ARIMA模型在耐碳青霉烯类肺炎克雷伯菌医院感染预测中的应用

黄世芳，吴晓琴，石理冉，郭 风，阚红侠

(江苏省徐州市贾汪区人民医院护理部，江苏 徐州 221011)

细菌耐药已经成为全球公共卫生领域的重大挑战，尤其是近年来迅速增加的耐碳青霉烯类肺炎克雷伯菌(carbapenem-resistantKlebsiellapneumo-niae，CRKP)，CRKP感染已经成为临床患者死亡的重要危险因素，致死率高达40%～70%。CRKP定植率和感染率呈逐年上升趋势[1]，而且一旦患者感染CRKP，其住院费用明显增加[2]。中国自2007年首次报道CRKP以来[3]，全国多个地区都已发现CRKP，而且检出率呈上升趋势[4]。中国细菌耐药监测网(CHINET)2021年数据[5]显示，肺炎克雷伯菌对亚胺培南和美罗培南的耐药率从2005年的3.0%、2.9%上升至2021年的23.1%、24.4%。一项研究[6]结果显示，中国西南地区流行的CRKP菌株表现出耐药性强的特点，病死率高。研究[7]发现在重症监护病房(intensive care unit，ICU)医护人员工作服上CRKP检出率高达18.75%。CRKP在中国的流行形势日趋严峻，特别是碳青霉烯耐药高毒力肺炎克雷伯菌(carbapenemase-resistant hypervirulentKlebsiellapneumoniae,CR-hvKP)的出现，给临床抗感染治疗又增添了极大的挑战性[8]。研究[9]表明，在新型冠状病毒肺炎(COVID -19)大流行期间，由于手卫生依从性低、防护用品短缺和抗菌药物使用率高仍出现了CRKP医院感染暴发。在COVID -19大流行期间，由于对多重耐药菌(multidrug-resistant organism，MDRO)感染预防与控制措施缺乏管控，以及不合理使用抗菌药物，也导致MDRO感染暴发[10]。面对医疗机构CRKP等MDRO感染的暴发流行，迫切需要加强对CRKP等MDRO感染的前瞻性监测，目前医院感染调查多采用横断面调查，仅描述感染流行病学特点及危险因素，而不能预测未来感染率的趋势，时间序列分析是利用已知的数据随时间变化趋势预测未来变化的过程，因此，本研究通过对医疗机构住院患者的CRKP医院感染发病率建立时间序列ARIMA模型，对CRKP医院感染发病率进行短期预测，早期预警，为CRKP医院感染的预防与控制提供精准防控的新方法及新思路。

1 资料与方法

1.1 数据来源 利用医院感染实时监测系统，提取2018年1月—2022年6月江苏省徐州市贾汪区人民医院住院患者的CRKP医院感染数据、微生物室检出CRKP菌株数据。CRKP医院感染诊断标准参照卫生部2001年颁发的《医院感染诊断标准(试行)》[11]，CRKP医院感染发病率=CRKP医院感染患者例数/同期住院患者例数×1 000‰[12]，排除污染和定植菌。本研究数据的使用获得医院伦理委员会批准[2019伦申第(010)]。

1.2 ARIMA建模前平稳性检验 在建模前对每月的CRKP医院感染发病率时间序列数据进行平稳性检验，首先采用时序图进行平稳性检验，从时序图直观上看出序列呈现一定的波动，表现为先上升后下降的变化趋势，序列存在较大波动情况，不能直接用该序列进行建模分析预测，否则会出现伪回归，使得结果出现偏误的现象，为了更加准确检验序列平稳性，进一步采用单位根检验的方法进行分析检验序列的平稳性。因此，为进一步检验序列平稳性，采用单位根检验方法(ADF)进行考察，序列经过一阶差分后不存在单位根现象，即为一阶单整序列。

1.3 模型的识别定阶 经过建模前平稳性检验后。CRKP医院感染发病率序列在一阶差分为平稳序列，应建立ARIMA模型，对平稳后的数据作出自相关函数(AC)和偏自相关函数(PAC)，识别、分析时间序列的随机性、稳定性和季节性特征，为确定最优模型，采用SC和AIC最小准则来判断模型的最优阶数，相关检验结果显示，ARIMA(0,1,9)的AIC为1.556，SC值为1.593，为3个模型中最小，因此最终选择ARIMA(0,1,9)进行本次模型的建立。

1.4 模型检验 通过统计软件运行ARIMA(0,1,9)模型，为进一步检验模型的稳定，对模型的残差序列进行自相关检验(χ2=8.088，P>0.01)，模型不存在自相关。同样对模型残差进行异方差检验(P>0.01)，模型通过了异方差检验，模型构建合理。

1.5 模型预测 利用模型对2021年7月—2022年6月的原始数据进行预测，并利用预测值与原始值进行相对误差计算，并通过计算相对误差来评价ARIMA模型的精度。

1.6 统计分析 应用SPSS 19.0统计软件进行ARIMA模型建模，进行时间序列分析，定义时间变量，首先进行平稳序列检验，初步确定模型的取值范围，通过确定模型范围来进行模型预测，并对所选模型进行参数估计与检验，P≤0.05为差异具有统计学意义。

2 结果

2.1 CRKP医院感染发病率及趋势分析 对2018年1月—2022年6月CRKP医院感染发病率进行时间序列分析，时间序列图结果显示，每月CRKP医院感染发病率呈现波动起伏状态，且每年均出现发病高峰期，不满足序列平稳性要求，见图1，进一步采用差分处理数据的波动性，序列经过一阶差分方法进行平稳性处理后，ADF检验统计量(t=-6.882，P<0.01)，经处理后CRKP医院感染发病率序列在一阶差分为平稳序列。

