惡性腫瘤病人醫院感染影響因素及預測模型構建

韓泳岐 李偉

作者簡介 韓泳岐，碩士研究生在讀，E?mail：han71729800@163.com

引用信息 韓泳岐，李偉.惡性腫瘤病人醫院感染影響因素及預測模型構建[J].護理研究，2024，38（13）：2411?2414.

Influencing factors of nosocomial infection in patients with malignant tumors and construction of prediction model

HAN Yongqi， LI Wei

Zhejiang University of Chinese Medicine， Zhejiang 310053 China

Corresponding Author? HAN Yongqi， E?mail： han71729800@163.com

Keywords??? hospital infection； tumors； influencing factors； prediction model； Nomogram； investigation and research

摘要? 目的：調查惡性腫瘤病人醫院感染的發生情況及其影響因素，并構建醫院感染風險預測模型。方法：選取2023年1月—12月某三級甲等綜合醫院腫瘤內科收治的5 067例病人為研究對象，回顧性收集臨床資料，統計醫院感染的發生情況，采用Logistic回歸分析醫院感染的影響因素，并構建列線圖模型，采用受試者工作特征（ROC）曲線評估模型預測效果。結果：5 067例惡性腫瘤病人中，128例病人住院期間發生醫院感染，發生率為2.53%；下呼吸道是醫院感染的主要發生部位，占52.34%。Logistic回歸分析顯示，住院時長、合并糖尿病、腫瘤治療方案、低蛋白血癥、留置中心靜脈導管和留置導尿管是惡性腫瘤病人發生醫院感染的主要影響因素。構建的預測模型的ROC曲線下面積為0.904，敏感度為82.81%，特異度為81.62%。結論：惡性腫瘤病人發生醫院感染的影響因素主要為住院時長、合并糖尿病、腫瘤治療方案、低蛋白血癥、住院期間留置中心靜脈導管和留置導尿管，構建的預測模型可用于預測惡性腫瘤病人醫院感染的發生風險。

關鍵詞? 醫院感染；腫瘤；影響因素；預測模型；列線圖；調查研究

doi：10.12102/j.issn.1009-6493.2024.13.028

醫院感染是醫療機構不可忽視的公共衛生問題，病人發生醫院感染可致住院時間延長，病床周轉率降低，并且增加病人痛苦和額外的經濟負擔，甚至會導致病人死亡，給醫療安全和疾病控制帶來諸多挑戰[1?4]。近年來，由于不規范使用抗生素、人口老齡化、診療技術飛速發展導致侵入性操作增加等因素，醫院感染成為影響病人安全和治療效果的重要問題之一[5?6]。惡性腫瘤病人住院期間發生醫院感染的風險比普通住院病人更高[7?8]，研究顯示惡性腫瘤病人每發生1例醫院感染將會導致3.98萬元的額外總費用支出和20.5 d的住院日延長[8]。因此，早期識別惡性腫瘤病人醫院感染的發生風險，及時進行臨床干預，對于降低腫瘤病人醫院感染發生率、提高腫瘤病人預后和降低治療費用至關重要[9?11]。本研究通過探討惡性腫瘤病人醫院感染發生的危險因素，繪制列線圖模型，對醫院感染發生風險進行預測，為評估腫瘤病人發生醫院感染風險并制定個體化干預措施提供參考。

1? 資料與方法

1.1 研究對象

選取2023年1月—12月某三級甲等綜合醫院腫瘤內科收治的惡性腫瘤病人5 067例為研究對象。納入標準：1）經臨床、影像學及病理組織學檢查確診為惡性腫瘤；2）住院時間>48 h；3）年齡≥18歲。排除標準：1）臨床資料不完整；2）入院時合并急慢性感染或感染性疾病者。

1.2 調查內容

采用回顧性調查方法收集研究對象的一般資料，包括性別、年齡、住院時長、是否合并糖尿病、腫瘤治療方案（抗腫瘤治療、支持治療）、住院期間有無低蛋白血癥、是否留置中心靜脈置管和導尿管。支持治療指抗腫瘤治療期間出現并發癥或不良反應中斷抗腫瘤治療采取對癥治療的病人或因體質較差而行姑息治療的病人。醫院感染專職人員通過醫院感染實時監測系統中的預警信息與臨床醫生進行溝通，按照2001版《醫院感染診斷標準（試行）》對病例做出醫院感染診斷。

