Logistic回归模型对危重症病人医院感染风险的预测价值

高 霞，孙 娟，代金金

近年来，医院感染日益受到医学界关注与重视[1-2]。世界卫生组织(WHO)相关调查及其他研究发现，医院感染发生风险最高的科室为重症监护室(ICU)[3-4]。ICU病人一旦发生医院感染，不仅延长住院时间，还会严重影响预后改善，提高死亡风险[5]。大量临床实践证实，科学、有效的目标性监测是预防医院感染发生必不可少的措施[6-7]。构建预测模型是一种通过统计分析病人临床特征获取预测医院感染风险的因素，能实现早期预警，并及时采取干预措施，从而达到降低医院感染风险的目的。基于此，本研究尝试探究Logistic回归模型对ICU医院感染风险的预测价值。现报告如下。

1 资料与方法

1.1 一般资料 选取本院ICU发生医院感染病人115例(2017年1月—2019年12月)作为观察组，按照年龄、性别、入院主要诊断、入院时病情相近程度进行1∶1匹配进行病例对照研究，选择未发生医院感染病人115例作为对照组。

1.2 纳入及排除标准 ①纳入标准：观察组均证实发生医院感染，符合医院感染相关诊断标准[8]；两组入住ICU时间>48 h或转出ICU时间<48 h；临床资料完整。②排除标准：入住ICU 24 h内死亡者；入住ICU时存在感染性休克。

1.3 方法 采用回顾性分析方法，收集病人人口学资料(年龄、性别)与临床信息[手术治疗、高血压、尿管插管、呼吸系统疾病、心血管疾病、补充性肠外营养、意识障碍、休克、心脏衰竭、急性生理与慢性健康状况评价系统Ⅱ(acute physiology and chronic health evaluation system Ⅱ，APACHEⅡ)评分、住院天数、气管插管、激素治疗、中心静脉插管、糖尿病]等。准确登记于ICU病人调查表，整理、统计并分析所有调查资料。

1.4 统计学方法 Logistic回归分析学用SPSS 22.0软件包，相关因素以例(%)表示，采用χ2检验进行单因素分析，以P<0.05为差异有统计学意义；单因素分析有意义的因素纳入多因素Logistic回归模型中，模型拟合效果检验采用似然比检验和拟合优度检验，受试者工作特征(ROC)曲线评价模型预测价值，以P<0.05为差异有统计学意义。

2 结果

2.1 ICU医院感染单因素分析 两组年龄、性别、手术治疗、高血压、尿管插管、呼吸系统疾病、心血管疾病、补充性肠外营养、意识障碍、休克、心脏衰竭情况比较差异无统计学意义(P>0.05)；APACHEⅡ评分、住院天数、气管插管、激素治疗、中心静脉插管、糖尿病是ICU医院感染的影响因素(P<0.05)，见表1。

表1 ICU医院感染单因素分析 单位：例(%)

2.2 ICU医院感染多因素Logistic回归分析 以ICU医院感染为因变量，将APACHEⅡ评分≥20分、住院天数≥10 d、气管插管、激素治疗、中心静脉插管、糖尿病作为自变量，构建Logistic回归模型，结果显示，APACHEⅡ评分≥20分ICU病人发生医院感染的风险可能是<20分病人的7.160倍；住院天数≥10 d ICU病人发生医院感染的风险可能是<10 d病人的4.706倍、气管插管ICU病人发生医院感染的风险可能是无气管插管病人的7.280倍、激素治疗ICU病人发生医院感染的风险可能是无激素治疗病人的2.155倍、中心静脉插管ICU病人发生医院感染的风险可能是无中心静脉插管病人的5.291倍、糖尿病ICU病人发生医院感染的风险可能是无糖尿病病人的3.250倍(P<0.05)，见表2。Logistic回归方方程：Logistic(P)=-4.758+1.969X1+1.549X2+1.985X3+0.768X4+1.666X5+1.179X6。

表2 ICU医院感染多因素Logistic回归分析

2.3 Logistic回归模型评价 对模型进行评价，似然比χ2(Likelihood ratio chi-square)=144.255，df=6，P<0.001，可见构建模型具有统计学意义。采用Hosmer-Lemeshow拟合优度检验显示模型拟合效果较好，χ2=8.527，df=6，P=0.411。

