綜合ICU多重耐藥菌醫院感染的風險模型構建

李 嬌,商臨萍，郭紅菊,李 偉,蘇丹霞,張 新,潘 偉,郝春霞,車 莎

(1 山西醫科大學護理學院,山西 太原 030001； 2 山西醫科大學第一醫院,山西 太原 030001)

?

·論著·

綜合ICU多重耐藥菌醫院感染的風險模型構建

李 嬌1,商臨萍2，郭紅菊2,李 偉2,蘇丹霞2,張 新2,潘 偉2,郝春霞2,車 莎2

(1 山西醫科大學護理學院,山西 太原 030001； 2 山西醫科大學第一醫院,山西 太原 030001)

目的 構建重癥監護病房(ICU)多重耐藥菌醫院感染的風險模型。方法 對2012年10月—2015年9月入住ICU>48 h的836例患者進行回顧性分析,構建醫院感染logistic回歸模型,對模型進行擬和優度檢驗、ROC曲線下面積(AUC)分析。結果 3年入住ICU>48 h的患者共836例，多重耐藥菌醫院感染發病率為14.23%(119例)。15個單因素分析有意義的自變量納入logistic多因素分析，結果顯示，ICU住院時間(OR=2.493；95%CI：1.816～3.494)、基礎疾病種類(OR=1.536； 95%CI：1.243～1.898)、低蛋白血癥(OR=87.211；95%CI：36.165～210.304)、呼吸機插管日數(OR=1.723；95%CI=1.399～2.121)、發熱(OR=20.639；95%CI：3.462～123.043)、原發肺部感染(OR=0.295；95%CI：0.133～0.664)變量進入logistic回歸方程。評價模型效果：靈敏度95%，特異度87.9%，模型ROC的AUC為0.973。結論 logistic回歸模型對ICU患者醫院感染預測風險擬合度較好。

重癥監護病房； ICU； 醫院感染； 多重耐藥菌； 風險模型

[Chin J Infect Control，2016，15(10)：730-734]

重癥監護病房(intensive care unit，ICU)是急危重癥患者聚集的場所，同時隨著有創檢查和治療手段的廣泛應用，廣譜抗菌藥物和免疫抑制劑的不合理使用，以及老齡化程度的增加，衍生為“超級細菌”的多重耐藥菌不斷增長。研究[1]表明，綜合ICU是醫院多重耐藥菌(multidrug-resistant organism，MDRO)感染的高發科室，在國內ICU醫院感染發生率比普通病房高5～10倍。MDRO感染具有復雜性和難治性的特點，易引起醫院感染暴發流行，ICU發生醫院感染影響危重患者搶救的成功率。因此，ICU MDRO感染的預防與控制工作已成為迫切需要解決的問題。本研究對綜合ICU 2012年10月—2015年9月3年的數據進行回顧性分析，探索發生MDRO感染的高危因素，建立ICU MDRO醫院感染傳播風險模型，進行前瞻性預測，提出針對性的ICU感染防控措施，及時有效降低MDRO的傳播與感染，避免醫院MDRO感染暴發具有重要實際意義。

1 資料與方法

1.1 臨床資料 選取太原市某三甲綜合醫院2012年10月—2015年9月入住ICU>48 h的住院患者836例，MDRO感染患者119例(作為病例組)，未發生MDRO感染的患者717例(作為對照組)，其中男性468例，女性368例。

1.2 MDRO定義 MDRO[2]主要是指對臨床使用的3類或3類以上抗菌藥物同時呈現耐藥的細菌。

1.3 方法 采用回顧性的調查方法，應用醫院電子病例、紙質病例和杏林感染監測軟件相結合的方式，將2012年10月—2015年9月入住ICU>48 h及轉出ICU 后對其跟蹤調查48 h的住院患者，在醫院感染管理相關部門協助下實施調查。收集包括患者年齡、病情、住院時間、侵入性操作、抗菌藥物使用等數據資料，同時登記ICU住院患者調查表。對患者的臨床資料進行分析，將所有調查資料進行整理、統計和分析，依據相關規范和臨床檢查結果綜合分析，作出診斷和結論。

1.4 診斷標準 MDRO定植患者需結合《多重耐

藥菌醫院感染預防與控制技術指南(試行)》、杏林感染監測軟件提示信息，以及細菌微生物檢測結果，并由臨床主管醫生和醫院感染管理科專職人員進行判斷。MDRO醫院感染是指按照《醫院感染診斷標準(試行)》，符合醫院感染的患者，其病原學診斷為MDRO感染。由杏林感染監測軟件信息提示，臨床醫生作出判斷，醫院感染管理科專人審核。

1.5 統計分析 應用SPSS 16.0軟件進行統計分析，相關因素采用χ2檢驗進行單因素分析，P≤0.05為差異有統計學意義；單因素分析有意義的自變量納入logistic多因素分析，采用“逐步法”,入選變量的顯著水平定為0.10。進入logistic回歸模型的變量,做參數估計和優勢比(OR)估計，擬合效果的檢查采用了似然比檢驗、Hosmer-Lemeshow擬和優度檢驗、ROC曲線下面積(AUC)。

