院感数据中千日感染率的比较

感控人小张

在医院感染目标性监测数据中，常常会碰到诸如住院病人千日感染率，插管病人千日感染率等指标。这些指标特殊性在于，分子为人数，而分母为住院天数或插管天数，对于这类资料，如果要做两个季度、两年或两家医院间千日感染率的比较，如何做呢？本贴主要是想与大家一同探讨统计学方法，以及实现这些方法的统计软件及命令，下面我为大家提供了利用R软件和stata软件进行比较时的命令与结果。


以下为文献《强化护理措施对降低重症医学科管路千日感染率的效果评价》中的一个表格，作者采用了卡方检验最后认为差异有统计学意义（p<0.0001），但我认为卡方检验不能用于此类分析。虽然卡方检验用于两个率的比较，但是此处分子与分母并不是同一属性。

时间	插管总数（例）	住院总天数（天）	置管总天数（天）	感染人数（例）	千日感染率  （‰）
2012年	348	5309	2116	41	19.4
2013年	300	5835	2518	6	2.4

           对于此类资料，应该应用医学统计学中用于两事件数比较的方法，因为一般认为单位时间、空间或人群间某独立事件的发生服从Poisson分布，  Poisson分布为二项分布的特殊情况，即在样本含量很大而发生率又即小的情况。


下面是用R软件进行比较时的命令与结果，可以参考：

>poisson.test(c(6,41),c(2518,2116))
data: c(6,41)  time base: c(2518,2116)
count1=6,  expected count1=25.539  ,p-value=3.733e-09
alternative hypothesis:  true rate ratio is not equal to 1
95 percent confidence interval:
0.04266943 0.29130353
sample estimates:
rate ratio
0.122978

下面是用stata软件计算两个总体率的可信区间，看两个率的可信区间是否有重合，从结果可以看出两个率的差异有统计学意义。
cii 2518 6

variable	obs	mean	std.err	Binomial exact(95% CI)
	2518	0.0023828	0.0009716	0.0008749   0.0051792

variable	obs	mean	std.err	Binomial exact(95% CI)
	2116	0.0193762	0.0029966	0.0139397   0.0261949

娜姆

谢谢分享，学习了。平常都是全靠软件和别人帮助下完成的统计。