老年患者中央導管相關血流感染風險預測評分模型構建與驗證

王力紅, 魏 楠, 趙 霞, 張京利, 趙會杰, 馬文暉, 韓 敘

(1. 首都醫科大學宣武醫院醫院感染管理處，北京 100053； 2. 首都醫科大學衛生管理與教育學院，北京 100069)

中央導管相關血流感染(central line-associated bloodstream infection，CLABSI)是老年患者醫院感染的重要類型，是醫院感染預防控制的重點之一。美國相關數據顯示，醫院每年新發CLABSI患者預計高達25萬例[1]，其中重癥監護病房(ICU)新發患者約為8萬例[2]。Blot等[3]指出血流感染患者的病死率隨著年齡的增長而升高，其中75歲以上患者CLABSI病死率高達56%。國內研究[4-5]也顯示，老年是CLABSI患者院內死亡的獨立危險因素，需引起重視。CLABSI并非不可預防。隨著醫院管理信息化的推進，醫院感染部位精準控制及預防已成為可能。本研究利用醫院感染監測信息系統收集老年患者病例資料，構建logistic回歸模型，建立老年患者CLABSI風險評分模型，以進一步有效的預防老年患者CLABSI的發生，提高老年患者生存質量和醫院醫療質量。

1 資料與方法

1.1 臨床資料 利用醫院感染監測信息系統，收集2015年1月1日—2017年12月31日住院期間曾行中心靜脈置管操作的老年患者(≥60歲)病案資料，選取代表患者一般情況(包括住院號、年齡、性別、入院日期、出院日期等)，原發疾病(包括是否患有神經系統疾病、高血壓、糖尿病、冠心病、COPD、惡性腫瘤、血液病、肝功能異常、腎功能障礙等疾病)，診療情況(包括住院日數、住ICU日數、抗菌藥物使用情況、手術情況、中心靜脈置管情況等)以及醫院感染情況(包括是否感染、感染發生時間、感染病原菌等)的指標進行統計描述及分析。以發生CLABSI為結點，對患者診療情況所涉及的相關指標進行調整。

1.2 納入、排除標準 本研究數據納入標準為：(1)年齡≥60歲；(2)病例資料完整；(3)住院時間≥48 h且≤60 d。排除標準為：(1)不符合納入標準的病例；(2)住院時間<48 h或>60 d。

1.3 診斷標準 中央導管相關血流感染(CLABSI)是指患者在留置中央導管期間或拔除中央導管48 h內發生的原發性、且與其他部位存在的感染無關的血流感染[6]，其感染診斷標準依據2007年中華醫學會重癥醫學專業委員會血管內導管相關感染的預防與治療指南[7]中診斷標準進行判定。原發病的分類依據文獻報道及目標醫院住院老年患者常見病、多發病確定。

1.4 數據分組 將所收集病例按照7∶3的比例隨機分為建模組和驗證組(隨機種子為20180708)，建模組數據用來建立模型，驗證組數據對所建立的模型進行驗證。

1.5 模型構建 應用SPSS 21.0軟件進行模型構建。對建模組數據先進行單因素卡方分析，選取單因素分析有統計學意義的變量進行二分類logistic回歸分析，采用Back-Wald法納入變量，建立模型；根據β值對危險因素賦值，構建感染風險評分模型。假設檢驗的顯著性水平設定在雙側α=0.05。

1.6 模型驗證 將驗證組的原始數據代入構建的風險評分模型中生成相應分值，利用受試者工作特征(ROC)曲線下的面積(AUC)評價模型的判別效度。

1.7 模型可用性評估 利用R軟件計算每個閾值概率下的凈獲益并構建決策曲線，用以評估風險評分模型的臨床應用價值。

2 結果

2.1 調查對象的基本特征 依據納入排除標準，自醫院感染監測信息系統收集2015—2017年住院期間使用中心靜脈置管老年患者病例3 519例，男性1 720例，女性1 799例，中位年齡為67歲。其中感染病例組患者90例，感染率為2.56%，中心靜脈置管總日數28 115 d，千日感染率為3.20‰。將所收集病例按照7∶3的比例隨機分為建模組和驗證組(隨機種子為20180708)，建模組數據用來建立模型，驗證組數據對建立的模型進行驗證。其中建模組患者2 510例，感染64例，感染率2.55%，中心靜脈置管總日數20 238 d，千日感染率為3.16‰；驗證組患者1 009例，感染26例，感染率2.58%，中心靜脈置管總日數7 877 d，千日感染率為3.30‰。

2.2 CLABSI危險因素識別

2.2.1 單因素分析 對建模組數據進行單因素分析，結果顯示：神經系統疾病、腎功能障礙、住院日數≥7 d、住ICU日數≥2 d、本次住院手術次數≥3次、使用抗菌藥物、中心靜脈置管日數≥7 d、中心靜脈插管次數≥2次共8項因素與老年患者發生CLABSI有關，具體見表1。

表1 建模組老年患者CLABSI單因素分析

*:存在缺失值

2.2.2 多因素分析 將單因素分析有統計學意義的變量納入二分類logistic回歸模型，采用Back-Wald法篩選變量，建立模型。最終進入模型的變量為住ICU日數≥2 d、本次住院手術次數≥3次、使用抗菌藥物、中心靜脈置管日數≥7 d，具體見表2。

