重症监护室病人多重耐药菌感染预测模型的构建

王亚喜 张玲慧 曹文 辛维青 王忠心 庞旭峰

［收稿日期］2022-10-28;  ［修訂日期］2023-06-20

［基金项目］青岛市民生科技计划项目（19-6-1-10-nsh）

［第一作者］王亚喜（1996-），女，硕士研究生。

［通信作者］庞旭峰（1973-），女，硕士，副主任护师。E-mail：18661808973@163.com。

［摘要］  目的

构建及验证重症监护室（ICU）病人多重耐药菌（MDRO）感染预测模型。

方法  回顾性分析2021年8月—2022年1月入住青岛市某三甲医院ICU 688例病人的临床资料，根据留置ICU期间是否发生MDRO分为MDRO感染组和非MDRO感染组，基于最小绝对收缩与选择算子算法和逐步回归筛选危险因素、构建MDRO感染预测模型，绘制列线图，并进行内部验证。

结果  在纳入的ICU病人中，MDRO感染率为15.70%，危险因素包括住院时间、留置ICU时间、长期卧床、入ICU前使用抗生素、入ICU前进行侵入性操作、合并慢性肺部疾病、低蛋白血症、急性生理和慢性健康评分系统评分、抗生素的使用数量。基于此构建的预测模型受试者工作特征曲线下面积为0.896，特异度、灵敏度、准确度分别为76.85%、87.41%、85.76%。Hosmer-Lemeshow拟合优度检验P=0.659，模型的校准度良好。

结论  构建的ICU病人MDRO感染预测模型的预测效果较好，可为临床筛选MDRO感染高危人群提供参考。

［关键词］  重症监护病房；抗药性，多种，细菌；危险因素；列线图

［中图分类号］  R197.323

［文献标志码］  A

［文章编号］  2096-5532（2024）01-0115-05

doi：10.11712/jms.2096-5532.2024.60.005

［开放科学（资源服务）标识码（OSID）］

［网络出版］  https：//link.cnki.net/urlid/37.1517.R.20240304.1750.003;2024-03-07  18：25：21

Construction of a prediction model for multidrug-resistant organism infection in intensive care unit patients

＼ WANG Yaxi， ZHANG Linghui， CAO Wen， XIN Weiqing， WANG Zhongxin， PANG Xufeng

＼ （Department of Critical Medicine， The Affilialed Hospital of Qingdao University， Qingdao 266021， China）

＼; ［Abstract］＼ Objective＼ To construct and validate a prediction model of multidrug-resistant organism （MDRO） infection in intensive care unit （ICU） patients.

＼ Methods＼ We retrospectively analyzed the clinical data of 688 patients admitted to the ICU of a grade A tertiary hospital in Qingdao from August 2021 to January 2022. According to whether MDRO infection occurred or not during stay in the ICU， they were divided into MDRO infection group and non-MDRO infection group. The risk factors were determined using the least absolute shrinkage and selection operator method and stepwise regression analysis to construct an MDRO infection prediction model. A nomogram was created and internally verified.

＼ Results＼ The MDRO infection rate was 15.70% among the included ICU patients. The risk factors included the length of hospital stay， the length of ICU stay， long-term bed rest， the use of antibiotics before ICU， invasive operation before ICU， chronic lung disease， hypoproteinemia， Acute Physiology and Chronic Health Evaluation score， and the consumption of antibiotics. The area under the receiver operating characteristic curve for the constructed prediction model was 0.896， with the specificity， sensitivity， and accuracy being 76.85%， 87.41%， and 85.76%， respectively. The Hosmer-Lemeshow test demonstrated a good fit of the model （P=0.659）.

＼ Conclusion＼ The MDRO infection prediction model for ICU patients has good performance， which can provide a reference for identifying patients at high risk for MDRO infection.

［Key words］＼ intensive care units; drug resistance， multiple， bacterial; risk factors; nomograms

多重耐药菌（MDRO）是指对3种及以上不同类别抗生素同时耐药的细菌，这类细菌引起的感染称为MDRO感染。重症监护室（ICU）是MDRO感染的重灾区［1］，ICU病人病情危重、免疫力低，常进行多种侵入性治疗，这增加了感染的风险［2］。研究表明，MDRO感染病人住院日、医疗费用和死亡率均显著增加，而针对MDRO感染目前尚缺乏特效治疗药物［3］。此外，MDRO主要通过接触传播，极易造成院内感染的暴发［4］。加强MDRO感染预警模型的构建是控制和预防MDRO感染的重要举措之一［5］。但目前的模型在变量筛选时多使用传统的logistic回归，易出现过拟合问题，从而降低模型的预测性能［6］。本文研究基于最小绝对收缩与选择算子算法（Lasso）和逐步回归筛选并构建MDRO感染风险预测模型，以早期识别高危人群。现将结果报告如下。

