RICU呼吸机相关性肺炎医院感染危险因素分析及预测模型的构建

王素娟 李昊雪 刘丽 陆雪耕 王雪 曲琳

内蒙古自治区人民医院医院感染监测科，呼和浩特 010010

呼吸机相关性肺炎（ventilator associated pneumonia，VAP）是机械通气患者严重的并发症。研究显示，VAP 发病率在国外为6%～52%，病死率为14%～50%，我国发病率为4.7%～55.8%，病死率为19.4%～51.6%［1］。如何预防重症监护病房（ICU）患者发生VAP，一直是临床重点关注的问题。本研究选取内蒙古自治区人民医院呼吸重症监护病房（RICU）行机械通气的患者796 例，通过分析其VAP 发生的危险因素并构建风险预测模型，为临床有效防治VAP 提供参考依据。

资料与方法

1.研究对象

选取内蒙古自治区人民医院2020年1月1日至2022年12 月31 日RICU 接受呼吸机机械通气治疗48 h 以上、临床检查资料完整的796 例患者为研究对象，其中男性患者590 例、女性患者206 例，年龄24～96（71.52±11.50）岁。根据患者机械通气48 h以上或撤机拔管48 h内是否出现肺部感染性肺炎分为VAP 组（285 例）和非VAP 组（511 例）。本研究符合《赫尔辛基宣言》的原则，患者知情同意。

2.VAP组纳入与排除标准

⑴纳入VAP组标准：患者符合VAP诊断标准［2］；患者经血常规、呼吸道分泌物培养、胸部X 线检测确定。⑵排除标准：患者在进行呼吸机通气的前48 h出现肺炎；未采集到合格的痰液标本。

3.资料收集

通过“杏林医院感染实时监控系统”收集患者临床资料，查阅调查对象的住院病历，根据诊断标准判断是否发生VAP，收集调查对象的一般资料、入院诊断、出院诊断、相关危险因素、病原体检出及抗菌药物使用情况等信息。

4.统计学方法

采用SPSS 20.0 软件处理数据。非正态计量资料采用中位数和四分位数M（P25，P75）表示，组间比较采用非参数Wilcoxon 检验。计数资料以χ2检验，将VAP 组和非VAP 组进行组间比较，运用单因素分析完成对变量的初步筛选，以P＜0.1 为差异有统计学意义。根据单因素分析的结果筛选指标进行多因素logistic 回归分析筛选出独立危险因素，多因素分析以P＜0.05为差异有统计学意义。基于各项独立危险因素的回归系数β得出回归方程式，构建风险预测模型。使用R软件将风险预测模型转化成列线图。

结果

1.VAP发生率

796例患者中发生VAP 285例，VAP发生率为35.80%。

2.VAP发生的危险因素分析结果

2.1.单因素分析结果 检索中国知网数据库、万方数据库、维普数据库，结合该医院病历数据实际情况，初步确定RICU 发生VAP的危险因素为性别、年龄、糖尿病、电解质紊乱、低蛋白血症、脑梗死、是否联用抗菌药物、中心静脉导管、尿路导管、呼吸机使用天数、RICU 住院天数与抗菌药物使用天数等情况。结果显示，电解质紊乱、低蛋白血症、脑梗死、是否联用抗菌药物、中心静脉导管、尿路导管、呼吸机使用天数、RICU 住院天数与抗菌药物使用天数为VAP发生的相关因素，差异均有统计学意义（均P＜0.05）。见表1。

2.2.多因素logistic 回归分析 在进行logistic 回归分析之前，对各项自变量之间是否存在多重共线性问题进行共线性诊断，统计分析结果显示：所有自变量的容忍度（Tolerance）均大于0.1，方差膨胀因子均小于10，因此，纳入建模的各项自变量之间不存在多重共线性，见表2。以单因素分析有统计学意义的9 个因素（电解质紊乱、低蛋白血症、脑梗死、是否联用抗菌药物、中心静脉导管、尿路导管、呼吸机使用天数、RICU 住院天数、抗菌药物使用天数）进行多因素logistic回归分析。结果显示，脑梗死、是否联用抗菌药物、中心静脉导管、尿路导管、呼吸机使用天数与抗菌药物使用天数是RICU发生VAP的独立危险因素，见表3。

