重癥監護室病人多重耐藥菌感染預測模型的構建

［收稿日期］2022-10-28;" ［修訂日期］2023-06-20

［基金項目］青島市民生科技計劃項目（19-6-1-10-nsh）

［第一作者］王亞喜（1996-），女，碩士研究生。

［通信作者］龐旭峰（1973-），女，碩士，副主任護師。E-mail：18661808973@163.com。

［摘要］" 目的

構建及驗證重癥監護室（ICU）病人多重耐藥菌（MDRO）感染預測模型。

方法" 回顧性分析2021年8月—2022年1月入住青島市某三甲醫院ICU 688例病人的臨床資料，根據留置ICU期間是否發生MDRO分為MDRO感染組和非MDRO感染組，基于最小絕對收縮與選擇算子算法和逐步回歸篩選危險因素、構建MDRO感染預測模型，繪制列線圖，并進行內部驗證。

結果" 在納入的ICU病人中，MDRO感染率為15.70%，危險因素包括住院時間、留置ICU時間、長期臥床、入ICU前使用抗生素、入ICU前進行侵入性操作、合并慢性肺部疾病、低蛋白血癥、急性生理和慢性健康評分系統評分、抗生素的使用數量。基于此構建的預測模型受試者工作特征曲線下面積為0.896，特異度、靈敏度、準確度分別為76.85%、87.41%、85.76%。Hosmer-Lemeshow擬合優度檢驗P=0.659，模型的校準度良好。

結論" 構建的ICU病人MDRO感染預測模型的預測效果較好，可為臨床篩選MDRO感染高危人群提供參考。

［關鍵詞］" 重癥監護病房；抗藥性，多種，細菌；危險因素；列線圖

［中圖分類號］" R197.323

［文獻標志碼］" A

［文章編號］" 2096-5532（2024）01-0115-05

doi：10.11712/jms.2096-5532.2024.60.005

［開放科學（資源服務）標識碼（OSID）］

［網絡出版］" https：//link.cnki.net/urlid/37.1517.R.20240304.1750.003;2024-03-07" 18：25：21

Construction of a prediction model for multidrug-resistant organism infection in intensive care unit patients

＼ WANG Yaxi， ZHANG Linghui， CAO Wen， XIN Weiqing， WANG Zhongxin， PANG Xufeng

＼ （Department of Critical Medicine， The Affilialed Hospital of Qingdao University， Qingdao 266021， China）

＼; ［Abstract］＼ Objective＼ To construct and validate a prediction model of multidrug-resistant organism （MDRO） infection in intensive care unit （ICU） patients.

＼ Methods＼ We retrospectively analyzed the clinical data of 688 patients admitted to the ICU of a grade A tertiary hospital in Qingdao from August 2021 to January 2022. According to whether MDRO infection occurred or not during stay in the ICU， they were divided into MDRO infection group and non-MDRO infection group. The risk factors were determined using the least absolute shrinkage and selection operator method and stepwise regression analysis to construct an MDRO infection prediction model. A nomogram was created and internally verified.

＼ Results＼ The MDRO infection rate was 15.70% among the included ICU patients. The risk factors included the length of hospital stay， the length of ICU stay， long-term bed rest， the use of antibiotics before ICU， invasive operation before ICU， chronic lung disease， hypoproteinemia， Acute Physiology and Chronic Health Evaluation score， and the consumption of antibiotics. The area under the receiver operating characteristic curve for the constructed prediction model was 0.896， with the specificity， sensitivity， and accuracy being 76.85%， 87.41%， and 85.76%， respectively. The Hosmer-Lemeshow test demonstrated a good fit of the model （P=0.659）.

＼ Conclusion＼ The MDRO infection prediction model for ICU patients has good performance， which can provide a reference for identifying patients at high risk for MDRO infection.

