颅脑术后中枢神经系统感染的预测模型构建及初步应用

俞岚　周林玲　蒋伟

摘要：目的 建立一种有效的预测模型用于评估颅脑术后中枢神经系统感染（CNSI）风险，并验证其可行性。方法 选取行颅脑手术患者1 020例，比较术后感染组和非感染组患者的各项指标。采用多因素Logistic回归建立风险预测模型，受试者工作特征（ROC）曲线下面积检验模型预测效果。并抽取500例行颅脑手术的患者初步验证预测模型的有效性。结果 1 020例行颅脑手术患者中61例（5.98%）发生术后中枢神经系统感染。多因素Logistic回归分析显示术后住院时间、脑室外引流（EVD）使用个数、EVD留置时间、手术时间、留置永久性植入物、接台手术为颅脑术后CNSI发生的独立影响因素。预测模型的公式：颅脑术后CNSI=-3.025+1.354×术后住院时间+1.225×EVD使用个数+1.625×EVD留置时间+1.427×手术时间+1.221×置入永久性植入物+1.218×接台手术。ROC曲线下面积为0.849（95%CI：0.761～0.915），敏感度为81.56%，特异度为65.78%。初步验证队列中，实际34例（6.8%）发生术后中樞神经系统感染，模型预测30例（6.0%）发生CNSI，敏感度为91.48%，特异度为91.53%。结论 该模型适用于颅脑手术患者围手术期评估，可及时识别术后CNSI高风险人群。

关键词：颅脑损伤；中枢神经系统感染；颅脑手术；风险；预测

中图分类号：R651.1 文献标志码：A DOI：10.11958/20221010

Prediction model construction and preliminary application of central nervous system

infection after craniocerebral surgery

YU Lan ZHOU Linling JIANG Wei

1 Neurological Intensive Care Unit， the Affiliated Hospital of Jiangnan University， Wuxi 214041， China;

2 Department of Neurosurgery， the Third Affiliated Hospital of Soochow University

Abstract： Objective To establish an effective prediction model to evaluate the risk of central nervous system infection （CNSI） after craniotomy and to verify its feasibility. Methods A total of 1 020 patients with craniocerebral surgery in our hospital were selected. The indexes of postoperative infection were compared between the infection group （n=61） and the non infection group （n=959）. Multivariate Logistic regression was used to establish risk prediction model and area test model under ROC curve to predict the effect. The effectiveness of the prediction model was preliminarily verified by 500 patients with craniocerebral operation. Results CNSI occurred in 61 cases （5.98%） of 1 020 patients undergoing craniocerebral surgery. Multivariate Logistic regression analysis showed that six risk factors including postoperative hospital stay， number of external ventricular drainage （EVD） use ≥1， EVD indwelling duration， operation duration， indwelling permanent implant and graft operation were included in the prediction model. The formula of the prediction model was as follows： postoperative CNSI=-3.025+1.354× postoperative hospital stay +1.225× number of EVD use +1.625×EVD indwelling time +1.427× operation time +1.221× implantation of permanent implants +1.218× consecutive surgery. The AUC under the ROC curve was 0.849 （95%CI： 0.761-0.915）， the sensitivity was 81.56% and the specificity was 65.78%. In the preliminary validation cohort， 34 patients developed postoperative CNSI （6.8%）， and the model predicted postoperative CNSI in 30 patients （6.0%）， with a sensitivity of 91.48% and a specificity of 91.53%. Conclusion This model is suitable for the perioperative evaluation of patients with craniocerebral surgery， and can identify the high-risk population of postoperative CNSI in time.

Key words： craniocerebral trauma; central nervous system infections; craniocerebral surgery; risk; prediction

中枢神经系统感染（CNSI）是颅脑术后常见的一种并发症，其发生率为5.06%～7.03%［1-2］。CNSI可显著延长患者的住院时间，严重影响患者的预后，加重医疗负担［3-4］。既往研究表明，院内感染是CNSI最常见的诱因，尤以神经外科手术为著［5］。神经外科手术术式复杂、有创性操作多、手术环境要求高，因而CNSI发生风险更高［6］。但目前关于术后CNSI发生的危险因素研究尚未形成体系。本研究旨在通过受试者工作特征（ROC）曲线构建颅脑术后CNSI的预测模型，并通过小范围内试验进行初步应用，以期提供可行、可信的预测方案，实现早预防，降低CNSI发生风险。

