中国卫生资源  2020, Vol. 23 Issue (4): 384-387, 399  DOI: 10.13688/j.cnki.chr.2020.20326

引用本文  

丁梦媛, 李文进, 耿苗苗, 等. 综合重症监护病房患者多重耐药菌医院感染风险评估模型构建[J]. 中国卫生资源, 2020, 23(4): 384-387, 399. DOI: 10.13688/j.cnki.chr.2020.20326
DING M Y, LI W J, GENG M M, et al. Risk assessment model construction of nosocomial infection of multi-drug resistant organism in comprehensive intensive care unit patients[J]. Chinese Health Resources, 2020, 23(4): 384-387, 399. DOI: 10.13688/j.cnki.chr.2020.20326

基金项目

国家自然科学基金(71974127);上海交通大学中国医院发展研究院医院管理建设专项重点项目(CHDI-2018-A-04)

作者简介

丁梦媛, 硕士, 主要从事医院管理与卫生经济学研究, E-mail:814297898@qq.com

通信作者

祝延红, E-mail:yanhongzhu2010@163.com

文章历史

收稿日期:2020-04-20
综合重症监护病房患者多重耐药菌医院感染风险评估模型构建
丁梦媛 1, 李文进 2a, 耿苗苗 1, 马磊 2b, 邹倩 1, 康玫 2b, 朱秋丽 2c, 祝延红 2b     
1. 上海交通大学医学院公共卫生学院, 上海 200025;
2a. 上海交通大学附属第一人民医院绩效成本处, 上海 200080;
2b. 上海交通大学附属第一人民医院科研管理处, 上海 200080;
2c. 上海交通大学附属第一人民医院医院感染科, 上海 200080
摘要目的 构建综合重症监护病房(intensive care unit,ICU)患者多重耐药菌医院感染的风险评估模型。方法 对2017年1月—2019年12月入住综合ICU超过48 h的患者进行回顾性分析,按照3:1的比例将患者随机分为建模组和验证组(随机种子为20200108),对建模组的数据进行危险因素识别,构建logistic回归模型,根据相关系数对各危险因素进行赋值,建立感染风险评分模型,利用受试者工作特征曲线(receiver operating characteristic curve,ROC)评价模型的预测准确度,代入验证组的数据再次进行评价。结果 3年内入住ICU超过48 h的患者共950例,多重耐药菌医院感染的发病率为12.42%(118例)。将单因素分析有统计学意义(P < 0.05)的14个自变量纳入二元logistic回归分析,性别、感染前综合ICU住院天数、心脑血管疾病、感染前手术次数、留置导尿管、使用呼吸机、使用营养支持为7个独立危险因素,对各变量赋值计算,进行风险分层,得分8~14分为高风险组,1~7分为中风险组,-4~0分为低风险组。建模组模型评价显示,Hosmer-Lemeshow检验P=0.32,ROC下面积为0.870,敏感度为84.3%,特异度为80.0%。结论 所构建的模型对综合ICU患者多重耐药菌者医院感染风险有较好的拟合度与判别度,可用于高危人群的识别,进行早期预防与控制。
关键词重症监护病房    多重耐药菌    医院感染    风险评估    模型构建    
Risk assessment model construction of nosocomial infection of multi-drug resistant organism in comprehensive intensive care unit patients
DING Mengyuan 1, LI Wenjin 2a, GENG Miaomiao 1, MA Lei 2b, ZOU Qian 1, KANG Mei 2b, ZHU Qiuli 2c, ZHU Yanhong 2b     
1. School of Public Health, Shanghai Jiao Tong University School of Medicine, Shanghai 200025, China;
2a. Department of Performance and Cost, Shanghai General Hospital, Shanghai Jiao Tong University, Shanghai 200080, China;
2b. Department of Scientific Research Management, Shanghai General Hospital, Shanghai Jiao Tong University, Shanghai 200080, China;
2c. Department of Nosocomial Infection, Shanghai General Hospital, Shanghai Jiao Tong University, Shanghai 200080, China
Abstract: Objective To construct a risk assessment model for nosocomial infection of multi-drug resistant organism in comprehensive intensive care unit(ICU)patients. Methods Retrospective analysis was conducted on the patients who were admitted to comprehensive ICU longer than 48 hours from January 2017 to December 2019. The patients were randomly divided into the modeling group and the validation group according to the ratio of 3:1(random seed was 20200108). Risk factor identification was carried out on the data of the modeling group. The logistic regression model was constructed, and each risk factor was assigned according to correlation coefficient. Risk score model of infection was established by the receiver operating characteristic curve(ROC)to evaluate the prediction accuracy. The data substituted into the validation group was evaluated again. Results A total of 950 patients were admitted to ICU over 48 hours in three years. The incidence of nosocomial infection of multi-drug resistant organism was 12.42%(118 cases). A total of 14 independent variables with a single factor analysis(P < 0.05)were included in the binary logistic analysis. Gender, comprehensive length of stay in ICU before infection, cardiovascular and cerebrovascular diseases, number of operations before infection, indwelling catheter, use of ventilator and nutrition support were seven independent risk factors. Value of each variable was assigned and risk was stratified. The score was 8-14 for the high risk group, 1-7 score for the medium risk group and -4-0 for the low risk group. Model evaluation of the modeling group showed that in hosmer-lemeshow test, P value was equal to 0.32, the area under the ROC was 0.870, the sensitivity was 84.3%, and the specificity was 80.0%. Conclusion The constructed model has a good fit and discrimination for the risk of nosocomial infection in ICU patients with multi-drug resistant organism, which can be used to identify high-risk population for the early prevention and control.
Keywords: intensive care unit    multi-drug resistant organism    nosocomial infection    risk assessment    model construction    