［Key words］＼ intensive care units; drug resistance， multiple， bacterial; risk factors; nomograms

多重耐藥菌（MDRO）是指對3種及以上不同類別抗生素同時耐藥的細菌，這類細菌引起的感染稱為MDRO感染。重癥監護室（ICU）是MDRO感染的重災區［1］，ICU病人病情危重、免疫力低，常進行多種侵入性治療，這增加了感染的風險［2］。研究表明，MDRO感染病人住院日、醫療費用和死亡率均顯著增加，而針對MDRO感染目前尚缺乏特效治療藥物［3］。此外，MDRO主要通過接觸傳播，極易造成院內感染的暴發［4］。加強MDRO感染預警模型的構建是控制和預防MDRO感染的重要舉措之一［5］。但目前的模型在變量篩選時多使用傳統的logistic回歸，易出現過擬合問題，從而降低模型的預測性能［6］。本文研究基于最小絕對收縮與選擇算子算法（Lasso）和逐步回歸篩選并構建MDRO感染風險預測模型，以早期識別高危人群。現將結果報告如下。

1" 對象與方法

1.1" 研究對象

基于前期文獻的研究結果，本研究選取10個危險因素［7］。根據陽性例數是自變量個數的5～10倍［8］，

結合ICU內MDRO感染發生率（23.70%）［9］，

并考慮20%的無效數據，計算得出建模組樣本量最少為527例。本研究為回顧性研究，選取2021年8月—2022年1月入住青島市某三級甲等醫院ICU的688例病人，根據是否發生MDRO感染分為MDRO感染組和非MDRO感染組，MDRO感染診斷符合《醫院感染診斷標準》［10］和《多重耐藥菌醫院感染預防與控制技術指南（試行）》標準［11］。納入標準：①年齡≥18歲；②在ICU期間至少進行過1次微生物培養。排除標準：①病例資料不完整者；②入住ICU時已確診為MDRO感染者；③入住ICU不足48 h出院或死亡者。本文研究最終納入688例入住ICU的病人，其中男429例（62.35%），女259例（37.65%）；年齡65.50（53.00，74.00）歲；ICU住院時間為9.00（5.00，16.00）d。108例發生MDRO感染（MDRO感染組，B組），580例未發生MDRO感染（非MDRO感染組，A組），ICU內MDRO感染發生率為15.70%。本研究通過青島大學醫學部倫理委員會審查同意。

1.2" 研究方法

1.2.1 "研究工具" 根據文獻回顧以及專家建議，從以下6個方面編制ICU病人資料調查表，以篩選MDRO感染發生的危險因素。①一般資料：包括病人年齡、性別、住院時間、留置ICU時間、合并基礎疾病；②病情評估：包括急性生理和慢性健康評分系統（APACHE Ⅱ）、格拉斯哥昏迷量表（GCS）評分；③營養狀況相關指標：包括體質指數（BMI）、清蛋白、前清蛋白、營養風險篩查（NRS）2002評分；④侵入性操作：包括手術史、氣管插管或氣管切開、動脈插管、胃腸營養管、中心靜脈導管、經外周靜脈穿刺中心靜脈置管（PICC）、尿管及其他引流管的使用情況；⑤用藥情況：包括抗生素使用的數量、聯用情況、糖皮質激素（激素）應用、免疫抑制劑應用、營養支持治療；⑥實驗室指標：包括C反應蛋白、降鈣素原、白細胞、尿素氮、肌酐。合并基礎疾病的診斷根據國際疾病分類-10編碼標準［12］。

1.2.2" 資料收集和質量控制" 由2名經過統一培訓的碩士研究生，利用醫院電子病歷系統及醫院感染管理系統收集并填寫ICU病人資料調查表，資料收集的起始時間為入住ICU時，實驗室指標為病人入ICU后24 h的第一個檢測值，終止時間為出科或發生MDRO感染。對于資料中的缺失值，使用均值填補［13］。采用VITEK2 Compact System 全自動微生物鑒定及藥敏分析系統和K-B紙片擴散法進行菌株的培養鑒定和藥敏試驗，標本由專業人員采集，統一檢測方法和診斷標準。資料收集完成后，由雙人錄入、核對，若出現錯誤及時更正。

