李 娇,商临萍，郭红菊,李 伟,苏丹霞,张 新,潘 伟,郝春霞,车 莎

(1 山西医科大学护理学院,山西 太原 030001； 2 山西医科大学第一医院,山西 太原 030001)



·论著·

综合ICU多重耐药菌医院感染的风险模型构建

李 娇1,商临萍2，郭红菊2,李 伟2,苏丹霞2,张 新2,潘 伟2,郝春霞2,车 莎2

(1 山西医科大学护理学院,山西 太原 030001； 2 山西医科大学第一医院,山西 太原 030001)

目的 构建重症监护病房(ICU)多重耐药菌医院感染的风险模型。方法 对2012年10月—2015年9月入住ICU>48 h的836例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(AUC)分析。结果 3年入住ICU>48 h的患者共836例，多重耐药菌医院感染发病率为14.23%(119例)。15个单因素分析有意义的自变量纳入logistic多因素分析，结果显示，ICU住院时间(OR=2.493；95%CI：1.816～3.494)、基础疾病种类(OR=1.536； 95%CI：1.243～1.898)、低蛋白血症(OR=87.211；95%CI：36.165～210.304)、呼吸机插管日数(OR=1.723；95%CI=1.399～2.121)、发热(OR=20.639；95%CI：3.462～123.043)、原发肺部感染(OR=0.295；95%CI：0.133～0.664)变量进入logistic回归方程。评价模型效果：灵敏度95%，特异度87.9%，模型ROC的AUC为0.973。结论 logistic回归模型对ICU患者医院感染预测风险拟合度较好。

重症监护病房； ICU； 医院感染； 多重耐药菌； 风险模型

[Chin J Infect Control，2016，15(10)：730-734]

重症监护病房(intensive care unit，ICU)是急危重症患者聚集的场所，同时随着有创检查和治疗手段的广泛应用，广谱抗菌药物和免疫抑制剂的不合理使用，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。研究[1]表明，综合ICU是医院多重耐药菌(multidrug-resistant organism，MDRO)感染的高发科室，在国内ICU医院感染发生率比普通病房高5～10倍。MDRO感染具有复杂性和难治性的特点，易引起医院感染暴发流行，ICU发生医院感染影响危重患者抢救的成功率。因此，ICU MDRO感染的预防与控制工作已成为迫切需要解决的问题。本研究对综合ICU 2012年10月—2015年9月3年的数据进行回顾性分析，探索发生MDRO感染的高危因素，建立ICU MDRO医院感染传播风险模型，进行前瞻性预测，提出针对性的ICU感染防控措施，及时有效降低MDRO的传播与感染，避免医院MDRO感染暴发具有重要实际意义。

1 资料与方法

1.1 临床资料 选取太原市某三甲综合医院2012年10月—2015年9月入住ICU>48 h的住院患者836例，MDRO感染患者119例(作为病例组)，未发生MDRO感染的患者717例(作为对照组)，其中男性468例，女性368例。

1.2 MDRO定义 MDRO[2]主要是指对临床使用的3类或3类以上抗菌药物同时呈现耐药的细菌。

1.3 方法 采用回顾性的调查方法，应用医院电子病例、纸质病例和杏林感染监测软件相结合的方式，将2012年10月—2015年9月入住ICU>48 h及转出ICU 后对其跟踪调查48 h的住院患者，在医院感染管理相关部门协助下实施调查。收集包括患者年龄、病情、住院时间、侵入性操作、抗菌药物使用等数据资料，同时登记ICU住院患者调查表。对患者的临床资料进行分析，将所有调查资料进行整理、统计和分析，依据相关规范和临床检查结果综合分析，作出诊断和结论。

1.4 诊断标准 MDRO定植患者需结合《多重耐

药菌医院感染预防与控制技术指南(试行)》、杏林感染监测软件提示信息，以及细菌微生物检测结果，并由临床主管医生和医院感染管理科专职人员进行判断。MDRO医院感染是指按照《医院感染诊断标准(试行)》，符合医院感染的患者，其病原学诊断为MDRO感染。由杏林感染监测软件信息提示，临床医生作出判断，医院感染管理科专人审核。

