|
|
马上注册登录，享用更多感控资源，助你轻松入门。
您需要 登录 才可以下载或查看，没有账号？注册
|
×
摘要：目的 构建ICU多重耐药菌院内感染的风险模型。方法 对2012年10月-2015.9月入住ICU>48h的836名住院患者进行回顾性分析。构建医院感染logistic回归模型,对模型进行拟和优度检验、ROC曲线下面积分析。结果 单因素分析尿管使用、中心静脉管使用、呼吸机使用、抗菌药物使用、住院时间等14个影响因素有统计学意义；多因素logistic分析住院天数、使用抗菌药物天数及联用、发热、手术ASA评分、呼吸机插管天数为独立影响因素。评价模型效果：灵敏度85.7%，特异度83.1%，模型ROC曲线下面积为0.913。结论 logistic回归模型对ICU患者医院感染预测拟合度较好。
关键词：ICU；多重耐药菌；风险模型；院内感染
由于ICU是急危重症患者集聚的场所，同时随着有创检查和治疗手段的广泛应用、广谱抗生素和免疫抑制剂的大量不合理的使用以及老龄化程度的增加，衍生为“超级细菌”的多重耐药菌不断增长。有研究表明综合ICU是医院多耐感染的高发科室，在国内ICU医院感染率比普通病房高5-10倍[1]。又因多重耐药菌感染的复杂性和难治性，易引起医院感染暴发流行，同时ICU的工作关系到医院的感染率，更影响了危重患者最终抢救的成功率。因此ICU多重耐药菌(multidrug-resistant organisms，MDRO)感染的预防与控制工作已成为迫切需要解决的问题。
本研究主要通过对ICU2012年10月-2015年9月三年的数据进行回顾性的研究，描述医院多耐感染基本情况及流行病学特征，探索多耐发生的高危因素，建立ICU多重耐药菌院内传播的风险评估模型，进行前瞻性的预测，及时有效降低多重耐药菌的传播与感染，提出针对性的ICU防控措施，以降低ICU院内多重耐药的感染率。对避免医院多耐感染暴发具有重要临床实际意义。
1 资料和方法
1.1 临床资料 选取太原市山西医科大学第一医院2012年10月-2015年9月ICU的住院患者836例，多耐感染患者共119例作为试验组，未发生多耐感染患者共717例作为对照组。其中男性468例，女性368例，多耐患者的平均感染率为14.23%。患者临床资料见表1。
表1患者病例数、性别、感染情况
Table 1 The number of cases,sex,patient infection status
年份 病例数 男 女 多耐感染例数 感染率（%）
2012.10.1-2013.9.30 263 143 120 30 11.41
2013.10.1-2014.9.30 279 163 116 45 16.13
2014.10.1-2015.9.30 294 162 132 44 14.97
合计 836 468 368 119 14.23
1.2 方法 采用回顾性分析患者的临床资料进行分析，分别对患者的年龄、病情、住院天数、侵入性操作、抗菌药物使用等危险因素进行单因素的卡方分析；采用向前“逐步法”,入选变量的显著水平定为0.10，进行多因素的分析，构建logistic回归模型，进入logistic回归模型的变量,做参数估计和优势比OR估计。拟合效果的检查采用了似然比检验、Hosmer-Lemeshow拟和优度检验,ROC曲线下面积分析。
1.3 统计分析 采用SPSS软件进行统计分析，对所有变量采用X2检验进行单因素分析；采用logistic 多因素进行分析，P<0.05差异有统计学意义。
2 结果
2.1单因素分析 住院时间、使用抗菌药物天数及有侵入性操作等为感染因素，差异均有统计学意义（P<0.05)，单因素分析及感染率见表2
表2 发生院内多耐感染患者单因素分析及感染率（％）
Table 1 Unnivariate analysis of the related factors for the nosocomial infections of multiresistant bacteria and the infection rates(%)
因素 调查例数 感染例数 感染率 P值
性别 男 367 81 22.07 <0.05
女 469 38 8.1
抗菌药物的使用 无 280 19 6.79 <0.05
1周 1 09 10 9.17
2周 98 10 10.2
3周 140 25 17.86
4周 71 19 26.76
>4周 138 28 20.29
手术切口 无 531 74 13.94 <0.05
一类 60 16 26.67
二类 219 28 12.79
三类 26 1 3.85
NNIS评分 0 489 66 13.5 <0.05
1 245 30 12.24
大于1 102 23 22.55
发热 有 582 118 20.27 <0.05
无 274 1 0.36
并发糖尿病 有 130 11 8.46 <0.05
