基于尿常规指标尿路感染病原菌革兰染色特征风险预测模型的建立与验证
2022-09-08张兴华兰海波
张兴华 兰海波
尿路感染（urinary tract infection，UTI）是社区和医院最常见的细菌感染，据估计，UTI的患病人数占总住院人数的11%[1]。近一半的成年女性一生中至少有一次感染UTI。UTI的临床表现大多较轻，但是在婴儿、孕妇、老年人群、免疫力低下人群中可出现严重并发症，及时临床诊断和治疗显得尤为重要[2]。尿液培养是诊断UTI的“金标准”，但该方法至少需要24 h[3]。确诊前临床医生常采用经验性抗菌治疗，可增加患者医疗成本、生物毒性、耐药性和药物不良反应的风险[4]。尿培养结果报告前，如果能有效预测病原菌的革兰染色特征，对于临床合理用药有重要的意义。目前有少部分研究比较了G+菌、G-菌引起的UTI尿常规结果差异，很少有将差异转化成尿常规指标对病原菌革兰特征预测模型报道。因此，利用G+菌、G-菌尿常规结果的差异构建预测模型，对抗生素的使用和患者的治疗有一定价值。
1 资料与方法
1.1 一般资料
回顾性分析大同市第五人民医院2017年1月-2022年3月尿培养阳性的UTI患者148例，年龄（42.17±7.98）岁，男57例，女91例。纳入标准：符合文献[5]《尿路感染诊断与治疗中国专家共识（2015版）-复杂性尿路感染》中的诊断标准，且尿培养结果阳性。排除标准：各种肾实质疾病、恶性肿瘤、尿液标本留取前3 d内使用抗生素、尿常规结果或尿培养结果不全。
1.2 方法
1.2.1 标本采集和检测 用药前或停药3 d以上，取无菌带盖尿杯，留取晨尿中段尿5 ml，样本采集后立即送检。尿液标本分成两份，一份进行细菌培养，中段尿培养革兰阴性杆菌菌落计数>1×105CFU/ml，革兰阳性球菌>1×104CFU/ml诊断为UTI，标本培养结果出现3种或3种以上病原菌或生长腐生葡萄球菌及凝固酶阴性葡萄球菌，则认为是污染标本[6]。另一份进行尿常规检测，检测完毕后将尿液离心，取沉渣涂片进行革兰染色后镜检。
1.2.2 仪器与试剂 尿常规干化学的检测由AVE-752及其配套试剂完成，尿有形成分的检测由AVE-766及其配套试剂检测完成，细菌鉴定由VITEK2-Compact全自动细菌鉴定分析系统完成。
1.2.3 G-菌感染预测模型 根据细菌革兰染色特征，排除感染两种或两种以上病原菌的患者，将所有UTI患者分为G+菌组和G-菌组，通过单因素和二元Logistic回归分析建立G-菌感染的风险预测模型，根据预测概率，绘制ROC曲线。
1.3 统计学处理
本研究数据采用SPSS 19.0统计学软件进行分析和处理，偏态分布的定量资料采用中位数和四分位数间距[M（P25，P75）]表示，组间比较采用秩和检验。定性数据以率（%）表示，采用χ2检验。单因素分析中有统计学意义的指标纳入二元Logistic回归分析，并建立Logistic回归模型，根据预测概率，建立ROC曲线，通过AUC和最佳截断值判断模型的预测效能。
2 结果
2.1 尿培养G-菌及G+菌分布情况
148例患者共检出154株病原菌，其中6例检出2种病原菌。154株病原菌中G-菌104株，占比67.53%，G+菌50株，占比32.47%，见表1。
表1 尿培养G-菌及G+菌分布情况
2.2 G-菌组及G+菌组尿常规指标比较
排除感染多种病原菌患者后，余142例（G-菌组92例，G+菌组50例）。G-菌组NIT阳性率、LEU 3+～4+占比、细菌计数、WBC计数、离心涂片革兰染色G-菌阳性率均高于G+菌组（P<0.05），见表2。
表2 G-菌组及G+菌组尿常规指标比较
表2（续）
表2（续）
2.3 G-菌引起UTI的多因素分析
以尿培养细菌革兰特征作为因变量，将G-菌、G+菌感染患者尿常规比较有统计学意义的指标纳入自变量。二元Logistic回归分析结果显示，NIT阳性、细菌计数、离心涂片革兰染色G-菌，均为G-菌引起UTI的影响因素（P<0.05），建立Logistic回归模型，P=1/{1+exp[-（-3.610+2.569×NIT-0.123×LEU+0.008× 细菌计数 +0.010×WBC计数+2.520×离心涂片革兰染色）]}，见表3。