1.3 統計學方法

使用Excel 2010軟件建立數據庫，雙人雙錄，系統邏輯檢錯。采用SPSS 22.0統計軟件進行數據分析，定性資料采用例數、百分比（%）描述，兩組比較采用χ2檢驗；將單因素分析中差異有統計學意義的因素作為自變量進行多因素Logistic回歸分析。利用篩選出的影響因素建立列線圖模型，使用受試者工作特征（ROC）曲線評估模型的預測效果。檢驗水準α=0.05。

2? 結果

2.1 惡性腫瘤病人醫院感染分布

本研究共納入5 067例惡性腫瘤病人，發生醫院感染128例，發生率為2.53%。醫院感染部位分布：下呼吸道感染占比最高，為52.34%，其次是菌血癥（占16.41%）。見表1。

2.2 影響惡性腫瘤病人醫院感染發生風險的單因素分析

單因素分析顯示，病人住院時長、合并糖尿病、腫瘤治療方案、低蛋白血癥、留置中心靜脈置管和導尿管對惡性腫瘤病人醫院感染發生有影響（P<0.05）。見表2。

2.3 影響惡性腫瘤病人醫院感染的多因素分析

將單因素分析中差異有統計學意義的變量代入多因素Logistic回歸方程，賦值方式：對于二分類變量（合并糖尿病、低蛋白血癥、留置中心靜脈置管和導尿管），均為否=0，是=1；住院時長和腫瘤治療方案，住院時長≤7 d=1，>7 d=2；抗腫瘤治療=1，支持治療=2。結果顯示，住院時長、腫瘤治療方案、合并糖尿病、低蛋白血癥、留置中心靜脈導管和尿管是惡性腫瘤病人醫院感染發生的影響因素。見表3。

2.4 惡性腫瘤病人醫院感染發生風險列線圖模型構建

根據惡性腫瘤病人發生醫院感染危險因素的回歸系數制定評分標準，給每個自變量的取值1個評分，繪制列線圖。見圖1。ROC曲線分析顯示，ROC曲線下面積為0.904[95%CI（0.879，0.928）]，敏感度為82.81%，特異度為81.62%，見圖2。

3? 討論

3.1 惡性腫瘤病人醫院感染發生風險的影響因素

隨著惡性腫瘤治療的不斷發展，腫瘤病人生存率均有不同程度的提高[12]。腫瘤病人進行相關治療，包括化療、放療、內分泌治療、靶向治療、免疫治療及其他綜合治療方法，這些治療對病人的免疫系統有不同程度損害，繼而導致醫院感染發生。本研究顯示，惡性腫瘤病人醫院感染發生率為2.53%，下呼吸道感染占比最高，達52.34%。有研究顯示，惡性腫瘤病人醫院感染發生率為1.24 %～ 35.71% [13?14]。呼吸道感染是惡性腫瘤病人醫院感染中最易發生的部位，與相關文獻結果［15?17］一致。

本研究結果顯示，住院時長、合并糖尿病、腫瘤治療方案、低蛋白血癥、留置中心靜脈導管和導尿管為惡性腫瘤病人醫院感染發生的影響因素，與相關研究發生醫院感染的危險因素相似[18?25]。分析原因為：1）病人病情危重，腫瘤治療出現并發癥或不良反應，使得住院時間延長，增加發生醫院感染發生率。2）留置中心靜脈導管和導尿管屬于侵入性操作，其破壞了人體的正常防御屏障，因此容易發生感染。此外，如操作環節中操作者未執行嚴格的無菌操作技術、使用診療器械未達到滅菌級別、操作前皮膚黏膜消毒措施不到位以及留置導管后的維護措施不當均可發生感染。喻玲麗等[26]的研究顯示，惡性腫瘤、留置中心靜脈導管為醫院獲得性血流感染的影響因素。楊柳等[27]研究顯示，惡性腫瘤化療病人留置中心靜脈導管是發生中心靜脈導管相關感染的危險因素。3）糖尿病會導致皮膚和外周血管出現病變，它可引起血管內皮受損和血栓形成，加重微循環障礙，使病人皮膚防御能力下降。與此同時，高血糖和慢性炎癥狀態還會進一步加重惡性腫瘤病人