在医院的众多科室中,重症监护室(intensive care unit,ICU)是收治危重症患者的主要科室,尤其是综合重症监护室,病种的覆盖面更广,患者的病情更是复杂多变,需要先进完备的仪器设备和ICU医务人员24 h监测与照护。同时,随着人口的老龄化、抗生素的不合理使用以及侵入性操作的愈加频繁,由多重耐药菌(multidrug-resistant organism,MDRO)引发的医院感染严重影响了疾病的诊疗效果和患者的健康,给社会带来了沉重的经济负担[1]。研究显示,MDRO医院感染患者的死亡率约为普通感染患者的1.7倍[2],且在ICU病房内,由MDRO引发的医院感染高达60%以上[3]。因此,综合ICU患者MDRO医院感染的预防与控制工作显得尤为迫切。现对上海市某医院综合ICU 2017—2019年的数据进行回顾性分析,探索发生MDRO医院感染的影响因素,以期建立针对综合ICU患者的MDRO医院感染风险评估模型,从而进行前瞻性预测,提出相应的感染防控措施,及时有效地降低感染传播风险,实现早期识别与早期诊断,使防控关口前移,为当前医院感染的风险评估与预警系统提供借鉴意义。

1 资料与方法 1.1 资料来源

选取上海市某医院2017年1月—2019年12月新入住综合ICU超过48 h的住院患者950例,其中MDRO医院感染患者118例(病例组),未发生MDRO医院感染的患者832例(对照组),男性497例,女性453例,年龄13~95岁。将所有样本按照3:1的比例随机分为建模组和验证组(随机种子为20200108),建模组725例用来建立模型,验证组225例用来验证模型的预测效果。

1.2 方法

结合医院电子病历系统、纸质病历和医院感染监测软件,对950例患者的病历资料进行回顾性调查与分析,调查内容包括:①患者的一般情况,包括年龄、性别、吸烟、饮酒、住院天数、入院诊断、离院方式等;②医院感染相关情况,包括从入住综合ICU至MDRO医院感染确诊的时间、菌种、感染部位等;③感染发生前侵入性操作情况,包括动静脉置管、留置导尿管、机械通气等;④感染发生前药物使用情况,包括激素或免疫抑制剂应用、使用营养支持、抗菌药物应用等。对建模组的两组患者的临床资料进行单因素分析,构建logistic回归模型,计算各影响因素的分值并进行风险分层,根据所得结果制定风险评估模型,最后再进行验证。

1.3 诊断标准

按照《医院感染诊断标准(试行)》[4],结合医院感染监测软件的提示信息、病原学诊断,由临床医生判断是否为医院感染,并由医院感染管理科专人审核,排除社区带入、定植及污染患者,最终判断是否为MDRO医院感染。MDRO定义为1种细菌对临床使用的3类或3类以上抗菌药物同时呈现耐药[5]。住院期间同一患者的相同菌种标本,均视为同一菌株,不重复记录。