1 对象与方法

1.1 研究对象 选取2018年1月—2020年1月在江南大学附属医院神经外科行颅脑手术治疗的患者。纳入标准：年龄≥18岁，临床资料完整，术后3个月内完成随访。排除标准：伴有脑膜炎、脑室炎症或脓肿、颅内感染等，经鼻内镜手术者。本研究经过我院医学伦理委员会审核（伦理号：2017-LP-D047）。基于文献分析及临床经验，本研究纳入13个危险因素，包括年龄、性别、高血糖、疾病类别、白细胞减少、术后住院时间、接台手术、手术时间、术中失血量、非1类切口、有无脑室外引流（EVD）、引流管放置时间、是否置入永久性植入物。样本量应该满足每个危险因素需5～10例CNSI患者，术后CNSI发生率取7%［1］，考虑20%样本失访。最终需纳入样本量为13×5×（1+20%）÷7%=1 114例。

1.2 研究方法 2名研究者经过培训后收集研究对象的一般资料、临床资料及围手术期资料。包括年龄、性别、体质量指数（BMI）、合并疾病、应用免疫抑制剂、进入重症监护室（ICU）、美国麻醉医师协会（ASA）分级、手术时间、脑室外引流（EVD）个数、EVD时间、术后住院时间、置入永久性植入物等。实验室检查数据取术前的检查结果。根据术后是否发生CNSI，将患者分为感染组和非感染组。CNSI具体诊断标准依据《医院感染诊断标准（试行）》［7］：（1）术后发热、头痛或颈项强直等颅内感染的临床表现。（2）脑脊液检测有炎性指标改变，符合以下之一，即白细胞计数＞0.01×10⁹/L，脑脊液蛋白定量＞4.50 g/L，脑脊液葡萄糖定量＜2.50 mmol/L。（3）外周血白细胞计数＞10×10⁹/L。

1.3 统计学方法 采用SPSS 19.0软件进行数据分析。符合正态分布的计量资料以均数±标准差（x±s）表示，2组间比较采用独立样本t检验，计数资料以例（%）表示，组间比较采用χ²检验。采用Logistic回归分析CNSI的独立危险因素。采用R3.2.3纳入独立危险因素并建立颅脑术后CNSI风险的预测模型，并绘制受试者工作特征（ROC）曲线，计算曲线下面积（AUC）。双侧P＜0.05为差异有统计学意义。

2 结果

2.1 颅脑术后CNSI发生情况及临床资料特征 本研究共纳入1 020例患者，有效参与率为91.56%（1 020/1 114），其中61例（5.98%）发生CNSI。CNSI感染组和非感染组的性别、BMI、合并疾病、ASA分级差异无统计学意义（P＞0.05）；与非感染组相比，感染组年龄偏大，使用免疫抑制剂、接台手术、EVD使用个数≥1，EVD留置时间＞7 d和置入永久性植入物比例升高，进入ICU比例下降，手术时间和术后住院时间延长（P＜0.05），见表1。

2.2 颅脑术后CNSI的影响因素 根据单因素分析结果和临床经验，选取术后住院时间、EVD使用个数（0个=0，≥1个=1）、EVD留置时间（≤7 d=0，＞7 d=1）、手术时间、置入永久性植入物（否=0，是=1）、接台手术（否=0，是=1）进行多因素Logistic回归分析。结果显示，上述指标均是颅脑术后CNSI发生的独立影响因素。预测模型的公式：颅脑术后CNSI=-3.025+1.354×术后住院时间+1.225×EVD使用个数+1.625×EVD留置时间+1.427×手术时间+1.221×置入永久性植入物+1.218×接台手术。见表2。

2.3 构建颅脑术后患者CNSI风险的预测模型 ROC的AUC为0.849（95%CI：0.761～0.915），ROC曲线的约登指数为0.532，敏感度为81.56%，特异度为65.78%。见图1。

2.4 颅脑术后CNSI风险预测模型的初步应用 簡单抽取我院2020年1—8月行颅脑手术的患者500例。其中，男244例，女256例，年龄50～69岁，平均（58.72±7.51）岁。根据预测模型的公式，预测30例（6.0%）患者发生CNSI，实际结果为34例（6.8%）发生CNSI。预测结果与实际结果相比，本预测模型敏感度为91.48%，特异度为91.53%，准确度为91.25%。