2 結果

2.1 MDRO醫院感染情況 2012年10月1日—2015年9月30日，3年入住ICU>48 h的患者共836例，其中發生MDRO醫院感染119例，MDRO醫院感染發病率為14.23%。ICU三年MDRO醫院感染率比較，差異有統計學意義 (χ2=1 672，P<0.001)。見表1。

表1 ICU患者MDRO醫院感染情況

*：2012年10月1日—2013年9月30日為2013年，余按此類推

2.2 單因素分析 三管(導尿管、中心靜脈導管、氣管插管)的使用、手術切口、抗菌藥物的應用等15個因素是ICU MDRO醫院感染的危險因素，差異均具有統計學意義(均P<0.05)。見表2。其中年齡、手術、血透、原有肺部感染、ASA評分、抗菌藥物的聯用、中心靜脈的插管時間7個因素比較，差異均無統計學意義。

表2 ICU患者MDRO醫院感染單因素分析

2.3 多因素logistic回歸分析(logistic回歸模型的構建) 將單因素分析有意義因素納入自變量，與MDRO感染結局進行logistic回歸分析，結果顯示、ICU住院時間、低蛋白血癥、基礎疾病的種類、呼吸機插管日數、發熱、原發肺部感染為ICU患者發生MDRO醫院感染的獨立危險因素，見表3。

2.4 對logistic回歸分析模型進行評價

2.4.1 logistic回歸模型總有效性 似然比卡方(likelihood ratio chi-square)=445.468,DF=6,P<0.001,即模型建立有統計學意義。Wald檢驗,Wald卡方(Wald chi-square)=329.192,DF=1,P<0.001,即回歸方程的系數差異有統計學意義。

2.4.2 對logistic回歸方程進行擬與優度檢驗 采用Hosmer-Lemeshow擬和優度檢驗方法顯示模型擬和較好,chi-square=3.054,DF=8,P=0.931。見表4。

表3 MDRO醫院感染相關因素logistic回歸分析

logistic回歸方程：logistic(P)=-9.930+0.914X1+0.429X2+4.468X3+0.544X4+3.027X5-1.220X6

表4 Hosmer&Lemeshow檢驗分解

2.4.3 對logistic回歸方程進行判別能力檢驗 用一步近似法估計模型參數,進行回代判別,以不同的臨界概率值作為判別界值,將模型判別分類情況與實際轉歸進行對比,計算敏感度和特異度,進而以“1-特異度”作為橫坐標,以“敏感度”為縱坐標繪制ROC曲線。AUC為0.973,95%可信區間為0.962～0.984，可以認為此模型的判別效果很好。判別敏感度95%，特異度87.9%。見圖1。

圖1 ROC曲線

3 討論

衛生部全國細菌耐藥監測網2011—2012年數據顯示，不同病房、年齡和標本來源菌株耐藥率比較，ICU菌株耐藥率高于非ICU[3-4]。目前，國內、國際上醫院對MDRO感染控制管理往往針對已發生MDRO感染的問題，制定相應的制度與措施，盡量避免事件的再發生。預測預警是流行病學研究的熱點,也是醫院感染流行病學研究中一種新方法。通過預測,MDRO醫院感染控制的防線前移,可以減少MDRO醫院感染的發生,降低MDRO醫院感染發病率。

ICU是全封閉的隔離病房，急危重癥多，病情變化快，護理治療操作多，是MDRO醫院感染的高危區域之一。本組調查中醫院MDRO平均感染率為14.23%，遠高于普通病區醫院感染的水平(3.22%)[5]。單因素分析顯示，15個因素是ICU MDRO醫院感染的危險因素。由于ICU MDRO感染的危險因素較多，需進行多項干預措施，如加強培訓、規范手衛生、嚴格執行消毒隔離、加強監測、及時送檢并調整抗菌藥物的使用，可有效降低MDRO醫院感染率[6]；同時，需進一步加強重點部門重點人群在重點領域的目標性監測，及時干預。本組數據顯示，需加強ICU科室年齡>60歲、男性、基礎疾病較多的患者各種侵入性操作過程中的重點監測。

logistic模型分析確立ICU MDRO醫院感染獨立因素：ICU住院時間、基礎疾病的種類、低蛋白血癥、基礎疾病的種類，呼吸機插管日數、發熱、原發肺部感染。ICU患者住院時間長,基礎疾病嚴重且多，低蛋白血癥的患者較多，接受各種侵入性操作的概率較高,患者免疫力較低，發生MDRO醫院感染的概率相對較大，與張京利等[7]研究結果一致。呼吸機的插管日數的增加可以導致MDRO醫院感染的增加，可能與氣管插管或口鼻插管增加了氣管的細菌定植機會,增加呼吸系統感染的概率[8]。ICU三管(中心靜脈導管、導尿管、呼吸機插管)是侵入性操作中監測的重點，因中心靜脈插管的醫院感染發病率較高，不易控制，并且感染后果較嚴重。我院ICU現已盡量減少中心靜脈插管，應用留置針替代。機體發熱和原發肺部感染是MDRO醫院感染的高危因素，提示可能是患者某個部位或者全身發生感染，與醫生經驗性使用抗菌藥物，導致耐藥菌株產生有關。

