恶性肿瘤病人医院感染影响因素及预测模型构建

韩泳岐 李伟

作者简介 韩泳岐，硕士研究生在读，E?mail：han71729800@163.com

引用信息 韩泳岐，李伟.恶性肿瘤病人医院感染影响因素及预测模型构建[J].护理研究，2024，38（13）：2411?2414.

Influencing factors of nosocomial infection in patients with malignant tumors and construction of prediction model

HAN Yongqi， LI Wei

Zhejiang University of Chinese Medicine， Zhejiang 310053 China

Corresponding Author  HAN Yongqi， E?mail： han71729800@163.com

Keywords    hospital infection； tumors； influencing factors； prediction model； Nomogram； investigation and research

摘要  目的：调查恶性肿瘤病人医院感染的发生情况及其影响因素，并构建医院感染风险预测模型。方法：选取2023年1月—12月某三级甲等综合医院肿瘤内科收治的5 067例病人为研究对象，回顾性收集临床资料，统计医院感染的发生情况，采用Logistic回归分析医院感染的影响因素，并构建列线图模型，采用受试者工作特征（ROC）曲线评估模型预测效果。结果：5 067例恶性肿瘤病人中，128例病人住院期间发生医院感染，发生率为2.53%；下呼吸道是医院感染的主要发生部位，占52.34%。Logistic回归分析显示，住院时长、合并糖尿病、肿瘤治疗方案、低蛋白血症、留置中心静脉导管和留置导尿管是恶性肿瘤病人发生医院感染的主要影响因素。构建的预测模型的ROC曲线下面积为0.904，敏感度为82.81%，特异度为81.62%。结论：恶性肿瘤病人发生医院感染的影响因素主要为住院时长、合并糖尿病、肿瘤治疗方案、低蛋白血症、住院期间留置中心静脉导管和留置导尿管，构建的预测模型可用于预测恶性肿瘤病人医院感染的发生风险。

关键词  医院感染；肿瘤；影响因素；预测模型；列线图；调查研究

doi：10.12102/j.issn.1009-6493.2024.13.028

医院感染是医疗机构不可忽视的公共卫生问题，病人发生医院感染可致住院时间延长，病床周转率降低，并且增加病人痛苦和额外的经济负担，甚至会导致病人死亡，给医疗安全和疾病控制带来诸多挑战[1?4]。近年来，由于不规范使用抗生素、人口老龄化、诊疗技术飞速发展导致侵入性操作增加等因素，医院感染成为影响病人安全和治疗效果的重要问题之一[5?6]。恶性肿瘤病人住院期间发生医院感染的风险比普通住院病人更高[7?8]，研究显示恶性肿瘤病人每发生1例医院感染将会导致3.98万元的额外总费用支出和20.5 d的住院日延长[8]。因此，早期识别恶性肿瘤病人医院感染的发生风险，及时进行临床干预，对于降低肿瘤病人医院感染发生率、提高肿瘤病人预后和降低治疗费用至关重要[9?11]。本研究通过探讨恶性肿瘤病人医院感染发生的危险因素，绘制列线图模型，对医院感染发生风险进行预测，为评估肿瘤病人发生医院感染风险并制定个体化干预措施提供参考。

1  资料与方法

1.1 研究对象

选取2023年1月—12月某三级甲等综合医院肿瘤内科收治的恶性肿瘤病人5 067例为研究对象。纳入标准：1）经临床、影像学及病理组织学检查确诊为恶性肿瘤；2）住院时间>48 h；3）年龄≥18岁。排除标准：1）临床资料不完整；2）入院时合并急慢性感染或感染性疾病者。

1.2 调查内容

采用回顾性调查方法收集研究对象的一般资料，包括性别、年龄、住院时长、是否合并糖尿病、肿瘤治疗方案（抗肿瘤治疗、支持治疗）、住院期间有无低蛋白血症、是否留置中心静脉置管和导尿管。支持治疗指抗肿瘤治疗期间出现并发症或不良反应中断抗肿瘤治疗采取对症治疗的病人或因体质较差而行姑息治疗的病人。医院感染专职人员通过医院感染实时监测系统中的预警信息与临床医生进行沟通，按照2001版《医院感染诊断标准（试行）》对病例做出医院感染诊断。