1  对象与方法

1.1  研究对象

基于前期文献的研究结果，本研究选取10个危险因素［7］。根据阳性例数是自变量个数的5～10倍［8］，

结合ICU内MDRO感染发生率（23.70%）［9］，

并考虑20%的无效数据，计算得出建模组样本量最少为527例。本研究为回顾性研究，选取2021年8月—2022年1月入住青岛市某三级甲等医院ICU的688例病人，根据是否发生MDRO感染分为MDRO感染组和非MDRO感染组，MDRO感染诊断符合《医院感染诊断标准》［10］和《多重耐药菌医院感染预防与控制技术指南（试行）》标准［11］。纳入标准：①年龄≥18岁；②在ICU期间至少进行过1次微生物培养。排除标准：①病例资料不完整者；②入住ICU时已确诊为MDRO感染者；③入住ICU不足48 h出院或死亡者。本文研究最终纳入688例入住ICU的病人，其中男429例（62.35%），女259例（37.65%）；年龄65.50（53.00，74.00）岁；ICU住院时间为9.00（5.00，16.00）d。108例发生MDRO感染（MDRO感染组，B组），580例未发生MDRO感染（非MDRO感染组，A组），ICU内MDRO感染发生率为15.70%。本研究通过青岛大学医学部伦理委员会审查同意。

1.2  研究方法

1.2.1  研究工具  根据文献回顾以及专家建议，从以下6个方面编制ICU病人资料调查表，以筛选MDRO感染发生的危险因素。①一般资料：包括病人年龄、性别、住院时间、留置ICU时间、合并基础疾病；②病情评估：包括急性生理和慢性健康评分系统（APACHE Ⅱ）、格拉斯哥昏迷量表（GCS）评分；③营养状况相关指标：包括体质指数（BMI）、清蛋白、前清蛋白、营养风险筛查（NRS）2002评分；④侵入性操作：包括手术史、气管插管或气管切开、动脉插管、胃肠营养管、中心静脉导管、经外周静脉穿刺中心静脉置管（PICC）、尿管及其他引流管的使用情况；⑤用药情况：包括抗生素使用的数量、联用情况、糖皮质激素（激素）应用、免疫抑制剂应用、营养支持治疗；⑥实验室指标：包括C反应蛋白、降钙素原、白细胞、尿素氮、肌酐。合并基础疾病的诊断根据国际疾病分类-10编码标准［12］。

1.2.2  资料收集和质量控制  由2名经过统一培训的硕士研究生，利用医院电子病历系统及医院感染管理系统收集并填写ICU病人资料调查表，资料收集的起始时间为入住ICU时，实验室指标为病人入ICU后24 h的第一个检测值，终止时间为出科或发生MDRO感染。对于资料中的缺失值，使用均值填补［13］。采用VITEK2 Compact System 全自动微生物鉴定及药敏分析系统和K-B纸片扩散法进行菌株的培养鉴定和药敏试验，标本由专业人员采集，统一检测方法和诊断标准。资料收集完成后，由双人录入、核对，若出现错误及时更正。

1.3  统计学方法

使用Stata 15.0和R 4.1.0软件对数据进行统计学分析。正态分布的计量资料采用±s表示，组间比较采用t检验；非正态分布的计量资料以M（P25，P75）表示，组间比较采用秩和检验。计数资料采用频数、百分比表示，组间比较采用χ2检验、Fi-

sher精确检验。采用R软件的glmnet和MASS包进行Lasso回归和逐步回归分析，使用rms包绘制列线图。通过Hosmer-Lemeshow拟合优度检验、校准曲线、受试者特征曲线下面积（AUC）和临床决策曲线（DCA）评价模型的校准度、区分度和临床实用性。此外，采用Bootstrap采样法进行内部验证，该方法将n次抽样的结果作为训练集构建模型，原始数据作为验证集，应用模型计算训练集和验证集的预测值，比较其与实际值的一致性。以P<0.05為差异有统计学意义。

2  结  果

2.1  一般资料相关指标比较

两组住院时间、留置ICU时间、NRS 2002评分、尿素氮、APACHEⅡ评分、GCS评分、抗生素应用数量、长期卧床、合并慢性肺部疾病、低蛋白血症、ICU住院史、入ICU前侵入性操作及入ICU前使用抗菌药物等比较，差异有显著意义（Z=2.135～9.969，t=6.048～6.883，χ2=21.407～71.638，P<0.05）。两组间性别、高血压、糖尿病、脑血管疾病、循环系统疾病、肝功能异常、实体瘤、肾功能异常、外伤、长期放化疗、BMI、清蛋白、前清蛋白、C反应蛋白、降钙素原、白细胞计数、肌酐、尿素氮/肌酐、手术次数、手术级别、切口愈合情况等比较，差异均无统计学意义（P>0.05）。见表1。