1.3" 統計學方法

使用Stata 15.0和R 4.1.0軟件對數據進行統計學分析。正態分布的計量資料采用±s表示，組間比較采用t檢驗；非正態分布的計量資料以M（P25，P75）表示，組間比較采用秩和檢驗。計數資料采用頻數、百分比表示，組間比較采用χ2檢驗、Fi-

sher精確檢驗。采用R軟件的glmnet和MASS包進行Lasso回歸和逐步回歸分析，使用rms包繪制列線圖。通過Hosmer-Lemeshow擬合優度檢驗、校準曲線、受試者特征曲線下面積（AUC）和臨床決策曲線（DCA）評價模型的校準度、區分度和臨床實用性。此外，采用Bootstrap采樣法進行內部驗證，該方法將n次抽樣的結果作為訓練集構建模型，原始數據作為驗證集，應用模型計算訓練集和驗證集的預測值，比較其與實際值的一致性。以Plt;0.05為差異有統計學意義。

2" 結" 果

2.1" 一般資料相關指標比較

兩組住院時間、留置ICU時間、NRS 2002評分、尿素氮、APACHEⅡ評分、GCS評分、抗生素應用數量、長期臥床、合并慢性肺部疾病、低蛋白血癥、ICU住院史、入ICU前侵入性操作及入ICU前使用抗菌藥物等比較，差異有顯著意義（Z=2.135～9.969，t=6.048～6.883，χ2=21.407～71.638，Plt;0.05）。兩組間性別、高血壓、糖尿病、腦血管疾病、循環系統疾病、肝功能異常、實體瘤、腎功能異常、外傷、長期放化療、BMI、清蛋白、前清蛋白、C反應蛋白、降鈣素原、白細胞計數、肌酐、尿素氮/肌酐、手術次數、手術級別、切口愈合情況等比較，差異均無統計學意義（Pgt;0.05）。見表1。

2.2" Lasso回歸變量篩選

為避免過擬合，將可能的影響因素作為自變量納入Lasso回歸進行變量篩選。Lasso回歸采用10折交叉驗證選擇lambda.1se為最優λ，最優λ=0.037 7，對應的變量個數為9個。見圖1。

2.3" ICU病人MDRO感染預測模型的構建及預測效果

將篩選出的9個變量采用向后逐步回歸法構建模型：Y=0.033×住院時間+0.026×留置ICU的時間+1.254×長期臥床+0.939×入ICU前使用抗生素+0.896×入ICU前進行侵入性操作+0.756×合并慢性肺部疾病+1.316×低蛋白血癥+0.059×APACHE Ⅱ評分+0.613×抗生素聯用-6.710。繪制列線圖，列線圖中每個危險因素得分通過垂直線上方的分數線獲得，所有得分相加即可獲得總分，總分對應的概率值為ICU病人MDRO感染發生的概率（圖2）。見表2。應用Hosmer-Lemeshow檢驗方法對模型進行擬合優度檢驗，結果顯示，χ2=5.895，P=0.659，模型預測的特異度、靈敏度、準確度分別為76.85%、87.41%、85.76%，AUC為0.896（95%CI=0.864～0.928）。采用Bootstrap采樣法進行內部驗證，經1 000次迭代之后所得校準曲線見圖3，模型的校準度良好。DCA分析顯示，病人MDRO發生概率為2%～85%時凈收益率gt;0。見圖3。

