預測PICC 導管相關血流感染風險的列線圖模型的建立與驗證

唐倩蕓 邢 柏

海南醫學院第二附屬醫院ICU，海南海口 570311

經外周靜脈穿刺的中心靜脈導管（PICC）相關血流感染（PBSI）是PICC 置管后患者常見的重要并發癥之一，發病率為0.6%～7.4%，嚴重影響患者預后[1-4]。既往研究[2-4]多數偏重于分析PBSI 發生的風險因素，而整合風險因素并以此構建風險篩查工具的相關報道較少[5]。列線圖模型能將logistic 回歸結果實現可視化、圖形化，直觀整合危險因素用于某種疾病發生的預測中[6-7]。然而，基于logistic 回歸篩選變量構建預測PBSI列線圖風險模型，迄今為止鮮有相關研究。因此，本研究擬應用logistic 回歸篩選PBSI 發生的風險因素，并構建個性化的列線圖預測模型，旨在為識別PBSI 高風險人群和制訂相應預防策略提供理論依據。

1 資料與方法

1.1 一般資料

收集2016 年1 月—2020 年1 月于海南醫學院第二附屬醫院（以下簡稱“我院”）接受PICC 的患者臨床資料進行回顧性分析。納入標準：年齡≥18 歲；首次留置PICC；同意參與本研究。排除標準：血流感染繼發于其他部位的感染，如肺部感覺、腹腔感染等；導管留置時間<2 d；臨床資料不完整。共納入931例PICC 患者，其中男430 例（46.2%），女501 例（53.8%），平均年齡（66.7±15.3）歲。根據是否發生PBSI 將患者分為PBSI 組（63 例）和無PBSI 組（868 例）。本研究經我院醫學倫理委員會批準。

1.2 方法

1.2.1 置管與維護 所有患者PICC 置管均由我院經過PICC 培訓的護士按照規范進行穿刺操作。應用便攜式彩超選擇合適靜脈，采用Seldinger 穿刺法進行置管，全程無菌操作，成功置管后行X 線檢查確定PICC尖端位置，并遵循PICC 規范化護理進行管理。

1.2.2 資料收集 收集所有入選患者的一般資料，包括性別、年齡、體重指數及基礎疾病。記錄置管時間、置管部位、管腔數目、PICC 用途、是否曾住重癥監護病房及使用附加裝置、拔管時間與原因，以及是否發生PBSI。以PICC 導管移除或出現PBSI 為研究終點。

1.2.3 PBSI 的診斷標準 PBSI 診斷依據美國疾病控制與預防中心發布的有關導管相關感染的診斷標準[8]：①PICC 置管48 h 后出現菌血癥，伴有感染表現；②臨床上除外其他部位的感染；③導管血和外周血同時培養出相同的微生物或導管尖端和≥1 次經皮血培養中培養出相同的微生物，同時導管尖端或導管血培養時間比外周血培養的陽性時間快2 h 以上。

1.3 統計學方法

應用SPSS 19.0 統計軟件進行統計學分析。正態分布的計量資料用均數±標準差（）表示，兩組間比較采用t 檢驗；偏態分布的計量資料以中位數（四數位數）[M（P25，P75）]表示，兩組間比較采用Mann-Whitney U 檢驗；計數資料采用百分率表示，組間比較采用χ2檢驗。采用多因素logistic 回歸分析確定獨立危險因素。應用R 軟件（R 3.6.2）中rms 程序包建立PBSI 發生風險的列線圖模型。使用Harrell 一致性指數（C-index）評估列線圖模型的區分度。分別采用校準曲線和受試者工作特征曲線（ROC） 評估列線圖模型的偏差度和預測效率。以P< 0.05 為差異有統計學意義。

2 結果

2.1 兩組患者臨床特征比較

本研究931 例PICC 患者中63 例（6.8%）發生PBSI，PBSI 發生率為3.27 例次/1000 導管日。兩組年齡、糖尿病、腦血管病、惡性腫瘤、血液病、置管手臂、管腔數、一次性置管成功、附加裝置、曾住重癥監護病房、留管天數及用途等比較，差異有統計學意義（P ＜0.05）。見表1。