2.2  Lasso回归变量筛选

为避免过拟合，将可能的影响因素作为自变量纳入Lasso回归进行变量筛选。Lasso回归采用10折交叉验证选择lambda.1se为最优λ，最优λ=0.037 7，对应的变量个数为9个。见图1。

2.3  ICU病人MDRO感染预测模型的构建及预测效果

将筛选出的9个变量采用向后逐步回归法构建模型：Y=0.033×住院时间+0.026×留置ICU的时间+1.254×长期卧床+0.939×入ICU前使用抗生素+0.896×入ICU前进行侵入性操作+0.756×合并慢性肺部疾病+1.316×低蛋白血症+0.059×APACHE Ⅱ评分+0.613×抗生素联用-6.710。绘制列线图，列线图中每个危险因素得分通过垂直线上方的分数线获得，所有得分相加即可获得总分，总分对应的概率值为ICU病人MDRO感染发生的概率（图2）。见表2。应用Hosmer-Lemeshow检验方法对模型进行拟合优度检验，结果显示，χ2=5.895，P=0.659，模型预测的特异度、灵敏度、准确度分别为76.85%、87.41%、85.76%，AUC为0.896（95%CI=0.864～0.928）。采用Bootstrap采样法进行内部验证，经1 000次迭代之后所得校准曲线见图3，模型的校准度良好。DCA分析显示，病人MDRO发生概率为2%～85%时净收益率>0。见图3。

3  讨  论

微生物培养是诊断病人MDRO感染的标准，

但需一段时间等待培养结果，在空白期使用风险预

测模型及早识别高危人群，及时采取有效隔离措施，

可以避免医院感染进一步传播［14］。目前临床上建立MDRO感染预测模型多采用先单因素后多因素logistic回归的方法筛选变量，无法处理存在多重共线性的数据。Lasso算法通过惩罚系数λ将相对不重要的变量压缩为0进行剔除，选取具有代表性的变量，同时计算出拟选取变量的估计参数，具有处理高维变量产生稀疏特征、避免过拟合的优势［15］。

本研究结果显示，长期卧床是MDRO感染的独立危险因素，与王书等［16］研究结果一致。ICU病人长期卧床导致肺部充血、水肿，分泌物淤积于中小气管难以咳出［17］。本文结果显示，住院时间、留置ICU时间越久，MDRO感染发生率越高，与既往研究结论一致［18］。与非ICU环境相比，ICU环境中细菌分离株较多，药物敏感度普遍较低，病人直接或间接接触耐药菌的机会较大［19］。南玲等［20］的研究结果显示，APACHE Ⅱ评分≥40分发生院内感染的概率达100%。本研究结果显示，APACHE Ⅱ评分与MDRO感染正相關。另外，低蛋白血症增加了ICU病人MDRO感染风险。清蛋白降低引起组织水肿，机体屏障的防御能力下降，继发性感染发生概率增加［21］，与既往研究结果相符［5］。抗生素可引起肠道菌群失调，诱发机体自身携带耐药性因子的细菌过度生长，导致MDRO感染［22］。这可能是抗生素使用数量增多、入ICU前使用抗生素会增加病人MDRO感染概率的原因。因此，对存在高危因素的ICU病人，医务人员可协助病人早期活动，密切观察病情变化，持续评估营养状况和皮肤状态，严格规范抗生素管理，避免滥用或误用。

本研究基于Lasso和逐步回归法构建ICU病人MDRO感染预测模型，AUC为0.896，具有较好的区分度；Hosmer-Lemeshow拟合优度检验和校准曲线均提示，模型的校准度较高，预测结果较符合实际结果。为方便临床应用，本文通过将筛选出的9个变量绘制列线图，将复杂的预测方程可视化。医务人员可通过该模型对ICU病人MDRO感染风险进行直观评估，根据评估结果对高危人群及早采取相应措施，从而降低MDRO感染发生率，提高医院管理质量。

综上所述，入ICU前进行侵入性操作、低蛋白血症、APACHE Ⅱ评分高等是ICU病人MDRO感染的危险因素，本文基于此构建的风险预测模型性能良好，能较好预测ICU内病人MDRO感染风险。因本研究采用回顾性研究设计，部分缺失数据予以排除，在资料收集方面可能存在信息偏倚；另外，本研究仅进行了内部验证，在今后的研究中将进一步扩大样本量，采用前瞻性、多中心验证以检验模型的准确性和外部适用性。

［参考文献］

［1］全国细菌耐药监测网. 2020年全国细菌耐药监测报告［J］. 中华检验医学杂志， 2022，45（2）：122-136.