本組研究以ICU患者宿主和醫源性因素等為自變量，是否發生MDRO醫院感染為應變量構建預測模型。利用ROC曲線評價模型的預測效果。ROC曲線不受患病率影響,綜合了靈敏度、特異度兩個指標,能全面、客觀地評價預測實驗的準確性。logistic回歸模型AUC為0.973,模型預測能力較好。

logistic回歸模型實際應用探討，本模型為概率預測模型,在給定一組自變量值后,可以據此模型對ICU患者發生MDRO醫院感染的概率進行估計，提前進行針對性干預，因此，建立ICU MDRO醫院感染風險模型是必要的。可以消除醫務人員對ICU患者MDRO醫院感染風險掌握的盲目性，更合理有效地調配利用相關資源,使醫務人員能及時、準確、全面地掌握患者的病情變化，針對性地加強實施MDRO醫院感染的預防措施,預防感染的發生。

[1] 陳濤,何英,劉映等.強化ICU病房環境衛生對醫院感染的影響[J].現代預防醫學,2011,38(1):87-88.

[2] 李春輝,吳安華.MDR、XDR、PDR多重耐藥菌暫行標準定義—國際專家建議[J].中國感染控制雜志,2014,13(1):62-64．

[3] 李耘,呂媛,薛峰，等.衛生部全國細菌耐藥監測網(Mohnarin)2011-2012年革蘭陰性菌耐藥監測報告[J].中國臨床藥理學雜志,2014,30(3):260-277.

[4] 李耘,呂媛,薛峰，等.衛生部全國細菌耐藥監測網(Mohnarin)2011-2012年革蘭陽性菌耐藥監測報告[J].中國臨床藥理學雜志,2014,30(3):251-259.

[5] 吳安華,文細毛,李春輝，等.2012年全國醫院感染現患率與橫斷面抗菌藥物使用率調查報告[J].中國感染控制雜志,2014,13(1): 8-15.

[6] 梁靜,矯玲,宮慶月,等.落實防控措施降低多重耐藥菌醫院感染率[J].中國感染控制雜志,2015,14(2):114-116.

[7] 張京利,趙霞,王力紅，等.重癥監護病房患者醫療干預措施與醫院感染的相關性研究[J].中華醫院感染學雜志,2010,20(2):187-189.

[8] 楊雅紅,丁紅生,陳衛芳，等,ICU 患者多藥耐藥鮑氏不動桿菌感染的相關性分析[J].中華醫院感染學雜志,2015,25(19):4351-4352，4374.

(本文編輯：左雙燕)

Construction of risk model for healthcare-associated infection with multidrug-resistant organisms in general intensive care unit

LIJiao1,SHANGLin-ping2,GUOHong-ju2,LIWei2,SUDan-xia2,ZHANGXin2,PANWei2,HAOChun-xia2,CHESha2

(1NursingCollegeofShanxiMedicalUniversity,Taiyuan030001,China; 2TheFirstHospitalofShanxiMedicalUniversity,Taiyuan030001,China)

Objective To construct the risk model for healthcare-associated infection (HAI) with multidrug-resistant organisms(MDROs) in intensive care unit (ICU).Methods 836 patients who were admitted to ICU for more than 48 hours between October 2012 and September 2015 were analyzed retrospectively, logistic regression model of HAI was constructed, the model was conducted goodness of fit tests and the area under ROC curve analysis.Results Among 836 patients, incidence of HAI with MDROs was 14.23%(n=119). 15 variables that were statistically significant in univariate analysis were included in logistic multivariate analysis, the results showed that the following variables entered into logistic regression equation: length of ICU stay(OR,2.493 [95%CI,1.816-3.494]), underlying diseases(OR,1.536 [95%CI, 1.243-1.898]), hypoproteinemia(OR,87.211 [95%CI,36.165-210.304]), ventilator days (OR,1.723 [95%CI,1.399-2.121]), fever(OR,20.639 [95%CI,3.462-123.043]), and primary pulmonary infection (OR,0.295 [ 95%CI,0.133-0.664]). Evaluation of model effect: sensitivity 95%, specificity 87.9%, the area under ROC curve 0.973. Conclusion Logistic regression model has a high goodness of fit in predicting HAI among ICU patients.

intensive care unit; ICU; healthcare-associated infection； multidrug-resistant organism; risk model

2015-11-28

山西省科技攻關項目(20140313012-6)

李嬌(1989-)，女(漢族)，山西省運城市人，碩士研究生，主要從事醫院感染方面研究。

商臨萍 E-mail：shanglp2002@163.com

10.3969/j.issn.1671-9638.2016.10.003

R181.3+2

A

1671-9638(2016)10-0730-05