2.3 風險評分模型的構建 根據logistic回歸模型中的β系數確定老年患者CLABSI四大獨立危險因素所對應的分值，依據β×4(四舍五入取整)確定各危險因素陽性時的分值，陰性時均設為0分，構建CLABSI風險評分模型，具體見表3。根據構建的CLABSI風險評分模型對建模組患者病例數據進行打分，確定每例患者發生感染的風險得分，并計算各分值所對應的感染率。通過觀察感染率的分布情況，將患者按風險分值進行分層。最終評估得分0分為未感染人群，感染率為0；3～7分為低感染風險人群，感染率為1.18%；8～12分為中感染風險人群，感染率為2.53%；13～17分為高感染風險人群，感染率為4.97%；20分為感染人群，感染率為100%。見表4。各風險層感染率差異均有統計學意義(P<0.05)。

2.4 風險評分模型的驗證 在建模組2 510例患者中，按照CLABSI診斷的金標準確定感染64例，未感染2 446例。根據風險評分模型對這些患者是否發生感染進行評價，分別判斷為未感染、較小可能感染(低感染風險組)、可能感染(中感染風險組)、很可能感染(高感染風險組)及感染，并用數字1～5表示。見表5。

表2 建模組老年患者CLABSI多因素logistic回歸分析

表3 CLABSI風險評分模型

表4 CLABSI風險評分分層

以金標準診斷結果作為狀態變量，狀態變量的值取1為參考，以風險評分數值作為檢驗變量繪制ROC曲線。結果顯示，ROC曲線下面積為0.74(95%CI：0.70～0.79，P<0.05)，見圖1。表明模型對建模組數據具有較好的判別效度。

表5對建模組患者進行診斷的結果(例)

Table5Diagnostic results of patients in the modeling group(No. of cases)

金標準診斷結果風險評分12345合計感染05949164未感染74641734793602 446

為了檢驗該風險評分模型是否具有代表性，利用驗證組的數據進行驗證。依據構建的CLABSI風險評分模型對驗證組患者病例數據進行打分，確定每例患者發生感染的風險總得分，并計算各風險分值層所對應的感染率。結果顯示，0分患者，CLABSI感染率為0；3～7分患者感染率為1.37%；8～12分感染率為2.75%；13～17分感染率為3.58%；20分患者感染率為100%。各風險層感染率差異均有統計學意義(P<0.05)。

以相同的方法在驗證組繪制ROC曲線，結果顯示，ROC曲線下面積為0.70(95%CI：0.61～0.78，P<0.05)，見圖1。提示已建立的風險評分模型在驗證組同樣具有較好的判別效度。

圖1 ROC曲線評價風險評分模型的判別效度

2.5 風險評分模型可用性評估 利用R軟件繪制相應的決策曲線評估風險評分模型的預測價值。決策曲線的橫坐標為概率閾值(Pt)，即當評分達到某個數值時，患者i的感染概率記為Pi，當Pi達到某個閾值(Pt)就界定為感染，采取某種干預措施，如果小于此閾值則不干預；縱坐標為凈獲益(net benefit，NB)，即實施干預措施所獲得的利減去弊之后的凈獲益。按照決策曲線的構建過程，利用R軟件計算每個閾值概率下的凈獲益并作出曲線，如圖2所示。

圖2 風險評估模型的決策曲線分析圖

圖2對3個不同決策的獲益進行了比較，三條曲線分別代表：對所有患者均不進行干預(用None表示)、對所有患者均進行干預(用All表示)、采用風險評分模型進行決策。從圖中可以看到，相對于對所有患者均進行干預或者均不進行干預，在閾值0.01～0.05的區間內風險評分模型的凈獲益都更高，因此，可以認為利用風險評分模型確定是否對CLABSI風險人群進行干預具有應用價值。

3 討論

3.1 CLABSI危險因素的構成 隨著社會老齡化的日益加重，世界老年人口越來越多，老年患者的醫院感染問題也受到越來越多的關注。CLABSI是中心靜脈置管患者最常見且最嚴重的并發癥之一，老年患者因其自身疾病特征已成為CLABSI的高危人群。數據[2]顯示，美國ICU內CLABSI發病率為(2.9～11.3)例次/1 000導管日，平均為5.3例次/1 000導管日，高于普通病房。本研究所選取的目標醫院是一所以老年醫學和神經醫學為重點的大型三級甲等綜合醫院，是國家老年疾病臨床醫學研究中心、北京市老年病醫療研究中心。醫院收治的老年患者所占比例較大，三年間收治60歲以上的老年患者達43%以上。調查結果顯示，中心靜脈置管的老年患者CLABSI千日感染率為3.16‰～3.30‰，低于國內同類報告[8-10]。反映了該醫院針對老年患者開展CLABSI預防與控制工作的有效性，為老年患者疾病的成功診治提供了安全保障。