［2］IWU C D， PATRICK S M. An insight into the implementation of the global action plan on antimicrobial resistance in the WHO African region： a roadmap for action［J］. International Journal of Antimicrobial Agents， 2021，58（4）：106411.

［3］ANTIMICROBIAL RESISTANCE COLLABORATORS. Global burden of bacterial antimicrobial resistance in 2019： a systematic analysis［J］. Lancet， 2022，399（10325）：629-655.

［4］顾申申，李杰，张键，等. 基于全球医院感染暴发数据库和CNKI数据库的ICU医院感染暴发案例分析［J］. 中国感染控制杂志， 2021，20（11）：1035-1040.

［5］李文进，耿苗苗，杨富，等. 重症监护室患者多重耐药菌医院感染风险因素管理［J］. 中国卫生资源， 2021，24（5）：560-564.

［6］SHI J W， ZHANG B， LIU F， et al. Efficient L1 regularization-based reconstruction for fluorescent molecular tomography using restarted nonlinear conjugate gradient［J］. Optics Letters， 2013，38（18）：3696-3699.

［7］邹倩，丁梦媛，耿苗苗，等. ICU多重耐药菌感染判别分析预判模型建立研究［J］. 医学研究杂志，  2021，50（1）：32-36.

［8］MOONS K G， ALTMAN D G， REITSMA J B， et al. Transparent Reporting of a multivariable prediction model for Individual Prognosis or Diagnosis （TRIPOD）： explanation and elaboration［J］. Annals of Internal Medicine， 2015，162（1）：W1-W73.

［9］MA X J， WU Y H， LI L Y， et al. First multicenter study on multidrug resistant bacteria carriage in Chinese ICUs［J］. BMC Infectious Diseases， 2015，15：358.

［10］中華人民共和国卫生部. 医院感染诊断标准（试行）［J］. 中华医学杂志， 2001，81（5）：61-67.

［11］卫生部办公厅关于印发《多重耐药菌医院感染预防与控制技术指南（试行）》的通知［J］. 中华人民共和国卫生部公报， 2011（2）：59-61.

［12］QUAN H D， SUNDARARAJAN V， HALFON P， et al. Co-

ding algorithms for defining comorbidities in ICD-9-CM and ICD-10 administrative data［J］. Medical Care， 2005，43（11）：1130-1139.

［13］李业棉，赵芃，杨嵛惠，等. 队列研究中纵向缺失数据填补方法的模拟研究［J］. 中华流行病学杂志， 2021，42（10）：1889-1894.

［14］蔡虻，刘聚源，邹琪. 护理在防控多重耐药菌的独特作用［J］. 中国护理管理， 2019，19（8）：1126-1129.

［15］CAI W X， VAN DER LAAN M. Nonparametric bootstrap inference for the targeted highly adaptive least absolute shrin-

kage and selection operator （LASSO） estimator［J］. The International Journal of Biostatistics， 2020 Aug 10;/j/ijb.ahead-of-print/ijb-2017-0070/ijb-2017-0070.xml. doi：10.1515/ijb-2017-0070. Online ahead of print.

［16］王书，苏增锋，范晓云. 老年阿尔茨海默病患者肺部多重耐药菌感染风险列线图模型构建［J］. 中华老年心脑血管病杂志， 2021，23（12）：1284-1287.

［17］柯小云，童金英，许继涛，等. 老年脑梗死长期卧床患者医院感染细菌学及其风险预测模型［J］. 中华医院感染学杂志， 2022，32（7）：994-998.

［18］ZHOU Y， YU F， YU Y， et al. Clinical significance of MDRO screening and infection risk factor analysis in the ICU［J］. American Journal of Translational Research， 2021，13（4）：3717-3723.

［19］郭磊磊，秦红英，张尚书，等. 骨科创伤患者术后多重耐药菌感染风险Nomogram模型构建与验证［J］. 中国感染控制杂志， 2022，21（6）：584-591.

［20］南玲，刘丁，方清永，等. 重症监护病房患者APACHEⅡ评分与医院感染相关性分析［J］. 实用预防医学， 2015，22（12）：1465-1467.

［21］HU T Y， WANG M， CHEN W， et al. The clinical characte-

ristic and outcome of skin and soft tissue infection in immunosuppressive patients with nephrotic syndrome［J］. Clinical and Experimental Nephrology， 2020， 24（9）：779-788.

［22］SALIBA R， MIZRAHI A， GAUTHIER P P， et al. Antimicrobial stewardship program： reducing antibiotics spectrum of activity is not the solution to limit the emergence of multidrug-resistant bacteria［J］. Antibiotics， 2022，11（1）：70.

（本文编辑  黄建乡）