1.4 统计学分析

应用SPSS 25.0软件进行数据分析。计量资料采用均数±标准差,计数资料采用率或构成比进行统计描述;采用χ2检验进行单因素分析,检验水准α=0.05。纳入单因素分析有统计学意义的和临床专业判断有意义的因素,进行二分类logistic回归分析。根据b系数对危险因素赋值,构建感染风险评估模型,采用Hosmer-Lemeshow进行拟和优度检验,以受试者工作特征曲线(receiver operating characteristic curve,ROC)下面积(area under the curve,AUC)评价模型的判别效度,并代入验证组的数据进行验证。

2 结果 2.1 描述性分析

两组患者的年龄均数同为59岁,说明老年人比例较大。对照组的男女人数相近,而病例组中男性约为女性的3倍,经访谈发现该院综合ICU内有相当一部分患者由于经历了附近的交通运输事故而住院,因此伴随多发伤,以男性居多。总住院天数包括感染后的时间,仅作为基线描述,不进行差异性检验,相比对照组,病例组的总住院天数明显更长。见表 1

表 1 建模组两组患者的基线资料
2.2 单因素分析

结果显示,两组在年龄、性别、感染前综合ICU住院天数、慢性病种类、恶性肿瘤、心脑血管疾病、肺部感染、多发性损伤或创伤、感染前手术次数、动静脉置管、留置导尿管、使用呼吸机、使用营养支持、使用抗菌药物天数方面的差异均有统计学意义(P < 0.05),见表 2

表 2 综合重症监护病房患者多重耐药菌医院感染单因素分析
2.3 多因素分析

将单因素分析中P < 0.05的变量纳入二分类logistic回归模型,采用向前LR法筛选变量,建立模型。最终纳入模型的变量有7个,模型符合程度采用Hosmer-Lemeshow检验,P=0.32,表明模型的拟合度较好。见表 3

表 3 综合重症监护病房患者多重耐药菌医院感染的logistic回归分析
2.4 风险模型的构建

根据logistic回归中的相关系数b确定各独立危险因素所对应的分值,依据b×2(四舍五入)进行赋值,阴性设为0分,构建综合ICU患者MDRO医院感染风险模型,见表 4

表 4 综合重症监护病房患者多重耐药菌医院感染风险模型

根据构建的风险模型对建模组患者进行打分,计算每例患者发生感染的风险得分,并计算各分值所对应的感染率。通过观察感染率的分布情况,将患者按风险分值进行分层:8~14分为高风险组,1~7分为中风险组,-4~0分为低风险组。评分越高,感染发生率越高。见表 5

表 5 综合重症监护病房患者多重耐药菌医院感染风险分层
2.5 风险模型的验证

将模型判别分类情况与实际状态进行对比,计算敏感度和特异度,进而以“1-特异度”作为横坐标,以“敏感度”为纵坐标绘制ROC曲线。ROC曲线下的面积为0.870(95%置信区间:0.833~0.907,P < 0.05),经计算,最佳截断点为0.643,敏感度为84.3%,特异度为80.0%,认为此模型的判别效果“很好”。为了检验该风险模型是否具有代表性,利用验证组的病例进行验证,ROC曲线下的面积为0.839(95%置信区间:0.777~0.901,P < 0.05),在判别概率为0.574时,正确率最高,敏感度为79.3%,特异度为78.1%,提示已建立的风险模型在验证组同样具有较好的判别效度。

3 讨论

众多研究表明,综合ICU是医院多重耐药菌感染的高发科室,国内ICU医院感染发生率比普通科室要高出5~10倍[6-7]。随着医疗技术的进步,ICU患者的抢救成功率大大提高,但由多重耐药菌感染引发的病死率也在悄然上升。由此可见,针对综合ICU的患者进行MDRO医院感染的预测与预警显得尤为重要。