无 706 108 15.3
并发高血压 有 285 67 23.51 <0.05
无 551 52 9.44
低蛋白血症 有 126 119 94.44 <0.05
无 710 31 4.37
中心静脉次数 无 273 13 4.76 <0.05
1次 501 78 15.57
2次 50 19 38
>2次 12 9 75
尿管插管天数 无 161 5 3.11 <0.05
1周 196 9 4.59
2周 148 15 10.14
3周 92 13 14.13
4周 53 11 20.75
>4周 186 86 46.24
尿管插管次数 无 128 9 7.03 <0.05
1次 651 91 13.98
2次 49 16 32.65
>2次 8 3 37.5
呼吸机插管天数 无 591 31 5.25 <0.05
1-3天 40 9 22.5
4-7天 38 8 21.05
8-14天 53 18 33.96
15-30天 63 25 39.68
>30天 51 28 54.9
呼吸机插管次数 无 469 26 5.54 <0.05
1次 324 75 23.15
2次 32 12 37.5
>2次 11 6 54.55
ICU住院天数 2-7天 311 3 0.96 <0.05
8-15天 107 9 8.41
16-30天 253 34 13.44
31-60天 112 37 33.04
>60天 53 36 66.92
2.2 多因素logistic回归分析 住院天数、使用抗菌药物使用天数及联用、发热、手术ASA评分、呼吸机插管天数均为患者发生医院多耐感染的独立危险因素（P<0.05)，见表3。
表3 医院多耐感染相关因素Logistic回归分析
Table 3 logistic regression analysis of related factors for nosocomial infectionsnosocomial of multiresistant bacteria
危险因素 回归系数
Wald值 P值 OR值 95%CI
呼吸机插管天数 0.242 0.067 13.168 0.000 1.274 1.118～1.452
ICU住院天数 0.815 0.129 39.717 0.000 2.259 1.753～2.911
抗菌药物的应用天数 -0.159 0.069 5.357 0.021 0.853 0.746～0.976
抗菌药物的联用 0.490 0.130 14.246 0.000 1.632 1.265～2.104
手术ASA评分 0.174 0.079 4.823 0.280 1.190 1.019～1.391
发热 1.895 0.751 6.37 0.012 6.654 1.527～29.007
常数项 -7.586 0.822 85.10 0.000 0.001 …
2.4 对logistic回归分析模型进行评价
2.4.1 logistic回归模型总有效性 似然比卡方(likelihood ratio chi- Square)=271.117,DF=6,P<0.0001,即模型建立有统计学意义。Wald检验,Wald卡方(Wald chi-Square)=329.192, DF=1,P<0.0001,即回归方程的系数差异有统计学意义。
2.4.2 对logistic回归方程进行拟和优度检验 采用Hosmer-Lemeshow拟和优度检验方法显示模型拟和较好,Chi-Square=8.793,DF=8,P=0.360。见表5。
表5 Hosmer&Lemeshow检验分解
Table 5 Hosmer&Lemeshow test decomposition
分组 总例数 ICU未发生医院多耐感染 ICU发生医院多耐感染
实际观察值 模型期望值 实际观察值 模型期望值
1 84 84 83.890 0 0.110
2 84 83 83.755 1 0.245
3 84 84 83.434 0 0.566
4 83 83 81.909 0 1.091
5 86 85 83.922 1 2.078
6 84 82 80.216 2 3.784
7 84 74 76.358 10 7.642
8 84 66 66.677 18 17.323
9 84 47 52.102 37 31.898
10 79 29 24.737 50 54.263
2.4.3 对logistic回归方程进行判别能力检验 用一步近似法估计模型参数,进行回代判别,以不同的临界概率值作为判别界值,将模型判别分类情况与实际转归进行对比,计算敏感度和特异度,进而以“1-特异度”作为横坐标,以“敏感度”为纵坐标绘制ROC曲线,。ROC曲线下的面积为0.913,可以认为此模型的判别
效果“很好”。判别敏感度85.7%，特异度83.1%。见图1.