3" 討" 論

微生物培養是診斷病人MDRO感染的標準，

但需一段時間等待培養結果，在空白期使用風險預

測模型及早識別高危人群，及時采取有效隔離措施，

可以避免醫院感染進一步傳播［14］。目前臨床上建立MDRO感染預測模型多采用先單因素后多因素logistic回歸的方法篩選變量，無法處理存在多重共線性的數據。Lasso算法通過懲罰系數λ將相對不重要的變量壓縮為0進行剔除，選取具有代表性的變量，同時計算出擬選取變量的估計參數，具有處理高維變量產生稀疏特征、避免過擬合的優勢［15］。

本研究結果顯示，長期臥床是MDRO感染的獨立危險因素，與王書等［16］研究結果一致。ICU病人長期臥床導致肺部充血、水腫，分泌物淤積于中小氣管難以咳出［17］。本文結果顯示，住院時間、留置ICU時間越久，MDRO感染發生率越高，與既往研究結論一致［18］。與非ICU環境相比，ICU環境中細菌分離株較多，藥物敏感度普遍較低，病人直接或間接接觸耐藥菌的機會較大［19］。南玲等［20］的研究結果顯示，APACHE Ⅱ評分≥40分發生院內感染的概率達100%。本研究結果顯示，APACHE Ⅱ評分與MDRO感染正相關。另外，低蛋白血癥增加了ICU病人MDRO感染風險。清蛋白降低引起組織水腫，機體屏障的防御能力下降，繼發性感染發生概率增加［21］，與既往研究結果相符［5］。抗生素可引起腸道菌群失調，誘發機體自身攜帶耐藥性因子的細菌過度生長，導致MDRO感染［22］。這可能是抗生素使用數量增多、入ICU前使用抗生素會增加病人MDRO感染概率的原因。因此，對存在高危因素的ICU病人，醫務人員可協助病人早期活動，密切觀察病情變化，持續評估營養狀況和皮膚狀態，嚴格規范抗生素管理，避免濫用或誤用。

本研究基于Lasso和逐步回歸法構建ICU病人MDRO感染預測模型，AUC為0.896，具有較好的區分度；Hosmer-Lemeshow擬合優度檢驗和校準曲線均提示，模型的校準度較高，預測結果較符合實際結果。為方便臨床應用，本文通過將篩選出的9個變量繪制列線圖，將復雜的預測方程可視化。醫務人員可通過該模型對ICU病人MDRO感染風險進行直觀評估，根據評估結果對高危人群及早采取相應措施，從而降低MDRO感染發生率，提高醫院管理質量。

綜上所述，入ICU前進行侵入性操作、低蛋白血癥、APACHE Ⅱ評分高等是ICU病人MDRO感染的危險因素，本文基于此構建的風險預測模型性能良好，能較好預測ICU內病人MDRO感染風險。因本研究采用回顧性研究設計，部分缺失數據予以排除，在資料收集方面可能存在信息偏倚；另外，本研究僅進行了內部驗證，在今后的研究中將進一步擴大樣本量，采用前瞻性、多中心驗證以檢驗模型的準確性和外部適用性。

［參考文獻］

［1］全國細菌耐藥監測網. 2020年全國細菌耐藥監測報告［J］. 中華檢驗醫學雜志， 2022，45（2）：122-136.

［2］IWU C D， PATRICK S M. An insight into the implementation of the global action plan on antimicrobial resistance in the WHO African region： a roadmap for action［J］. International Journal of Antimicrobial Agents， 2021，58（4）：106411.

［3］ANTIMICROBIAL RESISTANCE COLLABORATORS. Global burden of bacterial antimicrobial resistance in 2019： a systematic analysis［J］. Lancet， 2022，399（10325）：629-655.

［4］顧申申，李杰，張鍵，等. 基于全球醫院感染暴發數據庫和CNKI數據庫的ICU醫院感染暴發案例分析［J］. 中國感染控制雜志， 2021，20（11）：1035-1040.

［5］李文進，耿苗苗，楊富，等. 重癥監護室患者多重耐藥菌醫院感染風險因素管理［J］. 中國衛生資源， 2021，24（5）：560-564.