人口老龄化的加剧、生活方式的改变导致慢性疾病的流行,临床干预措施的日益增多以及抗菌药物的不合理应用使得医院感染发生的危险因素复杂多变。该院综合ICU老年人占多数,在病例组和对照组中占比相近,单因素分析显示差异有统计学意义,但多因素分析未能表明差异,尚待继续检测。与多数研究不同的是,男性呈现为独立危险因素,可能是由于综合ICU有相当一部分患者因发生在附近的交通运输事故被收治,男性司机居多。相关研究[8]也显示,心脑血管疾病会增加患者发生多重耐药菌医院感染的风险,尤其是一些急性脑血管疾病患者,误吸可将许多口咽部和呼吸道未能及时清理的分泌物吸入肺部,带入各种致病菌,从而引发机会致病菌感染。感染前综合ICU住院天数超过21 d是一个非常重要的指标,住院时间越长,暴露时间越久,接触各种病原微生物的概率越大,发生医院感染的概率也就更大[9]。同理,综合ICU患者的机体器官往往处于衰退状态,免疫力低下,若经历多次重大手术,也会增加MDRO的接触机会,极易发生感染。动、静脉置管,留置导尿管,使用呼吸机等侵入性操作会直接破坏机体的生理屏障和防御机制,因病原微生物入侵导致感染。因此,应尽量减少导管留置时长及不必要的医疗操作,且严格执行无菌操作,降低医院感染的发生率。抗菌药物的不合理应用被公认为会干扰患者体内正常菌群分布,造成严重的肝、肾损害,导致细菌多重耐药等严重后果。本研究中阳性例数少,尽管使用抗菌药物天数在单因素分析时有统计学意义,多因素分析未能将此因素的独立危险作用体现出来,有待进一步观察。使用营养支持包括肠内营养和肠外营养,此处不作区分。研究显示,应用营养制剂可在一定程度上缓解患者的亏损状态,提供机体必须的营养素,提高免疫力,有助于术后康复及降低感染发生率。MDRO医院感染作为一种感染性疾病,它的传播源不仅有感染者、定植者,还包括被污染的医疗器械、环境、医务人员的手等,最主要的传播途径是通过接触传播。在传播源方面,对患者体表定植菌,病房内会有常规检测,若发现定植患者会将其与其他重症患者进行适当的隔离,所以定植菌很难直接导致其他患者的感染,故在此模型中不考虑定植患者的影响。感染者一般是在单人间进行严格隔离,与其他患者没有接触的机会。在环境方面,MDRO感染者转出病房后,会对其病床、仪器设备、物体表面等进行彻底的杀菌消毒,以避免对后面的患者造成不必要的感染,且综合ICU环境中的菌落(包括医务人员的手)测定不方便,对于临床上想要快速高效地构建一种MDRO医院感染风险评估模型的目标来说并不现实,故不专门针对病房环境进行研究。影响因素中感染前综合ICU住院天数可以算是一个综合指标,在一定程度上能反映病房环境的可能影响。

首先,由于研究对象的特殊性以及总体上患病率不高,收集到的阳性例数不多,又分成了建模组和验证组,所以结果仅具有一定的参考意义,若能扩大样本量,进行多中心研究,得出的结果将更具有说服力。其次,本研究回顾性地收集病例资料,无法保证全部信息的准确性与可信度,可能会造成一定程度的偏倚。

作者声明本文无实际或潜在的利益冲突

参考文献
[1]
ALLEGRANZI B, NEJAD S B, COMBESCURE C, et al. Burden of endemic health-care-associated infection in developing countries:systematic review and meta-analysis[J]. Lancet, 2011, 377(9761): 228-241. DOI:10.1016/S0140-6736(10)61458-4
[2]
BARRASA-VILLAR J I, AIBAR-REMÓN C, PRIETO-ANDRÉS P, et al. Impact on morbidity, mortality, and length of stay of hospital-acquired infections by resistant microorganisms[J]. Clin Infect Dis, 2017, 65(4): 644-652. DOI:10.1093/cid/cix411
[3]
昂慧.重症监护室多重耐药菌感染的现状调查和危险因素的logistic回归分析[D].荆州: 长江大学, 2018. http://cdmd.cnki.com.cn/Article/CDMD-10489-1018093022.htm
[4]
中华人民共和国卫生部. 医院感染诊断标准(试行)[J]. 中华医学杂志, 2001, 81(5): 314-320.
[5]
黄勋, 邓子德, 倪语星, 等. 多重耐药菌医院感染预防与控制中国专家共识[J]. 中国感染控制杂志, 2015, 14(1): 1-9.
[6]
DURGAD A G, VARADARAJAN S. Prevalence of nosocomial infections in the intensive care unit[J]. Int J Res Med Sci, 2015, 3(12): 3514-3518.
[7]
李娇, 商临萍, 郭红菊, 等. 综合ICU多重耐药菌医院感染的风险模型构建[J]. 中国感染控制杂志, 2016, 15(10): 730-734.
[8]
张越伦, 韩立中, 杨智荣, 等. 多中心多重耐药菌医院感染肺炎危险因素研究[J]. 中国感染控制杂志, 2014, 13(9): 513-517.
[9]
谢多双, 来瑞平, 符湘云, 等. ICU患者医院感染logistic回归模型预测[J]. 中华医院感染学杂志, 2011, 21(12): 2424-2426.