数据挖掘在预防导尿管相关尿路感染中的应用

盛秋,张灿,徐薇,张林

(1.苏北人民医院 208病区,江苏 扬州 225001;2.苏北人民医院 护理部;3苏北人民医院 肝胆胰中心)

导尿管相关尿路感染(catheter-ssociated urinary tract infection,CAUTI)指患者留置导尿管后或拔除导尿管48 d内发生的泌尿系统感染[1]。有关数据[2-3]显示,留置导尿管患者的尿路感染风险以每天3%～10%的速度递增,留置导尿管超过10 d的患者中超过50%能够检测到菌尿。据统计[4],我国泌尿系感染仅次于呼吸道感染,其中约75%～80%与留置导尿管相关。近年来CAUTI的研究已经开展了很多,但传统的研究方法主要依赖于小样本的临床试验和经验判断,难以全面分析大规模的临床数据;其次,现有研究往往只关注少数几个风险因素,忽视了其他潜在的影响因素,导致对尿路感染发病机制的不完整理解。此外,尿路感染的发展是一个复杂的过程,涉及多个因素的相互作用,传统方法很难捕捉到这些复杂的模式和关联[5]。数据挖掘作为一种强大的信息处理技术,通过对数据进行分析以发现其中隐藏信息的过程,其中关联规则(association rules,AR)是目前应用较广的数据分析之一,其中在护理领域中最经典的算法是Apriori算法,其原理是应用逐层迭代的方法找出频繁项集,进而找出数据之间的强关联组合[6]。数据挖掘技术在发现隐含信息方面具有发现非显性模式、处理大规模数据、多维度分析的优势。近年来,已有研究[7-9]应用关联规则对非计划拔管和预防给药错误进行研究,但对CAUTI的研究较少。然而,关联规则在预防CAUTI方面具有重要意义,通过分析导尿管使用的相关因素和感染发生之间的关联规则,可以发现导致感染的关键因素和风险因素,进而制订相应的预防策略。因此,本研究采用关联规则对CAUTI进行挖掘,以期为降低CAUTI发生率提供参考。

1 资料与方法

1.1 资料来源 便利抽样选取2020年1月至2021年12月我院信息系统中上报的CAUTI原始数据。纳入标准:(1)有相关的尿路感染症状,如尿频、尿急、尿痛,经医院感染科确认为CAUTI事件;(2)已经插入导尿管并使用导尿袋收集尿液;(3)尿液分析或尿培养结果显示存在细菌感染;(4)无其他已知的尿路感染来源;(5)无其他严重的泌尿系统疾病或并发症。排除标准:资料数据缺失、无法修补的患者。

1.2 研究工具 (1)一般数据:包括患者年龄、性别等;(2)导尿管数据:留置尿管时间、留置尿管型号、材质、导尿管类型;(3)管理资料:是否使用抗逆流尿袋、是否行膀胱冲洗;(4)疾病数据:患者诊断、留置尿管原因,抗菌药物使用等。共收纳符合条件病例171例。本研究经伦理委员会批准,所有患者均提供书面知情同意书。

1.3 方法

1.3.1 数据处理 (1)数据清洗:删除数据库中对于本研究分析和预测目标没有或很少贡献的属性包括床号、住院号、是否家属陪护。(2)统一数据:统一病区名称,留置尿管原因,留置尿管材质及留置时间等。(3)数据离散化处理:建立数据库对病例的特征进行统计,对多数据进行合并处理,将连续的数据转化为离散型数据并编码,对相关变量进行赋值,如性别女=0,男=1,将年龄、意识、留置尿管时长、尿管材质分为不同等级并赋值,如年龄中19岁以下=1,19～64岁=2,大于65岁=3。

1.3.3 统计学处理 利用SPSSModeler 18.2软件进行数据挖掘,对关联规则的前后项进行χ2检验。以P<0.05表示差异有统计学意义。

2 结果

2.1 患者一般资料 发生CAUTI的171例,其中男性100例、女性71例,主要分布在神经内科、神经外科、老年科、重症监护室、康复医学科和肿瘤科,其他一般资料见表1。

表1 发生CAUTI相关一般资料描述

2.2 关联规则分析 本研究设置最小支持度为10%,最下置信度为60%,通过排列组合列出若干前项,最大前项数是5,得出增益(提升度)>1的强关联项,再经χ2检验剔除掉无意义的规则后得到194条规则,最后通过卡方检验和具有副高以上职称的院感科及质控科专家进行筛选 ,得出有强关联规则10项,见表2。

表2 CAUTI关联规则

3 讨论

3.1 CAUTI事件基本特征 本研究表2说明,规则1～3说明CAUTI与年龄有关;规则4说明CAUTI可能与性别有关,在相同前项条件下,如果该患者为女性,则其发生CAUTI的概率较大;规则5、6说明CAUTI与尿管型号材质有关;规则7、8说明CAUTI与留置时间长短有关,主要特征是:女性,使用16F及以上导尿管,昏迷无法自行排尿患者可以推出留置尿管时间长,从而导致导CAUTI可能性大,其支持度为62.01%～83.58%;规则9～10说明CAUTI与尿管型号有关。主要特征是:女性,尿失禁患者,年龄>65岁,使用16F及以上尿管;从图1可以看出各数据之间的关联性。