2.4.4 logistic回归模型实际应用探讨 本模型为概率预测模型,在给定一组自变量值后,可以据此模型对该ICU患者发生医院多耐感染的概率进行估计。
3 讨论
根据中国CHIET 2009-2013年数据显示细菌耐药性仍呈增长趋势，医务人员对于多重耐药菌的防控措施执行率仍旧低于发达国家。目前国内以及国际上的医院对多重耐药菌感染控制管理往往针对已发生多重耐药菌感染的问题，来制定相应的制度与措施，尽力避免事件的再发生。预测预警是近年来流行病学的热点,也是医院感染流行病学研究中一种新的方法。通过预测,使医院多耐感染控制的防线前移,减少医院多耐感染的发生,减低医院多耐感染发病率。重视医院多耐感染，全面提升医院多耐感染预防控制水平已势在必行。
ICU医院多重耐药菌感染相关因素是全封闭的隔离病房，急危重症多，病情变化快，护理治疗操作多，是医院多重耐药菌感染的高危区域之一，本调查医院多重耐药菌感染率为14.23%，远高于普通病区医院感染的水平3.22%[2]。单因素分析发现与14个因素有关，logistic模型分析确立ICU医院多耐感染独立因素：ICU住院天数、抗菌药的使用天数及联用、发热、手术ASA评分，呼吸机插管天数。ICU住院天数时间的长,可能患者的基础疾病严重且多，接受各种侵入性操作的概率较高,医院多耐感染的发生概率更大。这与张京利[3]等人的研究一致。呼吸机的插管天数可以导致多耐的感染率增加，可能与呼吸机插管或鼻插管均增加了气管的细菌定植机会,增加呼吸系统感染的概率[4,5]。ICU科室三管（中心静脉、尿管、呼吸机插管）是侵入性操作中监测的重点，因中心静脉插管的医院感染率较高，不易控制，并且引起感染后的后果较严重，我院ICU现已无中心静脉插管患者。发热和抗菌药的使用天数及联用是医院多耐感染的高危因素，主要可能与机体发热，患者使用抗生素的天数增加，抗生素的应用增加后，而导致耐药菌株产生有关。手术ASA评分也是导致ICU院内多耐感染的重要因素之一，ASA评分可能预示着手术的复杂程度较高，手术时间长，因此导致术中创面暴露时间长，加上患者由手术过程中麻醉的作用，免疫力低，易发生多耐感染。这与于玉领[6]等人的研究结果一致。
在本研究中,用ICU患者自身和医源性的因素等为因变量、是否发生医院多耐感染为应变量构建预测模型。本研究利用ROC曲线来评价模型的预测效果。ROC曲线不受患病率影响,综合了灵敏度、特异度两个指标,因此能全面客观地评价预测实验的准确性。本研究中logistic回归模型AUC为0.913,模型预测能力较好。
在ICU医院多耐感染的模型建立后，依据患者发生多耐感染的概率，提前进行针对性干预。因此建立ICU医院多耐感染风险模型是必要的。可以消除医务人员对ICU患者医院多耐感染风险掌握的盲目性，且使医务人员能及时、准确、全面的掌握患者的病情变化。通过加强对ICU医院多耐感染高危人群及其高危因素进行监测，及时进行干预。
参考文献
[1]陈涛,何英,刘映,秦桂英,陈淼. 强化ICU病房环境卫生对医院感染的影响[J]. 现代预防医学,2011,01:87-88.
[2][1]吴安华,文细毛,李春辉,任南,龚瑞娥,黄勋,冯丽,刘珍如,孟莉,郭燕红. 2012年全国医院感染现患率与横断面抗菌药物使用率调查报告[J]. 中国感染控制杂志,2014,01:8-15.
[3]张京利,赵霞,王力红,马文晖,王桂珍. 重症监护病房患者医疗干预措施与医院感染的相关性研究[J]. 中华医院感染学杂志,2010,02:187-189.
[4]Kollef MH.Prevention of hospital-associated pneumonia and ventilator-associated pneumonia[J].Crit Care Med,2004,32:1396-1405.
[5]杨雅红,丁红生,陈卫芳. ICU患者多药耐药鲍氏不动杆菌感染的相关性分析[J]. 中华医院感染学杂志,2015,19:4351-4352+4374.
[6]于玉领,王丽红,佘婷婷,何小兰. 神经外科患者手术部位感染相关因素的前瞻性监测[J]. 中华医院感染学杂志,2015,01:174-175+193.
|
评分
-
查看全部评分
|
发表于 2015-12-22 15:16
我也有这个想法