的代謝及生理功能障礙，這使得他們難以抵御微生物入侵，降低了對病原菌產生的內毒素以及入侵細胞大量繁衍的控制能力，最終增加了惡性腫瘤病人的感染風險[27]。4）支持治療病人是指進行抗腫瘤治療后出現并發癥或不良反應暫時中斷抗腫瘤治療采取對癥治療的病人，或因體質不佳而行姑息治療的病人，此類病人常導致免疫功能受損，且病情較重，極易發生醫院感染。5）低蛋白血癥病人機體蛋白質合成能力減弱，使得免疫球蛋白、補體等相關免疫因子合成不足，致使機體不能及時清除外來病原菌。惡性腫瘤為消耗性疾病，并且病人在抗腫瘤治療過程中出現食欲減低、嘔吐等不良反應，使營養流失，造成機體免疫力下降。在多重作用下，各器官防御能力下降，從而導致醫院感染發生[28]。

3.2 惡性腫瘤病人醫院感染發生風險的列線圖

列線圖的優勢在于無須復雜的計算便可估計特定病人發生某一臨床事件的概率，因此，在臨床事件概率評估中有很大的價值[29]。目前，國內在醫院感染風險識別上主要采用層次分析法和專家咨詢法等建立指標體系，對醫院整體、部門乃至特定科室的感染風險進行定性評估。然而，針對個體層面的個性化定量評估研究相對較少。實際上，針對個體病人的醫院感染風險進行定量評估，對于及時發現高危人群并制定個性化防控措施具有重要的意義[29]。檢驗本研究構建的列線圖模型的預測效果，結果顯示ROC曲線下面積為0.904[95%CI（0.879，0.928）]，敏感度為82.81%，特異度為81.62%，表明該模型在解釋數據方面的良好性能，對于預測結局變量具有較高的可靠性和準確性。

4? 小結

綜上所述，惡性腫瘤病人醫院感染發生風險高，一旦發生醫院感染可能使病人抗腫瘤治療中斷，嚴重的醫院感染甚至導致病人死亡。醫療機構應對惡性腫瘤病人進行醫院感染影響因素評估，及早采取干預措施，降低醫院感染發生率，保障病人抗腫瘤治療順利進行，提高病人的生存率和生存質量。列線圖預測模型制作簡單、可操作性強，用于腫瘤病人醫院感染發生風險評估，在臨床應用方面有較高價值 [30?32]。建議惡性腫瘤病人收治病區結合本病區醫院感染的監測數據，篩選危險因素，制作風險列線圖，對入住病人進行醫院感染風險評估。

參考文獻：

[1]? 孫芳艷，王麗雪，郭勤，等.基于DRG的醫院感染患者直接經濟負擔研究[J].中國感染控制雜志，2021，20（8）：725-729.

[2]? 宋明，王書會.骨腫瘤病人醫院感染影響因素及經濟負擔分析[J].護理研究，2022，36（9）：1584-1588.

[3]? 賈呂曦，張文勝，羅梅，等.2019—2021年四川省某三甲中醫院住院患者醫院感染所致直接經濟負擔[J].中華醫院感染學雜志，2023，33（12）：1890-1894.

[4]? 許可心，郭青青，周春蓮，等.CHS-DRG支付下醫院感染患者住院直接經濟負擔研究[J].臨床和實驗醫學雜志，2023，22（22）：2458-2462.

[5]? AMODIO E，SCHREIBER P W，FAES HESSE M，et al.Adverse outcomes of patients with non-ventilator-associated hospital-acquired pneumonia（NVHAP）：a single centre cohort study[J].Infectious Disease Reports，2024，16（2）：228-238.

[6]? ROSENTHAL V D，YIN R J，NERCELLES P，et al.International Nosocomial Infection Control Consortium（INICC） report of health care associated infections，data summary of 45 countries for 2015 to 2020，adult and pediatric units，device-associated module[J].American Journal of Infection Control，2024，9：879.

[7]? 岳家奎，黃茜，黃桂紅.惡性腫瘤患者1497例醫院感染因素分析[J].臨床合理用藥雜志，2020，13（1）：20-22.

[8]? 林臻，黃倩，王萍.老年惡性腫瘤患者CRE醫院感染經濟損失及危險因素分析[J].現代診斷與治療，2019，30（16）：2792-2795.

[9]? HUANG L H，NING H C，LIU X C，et al.Economic burden attributable to hospital-acquired infections among tumor patients from a large regional cancer center in Southern China[J].American Journal of Infection Control，2024，7：107.

[10]? 孫玉玲，馬穎欣，鮑中英，等.老年惡性腫瘤患者院內感染和多重耐藥菌感染的危險因素研究[J].現代預防醫學，2021，48（16）：3048-3054.

