列線圖模型在神經外科醫院感染風險預測中的應用研究

李凌竹 王顏顏 曾妮 查筑紅 林丹 姚堯 羅光英

(貴州醫科大學附屬醫院醫院感染管理科,貴州 貴陽 550004)

2011年,國家衛生健康委(原國家衛生部)印發了《三級綜合醫院評審標準(2011年版)》,其中在醫院感染管理與持續改進方面,要求醫院每年開展醫院感染風險評估工作[1]。神經外科多收治顱腦外傷、腦出血及顱內腫瘤等疾病患者,由于患者病情嚴重,侵入性操作過多等因素,使得該科室成為醫院感染防控的重點科室[2]。以往研究[3-4]集中在以科室為整體,通過科室醫院感染防控措施的綜合情況來開展風險評估,這忽略了患者本身個體化差異導致了個體醫院感染風險存在差異。本研究擬通過構建列線圖模型,對神經外科患者的醫院感染進行個體化風險預測,針對此人群進行干預,以達到降低神經外科醫院感染發生率的目的。

1 資料與方法

1.1 一般資料采用回顧性調查,選取某三級醫院2019年1月1日至2020年12月31日神經外科在院>48 h的患者作為研究對象,采集所有患者基本信息、侵入性操作、臨床治療等相關信息。根據國家衛生健康委(原衛生部)印發的《醫院感染診斷標準》(2001)[5],結合患者的臨床資料由臨床醫生和醫院感染監測人員共同確定醫院感染病例。根據研究對象是否發生醫院感染分為院感組及非院感組。

1.2 方法

1.2.1 臨床資料收集利用東華數字化醫院信息管理系統和醫院感染實時監控系統收集研究對象的相關資料。其中患者一般信息包括年齡、性別、住院天數等;診療信息包括是否存在侵襲性操作、手術方式、手術時長、失血情況、是否存在醫院感染等。

1.2.2 數據分組2019年1月1日至2019年12月31日符合要求的研究對象數據設為建模組,用于構建模型,2020年1月1日至2020年12月31日符合要求的研究對象設為驗證組,用于驗證模型的預測效能。

1.2.3 構建模型利用建模組的數據,進行神經外科醫院感染影響因素分析,其中包括單因素分析及多因素Logistic回歸分析,基于分析結果構建列線圖模型。列線圖,又稱諾莫圖,該圖在多因素回歸分析的基礎上,將多個預測指標進行整合,然后采用帶有刻度的線段,按照一定的比例繪制在同一平面上,從而用以表達預測模型中各個變量之間的相互關系。在模型中,各個影響因素對結局變量的貢獻程度不同,從而對每個影響因素取值水平進行賦分,然后再將各個評分相加得到總評分,最后通過總評分與結局事件發生概率之間的函數轉換關系,從而計算出該個體結局事件的預測值,總評分越高,發生結局事件的風險越高。

1.2.4 驗證模型采用受試者工作特征曲線(ROC)即ROC曲線對該模型進行內部驗證,ROC曲線下面積(AUC)越接近1,說明分類器的性能越好[6]。使用驗證組資料對模型進行進行外部驗證。

2 結 果

2.1 一般基本資料本次研究共收集病例5 689例,其中建模組2 956例,驗證組2 733例。建模組醫院感染107例,發生率為3.62%;驗證組醫院感染95例,發生率3.48%。將建模組及驗證組各變量進行對比,差異無統計學意義(P>0.05),建模組與驗證組的資料同質性較好,表明驗證組數據可以用于模型外部驗證。見表1。

表1 建模組與驗證組資料對比

2.2 影響因素分析使用建模組數據對神經外科患者醫院感染的影響因素進行多因素Logistic回歸分析,結果顯示,住院天數、有手術史、急診手術、開放性手術、手術時長>3 h、術前無預防用藥及使用呼吸機是神經外科患者醫院感染的危險因素(P<0.05)。見表2～3。

表2 建模組神經外科患者醫院感染單因素分析結果

表3 建模組神經外科患者醫院感染多因素Logistic回歸分析結果

2.3 列線圖模型構建及驗證利用Logistic回歸模型構建列線圖(圖1);繪制ROC曲線,其AUC面積為0.902(95%可信區間為0.879～0.925)(圖2),區分度良好;利用驗證組數據進行外部檢驗,經過繪制校準曲線發現,模型的實際觀察值與預測觀察值結果較為一致(圖3),說明模型校準能力較好。

圖1 神經外科醫院感染風險預測列線圖模型

圖2 列線圖預測神經外科醫院感染的ROC曲線

圖3 列線圖預測神經外科醫院感染的校準曲線

3 討 論

神經外科是醫院感染防控的重要科室,在國內,其醫院感染發生率往往高于全院水平[7],同時,醫院感染在經濟上給患者帶來了巨大的負擔。國內有文獻報到,內蒙古地區24家三級綜合醫院,神經外科醫院感染經濟損失最高[8]。因此,在神經外科實施有效的醫院感染防控工作尤為重要。國內各種文獻報到,醫院環境清潔情況及手衛生執行率都不高,這種情況下,更應該關注重點人群的醫院感染防控工作[9]。

本研究結果顯示,住院天數增加、進行手術、急診手術、開放性手術、術前未預防性用藥、手術時長>3 h及使用呼吸機為神經外科患者醫院感染的危險因素,這和部分國內報到結果相似[10-11]。但是,由于文獻中選取的變量不完全相同,也導致結果存在一定差異。雖然醫院感染受多因素影響,但各影響因素在疾病發生過程中的影響程度的討論卻不多[12]。因此相關研究結果在實際臨床應用中仍然局限。列線圖是一種比較熱門的模型構建方法,可以將回歸結果進行整合,實現圖形化、可視化,更直觀,更形象的進行個體化風險預測[13]。本研究將多因素Logistic回歸中有統計學意義的住院時長、是否手術、手術類型、手術方式、手術時長和是否使用呼吸機影響因素作為評分指標構建列線圖模型,該模型有較高的區分度和校準度。臨床上可以通過列線圖,通過對患者開展評分來進行個體醫院感染風險評估工作,并根據患者個體風險評分來區分神經外科中的醫院感染重點人群,著重加強此類人群的醫院感染預防控制措施,以減少醫院感染的發生。

但是,此研究也有局限之處。首先,本研究僅選擇了一所醫療機構的神經外科資料,且自變量資料收集不夠全面,可能導致并非所有危險因素都納入。在今后的研究中,可以擴大數據收集范圍并加強資料收集完整度,使得數據分析更為精確。其次,本研究的細化程度有待加強,今后的研究可以針對神經外科常見醫院感染部位進行分類研究,形成多個列線圖,臨床醫務人員在進行評估時,可以直接評估不同部位醫院感染的風險。最后,此種個體風險評估方式應和臨床科室的醫院感染風險評估相結合,才能形成完整的醫院感染風險評估體系,完整評估高風險科室的高風險人群,實現動態風險評估。

利益沖突說明/Conflict of Intetests

所有作者聲明不存在利益沖突。

倫理批準及知情同意/Ethics Approval and Patient Consent

本研究通過貴州醫科大學附屬醫院醫學倫理委員會批準,為回顧性資料分析,故知情同意免除。