2.2 PBSI 危險因素的多因素logistic 回歸分析

以是否發生PBSI 為因變量（賦值：是=1，否=0），以表1 中P < 0.05 的變量，包括年齡（連續變量）、腦血管病（賦值：是=1，否=0）、糖尿病（賦值：是=1，否=0）、惡性腫瘤（賦值：是=1，否=0）、血液病（賦值：是=1，否=0）、置管手臂（賦值：左=1，右=2，以左為參照）、用途（賦值：靜脈輸液=1，腸外營養=2，化療=3，以靜脈輸液為參照）、管腔數（賦值：單腔=1，雙腔=2，以單腔為參照）、一次性置管成功（賦值：是=1，否=0）、附加裝置（賦值：有=1，無=0）、曾住重癥監護病房（賦值：是=1，否=0）及留管天數（連續變量），為自變量進行多因素logistic 回歸分析，結果顯示，糖尿病、惡性腫瘤、血液病、腸外營養、雙腔、附加裝置、曾住重癥監護病房及留管天數長均為PICC患者發生PBSI 的獨立危險因素（P < 0.05）。見表2。

表1 兩組患者臨床特征比較

表2 PBSI 危險因素的多因素logistic 回歸分析

2.3 預測PICC 患者發生PBSI 風險的列線圖模型的建立與驗證

根據多因素logistic 回歸分析結果，通過R 軟件建立預測PICC 患者發生PBSI 風險的列線圖模型，見圖1。根據繪制出的列線圖模型，各個變量得分的總和對應在風險軸上的點，即為PICC 患者相對應的發生PBSI 發生風險的概率。列線圖模型預測PBSI 風險的C-index 為0.929（95%CI：0.89～0.97），區分度良好。校準曲線結果顯示列線圖模型預測PBSI 發生風險與實際PBSI 發生風險平均絕對誤差為0.017，具有較強的一致性，見圖2A。列線圖模型預測PICC 患者發生PBSI 風險的曲線下面積（AUC）為0.930（95%CI：0.912～0.946），說明該模型預測準確性較好，見圖2B。

圖1 預測PICC 患者發生PBSI 風險的列線圖模型

圖2 校準曲線與ROC 曲線對列線圖模型預測PBSI 風險的內部驗證

3 討論

宋健等[9]通過分析納入的698 例PICC 患者發現48 例發生PBSI，發病率為6.88%；PICC 總留管時間為13 853 d，每千導管日發病率為3.44‰。本研究結果顯示，63 例（6.8%）PICC 患者在19 276 d 留管時間中發生PBSI，PBSI 發生率為3.27 例次/1000 導管日，與上述研究結果基本一致。

本研究確定糖尿病、惡性腫瘤、血液病、腸外營養、雙腔、附加裝置、曾住重癥監護病房及留管天數均為PICC 患者發生PBSI 的獨立危險因素（P<0.05）。有研究[10-13]證實，糖尿病、惡性腫瘤及血液病患者因自身免疫力較低，是PBSI 發生的高危人群。而接受腸外營養本身被認為是PBSI 的最大危險因素，因為導管操作提供了導管污染的機會，同時提供了良好的培養基有助于微生物生長，均增加PBSI 的風險[14-16]。值得關注的是，管腔數及附加裝置與PBSI 的發生密切相關，可能原因為增加導管表面積的操作增加了細菌易位和向血液循環遷移的機會[17-18]。本研究結果顯示，更長的留管時間及曾住重癥監護病房增加了醫院獲得性感染的機會，進而增加了PBSI 發生的風險[19]。因此，PICC 患者發生PBSI 是由易感因素和誘發因素相互作用所致。

本研究建立的列線圖模型具有較強的一致性、較好的校準度及準確性。相比于其他預測工具，列線圖模型可整合更多危險因素，實現個體化預測，已廣泛應用于多種疾病預后預測[20-22]。這一工具的應用有助于PICC 管理人員根據患者各個危險因素的不同狀態水平對患者的PBSI 發生風險進行動態評估，并以此實施更有針對性的預防護理措施[23-26]：增強對惡性腫瘤、血液病、曾住重癥監護病房患者PBSI 的預防意識，重視提高患者的免疫功能；加強對糖尿病的規范治療及血糖水平的目標控制；進行腸外營養輸注時提高無菌操作意識，避免管道污染；置管時盡量選擇單腔管道及使用過程中避免增加附加裝置；同時，避免長時間留置管道。

綜上所述，本研究建立的列線圖模型具有較好的預測能力。PICC 管理人員可將其作為PBSI 發生風險的篩查工具，針對篩查出的高風險患者根據具體的風險因素實施針對性的護理干預，以降低PBSI 發生的風險。但本研究為回顧性單中心研究，樣本量有限，并排除了部分病例，存在選擇偏倚。因此，仍需進一步多中心大樣本量的研究進行外部驗證。