［6］SHI J W， ZHANG B， LIU F， et al. Efficient L1 regularization-based reconstruction for fluorescent molecular tomography using restarted nonlinear conjugate gradient［J］. Optics Letters， 2013，38（18）：3696-3699.

［7］鄒倩，丁夢媛，耿苗苗，等. ICU多重耐藥菌感染判別分析預判模型建立研究［J］. 醫學研究雜志，" 2021，50（1）：32-36.

［8］MOONS K G， ALTMAN D G， REITSMA J B， et al. Transparent Reporting of a multivariable prediction model for Individual Prognosis or Diagnosis （TRIPOD）： explanation and elaboration［J］. Annals of Internal Medicine， 2015，162（1）：W1-W73.

［9］MA X J， WU Y H， LI L Y， et al. First multicenter study on multidrug resistant bacteria carriage in Chinese ICUs［J］. BMC Infectious Diseases， 2015，15：358.

［10］中華人民共和國衛生部. 醫院感染診斷標準（試行）［J］. 中華醫學雜志， 2001，81（5）：61-67.

［11］衛生部辦公廳關于印發《多重耐藥菌醫院感染預防與控制技術指南（試行）》的通知［J］. 中華人民共和國衛生部公報， 2011（2）：59-61.

［12］QUAN H D， SUNDARARAJAN V， HALFON P， et al. Co-

ding algorithms for defining comorbidities in ICD-9-CM and ICD-10 administrative data［J］. Medical Care， 2005，43（11）：1130-1139.

［13］李業棉，趙芃，楊崳惠，等. 隊列研究中縱向缺失數據填補方法的模擬研究［J］. 中華流行病學雜志， 2021，42（10）：1889-1894.

［14］蔡虻，劉聚源，鄒琪. 護理在防控多重耐藥菌的獨特作用［J］. 中國護理管理， 2019，19（8）：1126-1129.

［15］CAI W X， VAN DER LAAN M. Nonparametric bootstrap inference for the targeted highly adaptive least absolute shrin-

kage and selection operator （LASSO） estimator［J］. The International Journal of Biostatistics， 2020 Aug 10;/j/ijb.ahead-of-print/ijb-2017-0070/ijb-2017-0070.xml. doi：10.1515/ijb-2017-0070. Online ahead of print.

［16］王書，蘇增鋒，范曉云. 老年阿爾茨海默病患者肺部多重耐藥菌感染風險列線圖模型構建［J］. 中華老年心腦血管病雜志， 2021，23（12）：1284-1287.

［17］柯小云，童金英，許繼濤，等. 老年腦梗死長期臥床患者醫院感染細菌學及其風險預測模型［J］. 中華醫院感染學雜志， 2022，32（7）：994-998.

［18］ZHOU Y， YU F， YU Y， et al. Clinical significance of MDRO screening and infection risk factor analysis in the ICU［J］. American Journal of Translational Research， 2021，13（4）：3717-3723.

［19］郭磊磊，秦紅英，張尚書，等. 骨科創傷患者術后多重耐藥菌感染風險Nomogram模型構建與驗證［J］. 中國感染控制雜志， 2022，21（6）：584-591.

［20］南玲，劉丁，方清永，等. 重癥監護病房患者APACHEⅡ評分與醫院感染相關性分析［J］. 實用預防醫學， 2015，22（12）：1465-1467.

［21］HU T Y， WANG M， CHEN W， et al. The clinical characte-

ristic and outcome of skin and soft tissue infection in immunosuppressive patients with nephrotic syndrome［J］. Clinical and Experimental Nephrology， 2020， 24（9）：779-788.

［22］SALIBA R， MIZRAHI A， GAUTHIER P P， et al. Antimicrobial stewardship program： reducing antibiotic’s spectrum of activity is not the solution to limit the emergence of multidrug-resistant bacteria［J］. Antibiotics， 2022，11（1）：70.

（本文編輯" 黃建鄉）