Logistic回歸模型對危重癥病人醫院感染風險的預測價值

高 霞，孫 娟，代金金

近年來，醫院感染日益受到醫學界關注與重視[1-2]。世界衛生組織(WHO)相關調查及其他研究發現，醫院感染發生風險最高的科室為重癥監護室(ICU)[3-4]。ICU病人一旦發生醫院感染，不僅延長住院時間，還會嚴重影響預后改善，提高死亡風險[5]。大量臨床實踐證實，科學、有效的目標性監測是預防醫院感染發生必不可少的措施[6-7]。構建預測模型是一種通過統計分析病人臨床特征獲取預測醫院感染風險的因素，能實現早期預警，并及時采取干預措施，從而達到降低醫院感染風險的目的。基于此，本研究嘗試探究Logistic回歸模型對ICU醫院感染風險的預測價值。現報告如下。

1 資料與方法

1.1 一般資料 選取本院ICU發生醫院感染病人115例(2017年1月—2019年12月)作為觀察組，按照年齡、性別、入院主要診斷、入院時病情相近程度進行1∶1匹配進行病例對照研究，選擇未發生醫院感染病人115例作為對照組。

1.2 納入及排除標準 ①納入標準：觀察組均證實發生醫院感染，符合醫院感染相關診斷標準[8]；兩組入住ICU時間>48 h或轉出ICU時間<48 h；臨床資料完整。②排除標準：入住ICU 24 h內死亡者；入住ICU時存在感染性休克。

1.3 方法 采用回顧性分析方法，收集病人人口學資料(年齡、性別)與臨床信息[手術治療、高血壓、尿管插管、呼吸系統疾病、心血管疾病、補充性腸外營養、意識障礙、休克、心臟衰竭、急性生理與慢性健康狀況評價系統Ⅱ(acute physiology and chronic health evaluation system Ⅱ，APACHEⅡ)評分、住院天數、氣管插管、激素治療、中心靜脈插管、糖尿病]等。準確登記于ICU病人調查表，整理、統計并分析所有調查資料。

1.4 統計學方法 Logistic回歸分析學用SPSS 22.0軟件包，相關因素以例(%)表示，采用χ2檢驗進行單因素分析，以P<0.05為差異有統計學意義；單因素分析有意義的因素納入多因素Logistic回歸模型中，模型擬合效果檢驗采用似然比檢驗和擬合優度檢驗，受試者工作特征(ROC)曲線評價模型預測價值，以P<0.05為差異有統計學意義。

2 結果

2.1 ICU醫院感染單因素分析 兩組年齡、性別、手術治療、高血壓、尿管插管、呼吸系統疾病、心血管疾病、補充性腸外營養、意識障礙、休克、心臟衰竭情況比較差異無統計學意義(P>0.05)；APACHEⅡ評分、住院天數、氣管插管、激素治療、中心靜脈插管、糖尿病是ICU醫院感染的影響因素(P<0.05)，見表1。

表1 ICU醫院感染單因素分析 單位：例(%)

2.2 ICU醫院感染多因素Logistic回歸分析 以ICU醫院感染為因變量，將APACHEⅡ評分≥20分、住院天數≥10 d、氣管插管、激素治療、中心靜脈插管、糖尿病作為自變量，構建Logistic回歸模型，結果顯示，APACHEⅡ評分≥20分ICU病人發生醫院感染的風險可能是<20分病人的7.160倍；住院天數≥10 d ICU病人發生醫院感染的風險可能是<10 d病人的4.706倍、氣管插管ICU病人發生醫院感染的風險可能是無氣管插管病人的7.280倍、激素治療ICU病人發生醫院感染的風險可能是無激素治療病人的2.155倍、中心靜脈插管ICU病人發生醫院感染的風險可能是無中心靜脈插管病人的5.291倍、糖尿病ICU病人發生醫院感染的風險可能是無糖尿病病人的3.250倍(P<0.05)，見表2。Logistic回歸方方程：Logistic(P)=-4.758+1.969X1+1.549X2+1.985X3+0.768X4+1.666X5+1.179X6。

表2 ICU醫院感染多因素Logistic回歸分析

2.3 Logistic回歸模型評價 對模型進行評價，似然比χ2(Likelihood ratio chi-square)=144.255，df=6，P<0.001，可見構建模型具有統計學意義。采用Hosmer-Lemeshow擬合優度檢驗顯示模型擬合效果較好，χ2=8.527，df=6，P=0.411。