1.3 统计学方法

使用Excel 2010软件建立数据库，双人双录，系统逻辑检错。采用SPSS 22.0统计软件进行数据分析，定性资料采用例数、百分比（%）描述，两组比较采用χ2检验；将单因素分析中差异有统计学意义的因素作为自变量进行多因素Logistic回归分析。利用筛选出的影响因素建立列线图模型，使用受试者工作特征（ROC）曲线评估模型的预测效果。检验水准α=0.05。

2  结果

2.1 恶性肿瘤病人医院感染分布

本研究共纳入5 067例恶性肿瘤病人，发生医院感染128例，发生率为2.53%。医院感染部位分布：下呼吸道感染占比最高，为52.34%，其次是菌血症（占16.41%）。见表1。

2.2 影响恶性肿瘤病人医院感染发生风险的单因素分析

单因素分析显示，病人住院时长、合并糖尿病、肿瘤治疗方案、低蛋白血症、留置中心静脉置管和导尿管对恶性肿瘤病人医院感染发生有影响（P<0.05）。见表2。

2.3 影响恶性肿瘤病人医院感染的多因素分析

将单因素分析中差异有统计学意义的变量代入多因素Logistic回归方程，赋值方式：对于二分类变量（合并糖尿病、低蛋白血症、留置中心静脉置管和导尿管），均为否=0，是=1；住院时长和肿瘤治疗方案，住院时长≤7 d=1，>7 d=2；抗肿瘤治疗=1，支持治疗=2。结果显示，住院时长、肿瘤治疗方案、合并糖尿病、低蛋白血症、留置中心静脉导管和尿管是恶性肿瘤病人医院感染发生的影响因素。见表3。

2.4 恶性肿瘤病人医院感染发生风险列线图模型构建

根据恶性肿瘤病人发生医院感染危险因素的回归系数制定评分标准，给每个自变量的取值1个评分，绘制列线图。见图1。ROC曲线分析显示，ROC曲线下面积为0.904[95%CI（0.879，0.928）]，敏感度为82.81%，特异度为81.62%，见图2。

3  讨论

3.1 恶性肿瘤病人医院感染发生风险的影响因素

随着恶性肿瘤治疗的不断发展，肿瘤病人生存率均有不同程度的提高[12]。肿瘤病人进行相关治疗，包括化疗、放疗、内分泌治疗、靶向治疗、免疫治疗及其他综合治疗方法，这些治疗对病人的免疫系统有不同程度损害，继而导致医院感染发生。本研究显示，恶性肿瘤病人医院感染发生率为2.53%，下呼吸道感染占比最高，达52.34%。有研究显示，恶性肿瘤病人医院感染发生率为1.24 %～ 35.71% [13?14]。呼吸道感染是恶性肿瘤病人医院感染中最易发生的部位，与相关文献结果［15?17］一致。

本研究结果显示，住院时长、合并糖尿病、肿瘤治疗方案、低蛋白血症、留置中心静脉导管和导尿管为恶性肿瘤病人医院感染发生的影响因素，与相关研究发生医院感染的危险因素相似[18?25]。分析原因为：1）病人病情危重，肿瘤治疗出现并发症或不良反应，使得住院时间延长，增加发生医院感染发生率。2）留置中心静脉导管和导尿管属于侵入性操作，其破坏了人体的正常防御屏障，因此容易发生感染。此外，如操作环节中操作者未执行严格的无菌操作技术、使用诊疗器械未达到灭菌级别、操作前皮肤黏膜消毒措施不到位以及留置导管后的维护措施不当均可发生感染。喻玲丽等[26]的研究显示，恶性肿瘤、留置中心静脉导管为医院获得性血流感染的影响因素。杨柳等[27]研究显示，恶性肿瘤化疗病人留置中心静脉导管是发生中心静脉导管相关感染的危险因素。3）糖尿病会导致皮肤和外周血管出现病变，它可引起血管内皮受损和血栓形成，加重微循环障碍，使病人皮肤防御能力下降。与此同时，高血糖和慢性炎症状态还会进一步加重恶性肿瘤病人

