。具体调查内容包括：患者的人口学特征情况（包括：住院号、性别、年龄、入院日期、出院日期等）、基础性疾病（是否患有肿瘤、心脑血管疾病、脑出血、脑梗死、其他神经系统疾病、糖尿病、肝硬化、肾病等）、手术相关情况、抗菌药物使用情况（细菌耐药情况、预防性使用抗菌药物情况）、医院感染情况的指标。

③预测模型危险因素筛选与构建。采用单因素和多因素Logistic回归进行医院感染的危险因素分析，P＜0.05表示差异有统计学意义。基于各项危险因素的回归系数构建列线图风险预测模型，采用多层感知器神经网络设置建立神经网络模型，P＜0.05表示差异有统计学意义。

④预测模型验证。采用受试者工作特征曲线（receiveroperating characteristic，ROC）曲线和校准曲线对模型的区分度和校准度进行评价。采用Hosmer-Lemeshow拟合优度检验评价模型的拟合优度和精确度，P＞0.05表示模型符合程度较好。ROC曲线下面积（AUC）越接近于1，说明模型的预测能力越准确，一般来说，AUC＞0.7即可认为模型的区分度良好；预测校准曲线越贴近于标准曲线（Hosmer-Lemeshow拟合优度P＞0.05），则说明模型的预测能力越好。

1.4 统计学分析

使用Excel 2010软件整理汇总相关数据，采用SPSS 22.0统计学软件对数据进行统计分析，采用R4.2.2软件绘制列线图风险预测模型以及ROC曲线和校准曲线。

2 结果

2.1 一般情况

本次研究共纳入研究对象2 239例，建模组1 597例，验证组642例。其中476例发生医院感染，医院感染发生率为21.26%。建模组324例发生医院感染，医院感染发生率为20.28%；验证组152例发生医院感染，医院感染发生率为23.68%。

2.2 神经外科手术患者医院感染危险因素识别

①神经外科手术患者医院感染单因素分析：建模组1 597例患者，医院感染共324例，非感染共1 273例。单因素结果显示，手术部位放置引流管、手术前住院时长、手术时长、急诊手术、麻醉方式、本次入院第1次手术、术前预防用药与神经外科手术患者医院感染有关，差异具有统计学意义（P＜0.05），见表1。

②神经外科手术患者医院感染多因素Logistic分析：对单因素有意义的8项危险因素进行多因素Logistic回归分析，结果显示，手术部位放置引流管、手术时长、急诊手术、麻醉方式、术前预防使用抗菌药物是神经外科手术患者医院感染的独立预测因素（P＜0.05），见表2。

2.3 风险预测列线图模型的构建与验证

①风险预测列线图模型构建：通过R软件绘制风险预测列线图，见图1。结果显示，麻醉方式对神经外科手术患者医院感染的影响最大，其次是术前预防使用抗菌药物、ASA评分，手术时长、手术部位放置引流管对手术患者医院感染的影响较小。

图1 手术患者医院感染风险预测列线图

②风险预测列线图模型验证：使用建模组数据对列线图模型进行内部验证，结果显示：Hosmer-Lemeshow拟合优度检验结果χ2=12.000，P=0.101（P＞0.05）；校准曲线显示，模型的预测曲线接近实际曲线。模型ROC曲线下面积为0.805＞0.7，模型区分度较好。使用验证组数据对模型进行外部验证，通过Hosmer-Lemeshow拟合优度检验评价模型拟合优度，结果显示χ2=5.017，P=0.414（P＞0.05），校准曲线显示，模型预测曲线接近实际曲线。验证组ROC曲线下面积为0.802＞0.7。

2.4 神经网络模型构建与验证

①神经网络模型的构建：所有医院感染因素均使用与Logistic回归分析相同的赋值。输出变量为是否发生医院感染，输入变量为神经外科手术患者医院感染相关独立影响因素，自动优化隐含层神经元数。医院感染的重要性排序前五位自变量及标准化重要性分别为：ASA评分（100%）、急诊手术（94.3%）、麻醉方式（81.9%）、术前预防使用抗菌药物（44.1%）、手术时长（35.0%）。

