易國棟, 陳明鍇

武漢大學人民醫(yī)院消化內(nèi)科，湖北 武漢 436500

肝硬化患者院內(nèi)感染預(yù)測模型的建立及驗證

易國棟, 陳明鍇

武漢大學人民醫(yī)院消化內(nèi)科，湖北 武漢 436500

目的 研究肝硬化并發(fā)院內(nèi)感染獨立危險因素,并運用危險因素建立預(yù)測模型。 方法 回顧性分析 2010年1月-2015年10月在恩施土家族苗族自治州中心醫(yī)院住院肝硬化患者的臨床資料,運用 Logistic多因素分析,建立預(yù)后模型。用獨立的臨床病例資料進行驗證評估模型判斷能力。 結(jié)果 532例肝硬化患者,其中院內(nèi)感染68例(12.78%)。 Logistic 回歸分析結(jié)果顯示年齡、并發(fā)癥、住院時間、肝功能分級、低蛋白血癥、侵入性操作是肝硬化院內(nèi)感染的獨立危險因素。 對構(gòu)建的預(yù)測模型的預(yù)測能力進行評估發(fā)現(xiàn)：模型預(yù)測的靈敏度為84.00%,特異度為91.18%，總正確率為89.25%。 結(jié)論 年齡、并發(fā)癥、住院時間、肝功能分級、低蛋白血癥、侵入性操作是肝硬化醫(yī)院內(nèi)感染的獨立危險因素,本研究構(gòu)建的預(yù)測模型能夠較為準確地預(yù)測肝硬化患者是否發(fā)生院內(nèi)感染。

預(yù)測模型; 院內(nèi)感染; 肝硬化

醫(yī)院院內(nèi)感染指住院患者在醫(yī)院住院期間獲得的感染，包括患者住院期間在醫(yī)院誘發(fā)的感染和在醫(yī)院已經(jīng)處于潛伏期而出院發(fā)作的感染，但不包括在醫(yī)院外已處于潛伏期的在醫(yī)院發(fā)作的感染。臨床上發(fā)現(xiàn)肝硬化患者由于營養(yǎng)狀況差、免疫力低下等原因,在住院期間容易發(fā)生院內(nèi)感染[1-3]。肝硬化患者發(fā)生院內(nèi)感染一方面不僅加重患者病情，也往往造成住院時間延長、住院費用增加等[4-6]。目前,院內(nèi)感染的危險因素尚不明確,臨床醫(yī)師難以早期篩查出高危人群。因此，對院內(nèi)感染的早期預(yù)測顯得尤為重要。本研究采用Logistic回歸模型，分析影響院內(nèi)感染發(fā)生的危險因素。

1 資料與方法

1.1 一般資料選取2010年1月-2015年10月在恩施土家族苗族自治州中心醫(yī)院住院肝硬化患者532例，其中發(fā)生院內(nèi)感染者68例(12.78%)，男35例，女33例，平均年齡(61.3±10.1)歲；未發(fā)生感染者464例，男220例，女244例，平均年齡(52.5±11.3)歲。納入標準：(1)年齡≥18歲；(2)確診為肝硬化的患者；(3) 臨床病例完整。排除標準：(1)合并其他與肝硬化或并發(fā)癥無關(guān)的嚴重疾??；(2)年齡<18歲。其中腹腔感染合并肺部感染24例,腹腔感染合并泌尿系統(tǒng)感染14例，單純腹腔感染21例，單純肺部感染6例，其他感染3例。

1.2 研究方法

1.2.1 一般資料收集：年齡、性別、吸煙、肝硬化是否合并并發(fā)癥、肝功能、住院時間、腹水、白細胞計數(shù)、低蛋白血癥、是否進行侵入性操作或手術(shù)、是否預(yù)防性用藥。

1.2.2 預(yù)測指數(shù)評價： 計算患者的預(yù)測指數(shù)并對其預(yù)測情況進行理論評估,預(yù)測指數(shù)>10.01為有院內(nèi)感染,反之認為無院內(nèi)感染，并與實際預(yù)后情況進行比較。

1.3 統(tǒng)計學處理采用SPSS 21.0統(tǒng)計軟件進行分析，計數(shù)資料以例數(shù)(%)表示，采用χ2檢驗。P<0.05為差異有統(tǒng)計學意義。Logistic 分析篩選出肝硬化院內(nèi)感染的獨立危險因素,用回歸系數(shù)及常數(shù)項建立肝硬化院內(nèi)感染的評分系統(tǒng), 根據(jù)分組情況對模型評分繪制ROC曲線，計算曲線下面積 (AUC)。分析并比較模型評分方法預(yù)測預(yù)后的效能。