的代谢及生理功能障碍，这使得他们难以抵御微生物入侵，降低了对病原菌产生的内毒素以及入侵细胞大量繁衍的控制能力，最终增加了恶性肿瘤病人的感染风险[27]。4）支持治疗病人是指进行抗肿瘤治疗后出现并发症或不良反应暂时中断抗肿瘤治疗采取对症治疗的病人，或因体质不佳而行姑息治疗的病人，此类病人常导致免疫功能受损，且病情较重，极易发生医院感染。5）低蛋白血症病人机体蛋白质合成能力减弱，使得免疫球蛋白、补体等相关免疫因子合成不足，致使机体不能及时清除外来病原菌。恶性肿瘤为消耗性疾病，并且病人在抗肿瘤治疗过程中出现食欲减低、呕吐等不良反应，使营养流失，造成机体免疫力下降。在多重作用下，各器官防御能力下降，从而导致医院感染发生[28]。

3.2 恶性肿瘤病人医院感染发生风险的列线图

列线图的优势在于无须复杂的计算便可估计特定病人发生某一临床事件的概率，因此，在临床事件概率评估中有很大的价值[29]。目前，国内在医院感染风险识别上主要采用层次分析法和专家咨询法等建立指标体系，对医院整体、部门乃至特定科室的感染风险进行定性评估。然而，针对个体层面的个性化定量评估研究相对较少。实际上，针对个体病人的医院感染风险进行定量评估，对于及时发现高危人群并制定个性化防控措施具有重要的意义[29]。检验本研究构建的列线图模型的预测效果，结果显示ROC曲线下面积为0.904[95%CI（0.879，0.928）]，敏感度为82.81%，特异度为81.62%，表明该模型在解释数据方面的良好性能，对于预测结局变量具有较高的可靠性和准确性。

4  小结

综上所述，恶性肿瘤病人医院感染发生风险高，一旦发生医院感染可能使病人抗肿瘤治疗中断，严重的医院感染甚至导致病人死亡。医疗机构应对恶性肿瘤病人进行医院感染影响因素评估，及早采取干预措施，降低医院感染发生率，保障病人抗肿瘤治疗顺利进行，提高病人的生存率和生存质量。列线图预测模型制作简单、可操作性强，用于肿瘤病人医院感染发生风险评估，在临床应用方面有较高价值 [30?32]。建议恶性肿瘤病人收治病区结合本病区医院感染的监测数据，筛选危险因素，制作风险列线图，对入住病人进行医院感染风险评估。

参考文献：

[1]  孙芳艳，王丽雪，郭勤，等.基于DRG的医院感染患者直接经济负担研究[J].中国感染控制杂志，2021，20（8）：725-729.

[2]  宋明，王书会.骨肿瘤病人医院感染影响因素及经济负担分析[J].护理研究，2022，36（9）：1584-1588.

[3]  贾吕曦，张文胜，罗梅，等.2019—2021年四川省某三甲中医院住院患者医院感染所致直接经济负担[J].中华医院感染学杂志，2023，33（12）：1890-1894.

[4]  许可心，郭青青，周春莲，等.CHS-DRG支付下医院感染患者住院直接经济负担研究[J].临床和实验医学杂志，2023，22（22）：2458-2462.

[5]  AMODIO E，SCHREIBER P W，FAES HESSE M，et al.Adverse outcomes of patients with non-ventilator-associated hospital-acquired pneumonia（NVHAP）：a single centre cohort study[J].Infectious Disease Reports，2024，16（2）：228-238.

[6]  ROSENTHAL V D，YIN R J，NERCELLES P，et al.International Nosocomial Infection Control Consortium（INICC） report of health care associated infections，data summary of 45 countries for 2015 to 2020，adult and pediatric units，device-associated module[J].American Journal of Infection Control，2024，9：879.

[7]  岳家奎，黄茜，黄桂红.恶性肿瘤患者1497例医院感染因素分析[J].临床合理用药杂志，2020，13（1）：20-22.

[8]  林臻，黄倩，王萍.老年恶性肿瘤患者CRE医院感染经济损失及危险因素分析[J].现代诊断与治疗，2019，30（16）：2792-2795.

[9]  HUANG L H，NING H C，LIU X C，et al.Economic burden attributable to hospital-acquired infections among tumor patients from a large regional cancer center in Southern China[J].American Journal of Infection Control，2024，7：107.

[10]  孙玉玲，马颖欣，鲍中英，等.老年恶性肿瘤患者院内感染和多重耐药菌感染的危险因素研究[J].现代预防医学，2021，48（16）：3048-3054.