图1 2018年1月—2022年6月CRKP医院感染发病率时间序列图Figure 1 Time series diagram of CRKP HAI incidence from January 2018 to June 2022

2.2 模型的定阶识别 CRKP医院感染发病率序列在一阶差分为平稳序列，所以应建立ARIMA模型，利用统计软件对平稳后的数据作出AC和PAC图，见图2。AC图显示出一阶明显的拖尾性质，而PAC图显示出拖尾现象，因此认为应建立ARIMA(0,1,1)，此外自相关滞后3阶和9阶刚好处于临界处，因此加入ARIMA(0,1,3)和ARIMA(0,1,9)模型进行对比。为确定最优模型，采用SC和AIC最小准则判断模型的最优阶数，结果显示ARIMA(0,1,9)的AIC为1.556，SC值为1.593，为3个模型中最小，因此选择ARIMA(0,1,9)建立本次模型。

图2 CRKP医院感染发病率一阶差分后AC和PAC图Figure 2 AC and PAC diagrams of CRKP HAI incidence after conducting the first-order difference

2.3 模型检验 通过运行ARIMA(0,1,9)模型，回归结果为：模型可决系数(R-squared)为0.83，调整后的可决系数(adjusted R-squared)为0.80，模型的解释能力尚可。为进一步检验模型的稳定，对模型的残差序列进行自相关检验，自相关结果(χ2=8.088，P=0.017)，模型不存在自相关。同样，对模型残差序列进行异方差检验，结果P>0.01，模型建立较好，可以进行预测。

2.4 模型预测 通过采用ARIMA(0,1,9)进行预测分析，以CRKP医院感染发病率实际值为原序列，以CRKP医院感染发病率预测值为预测序列，进行模型拟合，结果见图3，模型拟合效果良好。随即利用构建的模型对2021年7月—2022年6月的原始数据进行预测，预测相对误差<15%，预测效果较好，最大预测相对误差为2021年11月，相对误差为16.33%，最小为2021年7月，相对误差值为4.17%，平均相对误差为7.76%，预测值与实际值的时序图基本保持一致，拟合预测结果见表1。

图3 2018年1月—2022年6月CRKP医院感染发病率ARIMA模型拟合及预测结果Figure 3 Fitting and prediction results of ARIMA model for CRKP HAI incidence from January 2018 to June 2022

表1 2021年7月—2022年6月CRKP医院感染发病率实际值与预测值比较

3 讨论

时间序列分析已经在公共卫生领域被广泛应用于传染病流行的预测，是一种分析和预测变量或事物变化趋势的一种经典统计方法[13-14]，Balinskaite等[15]采用间断时间序列回归分析表明，实施国家财政激励政策可减少抗菌药物处方使用量，提高抗菌药物处方质量。高胜春等[16]研究显示，ARIMA乘积季节模型能准确模拟和预测CRKP感染发病率。ARIMA乘积季节模型预测产超广谱β-内酰胺酶大肠埃希菌流行趋势，高峰出现在夏秋季节[17]，ARIMA模型被用于预测住院患者每月MDRO感染发病率，在医院感染精细化管理中发挥着重要作用[18-19]。本研究通过建模预测筛选出CRKP医院感染发病率进行ARIMA时间序列分析，结果表明CRKP医院感染率预测值与实际值几乎一致，CRKP医院感染发病率预测值平均相对误差为7.76%，表明采用CRKP医院感染发病率时间序列分析模型为一种适用模型，预测值与实际值的时序图基本保持一致，模型预测值有较好的适用效果，但在2021年7月，实际值与预测值误差较大(相对误差为16.33%)，自2021年9月起CRKP医院感染发病率实际值和预测值呈短暂下降趋势，这可能与2021年8月江苏省南京绿口机场及扬州COVID -19疫情暴发后，全省各级卫生行政部门下达相关文件，加大了医院感染防控措施力度，随着对COVID -19疫情的严防严控，医院感染管理工作受到前所未有的重视，手卫生等各项防控措施得到有效落实，使医院感染发病率进一步下降，也充分体现了疫情防控对降低医院感染具有积极作用。但2021年10月底进入冬季后，老年患者发病进入高峰期，老年患者又是MDRO感染的高危人群[20]，出现了MDRO感染的季节性波动。本研究采用ARIMA预测CRKP医院感染发病率的可行性及准确性得到了验证，基于18个季节的CRKP医院感染数据优选ARIMA(0,1,9)模型，对CRKP医院感染发病率实际值与预测值进行验证，模型拟合度良好，预测结果显示CRKP医院感染有一定的季节性，因此需根据预测结果，在发生CRKP医院感染的高发月份，加强医务人员MDRO相关知识的培训，落实感染防控措施。

现阶段，医疗机构面临COVID -19疫情、MDRO感染等多重威胁，对医院感染防控工作提出了更高要求。本研究结果表明，CRKP医院感染发病率实际值与预测值呈季节性波动，因此，对CRKP感染的防控，一方面要根据预测结果在CRKP医院感染高发季节加强医院感染防控措施培训及防控措施的严格落实；另一方面还应按照世界卫生组织《医疗机构耐碳青霉烯的肠杆菌科细菌、铜绿假单胞菌和鲍曼不动杆菌防控指南》中“2个卫生、2个隔离、2个监测”等进行核心防控措施的落实，提高对CRKP感染的防控能力和防控措施的依从性，并优化CRKP感染患者的预防措施，以遏制CRKP等MDRO感染的暴发流行。此外，本研究所选用的模型仅针对一所医院的数据进行建模，结果可能不适合于其他医疗机构，要获得更好的预测结果还需不断收集更多的数据。

利益冲突：所有作者均声明不存在利益冲突。