表3 G-菌引起UTI的多因素分析
2.4 模型预测效能评价
将指标代入Logistic回归模型，得出G-菌感染引起UTI的预测概率，以培养法细菌革兰特征为金标准，绘制ROC曲线，AUC为0.734（0.614，0.853），与随机面积0.500比较差异有统计学意义（P<0.05）。分别取预测概率0.514（Youden指数最大）和0.500两个切割点，当切割点为0.514，预测敏感度为76.09%，特异度为74.00%，准确度为75.35%，Youden指数为0.501。当切割点为0.500，模型预测敏感度为73.91%，特异度为68.00%，准确度为71.83%，Youden指数为0.419，见表4、图1。
表4 模型预测UTI效能评价
图1 模型预测G-菌引起UTI的ROC曲线
3 讨论
根据文献[7]《尿路感染诊断与治疗中国专家共识（2015版）-尿路感染抗菌药物选择策略及特殊类型尿路感染的治疗建议》，病原菌培养结果和药敏反应结果报告之前，临床可采用经验性或者广谱抗生素予以治疗。众所周知，G-菌、G+菌针对抗生素敏感性不同，经验性用药或广谱抗生素的广泛使用，可能会引起正常菌群的杀灭及耐药菌株的产生[8]。因此及时明确病原菌革兰特征，采用敏感抗生素予以治疗有重要临床意义。邓山鹰等[9]研究发现，G-菌UTI患者细菌计数高于G+菌患者，细菌计数和WBC计数对UTI和G-、G+菌有一定的预测价值。但该研究仅限于尿有形成分对病原菌特征的诊断，未纳入干化学指标，且未构建病原菌革兰特征的风险预测模型。
本研究发现，148例UTI患者中，共检出病原菌154株，其中6例患者检出2种病原菌。病原菌中G-菌104株，占比67.53%，其中大肠埃希菌检出62株，检出率最高，与文献[10]相符。文献[11]《全国临床检验操作规程》指出，UTI患者中约有10%的患者能检出2种或2种以上病原菌。本研究中共6例患者检出2种病原菌，低于操作规程中的报道，可能与本研究未纳入真菌培养结果有关。感染多种病原菌时，不同细菌代谢不一致，会干扰尿常规检测结果，且存在G-、G+菌混合感染案例，因此后续G-菌感染风险模型中只纳入单一细菌感染患者。肖楠等[12]除了研究NIT、LEU、WBC计数、细菌计数对UTI诊断价值外，还发现G-菌感染组细菌计数、WBC计数、NIT阳性率、LEU（4+）阳性率均高于G+菌感染组，并建议通过尿常规细菌计数结果来预测该患者是否UTI，然后根据NIT和WBC计数预测病原菌革兰特征。虞培娟等[13]分析了UTI的尿常规结果，发现G-菌WBC计数和细菌计数高于G+菌引起的UTI。本研究发现G-菌感染患者NIT阳性率、LEU 3+～4+占比、细菌计数、WBC计数、离心涂片革兰染色G-菌阳性率均高于G+菌（P<0.05），纳入二元Logistic回归分析后，NIT阳性、细菌计数、离心涂片革兰染色（G-菌）均为G-菌感染的影响因素（P<0.05），构建G-菌感染的风险预测模型AUC为0.734，Youden指数最大时（预测概率为0.514），预测敏感度为76.09%，特异性为74.00%，准确度为75.35%，Youden指数为0.501。本研究为回顾性分析，纳入标本量较小，可能导致样本选择偏倚造成的统计误差，其次，在ROC曲线分析中折点明显，影响模型预测效能分析。因此需要前瞻性、大样本、多中心的研究，进一步精确构建预测模型，并对模型进行验证。
综上所述，本研究采用尿培养结果作为病原菌革兰特征金标准，利用尿常规指标构建了G-菌UTI风险预测模型，该模型纳入指标较少，检测简单、快速。通过ROC曲线证实，模型有较好的预测敏感度和特异性。在临床应用中，对明确诊断UTI患者可先行尿常规检测，将相关指标纳入G-菌感染风险预测模型，计算其预测概率，当预测概率高于0.514时可倾向于G-菌感染，提示临床采用对G-菌敏感抗生素治疗。