1.5 统计分析 应用SPSS 16.0软件进行统计分析，相关因素采用χ2检验进行单因素分析，P≤0.05为差异有统计学意义；单因素分析有意义的自变量纳入logistic多因素分析，采用“逐步法”,入选变量的显著水平定为0.10。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(AUC)。

2 结果

2.1 MDRO医院感染情况 2012年10月1日—2015年9月30日，3年入住ICU>48 h的患者共836例，其中发生MDRO医院感染119例，MDRO医院感染发病率为14.23%。ICU三年MDRO医院感染率比较，差异有统计学意义 (χ2=1 672，P<0.001)。见表1。

表1 ICU患者MDRO医院感染情况

*：2012年10月1日—2013年9月30日为2013年，余按此类推

2.2 单因素分析 三管(导尿管、中心静脉导管、气管插管)的使用、手术切口、抗菌药物的应用等15个因素是ICU MDRO医院感染的危险因素，差异均具有统计学意义(均P<0.05)。见表2。其中年龄、手术、血透、原有肺部感染、ASA评分、抗菌药物的联用、中心静脉的插管时间7个因素比较，差异均无统计学意义。

表2 ICU患者MDRO医院感染单因素分析

2.3 多因素logistic回归分析(logistic回归模型的构建) 将单因素分析有意义因素纳入自变量，与MDRO感染结局进行logistic回归分析，结果显示、ICU住院时间、低蛋白血症、基础疾病的种类、呼吸机插管日数、发热、原发肺部感染为ICU患者发生MDRO医院感染的独立危险因素，见表3。

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)=445.468,DF=6,P<0.001,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<0.001,即回归方程的系数差异有统计学意义。

2.4.2 对logistic回归方程进行拟与优度检验 采用Hosmer-Lemeshow拟和优度检验方法显示模型拟和较好,chi-square=3.054,DF=8,P=0.931。见表4。

表3 MDRO医院感染相关因素logistic回归分析

logistic回归方程：logistic(P)=-9.930+0.914X1+0.429X2+4.468X3+0.544X4+3.027X5-1.220X6

表4 Hosmer&Lemeshow检验分解

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。AUC为0.973,95%可信区间为0.962～0.984，可以认为此模型的判别效果很好。判别敏感度95%，特异度87.9%。见图1。

图1 ROC曲线

3 讨论

卫生部全国细菌耐药监测网2011—2012年数据显示，不同病房、年龄和标本来源菌株耐药率比较，ICU菌株耐药率高于非ICU[3-4]。目前，国内、国际上医院对MDRO感染控制管理往往针对已发生MDRO感染的问题，制定相应的制度与措施，尽量避免事件的再发生。预测预警是流行病学研究的热点,也是医院感染流行病学研究中一种新方法。通过预测,MDRO医院感染控制的防线前移,可以减少MDRO医院感染的发生,降低MDRO医院感染发病率。

ICU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MDRO医院感染的高危区域之一。本组调查中医院MDRO平均感染率为14.23%，远高于普通病区医院感染的水平(3.22%)[5]。单因素分析显示，15个因素是ICU MDRO医院感染的危险因素。由于ICU MDRO感染的危险因素较多，需进行多项干预措施，如加强培训、规范手卫生、严格执行消毒隔离、加强监测、及时送检并调整抗菌药物的使用，可有效降低MDRO医院感染率[6]；同时，需进一步加强重点部门重点人群在重点领域的目标性监测，及时干预。本组数据显示，需加强ICU科室年龄>60岁、男性、基础疾病较多的患者各种侵入性操作过程中的重点监测。

logistic模型分析确立ICU MDRO医院感染独立因素：ICU住院时间、基础疾病的种类、低蛋白血症、基础疾病的种类，呼吸机插管日数、发热、原发肺部感染。ICU患者住院时间长,基础疾病严重且多，低蛋白血症的患者较多，接受各种侵入性操作的概率较高,患者免疫力较低，发生MDRO医院感染的概率相对较大，与张京利等[7]研究结果一致。呼吸机的插管日数的增加可以导致MDRO医院感染的增加，可能与气管插管或口鼻插管增加了气管的细菌定植机会,增加呼吸系统感染的概率[8]。ICU三管(中心静脉导管、导尿管、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发病率较高，不易控制，并且感染后果较严重。我院ICU现已尽量减少中心静脉插管，应用留置针替代。机体发热和原发肺部感染是MDRO医院感染的高危因素，提示可能是患者某个部位或者全身发生感染，与医生经验性使用抗菌药物，导致耐药菌株产生有关。