②神经网络模型的预测能力评价：模型共纳入2 239个样本，按照7∶3比例随机分为训练样本和测试样本，训练样本预测正确率为94.8%，测试样本预测正确率为94.4%。以“1-特异度”为横坐标，以“敏感度”为纵坐标绘制ROC曲线，ROC曲线下面积为0.795。

3 讨论

神经外科手术病人发生医院感染的比例较高,本研究显示，神经外科手术患者医院感染率为21.26%，仍处于较高水平，高于黄菊、尚琴芬等[9-10]报道，可能原因为本研究选取的目标医院为内蒙古自治区人民医院，既接收下级医疗机构转诊患者，也要接收上级医院转回的患者，急、危、重症患者居多，手术患者人数多，疾病复杂、病情严重，可能会增加病人术后发生医院感染的风险。应得到临床医生的充分重视，可采取多学科协作方式，精确量化医院感染发生风险，强化神经外科医院感染的目标性监测工作。

结合列线图模型和神经网络模型的分析结果可知，麻醉方式、术前预防使用抗菌药物、ASA评分、急诊手术为神经外科手术患者医院感染独立预测因素。已有学者研究证实，麻醉和呼吸道感染之间的相关性，不同麻醉方式诱发呼吸道感染的情况有所差异[11]。可能与麻醉操作时使用医疗器械、麻醉药物及实施麻醉部位不同有关。采取全麻或局麻，手术中需要行气管插管机械辅助呼吸。侵入性操作、机械性刺激均可引起气管损伤、呼吸道麻痹，易发生术后感染[12-13]。今后的工作中，要及时、动态掌握手术病例相关情况，针对麻醉方式等危险因素认真评估、全程监控。预防性使用抗菌药物是临床研究的热点话题，已得到循证医学证据证实。罗敏等[14]综合以往研究，提出术前合理使用抗菌药物，对预防术后肺部感染及改善预后存在一定帮助。这与本研究结果相一致，提示在充分考虑患者病情等基本情况的条件下，加强抗菌药物使用管理，合理为存在适应证的患者预防性使用抗菌药物有利于防控手术部位感染。且管理应关键在于减少抗菌药物的整体使用，而不是限制某一特定种类，这一点需要引起注意。ASA分级的主要作用是评估拟手术患者风险，共分为5级，等级越高，患者术后发生医院感染的风险越高，ASA评分≥2级可以预测患者术后医院感染，评分越高更容易出现各种术后并发症，延长愈后时间。陈丽萍等[15]的研究同样显示，ASA评分＞2级是颅脑损伤术后发生肺部感染的高危因素，与本研究结果一致。提示进行术前评估，有助于发现术中知晓的高风险患者。本研究结果显示，急诊手术引起医院感染发生率是择期手术的3.2倍（OR=3.157），与车莎[16]、胡新[17]等研究结果一致。急诊手术者以急、危、重症患者居多，病情较择期患者严重，参与抢救医务人员工作量大，可能存在术前准备不足、没有严格执行无菌操作及手卫生规范等情况有关。

风险预测模型应用在医学感染防控的领域，自变量为感染发生的相关因素，是否发生感染作为因变量，探讨其之间的相互关系，预测感染发生的概率，在提高医务人员工作效率及医疗质量、改善医院管理效果等方面发挥重要作用[18-20]。本次研究建立的列线图预测模型和神经网络模型在建模组和验证组数据中均具有良好的区分度和校准度，说明模型的预测效能良好，可量化各项危险因素，预测神经外科术后医院感染风险，提高感控工作效率，实现医疗资源的合理分配。其中，列线图模型的灵敏度及特异度要高于神经网络模型，预测性能优于神经网络模型，预测结果更加直观、清晰，实用性较强。此外，本次研究纳入对象均来自内蒙古自治区人民医院，可能存在一定局限性，今后还会继续开展相对多中心、大规模研究，纳入更多可能的风险因素，使模型更具有代表性，更好地应用于临床。