列线图模型在神经外科医院感染风险预测中的应用研究

李凌竹 王颜颜 曾妮 查筑红 林丹 姚尧 罗光英

(贵州医科大学附属医院医院感染管理科,贵州 贵阳 550004)

2011年,国家卫生健康委(原国家卫生部)印发了《三级综合医院评审标准(2011年版)》,其中在医院感染管理与持续改进方面,要求医院每年开展医院感染风险评估工作[1]。神经外科多收治颅脑外伤、脑出血及颅内肿瘤等疾病患者,由于患者病情严重,侵入性操作过多等因素,使得该科室成为医院感染防控的重点科室[2]。以往研究[3-4]集中在以科室为整体,通过科室医院感染防控措施的综合情况来开展风险评估,这忽略了患者本身个体化差异导致了个体医院感染风险存在差异。本研究拟通过构建列线图模型,对神经外科患者的医院感染进行个体化风险预测,针对此人群进行干预,以达到降低神经外科医院感染发生率的目的。

1 资料与方法

1.1 一般资料采用回顾性调查,选取某三级医院2019年1月1日至2020年12月31日神经外科在院>48 h的患者作为研究对象,采集所有患者基本信息、侵入性操作、临床治疗等相关信息。根据国家卫生健康委(原卫生部)印发的《医院感染诊断标准》(2001)[5],结合患者的临床资料由临床医生和医院感染监测人员共同确定医院感染病例。根据研究对象是否发生医院感染分为院感组及非院感组。

1.2 方法

1.2.1 临床资料收集利用东华数字化医院信息管理系统和医院感染实时监控系统收集研究对象的相关资料。其中患者一般信息包括年龄、性别、住院天数等;诊疗信息包括是否存在侵袭性操作、手术方式、手术时长、失血情况、是否存在医院感染等。

1.2.2 数据分组2019年1月1日至2019年12月31日符合要求的研究对象数据设为建模组,用于构建模型,2020年1月1日至2020年12月31日符合要求的研究对象设为验证组,用于验证模型的预测效能。

1.2.3 构建模型利用建模组的数据,进行神经外科医院感染影响因素分析,其中包括单因素分析及多因素Logistic回归分析,基于分析结果构建列线图模型。列线图,又称诺莫图,该图在多因素回归分析的基础上,将多个预测指标进行整合,然后采用带有刻度的线段,按照一定的比例绘制在同一平面上,从而用以表达预测模型中各个变量之间的相互关系。在模型中,各个影响因素对结局变量的贡献程度不同,从而对每个影响因素取值水平进行赋分,然后再将各个评分相加得到总评分,最后通过总评分与结局事件发生概率之间的函数转换关系,从而计算出该个体结局事件的预测值,总评分越高,发生结局事件的风险越高。

1.2.4 验证模型采用受试者工作特征曲线(ROC)即ROC曲线对该模型进行内部验证,ROC曲线下面积(AUC)越接近1,说明分类器的性能越好[6]。使用验证组资料对模型进行进行外部验证。

2 结 果

2.1 一般基本资料本次研究共收集病例5 689例,其中建模组2 956例,验证组2 733例。建模组医院感染107例,发生率为3.62%;验证组医院感染95例,发生率3.48%。将建模组及验证组各变量进行对比,差异无统计学意义(P>0.05),建模组与验证组的资料同质性较好,表明验证组数据可以用于模型外部验证。见表1。

表1 建模组与验证组资料对比

2.2 影响因素分析使用建模组数据对神经外科患者医院感染的影响因素进行多因素Logistic回归分析,结果显示,住院天数、有手术史、急诊手术、开放性手术、手术时长>3 h、术前无预防用药及使用呼吸机是神经外科患者医院感染的危险因素(P<0.05)。见表2～3。

表2 建模组神经外科患者医院感染单因素分析结果

表3 建模组神经外科患者医院感染多因素Logistic回归分析结果

2.3 列线图模型构建及验证利用Logistic回归模型构建列线图(图1);绘制ROC曲线,其AUC面积为0.902(95%可信区间为0.879～0.925)(图2),区分度良好;利用验证组数据进行外部检验,经过绘制校准曲线发现,模型的实际观察值与预测观察值结果较为一致(图3),说明模型校准能力较好。

图1 神经外科医院感染风险预测列线图模型

图2 列线图预测神经外科医院感染的ROC曲线

图3 列线图预测神经外科医院感染的校准曲线

3 讨 论

神经外科是医院感染防控的重要科室,在国内,其医院感染发生率往往高于全院水平[7],同时,医院感染在经济上给患者带来了巨大的负担。国内有文献报到,内蒙古地区24家三级综合医院,神经外科医院感染经济损失最高[8]。因此,在神经外科实施有效的医院感染防控工作尤为重要。国内各种文献报到,医院环境清洁情况及手卫生执行率都不高,这种情况下,更应该关注重点人群的医院感染防控工作[9]。

本研究结果显示,住院天数增加、进行手术、急诊手术、开放性手术、术前未预防性用药、手术时长>3 h及使用呼吸机为神经外科患者医院感染的危险因素,这和部分国内报到结果相似[10-11]。但是,由于文献中选取的变量不完全相同,也导致结果存在一定差异。虽然医院感染受多因素影响,但各影响因素在疾病发生过程中的影响程度的讨论却不多[12]。因此相关研究结果在实际临床应用中仍然局限。列线图是一种比较热门的模型构建方法,可以将回归结果进行整合,实现图形化、可视化,更直观,更形象的进行个体化风险预测[13]。本研究将多因素Logistic回归中有统计学意义的住院时长、是否手术、手术类型、手术方式、手术时长和是否使用呼吸机影响因素作为评分指标构建列线图模型,该模型有较高的区分度和校准度。临床上可以通过列线图,通过对患者开展评分来进行个体医院感染风险评估工作,并根据患者个体风险评分来区分神经外科中的医院感染重点人群,着重加强此类人群的医院感染预防控制措施,以减少医院感染的发生。

但是,此研究也有局限之处。首先,本研究仅选择了一所医疗机构的神经外科资料,且自变量资料收集不够全面,可能导致并非所有危险因素都纳入。在今后的研究中,可以扩大数据收集范围并加强资料收集完整度,使得数据分析更为精确。其次,本研究的细化程度有待加强,今后的研究可以针对神经外科常见医院感染部位进行分类研究,形成多个列线图,临床医务人员在进行评估时,可以直接评估不同部位医院感染的风险。最后,此种个体风险评估方式应和临床科室的医院感染风险评估相结合,才能形成完整的医院感染风险评估体系,完整评估高风险科室的高风险人群,实现动态风险评估。

利益冲突说明/Conflict of Intetests

所有作者声明不存在利益冲突。

伦理批准及知情同意/Ethics Approval and Patient Consent

本研究通过贵州医科大学附属医院医学伦理委员会批准,为回顾性资料分析,故知情同意免除。