【感染科普笔记2023-8-8】刘聚源丨医院感染监测质量控制及数据验证
本帖最后由 吴晓梅 于 2024-9-27 16:35 编辑讲者丨刘聚源（北京医院）
整理丨王迎/杨玉杰（聊城市东昌府人民医院）
审核丨王世浩（山东中医药大学第二附属医院）
来源丨SIFIC 2022“全国感控与耐药感染”联合大会
随着医院感染管理工作的深入，各家医院对医院感染监测数据的质量要求越来越高，高质量的医院感染监测数据是医院感染管理工作高质量发展的前提。医院感染监测数据的可及性、真实性受到各家医院越来越多的关注和重视。来自于北京医院医院感染管理处的刘聚源教授在SIFIC 2022“全国感控与耐药感染”联合大会上通过理论与实践相结合的方式，对指标数据监测的目的、意义、作用及数据质量验证等进行全面地讲解。
一、开展监测的目的、意义及作用医院感染监测数据是感控风险管理的基础，它可以预警风险、识别风险、分析风险、聚焦风险，是医院感染风险评估的依据，同时也为分配医疗资源、选择并评价干预措施提供依据。一个好的监测数据可以回答问题、显示结果、证明价值、确定改进机会，也是管理的需要。医院感染监测是感控专职人员的主要任务之一，没有监测等于没有做好本职工作，同时，监测质量是感控人员工作质量指标之一。监测数据能够确定我们采取的关键措施是否合理、可行，是制定医院感染预防与控制计划的基石，它能够用于快速识别感染暴发，为临床研究提供流行病学资料。另外，持续监测医院感染发生率可以用于实施改善措施，评价干预效果以及在机构内外进行比较。理论上讲，监测的效率最高，感控专职人员应首先致力于建立完善的监测系统。
一、如何开展医院感染监测质量验证
[*]医院感染监测方法：依据监测范围的不同，分为全院综合性监测和目标性监测；依据调查方式的不同，分为回顾性调查和前瞻性调查；依据数据收集方式的不同，分为主动监测和被动监测；依据手段方式不同分为手工监测和计算机信息化自动/半自动监测。目前我国大部分医院采用的是信息化半自动手段开展前瞻性医院感染监测，主要包括全面综合监测和目标监测。
[*]对完美理想监测系统的期望：良好的医院感染监测系统应具备运行速度快、数据结果准以及事半功倍等特性。比如它能够对数据进行自动采集与分析，并能做出简单数据报表；出现聚集病例时自动实时预警；同时也能与临床医生及时交互与沟通。理想的监测系统应该具备高灵敏度（反映监测系统发现医院感染病例的能力）、特异度（反映监测系统确定非医院感染病例的能力）、阳性预测值（医院感染病例预测能力）和阴性预测值。任何粗糙、不准确的数据会导致未来低价值工作，因此，准确可靠是一个监测系统的基础。
[*]如何对医院感染监测数据进行验证：刘聚源教授指出，现在大部分医院应用的医院感染监测系统均与医院现行的HIS、LIS、PUS等系统进行数据对接，如何保障所有的HAI病例均在监测之中，如何保障预警出的HAI病例是准确的？这就需要对数据进行验证，需要一个专业的筛查策略即监测系统的“黑匣子”，对数据进行筛选，从而预警出医院感染病例以及医院感染聚集或者疑似暴发病例。感染监测系统的“黑匣子”即预警指标，可以分为以下几类：诊断指标（ICD）、检验指标（微生物、生化等）、临床指标（症状、体征）和药学指标（抗菌药物、病原学送检等）。
一项关于医院感染监测方法的系统综述研究，回顾了1985-2015期间各个国家的医院感染监测体系，78项研究应用了各种各样的监测指标以及不同的组合策略对自己医疗机构内的医院感染病例进行预警，结果显示，不同的预警策略对不同部位感染的敏感度是不同的，各项预警指标有其各自的优缺点：① ICD编码准确、特异性高，但容易受诊断水平的影响；②微生物指标准确、特异性高，但容易受医疗机构内的送检率、标本质量、治疗习惯以及检测能力的影响；③抗菌药物敏感度较高，但其特异度较低，且容易受到抗菌药物使用能力的影响；④微生物+抗生素药+加生化，作为一个组合指标，其敏感度和特异性均较高，同样容易受医疗机构内的送检率、标本质量、治疗习惯以及检测能力的影响；⑤关键词搜索，其敏感度较高，但受关键词设置的准确性的影响。
至于选择哪一种预警指标，需要基于我们的监测目的、信息化水平、治疗水平以及医疗机构的检测能力。因此，我们要基于监测的主要目的、现有资源，从而选择不同的预警策略。总的来说，组合预警指标可以明显提高监测的灵敏度。需要说明的是，相同的监测系统，因为在不同的医疗机构可能使用不同的预警指标和组预警指标，所以其系统的灵敏度是不同的。即使是不同医院使用同样的监测系统和预警指标，其灵敏度也可能存在差异，这主要由医院内部管理和诊疗行为的不同而导致的。
4. 感染监控系统的”黑匣子”的选择 在预警指标选择过程中我们需要权衡灵敏度和特异度，因为高的灵敏度会“牺牲”特异度。因此，选择预警策略时要基于监测的主要目的、现有资源和信息化水平。