本研究多因素分析結果顯示，老年患者CLABSI獨立危險因素為住ICU日數≥2 d、本次住院手術次數≥3次、中心靜脈置管日數≥7 d、使用抗菌藥物。以下將逐一對危險因素進行分析。

3.1.1 住ICU日數≥2 d ICU是醫院集中監護和救治重癥患者的專業病房，為各種原因導致一個或多個器官與系統功能障礙危及生命或具有潛在高危因素的患者及時提供系統的、高質量的醫學監護和救治技術。ICU已成為全世界所有現代化醫院的核心部門之一。ICU的發展無疑對挽救危重癥患者的生命起到了不可替代的作用。在ICU接受治療的老年患者通常病情危重、免疫力低下、基礎疾病嚴重或進行各種侵入性操作，是醫院感染的高危人群。而血管內置管作為患者輸液、輸血及營養支持通道的同時，也使患者處于血流感染和并發系統感染的高風險之中[11]。

3.1.2 本次住院手術次數≥3次 老年患者機體各個器官處于衰退狀態，免疫力低下，經歷多次重大手術極易發生感染。本研究結果顯示，本次住院手術次數≥3次的老年患者CLABSI發病率高達28.6%。

3.1.3 中心靜脈置管日數≥7 d 國內文獻[9, 12]報道顯示，CLABSI發病率與導管留置時間存在一定的關系，導管留置時間越長，CLABSI發病率越高。這可能是因為導管置入24～48 h后即會被纖維蛋白鞘包繞，纖維蛋白可以成為細菌等微生物進行繁殖的場所，隨著留置時間延長，增加了細菌等進入機體的機會。本研究結果顯示，中心靜脈置管日數≥7 d的老年患者發生CLABSI風險是中心靜脈置管<7 d的2.46倍(95%CI：1.22～4.97)。因此，原則上在病情許可的情況下，應縮短導管留置時間。

3.1.4 使用抗菌藥物 本研究提示，使用抗菌藥物是老年患者發生CLABSI最重要的危險因素(OR=9.58)。al等[13]研究顯示，100%的患者抗菌藥物治療史被確定為導管相關性血流感染的風險因子。目前臨床上大部分感染病例在感染前均有一個廣譜抗菌藥物的長期使用史，且多為經驗性用藥。由于用藥時機、藥物選擇、使用持續時間的不合理性，導致一些呈細菌定植狀態的患者可能最終轉變為感染狀況。美國疾病控制與預防中心(CDC)和美國醫院感染控制實踐顧問委員會(HICPAC)于2017年6月發布的CLABSI預防控制指南中也明確提出：血管內導管置管前或置管中，不要為了預防導管細菌定植或CLABSI而常規全身預防性使用抗菌藥物[14]。因此，臨床上需重視抗菌藥物的合理使用并派專人進行監控管理。

3.2 風險評估模型的預測價值 本研究利用醫院感染監測信息系統收集老年患者病例資料，依據回歸模型篩選老年患者發生CLABSI的危險因素，建立定量化的感染風險預測評分模型，根據得分將患者進行分層，識別高危人群。研究結果可以為醫院感染信息系統的預警開發提供參考，助力醫院信息化建設，推動感控關口前移。

應用ROC曲線評價模型的判別效度，本研究中診斷金標準為2007年中華醫學會重癥醫學專業委員會血管內導管相關感染的預防與治療指南中的診斷標準，待評價的診斷標準為風險評分模型，由于應用該模型對患者進行診斷時只能得出感染的可能性大小，于是將結果確定為等級資料，并用數字1～5進行表示。以靈敏度為縱坐標，1-特異度為橫坐標繪制曲線，一般認為，曲線下面積AUC>0.7時，可以認為模型診斷準確性較好，且AUC越大，診斷準確性越高[15]。經驗證，該模型在建模組和驗證組均具有較好的判別效度，可應用于臨床診療活動中。醫務人員可按評分模型確定患者得分，將患者進行分層，針對不同的風險等級，采取更有針對性的措施，提高醫療資源的利用與效率。

ROC曲線下面積AUC是判斷模型準確性的重要工具，但即使準確性很高的模型在臨床實踐中均無法避免假陽性和假陰性的可能。為了彌補AUC的這一缺陷，本研究引入決策曲線，通過使決策凈獲益最大化來指導臨床[16]。本研究表明，在閾值0.01～0.05的區間內風險評分模型的凈獲益均更高，具有應用價值。

3.3 本研究的不足 本研究對老年患者CLABSI風險預測評分模型的構建與驗證進行了初步探索，但仍有很多不足之處，例如本研究數據來源單一，以北京市某大型三甲醫院為例，未進行多中心研究與論證；本研究所涉及指標為醫院感染管理日常監測指標，未納入相關醫源性指標。因此，本研究所構建的模型還需進一步的修正與完善，以期構建真正適用于臨床、服務于臨床的預警模型。

3.4 小結 本研究通過對中心靜脈置管的老年患者臨床資料進行分析，依據回歸模型篩選危險因素，初步構建風險預測評分模型；經驗證，該模型具有良好的判別效度與應用價值，可為醫務人員識別CLABSI高危人群，有效預防與控制老年患者血流感染提供依據。