表2 796例RICU患者VAP危险因素共线性分析

表3 796例RICU患者VAP危险因素logistic回归分析

2.3.RICU 患者VAP 风险预测模型的构建 根据上述多因素logistic 回归分析得出的6 个因素建立logistic 回归：logit（P）=-5.732+0.599×（脑梗死）+0.899×（是否联用抗菌药物）+1.585×（中心静脉导管）+1.546×（尿路导管）+0.189（呼吸机使用天数）+0.091×（抗菌药物使用天数）。本研究采用Hosmer-Lemeshow 检验对模型拟合优度进行检验，结果显示χ2=11.06，P=0.199，大于0.1，说明该风险预测模型拟合优度较好。模型受试者操作特征曲线（ROC）曲线下面积（AUC）为0.925（95%CI0.907～0.944），模型预测效果为“杰出”，见图1。

图1 796例RICU患者VAP预测模型ROC

2.4.RICU 患者VAP 风险预测模型列线图的绘制 为了把模型转变为便于临床使用的工具，根据上述logistic 回归方程绘制列线图，见图2。

图2 796例RICU患者VAP风险预测列线图

讨论

本研究结果显示，RICU 患者VAP 的发生率为35.80%，这与相关调查报道的VAP 发生率为15%～60%结果相符［3］。本次研究显示，合并脑梗死的患者发生VAP 的风险是未合并脑梗死患者的1.82倍，留置中心静脉导管、尿路导管侵入性操作分别使VAP 发生的危险程度提高4.877 倍与4.693 倍。脑梗死患者脏器功能减退、免疫功能低下，导致VAP 的发生率较高，治疗存在较大的难度［4］。侵入性操作（留置中心静脉导管、尿路导管）会破坏皮肤黏膜屏障，为细菌的侵入提供机会，同时，也可将自身的细菌带到其他部位，引起内源性感染［5-6］。消毒灭菌、更换辅料不彻底，或是护理不规范，都可以导致VAP的发生［7］。

呼吸机使用天数是VAP发生的危险因素。呼吸机使用时间（机械通气时间）越长则VAP 发生的风险越大，通常机械通气增加5 d，VAP 发病率将会增加13%［8-9］。因此，需加强对机械通气患者生命体征、呼吸系统功能的检测评估，尽可能减少呼吸机使用时间，及时撤机以减少VAP 的发生率［10］。抗菌药物的联用会在一定程度上增加RICU 患者发生VAP 的风险，抗生素使用天数也同时增加了VAP 耐药菌感染的风险，与本次研究结果一致［11-12］。

有研究表明，年龄、糖尿病与VAP 的发生相关，与本研究结果不一致，这可能与研究样本来源地不同有关，日后可以开展多中心、多地域的调查研究进一步验证［13-14］。单因素分析时，电解质紊乱、低蛋白血症是VAP 发生的危险因素，但多因素分析时均未能进入回归方程，表明上述因素均为患者本身体质情况的预测指标，这与张玉梅等［15］研究结果一致。

国内外对于ICU 器械相关感染的文献报道中针对RICU 的报道较少，检索知网、万方、维普数据库既往关于RICU 患者VAP 的研究大多着眼于影响因素分析和预防护理措施，鲜有其风险预测模型的研究［16］。本研究构建的RICU 患者VAP风险预测模型为医护人员开展早期识别、早期预防提供了依据。本次研究在进行logistic 回归分析前，对纳入分析的指标进行了共线性分析，确保了纳入建模的各项变量之间不存在多重共线性，同时还绘制了列线图，降低了临床工作中使用该模型的门槛，医务人员通过简单的运算就可以直观地看出患者发生VAP 的风险，利于对不同患者进行个性化风险评估。

作者贡献声明王素娟：研究设计与实施、数据采集与分析、文章撰写、对文章的知识性内容作批评性审阅；李昊雪：研究设计与实施、数据采集与分析、统计分析、指导；刘丽：研究设计与实施、数据采集与分析；陆雪耕：研究实施、数据采集与分析、统计分析；王雪：研究实施、数据采集、对文章的知识性内容作批评性审阅；曲琳：对文章的知识性内容作批评性审阅、统计分析