[11]  刘艳华，李大瑞，王佳瑶.应用化学治疗的肿瘤患者医院感染的危险因素及护理对策研究[J].实用医技杂志，2020，27（8）：1125-1126.

[12]  王军，陈永胜，朱健，等.启东市15～39岁人群恶性肿瘤生存率趋势分析[J].现代肿瘤医学，2023，31（8）：1542-1547.

[13]  侯慧科，张国政.某院住院肿瘤患者医院感染病原菌的分布及其感染部位特点分析[J].抗感染药学，2021，18（2）：239-242.

[14]  孙芳红，李娜，朱林佳，等.恶性肿瘤患者下呼吸道感染病原学特点及影响因素分析[J].现代实用医学，2021，33（1）：22-23;76.

[15]  金映雪，何丽玲，蔡玉杏.观察恶性肿瘤合并医院感染患者死亡原因与应用抗菌药物的关系[J].当代医学，2021，27（11）：93-95.

[16]  胡亚会，周鹏飞，康运凯，等.恶性肿瘤患者医院感染病原菌分布及耐药性分析[J].中国消毒学杂志，2021，38（1）：47-49.

[17]  李桃，龚光明，徐俊炜.恶性肿瘤化疗患者医院感染临床特点与预防研究[J].南通大学学报（医学版），2018，38（2）：85-88.

[18]  张伟.某院210例恶性肿瘤患者发生ESKAPE血流感染的临床特征与危险因素分析[J].抗感染药学，2022，19（12）：1686-1689.

[19]  ISIGI S S，PARSA A D，ALASQAH I，et al.Predisposing factors of nosocomial infections in hospitalized patients in the United Kingdom：systematic review[J].JMIR Public Health and Surveillance，2023，9：e43743.

[20]  陈德钦，庄璇.某院2017—2021年耐碳青霉烯类肠杆菌科细菌感染分布特征及其危险因素[J].海峡预防医学杂志，2022，28（6）：24-27.

[21]  韩旭，朱淇，巩超捷.老年肿瘤患者多重耐药菌院内感染危险因素分析[J].山西医药杂志，2020，49（8）：937-939.

[22]  吴明铭，杨海涛，林万尊，等.恶性肿瘤患者医院感染的特点及危险因素分析[J].福建医科大学学报，2020，54（1）：48-52.

[23]  洪燕，郭海萍，陈金连，等.某院恶性肿瘤患者多重耐药菌感染监测及危险因素分析[J].中华全科医学，2020，18（2）：314-317.

[24]  刘艳平，何泳红，邓颖辉.恶性肿瘤患者医院感染病原菌分布及危险因素分析[J].中国消毒学杂志，2019，36（2）：124-126.

[25]  王韦又，黄兴敏，兰奇州，等.肺癌145例化疗后并发下呼吸道感染影响因素分析[J].安徽医药，2023，27（4）：774-777.

[26]  喻玲丽，周莹丽，段萌萌，等.医院获得性耐碳青霉烯类肠杆菌目细菌血流感染危险因素[J].中国感染控制杂志，2024，23（1）：100-103.

[27]  杨柳，朱容嘉，齐峰，等.恶性肿瘤化疗患者中心静脉置管相关感染的危险因素及预测模型构建[J].中华医院感染学杂志，2023，33（18）：2764-2767.

[28]  李慧敏，王昆，郝梦迪，等.老年恶性肿瘤患者医院感染的危险因素分析[J].医学信息，2023，36（4）：175-178.

[29]  郭云波，王高帅.肿瘤患者医院感染风险预测模型构建[J].肿瘤基础与临床，2023，36（4）：308-313.

[30]  赵栩，李自琼，欧喻莹，等.肝硬化患者医院内感染风险预测列线图模型的构建[J].实用肝脏病杂志，2022，25（4）：534-537.

[31]  陶雍，毛静玉，薛嵋，等.肿瘤患者PICC导管相关血流感染风险预测模型的构建[J].中国护理管理，2022，22（11）：1718-1721.

[32]  LI X Y，WANG L S，LI C L，et al.A nomogram to predict nosocomial infection in patients on venoarterial extracorporeal membrane oxygenation after cardiac surgery[J].Perfusion，2024，39（1）：106-115.

（收稿日期：2024-05-07；修回日期：2024-06-11）

（本文编辑 崔晓芳）