2.4 Logistic回归模型预测ROC曲线 采用Logistic回归模型统计分析数据集，得到个体发生医院感染的预测概率Logistic(P)。根据预测值和真实值绘制ROC曲线，AUC为0.887(95%CI：0.847～0.927)，当Logistic(P)>-1.145时，预测敏感度为91.34%，特异度为70.87%，见图1。

图1 ROC曲线

3 讨论

ICU是医院感染发生的高危区域，极易导致多种细菌交叉感染与传播，加之此类病人通常病情危重，机体免疫防御系统较弱，从而增加了医院感染可能性[9-10]。相关资料数据统计显示，ICU病人发生医院感染的概率超过普通病房3～18倍，防治形势严峻[11-12]。为此，积极探索、建立可靠的预测模型成为临床重要研究方向。

有报告表明，Logistic回归模型可通过筛选有意义的主效应变量，获取疾病发生或病情进展的独立危险因素。本研究通过构建Logistic回归模型显示，APACHEⅡ评分≥20分是ICU医院感染的独立危险因素，与肖光文等[13]研究结果相符。分析原因，APACHEⅡ评分是反映危急重症病人病情程度的重要评价系统，其分值越高，提示病情越严重，而病情较为严重的ICU病人通常合并多种细菌感染，不仅影响原发疾病治疗效果，还会延长感染时间，从而增加医院感染风险。住院天数≥10 d是ICU医院感染的独立危险因素，可能与住院时间越长，病人暴露于院内复杂菌群环境中的时间越多，造成感染可能性升高[14-15]。相关研究显示，侵袭性操作对ICU病人发生医院感染的影响极为严重，可引发导管相关血流感染、导尿管相关尿路感染、呼吸机相关性肺炎等多种感染并发症[16-17]。同时，本研究发现，气管插管、中心静脉插管均是ICU医院感染的独立危险因素，考虑两者均为侵袭性操作。气管插管破坏上呼吸道屏障功能，刺激分泌物产生，分泌物、细菌聚集于气管导管气囊位置，进而下行进入气管、支气管、肺脏，最终导致感染[18-19]。中心静脉插管则增加相关组织接触病菌可能性，留置时间延长，感染风险随之升高。此外，激素治疗、糖尿病均对机体免疫功能产生不同程度损害，为细菌生长、繁殖提供更为便利的体内微环境，故更易发生医院感染。

本研究采用似然比χ2、拟合优度检验评价Logistic回归模型，结果发现，该模型拟合效果较好，提示其具有良好应用价值。且本研究Logistic回归模型经ROC曲线分析，AUC为0.887，预测敏感度为91.34%，特异度为70.87%。郭磊磊等[20]报告表明，Logistic回归模型对ICU医院感染风险预测效果优于分类树模型。可见Logistic回归模型在预测ICU医院感染风险方面具有可靠价值。因此，医院可通过构建Logistic回归模型，早期识别ICU病人是否存在APACHEⅡ评分≥20分、住院天数≥10 d、气管插管、激素治疗、中心静脉插管、糖尿病等危险因素，并及时制定相关因素针对性干预策略，如以下干预措施：①积极治疗原发疾病，减轻病人病情程度；②若病人存在糖尿病，则应及早控制并稳定血糖水平，调节机体免疫力；③尽量减少激素治疗，即使使用激素，也应根据病人病情在合理剂量范围内选择最小剂量，在控制病情基础上减轻其对免疫功能的抑制作用；④给予保护性隔离措施，加强营养，满足病人营养需求，强化机体免疫功能；⑤根据病人实际情况，在病情及治疗允许情况下尽可能避免气管插管、中心静脉插管等侵袭性操作，降低感染风险。

综上所述，APACHEⅡ评分≥20分、住院天数≥10 d、气管插管、激素治疗、中心静脉插管、糖尿病是ICU医院感染的独立危险因素，Logistic回归模型具有良好预测价值。本研究不足在于样本量较少，加之医院感染发生部位众多，不同感染部位，影响因素不一，故需纳入更多样本量及影响因素做进一步分析与探究。