[11]? 劉艷華，李大瑞，王佳瑤.應用化學治療的腫瘤患者醫院感染的危險因素及護理對策研究[J].實用醫技雜志，2020，27（8）：1125-1126.

[12]? 王軍，陳永勝，朱健，等.啟東市15～39歲人群惡性腫瘤生存率趨勢分析[J].現代腫瘤醫學，2023，31（8）：1542-1547.

[13]? 侯慧科，張國政.某院住院腫瘤患者醫院感染病原菌的分布及其感染部位特點分析[J].抗感染藥學，2021，18（2）：239-242.

[14]? 孫芳紅，李娜，朱林佳，等.惡性腫瘤患者下呼吸道感染病原學特點及影響因素分析[J].現代實用醫學，2021，33（1）：22-23;76.

[15]? 金映雪，何麗玲，蔡玉杏.觀察惡性腫瘤合并醫院感染患者死亡原因與應用抗菌藥物的關系[J].當代醫學，2021，27（11）：93-95.

[16]? 胡亞會，周鵬飛，康運凱，等.惡性腫瘤患者醫院感染病原菌分布及耐藥性分析[J].中國消毒學雜志，2021，38（1）：47-49.

[17]? 李桃，龔光明，徐俊煒.惡性腫瘤化療患者醫院感染臨床特點與預防研究[J].南通大學學報（醫學版），2018，38（2）：85-88.

[18]? 張偉.某院210例惡性腫瘤患者發生ESKAPE血流感染的臨床特征與危險因素分析[J].抗感染藥學，2022，19（12）：1686-1689.

[19]? ISIGI S S，PARSA A D，ALASQAH I，et al.Predisposing factors of nosocomial infections in hospitalized patients in the United Kingdom：systematic review[J].JMIR Public Health and Surveillance，2023，9：e43743.

[20]? 陳德欽，莊璇.某院2017—2021年耐碳青霉烯類腸桿菌科細菌感染分布特征及其危險因素[J].海峽預防醫學雜志，2022，28（6）：24-27.

[21]? 韓旭，朱淇，鞏超捷.老年腫瘤患者多重耐藥菌院內感染危險因素分析[J].山西醫藥雜志，2020，49（8）：937-939.

[22]? 吳明銘，楊海濤，林萬尊，等.惡性腫瘤患者醫院感染的特點及危險因素分析[J].福建醫科大學學報，2020，54（1）：48-52.

[23]? 洪燕，郭海萍，陳金連，等.某院惡性腫瘤患者多重耐藥菌感染監測及危險因素分析[J].中華全科醫學，2020，18（2）：314-317.

[24]? 劉艷平，何泳紅，鄧穎輝.惡性腫瘤患者醫院感染病原菌分布及危險因素分析[J].中國消毒學雜志，2019，36（2）：124-126.

[25]? 王韋又，黃興敏，蘭奇州，等.肺癌145例化療后并發下呼吸道感染影響因素分析[J].安徽醫藥，2023，27（4）：774-777.

[26]? 喻玲麗，周瑩麗，段萌萌，等.醫院獲得性耐碳青霉烯類腸桿菌目細菌血流感染危險因素[J].中國感染控制雜志，2024，23（1）：100-103.

[27]? 楊柳，朱容嘉，齊峰，等.惡性腫瘤化療患者中心靜脈置管相關感染的危險因素及預測模型構建[J].中華醫院感染學雜志，2023，33（18）：2764-2767.

[28]? 李慧敏，王昆，郝夢迪，等.老年惡性腫瘤患者醫院感染的危險因素分析[J].醫學信息，2023，36（4）：175-178.

[29]? 郭云波，王高帥.腫瘤患者醫院感染風險預測模型構建[J].腫瘤基礎與臨床，2023，36（4）：308-313.

[30]? 趙栩，李自瓊，歐喻瑩，等.肝硬化患者醫院內感染風險預測列線圖模型的構建[J].實用肝臟病雜志，2022，25（4）：534-537.

[31]? 陶雍，毛靜玉，薛嵋，等.腫瘤患者PICC導管相關血流感染風險預測模型的構建[J].中國護理管理，2022，22（11）：1718-1721.

[32]? LI X Y，WANG L S，LI C L，et al.A nomogram to predict nosocomial infection in patients on venoarterial extracorporeal membrane oxygenation after cardiac surgery[J].Perfusion，2024，39（1）：106-115.

（收稿日期：2024-05-07；修回日期：2024-06-11）

（本文編輯 崔曉芳）