3 讨论

颅脑手术有创性操作多、过程复杂，多有异物置入且耗时长，一定程度损害了颅脑的天然保护屏障，增加了CNSI的发生风险。神经外科是院内CNSI发生率较高的科室，本研究中，颅脑术后CNSI发生率约为5.98%，与既往数据持平［8］。CNSI的发生严重影响患者的预后，消耗大量的医疗资源，因而探讨颅脑术后CNSI的危险因素，构建预测颅脑术后CNSI风险模型非常必要。本研究通过回顾性分析我院近2年行颅脑手术患者的临床资料，发现手术时间、术后住院时间、EVD使用个数、EVD引流时间、接台手术、置入永久性植入物均是颅脑术后CNSI的独立影响因素。初步应用显示该预测模型有一定的临床实用价值。

3.1 顱脑术后CNSI的危险因素 在临床实践中，脑血管疾病、颅脑创伤患者病情较重，多以急诊手术为主，存在术前准备不充分、术中清创不彻底的风险，因而术后CNSI感染风险相对较高，且急诊颅脑手术术后CNSI发生率远高于择期手术［9］。颅脑肿瘤常伴有机体消耗性损伤，免疫功能低下，而这类疾病的颅脑手术创伤较大，硬脑膜的切开也增加了感染的风险。本研究结果显示，感染组患者年龄高于非感染组。现有研究对于年龄是否为CNSI的影响因素尚存争议。有研究显示，＞60岁患者术后CNSI发生率更高，但也有研究表明年龄不影响CNSI发生［10］。笔者推测年龄可能是一个混杂因素。

接台手术也增加了术后CNSI风险，颅脑手术多以1类手术切口为主，对手术室环境要求较为严格［11］。而接台手术时，医护工作人员流动性增大，进出手术室频繁，存在手术室内静压差下降的风险，进而影响了空气净化效果［12］。同样，手术时间的延长也增加了手术切口暴露于空气的时间，增加了感染的风险，并且手术时间越长，术中出血量也越多，这可能导致患者机体免疫功能下降。这也符合专家共识提出的手术时间＞4 h是术后CNSI的高危因素［13］。术后住院时间延长同样因医院环境中存在各种病原菌，可能增加术后CNSI风险，而本研究结果也再次表明住院时间越长，术后CNSI风险越高。

EVD留置的个数、时间均会增加颅脑术后CNSI风险，与国外相似研究结果相一致［14］。EVD留置时间越长，切口暴露的时间越长，出现感染的风险越大。既往研究显示，EVD留置时间≥7 d是神经外科颅脑手术术后CNSI的高危因素［15］。因而，对于需要留置EVD的患者，应该加强EVD评估和护理，严格无菌操作，尽早拔出EVD，高度警惕CNSI的发生，并采取积极的措施予以预防，以降低术后CNSI的发生。

3.2 颅脑术后患者中枢神经系统感染预测模型科学、可信 本模型的AUC为0.849，且敏感度为81.56%，特异度为65.78%，表明此预测模型能够有效鉴别术后CNSI的高风险人群。本研究中的小样本初步验证中，预测模型的敏感度为91.48%，特异度为91.53%，实际预测能力良好。

本研究开发了颅脑术后CNSI风险预测模型且具有良好的预测效果。利用此模型评估能够及时识别颅脑术后发生CNSI的患者，从而及时开展个体化干预措施，预防术后CNSI的发生。与现有研究相比，本研究在构建了风险预测模型后，通过小样本队列进行验证，回归临床工作也证实了该模型的有效性，而且此预测模型纳入的因素获取便捷、客观，有助于临床医护准确、快速评估。本研究的局限性在于并未大范围对预测模型进行验证，有待多中心、大样本验证后广泛应用。

参考文献

［1］ 张雪莲，颜琪，吴超. 颅脑术后中枢神经系统感染的危险因素及护理对策探讨［J］. 中国感染与化疗杂志，2020，20（3）：288-293. ZHANG X L，YAN Q，WU C，et al. Examination of the risk factors and nursing strategy for central nervous system infections after neurosurgery［J］. Chin J Infect Chemother，2020，20（3）：288-293. doi：10.16718/j.1009-7708.2020.03.010.

［2］ ADAAQUAH D，GATES M，VAN GOMPEL J J. Rate of craniotomy fusion after free bone flap［J］. World Neurosurg，2018，118：e283-e287. doi：10.1016/j.wneu.2018.06.172.

［3］ HWEIDI I M，BARBARAWI M A，TAWALBEH L I，et al. Surgical site infections after craniotomy：A matched health-care cost and length of stay study［J］. J Wound Care，2018，27（12），885-890. doi：10.12968/jowc.2018.27.12.885.