本组研究以ICU患者宿主和医源性因素等为自变量，是否发生MDRO医院感染为应变量构建预测模型。利用ROC曲线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,能全面、客观地评价预测实验的准确性。logistic回归模型AUC为0.973,模型预测能力较好。

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ICU患者发生MDRO医院感染的概率进行估计，提前进行针对性干预，因此，建立ICU MDRO医院感染风险模型是必要的。可以消除医务人员对ICU患者MDRO医院感染风险掌握的盲目性，更合理有效地调配利用相关资源,使医务人员能及时、准确、全面地掌握患者的病情变化，针对性地加强实施MDRO医院感染的预防措施,预防感染的发生。

[1] 陈涛,何英,刘映等.强化ICU病房环境卫生对医院感染的影响[J].现代预防医学,2011,38(1):87-88.

[2] 李春辉,吴安华.MDR、XDR、PDR多重耐药菌暂行标准定义—国际专家建议[J].中国感染控制杂志,2014,13(1):62-64．

[3] 李耘,吕媛,薛峰，等.卫生部全国细菌耐药监测网(Mohnarin)2011-2012年革兰阴性菌耐药监测报告[J].中国临床药理学杂志,2014,30(3):260-277.

[4] 李耘,吕媛,薛峰，等.卫生部全国细菌耐药监测网(Mohnarin)2011-2012年革兰阳性菌耐药监测报告[J].中国临床药理学杂志,2014,30(3):251-259.

[5] 吴安华,文细毛,李春辉，等.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,2014,13(1): 8-15.

[6] 梁静,矫玲,宫庆月,等.落实防控措施降低多重耐药菌医院感染率[J].中国感染控制杂志,2015,14(2):114-116.

[7] 张京利,赵霞,王力红，等.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,2010,20(2):187-189.

[8] 杨雅红,丁红生,陈卫芳，等,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,2015,25(19):4351-4352，4374.

(本文编辑：左双燕)

Construction of risk model for healthcare-associated infection with multidrug-resistant organisms in general intensive care unit

LIJiao1,SHANGLin-ping2,GUOHong-ju2,LIWei2,SUDan-xia2,ZHANGXin2,PANWei2,HAOChun-xia2,CHESha2

(1NursingCollegeofShanxiMedicalUniversity,Taiyuan030001,China; 2TheFirstHospitalofShanxiMedicalUniversity,Taiyuan030001,China)

Objective To construct the risk model for healthcare-associated infection (HAI) with multidrug-resistant organisms(MDROs) in intensive care unit (ICU).Methods 836 patients who were admitted to ICU for more than 48 hours between October 2012 and September 2015 were analyzed retrospectively, logistic regression model of HAI was constructed, the model was conducted goodness of fit tests and the area under ROC curve analysis.Results Among 836 patients, incidence of HAI with MDROs was 14.23%(n=119). 15 variables that were statistically significant in univariate analysis were included in logistic multivariate analysis, the results showed that the following variables entered into logistic regression equation: length of ICU stay(OR,2.493 [95%CI,1.816-3.494]), underlying diseases(OR,1.536 [95%CI, 1.243-1.898]), hypoproteinemia(OR,87.211 [95%CI,36.165-210.304]), ventilator days (OR,1.723 [95%CI,1.399-2.121]), fever(OR,20.639 [95%CI,3.462-123.043]), and primary pulmonary infection (OR,0.295 [ 95%CI,0.133-0.664]). Evaluation of model effect: sensitivity 95%, specificity 87.9%, the area under ROC curve 0.973. Conclusion Logistic regression model has a high goodness of fit in predicting HAI among ICU patients.

intensive care unit; ICU; healthcare-associated infection； multidrug-resistant organism; risk model

2015-11-28

山西省科技攻关项目(20140313012-6)

李娇(1989-)，女(汉族)，山西省运城市人，硕士研究生，主要从事医院感染方面研究。

商临萍 E-mail：shanglp2002@163.com

10.3969/j.issn.1671-9638.2016.10.003

R181.3+2

A

1671-9638(2016)10-0730-05