2.4 Logistic回歸模型預測ROC曲線 采用Logistic回歸模型統計分析數據集，得到個體發生醫院感染的預測概率Logistic(P)。根據預測值和真實值繪制ROC曲線，AUC為0.887(95%CI：0.847～0.927)，當Logistic(P)>-1.145時，預測敏感度為91.34%，特異度為70.87%，見圖1。

圖1 ROC曲線

3 討論

ICU是醫院感染發生的高危區域，極易導致多種細菌交叉感染與傳播，加之此類病人通常病情危重，機體免疫防御系統較弱，從而增加了醫院感染可能性[9-10]。相關資料數據統計顯示，ICU病人發生醫院感染的概率超過普通病房3～18倍，防治形勢嚴峻[11-12]。為此，積極探索、建立可靠的預測模型成為臨床重要研究方向。

有報告表明，Logistic回歸模型可通過篩選有意義的主效應變量，獲取疾病發生或病情進展的獨立危險因素。本研究通過構建Logistic回歸模型顯示，APACHEⅡ評分≥20分是ICU醫院感染的獨立危險因素，與肖光文等[13]研究結果相符。分析原因，APACHEⅡ評分是反映危急重癥病人病情程度的重要評價系統，其分值越高，提示病情越嚴重，而病情較為嚴重的ICU病人通常合并多種細菌感染，不僅影響原發疾病治療效果，還會延長感染時間，從而增加醫院感染風險。住院天數≥10 d是ICU醫院感染的獨立危險因素，可能與住院時間越長，病人暴露于院內復雜菌群環境中的時間越多，造成感染可能性升高[14-15]。相關研究顯示，侵襲性操作對ICU病人發生醫院感染的影響極為嚴重，可引發導管相關血流感染、導尿管相關尿路感染、呼吸機相關性肺炎等多種感染并發癥[16-17]。同時，本研究發現，氣管插管、中心靜脈插管均是ICU醫院感染的獨立危險因素，考慮兩者均為侵襲性操作。氣管插管破壞上呼吸道屏障功能，刺激分泌物產生，分泌物、細菌聚集于氣管導管氣囊位置，進而下行進入氣管、支氣管、肺臟，最終導致感染[18-19]。中心靜脈插管則增加相關組織接觸病菌可能性，留置時間延長，感染風險隨之升高。此外，激素治療、糖尿病均對機體免疫功能產生不同程度損害，為細菌生長、繁殖提供更為便利的體內微環境，故更易發生醫院感染。

本研究采用似然比χ2、擬合優度檢驗評價Logistic回歸模型，結果發現，該模型擬合效果較好，提示其具有良好應用價值。且本研究Logistic回歸模型經ROC曲線分析，AUC為0.887，預測敏感度為91.34%，特異度為70.87%。郭磊磊等[20]報告表明，Logistic回歸模型對ICU醫院感染風險預測效果優于分類樹模型。可見Logistic回歸模型在預測ICU醫院感染風險方面具有可靠價值。因此，醫院可通過構建Logistic回歸模型，早期識別ICU病人是否存在APACHEⅡ評分≥20分、住院天數≥10 d、氣管插管、激素治療、中心靜脈插管、糖尿病等危險因素，并及時制定相關因素針對性干預策略，如以下干預措施：①積極治療原發疾病，減輕病人病情程度；②若病人存在糖尿病，則應及早控制并穩定血糖水平，調節機體免疫力；③盡量減少激素治療，即使使用激素，也應根據病人病情在合理劑量范圍內選擇最小劑量，在控制病情基礎上減輕其對免疫功能的抑制作用；④給予保護性隔離措施，加強營養，滿足病人營養需求，強化機體免疫功能；⑤根據病人實際情況，在病情及治療允許情況下盡可能避免氣管插管、中心靜脈插管等侵襲性操作，降低感染風險。

綜上所述，APACHEⅡ評分≥20分、住院天數≥10 d、氣管插管、激素治療、中心靜脈插管、糖尿病是ICU醫院感染的獨立危險因素，Logistic回歸模型具有良好預測價值。本研究不足在于樣本量較少，加之醫院感染發生部位眾多，不同感染部位，影響因素不一，故需納入更多樣本量及影響因素做進一步分析與探究。