［4］ 赵瑶，乔美珍，陈凯，等. 预防颅脑手术患者术后颅内感染的成本效益分析［J］. 中国感染控制杂志，2018，17（5）：427-431. ZHAO Y，QIAO M Z，CHEN K，et al. Cost-benefit analysis on prevention of intracranial infection in patients after craniocerebral operation［J］. Chin J Infect Control，2018，17（5）：427-431. doi：10.3969/j.issn.1671-9638.2018.05.013.

［5］ 杨柳青，刘映霞. 中枢神经系统感染性疾病的鉴别诊断［J］. 临床内科杂志，2017，34（11）：725-729. YANG L Q，LIU Y X，Differential diagnosis of infectious diseases of the central nervous system［J］. Journal of Clinical Internal Medicine，2017，34（11）：725-729. doi：10.3969/j.issn.1001-9057.2017.11.001.

［6］ 俞洁，纪媛媛，王军. 神经外科重症监护室病人继发中枢神经系统感染的相关危险因素［J］. 中国临床神经外科杂志，2019，24（4）：204-206. YU J，JI Y Y，WANG J. Analysis of risk factors related central nervous system infection in patients in neurosurgical intensive care unit［J］. Chin J Clin Neurosurg，2019，24（4）：204-206. doi：10.13798/j.issn.1009-153X.2019.04.005.

［7］ 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）：61-67. Ministry of Health of the People's Republic of China. Diagnostic criteria for nosocomial infections（Proposed）［J］. Natl Med J China，2001，81（5）：61-67.

［8］ SHI Z H，XU M，WANG Y Z，et al. Post-craniotomy intracranial infection in patients with brain tumors：A retrospective analysis of 5723 consecutive patients［J］. Br J Neurosurg，2017 31（1）：5-9. doi：10.1080/02688697.2016.1253827.

［9］ YAO J，LIU D. Logistic regression analysis of risk factors for intracranial infection after multiple traumatic craniotomy and preventive measures［J］. J Craniofac Surg，2019，30（7）：1946-1948. doi：10.1097/SCS.0000000000004972.

［10］谭细兰，向倩如，安敏，等. 影响神经外科手术后中枢神经系统感染发生的危险因素分析［J］. 中华神经医学杂志，2021，20（7）：705-710. TAN X L，XIANG Q R，AN M，et al. Risk factors for postoperative central nervous system infection［J］. Chin J Neuromed，2021，20（7）：705-710. doi：10.3760/cma.j.cn115354-20201009-00794.

［11］ 曾彦超，易凤琼，钟昌艳，等. 不同洁净度手术间对颅脑外科手术部位感染的影响［J］.中国感染控制杂志，2018，17（11）：965-968. ZENG Y C，YI F Q，ZHONG C Y，et al. Effect of operating rooms of different cleanliness on surgical site infection in craniocerebral operation［J］. Chin J Infect Control，2018，17（11）：965-968. doi：10.3969/j.issn.1671-9638.2018.11.004.

［12］ FANG C，ZHU T，ZHANG P，et al. Risk factors of neurosurgical site infection after craniotomy：A systematic review and meta-analysis［J］. Am J Infect Control，2017，45（11）：e123-e134. doi：10.1016/j.ajic.2017.06.009.

［13］ 中华医学会神经外科学分会，中国神经外科重症管理协作组. 中国神经外科重症患者感染诊治专家共识（2017）［J］. 中华医学杂志，2017，97（21）：1607-1614. Neurosurgery Society of Chinese Medical Association，Chinese Critical Care Management Collaborative Group of Neurosurgery. Chinese Expert Consensus on the diagnosis and treatment of infection in critically ill neurosurgical patients（2017）［J］. Natl Med J China，2017，97（21）：1607-1614. doi：10.3760/cma.j.issn.0376-2491.2017.21.005.

［14］ KOURBETI I S，VAKIS A F，ZIAKAS P，et al. Infections in patients undergoing craniotomy：risk factors associated with post-craniotomy meningitis［J］. J Neurosurg，2015，122（5）：1113-1119. doi：10.3171/2014.8.JNS132557.

［15］ KURAL C，KIRMIZIGOZ S，EZGU M C，et al. Intracranial infections：lessons learned from 52 surgically treated cases［J］. Neurosurg Focus，2019，47（2）：e10. doi：10.3171/2019.5.FOCUS19238.

（2022-06-28收稿 2022-10-26修回）

（本文編辑 胡小宁）