图1 CAUTI相关因素关联规则

3.2 CAUTI数据挖掘预测准确性及应用

3.2.1 留置时间 在本研究中以7 d作为导尿管时间的分界标准,发生CAUTI的留置尿管平均时间为15.02 d,可见随着留置尿管时间的延长,CAUTI的危险性越高。留置尿管每增加1 d,CAUTI的患病率就会增加3%～10%;而超过30 d,出现菌尿的风险几乎达到100%[11]。在操作过程中,尿管前端和导尿口的细菌会随着尿管的插入而定植,随着留置尿管时间的延长,生物膜形成的风险增高,生物膜对抗菌药物的渗透性差,尿道病原体对抗菌药物的敏感性降低,导致CAUTI发生概率增大[12]。预防CAUTI实践指南中也提出在患者病情允许的情况下,应及早拔出导尿管[13],且留置导尿管是其他干预措施失败后的选择。在操作过程中,严格执行手卫生,遵守无菌操作原则。护理人员应每日评估留置尿管的适应症,减少不必要的留置尿管,从根本上降低感染的风险。

3.2.2 年龄、性别 本研究数据表明,女性、年龄>65岁与CAUTI具有强关联联系。这可能与女性尿道解剖结构有关,女性尿道短直且靠近肛门,比男性患者更容易出现感染[14]。老年女性较年轻患者而言由于生理功能下降,导致尿道口萎缩,盆底肌松弛而出现尿失禁、尿潴留,使感染的风险增高[15];且年龄>65岁患者普遍文化水平较低,依从性较差。因此,年龄>65岁的留置尿管女性患者,是CAUTI的重点人群之一。在日常护理工作中,应加强对重点人群的管理,如可以改变健康宣教方式,采取图片、视频形式,减少纯文字叙述,便于老年女性接受;其次,在日常工作中,严格规范医护人员留置尿管的操作流程,指导女性患者进行盆底肌锻炼,改善尿失禁、尿潴留症状。

3.2.3 疾病因素 从本研究数据关联中可以发现,意识障碍与CAUTI发生具有强关联联系。原因可能是此类患者长期卧床,免疫功能低下,屏障功能减退,从而导致感染的反复[16]。这类患者导尿管护理大多由其照护者完成,而照护者消毒意识淡薄,消毒范围不准确等,都是造成CAUTI的原因。因此,除了对医务人员规范操作外,对带管患者家庭照护者的教育同样重要;而且意识障碍患者大多合并多种基础性疾病或慢性病,有研究[16]表明,患糖尿病患者发生CAUTI的风险是未患糖尿病人群的3.49倍。

3.2.4 导尿管因素 本研究显示,在相同条件下,使用16F以上尿管更容易发生CAUTI。这是因为型号大的导尿管对尿道损伤大,在操作过程中更容易破坏泌尿系统的生理屏障,发生CAUTI。在本研究中,使用乳胶导尿管与CAUTI具有强关联,原因可能与乳胶导尿管更容易形成生物膜有关。在CAUTI防控指南中也指出,对长期留置尿管患者尽量选择对尿道刺激较小的硅胶导尿管,不推荐常规使用抗菌尿管[13]。在日常护理工作中,建议护理人员在导管选择过程中予以重视,根据患者病情需要选择合适的尿管型号,以预防和降低CAUTI的发生率。

3.3 CAUTI关联规则挖掘过程中的反思

3.3.1 优缺点 目前,预防CAUTI主要包括尽早拔除导尿管、使用合适的导尿管材料、正确的导尿技术、保持导尿管通畅以及根据细菌培养结果选择合适的抗生素治疗。上述方法可以控制感染的发展和减轻症状,但仍存在一些不足之处,常规治疗方法主要是针对已经发生的感染进行干预,而对于预防感染的效果有限,一些合并复杂因素或反复感染的患者,常规治疗往往难以达到理想的治疗效果。此外,抗生素的滥用和过度使用也导致了细菌耐药性的增加。数据挖掘作为一种强大的信息处理技术,可以帮助解决这些问题。数据挖掘是从大规模数据集中发现隐藏模式、关联和知识的过程,其通过应用各种算法和技术,挖掘数据中的有用信息,提供新的见解和决策支持。数据挖掘技术已经被广泛应用于疾病诊断、预测和治疗等方面,可以帮助医务人员从庞大的临床数据中提取有用的信息,改善疾病管理和医疗决策的质量,然而其在CAUTI的研究中应用较少。因此,本研究通过关联规则对CAUTI数据进行挖掘,对降低其发生率有参考意义。

3.3.2 局限性 本数据来源为某三级甲等医院数据,较为局限,在今后的研究中需要注意数据的可用性和质量;此外,在挖掘过程中也可能存在数据偏差和假设等因素。未来,可将数据挖掘的结果与临床实践相结合,完善CAUTI上报系统,通过增加数据量、完善算法等方法降低这些因素的影响,提高关联规则挖掘的准确性和科学性,以进一步提高预防CAUTI的效果,为制订相关防范体系提供依据。