因此，没有完美的系统，只有不新验证和改善的监测，所以，医院感染监测预警系统无法照搬和复制，监测系统只能提供工具、手段。基于本医疗机构资源、信息化程度确定与目标相匹配的预警指标进行选择。预警指标是否灵敏，取决于机构内部的管理、信息系统运行模式、诊疗行为等综合因素。所以，我们需要不断调整、验证预警指标，
当流程或行为发生变化，灵敏度、特异性都会受到影响。
5. 思考与探索 没有完美的监测预警系统，也没有一成不变的监测预警系统，我们需要不断验证、恰当地调整预警指标，从而得到更准确、更可靠的数据，最终实现及时发现感染风险以及为感控策略提供技术支持这一终极目标。
三、案例举证1.如何进行监测系统质量验证 刘教授通过实际案例详细地说明了监测系统质量验证过程。我们开展监测的目的是能使预警指标准确地发现更多的医院感染病例，采用的方法是应用流行病学“筛检试验评价法，即将待评价的预警体系与目标的“金标准”，进行同步盲法比较，判定监测系统的灵敏度和特异度。
2.如何评价预警指标的质量和效率？2.1评价方法
2.2评价指标 评价指标主要包括灵敏度、特异度及阳性预测值等。灵敏度=A/(A+C)*100%，评价监测系统发现阳性病例的能力特异性=D/(B+D)*100%，评价监测系统确定非阳性病例的能力阳性预测值=A/(A+B)*100%，评价监测系统阳性病例预测能力
3. 什么是医院感染监测的“金标准” 医院感染监测的金标准主要包括①通过人工回顾翻阅一段时间内出现患者病历资料，确认的医院感染病例。②由医院感染专职人员，双人盲法同时翻阅病例，不一致的进行讨论，直到一致为止。③至少选择一个月的时间段，建议选择的时间段具有代表性，不受季节、人力、节假日的影响。
4. 评估验证监测系统的质量 通过计算灵敏度、特异度及阳性预测值来评估验证监测系统的质量。
5. 应用举例5.1两种预警方法的质量和效率比较5.1.1研究对象：对北京市五家使用同一医院感染监测系统三年及以上的三级甲等综合医院，系统应用较为成熟，至少接入HIS、电子病病和护理系统等。5.1.2抽样方法：整群抽取2018年3月1日-2018年3月31日、2018年5月1日-2018年5月31日出院患者（含3月31日、5月31日在院患者）。
5.2病例核查：人工确定医院感染病例，由两名负责医院感染监测工作5年及以上的专职人员，应用回顾性调查的方法，查阅一定时间范围的全部患者住院病例，根据原卫生部《医院感染诊断标准（试行）》确定是否为医院感染病例（HAI）。两名医院感染专职人员各自确定的医院感染病例进行校对，有争议或分歧的医院感染病例，通过讨论达成共识。通过此方法确定的医院感染病例，即为“金标准”。
5.3医院感染实时监测预警系统5.3.1预警方法一：基于症状、检查、用药的预警指标体系预警①微生物阳性结果，包括血、尿、痰、引流液等标本的检验结果；②感染症状：入院48小时发热37.5°以上；③非特异性感染相关指标：包括降钙素原（PCT）和C反应蛋白超过正常值；④常规实验室检查指标：包括血、尿、粪便等标本中白细胞计数异常等；⑤抗菌药物使用指标：包括抗菌药物种类的增加和抗菌药物级别上升。将上述①-⑤预警指标进行排列组合并赋予一定的权重分值，超过预警的分值，疑似HAI则自动被系统预警出来。5.3.2预警方法二：基于限制级、特殊级抗菌药物的预警指标体系。以使用抗菌药物（限制级、特殊级）、发热37.5℃以上为主要预警指标（简称“新方法”），医院感染专职人员对预警出来的疑似HAI进行感染确认，确定是否为医院感染监测病例。 ①使用抗菌药物指标：入院48小时后使用抗菌药物（限制级、特殊级）；②发热指标：入院48小时发热37.5℃以上； ③组合指标：入院48小时后使用抗菌药物（限制级、特殊级）未预警的病例，用“发热37.5℃以上”作为二级指标进行预警。
5.4结论：通过验证，校正了医院感染监测系统的发病率。五家医院病例核查总数为40343例，补报医院感染病例112例，全部医院感染病例809例，发病率为1.73%（1.20-2.25），通过病历核查补报医院感染病例后，调整发病率为2.00%（1.57-2.53）。五家医院医院病例核查后的调整发病率，均高于原始发病率。两种预警方法比较，方法一基于组合权重指标，具有较高的特异度；方法二基于用药指标，具有较高的灵敏度。
5.5评估验证预警指标的意义 它不仅可以评价医院感染监测系统的预警能力，同时也对医院感染监测数据的质控提供了方法学的支持。通过验证可以估算一个真实的院感病例，也可以评价医院感染病例监测及报告质量，同时可以间接评价医疗机构抗菌药物使用的规范程度及管理水平。
小 结准确、可靠的院感数据，是医院开展风险评估、制定干预决策、实施资源分配以及进行效果评价等工作的前提保障。因此，作为医院感染专职人员要不断提升自身业务能力，改善监测预警系统能力，提升监测预警能力、升数据应用能力及风险评估能力。
封面图片来自网络
图文：王小虾
学习了，谢谢老师分享。 感谢老师分享！学习。 学习了，感谢老师的分享 学习了，感谢老师的分享！
页:
[1]