RICU呼吸機相關性肺炎醫院感染危險因素分析及預測模型的構建

王素娟 李昊雪 劉麗 陸雪耕 王雪 曲琳

內蒙古自治區人民醫院醫院感染監測科，呼和浩特 010010

呼吸機相關性肺炎（ventilator associated pneumonia，VAP）是機械通氣患者嚴重的并發癥。研究顯示，VAP 發病率在國外為6%～52%，病死率為14%～50%，我國發病率為4.7%～55.8%，病死率為19.4%～51.6%［1］。如何預防重癥監護病房（ICU）患者發生VAP，一直是臨床重點關注的問題。本研究選取內蒙古自治區人民醫院呼吸重癥監護病房（RICU）行機械通氣的患者796 例，通過分析其VAP 發生的危險因素并構建風險預測模型，為臨床有效防治VAP 提供參考依據。

資料與方法

1.研究對象

選取內蒙古自治區人民醫院2020年1月1日至2022年12 月31 日RICU 接受呼吸機機械通氣治療48 h 以上、臨床檢查資料完整的796 例患者為研究對象，其中男性患者590 例、女性患者206 例，年齡24～96（71.52±11.50）歲。根據患者機械通氣48 h以上或撤機拔管48 h內是否出現肺部感染性肺炎分為VAP 組（285 例）和非VAP 組（511 例）。本研究符合《赫爾辛基宣言》的原則，患者知情同意。

2.VAP組納入與排除標準

⑴納入VAP組標準：患者符合VAP診斷標準［2］；患者經血常規、呼吸道分泌物培養、胸部X 線檢測確定。⑵排除標準：患者在進行呼吸機通氣的前48 h出現肺炎；未采集到合格的痰液標本。

3.資料收集

通過“杏林醫院感染實時監控系統”收集患者臨床資料，查閱調查對象的住院病歷，根據診斷標準判斷是否發生VAP，收集調查對象的一般資料、入院診斷、出院診斷、相關危險因素、病原體檢出及抗菌藥物使用情況等信息。

4.統計學方法

采用SPSS 20.0 軟件處理數據。非正態計量資料采用中位數和四分位數M（P25，P75）表示，組間比較采用非參數Wilcoxon 檢驗。計數資料以χ2檢驗，將VAP 組和非VAP 組進行組間比較，運用單因素分析完成對變量的初步篩選，以P＜0.1 為差異有統計學意義。根據單因素分析的結果篩選指標進行多因素logistic 回歸分析篩選出獨立危險因素，多因素分析以P＜0.05為差異有統計學意義?；诟黜棯毩⑽ｋU因素的回歸系數β得出回歸方程式，構建風險預測模型。使用R軟件將風險預測模型轉化成列線圖。

結果

1.VAP發生率

796例患者中發生VAP 285例，VAP發生率為35.80%。

2.VAP發生的危險因素分析結果

2.1.單因素分析結果 檢索中國知網數據庫、萬方數據庫、維普數據庫，結合該醫院病歷數據實際情況，初步確定RICU 發生VAP的危險因素為性別、年齡、糖尿病、電解質紊亂、低蛋白血癥、腦梗死、是否聯用抗菌藥物、中心靜脈導管、尿路導管、呼吸機使用天數、RICU 住院天數與抗菌藥物使用天數等情況。結果顯示，電解質紊亂、低蛋白血癥、腦梗死、是否聯用抗菌藥物、中心靜脈導管、尿路導管、呼吸機使用天數、RICU 住院天數與抗菌藥物使用天數為VAP發生的相關因素，差異均有統計學意義（均P＜0.05）。見表1。

2.2.多因素logistic 回歸分析 在進行logistic 回歸分析之前，對各項自變量之間是否存在多重共線性問題進行共線性診斷，統計分析結果顯示：所有自變量的容忍度（Tolerance）均大于0.1，方差膨脹因子均小于10，因此，納入建模的各項自變量之間不存在多重共線性，見表2。以單因素分析有統計學意義的9 個因素（電解質紊亂、低蛋白血癥、腦梗死、是否聯用抗菌藥物、中心靜脈導管、尿路導管、呼吸機使用天數、RICU 住院天數、抗菌藥物使用天數）進行多因素logistic回歸分析。結果顯示，腦梗死、是否聯用抗菌藥物、中心靜脈導管、尿路導管、呼吸機使用天數與抗菌藥物使用天數是RICU發生VAP的獨立危險因素，見表3。

表2 796例RICU患者VAP危險因素共線性分析

表3 796例RICU患者VAP危險因素logistic回歸分析

2.3.RICU 患者VAP 風險預測模型的構建 根據上述多因素logistic 回歸分析得出的6 個因素建立logistic 回歸：logit（P）=-5.732+0.599×（腦梗死）+0.899×（是否聯用抗菌藥物）+1.585×（中心靜脈導管）+1.546×（尿路導管）+0.189（呼吸機使用天數）+0.091×（抗菌藥物使用天數）。本研究采用Hosmer-Lemeshow 檢驗對模型擬合優度進行檢驗，結果顯示χ2=11.06，P=0.199，大于0.1，說明該風險預測模型擬合優度較好。模型受試者操作特征曲線（ROC）曲線下面積（AUC）為0.925（95%CI0.907～0.944），模型預測效果為“杰出”，見圖1。

圖1 796例RICU患者VAP預測模型ROC

2.4.RICU 患者VAP 風險預測模型列線圖的繪制 為了把模型轉變為便于臨床使用的工具，根據上述logistic 回歸方程繪制列線圖，見圖2。

圖2 796例RICU患者VAP風險預測列線圖

討論

本研究結果顯示，RICU 患者VAP 的發生率為35.80%，這與相關調查報道的VAP 發生率為15%～60%結果相符［3］。本次研究顯示，合并腦梗死的患者發生VAP 的風險是未合并腦梗死患者的1.82倍，留置中心靜脈導管、尿路導管侵入性操作分別使VAP 發生的危險程度提高4.877 倍與4.693 倍。腦梗死患者臟器功能減退、免疫功能低下，導致VAP 的發生率較高，治療存在較大的難度［4］。侵入性操作（留置中心靜脈導管、尿路導管）會破壞皮膚黏膜屏障，為細菌的侵入提供機會，同時，也可將自身的細菌帶到其他部位，引起內源性感染［5-6］。消毒滅菌、更換輔料不徹底，或是護理不規范，都可以導致VAP的發生［7］。

呼吸機使用天數是VAP發生的危險因素。呼吸機使用時間（機械通氣時間）越長則VAP 發生的風險越大，通常機械通氣增加5 d，VAP 發病率將會增加13%［8-9］。因此，需加強對機械通氣患者生命體征、呼吸系統功能的檢測評估，盡可能減少呼吸機使用時間，及時撤機以減少VAP 的發生率［10］?？咕幬锏穆撚脮谝欢ǔ潭壬显黾覴ICU 患者發生VAP 的風險，抗生素使用天數也同時增加了VAP 耐藥菌感染的風險，與本次研究結果一致［11-12］。

有研究表明，年齡、糖尿病與VAP 的發生相關，與本研究結果不一致，這可能與研究樣本來源地不同有關，日后可以開展多中心、多地域的調查研究進一步驗證［13-14］。單因素分析時，電解質紊亂、低蛋白血癥是VAP 發生的危險因素，但多因素分析時均未能進入回歸方程，表明上述因素均為患者本身體質情況的預測指標，這與張玉梅等［15］研究結果一致。

國內外對于ICU 器械相關感染的文獻報道中針對RICU 的報道較少，檢索知網、萬方、維普數據庫既往關于RICU 患者VAP 的研究大多著眼于影響因素分析和預防護理措施，鮮有其風險預測模型的研究［16］。本研究構建的RICU 患者VAP風險預測模型為醫護人員開展早期識別、早期預防提供了依據。本次研究在進行logistic 回歸分析前，對納入分析的指標進行了共線性分析，確保了納入建模的各項變量之間不存在多重共線性，同時還繪制了列線圖，降低了臨床工作中使用該模型的門檻，醫務人員通過簡單的運算就可以直觀地看出患者發生VAP 的風險，利于對不同患者進行個性化風險評估。

作者貢獻聲明王素娟：研究設計與實施、數據采集與分析、文章撰寫、對文章的知識性內容作批評性審閱；李昊雪：研究設計與實施、數據采集與分析、統計分析、指導；劉麗：研究設計與實施、數據采集與分析；陸雪耕：研究實施、數據采集與分析、統計分析；王雪：研究實施、數據采集、對文章的知識性內容作批評性審閱；曲琳：對文章的知識性內容作批評性審閱、統計分析