2 結(jié)果

2.1 單因素分析患者的性別、白細胞計數(shù)及預(yù)防用藥與肝硬化患者院內(nèi)感染的發(fā)生無明顯相關(guān)性(P>0.05)，年齡、吸煙、并發(fā)癥、肝功能、住院時間、腹水、低蛋白血癥、侵入性操作與肝硬化患者院內(nèi)感染有相關(guān)性(P<0.05，見表1)。

2.2 非條件性Logistic分析多因素Logistic分析發(fā)現(xiàn)年齡、并發(fā)癥、肝功能異常、住院時間、侵入性操作、低蛋白血癥是肝硬化院內(nèi)感染的獨立危險因素(P<0.05，見表2)。

表1 肝硬化患者院內(nèi)感染的單因素分析

Tab 1 Single factor analysis of nosocomial infection in patients with cirrhosis

因素院內(nèi)感染(n=68)無院內(nèi)感染(n=464)統(tǒng)計值P值性別(男/女)35/33220/2440.150.698年齡(x±s,歲)61.3±10.152.5±11.35.210.025吸煙史[n(%)]20(29.41)51(10.99)6.540.011并發(fā)癥[n(%)]21(30.88)55(11.85)9.210.000肝功能[n(%)]50(73.53)252(54.31)9.020.003住院時間(x±s,d)9.02±0.218.91±0.222.410.047腹水[n(%)]17(25.00)69(14.87)4.010.036白細胞計數(shù)(x±s,×109)3.3±0.32.9±0.30.140.712低蛋白血癥[n(%)]44(64.71)121(26.08)7.120.000侵入性操作[n(%)]22(32.35)89(19.18)3.120.018預(yù)防用藥[n(%)]58(85.29)424(91.38)1.310.112

表2 肝硬化患者院內(nèi)感染的Logistic分析

Tab 2 Logistic regression analysis of nosocomial infection in patients with cirrhosis

自變量Β值S.E.值Wald(χ2)值P值OR值(95%CI)年齡1.940.327.210.0011.11(1.00～1.13)并發(fā)癥1.880.5312.790.0031.37(0.133～1.98)住院時間1.650.279.580.0001.31(1.13～1.71)低蛋白血癥1.650.2714.620.0083.02(1.23～7.43)侵入性操作0.890.366.870.0154.32(1.39～9.97)肝功能異常1.320.4313.540.0061.41(1.11～1.89)

2.3 肝硬化院內(nèi)感染預(yù)測模型的建立通過 Logistic 分析回歸系數(shù)及常數(shù)項構(gòu)建的肝硬化院內(nèi)感染預(yù)測模型P=1/(1+e-Y), Y=4.12+0.94×年齡+1.88×并發(fā)癥+1.65×住院時間+1.65×低蛋白血癥+0.89×侵入性操作+1.32×肝功能異常，其中 P 為肝硬化患者院內(nèi)感染的發(fā)生概率，肝功能異常取值：有=1，無=0;侵入性操作取值為：有=1，否=0;住院天數(shù)及年齡取值為實測值。根據(jù)所建立的數(shù)學模型分別計算本研究中每個肝硬化患者的預(yù)測指數(shù)并繪制ROC曲線 (見圖1)。選擇曲線上最頂點的點即截點，使得Youden指數(shù)最大。最終選擇10.01為截點,此時預(yù)測模型ROC曲線下面積為0.82(95%CI: 0.73～0.91)，對應(yīng)的靈敏度和特異度為71.23%、79.67%。

2.4 肝硬化院內(nèi)感染預(yù)測模型的評價選取恩施民族醫(yī)院2015年7月-2016年4月肝硬化患者186例作為模型的驗證樣本，男90例，女96例，平均年齡(57.28±12.56)歲，其中出院后發(fā)生院內(nèi)感染者50例。計算患者的預(yù)測指數(shù)并與實際預(yù)后情況進行比較后發(fā)現(xiàn)：模型預(yù)測的靈敏度為84.00%,特異度為91.18%，總正確率為89.25%(見表3)。

圖1 肝硬化患者院內(nèi)感染預(yù)測模型的ROC曲線

Fig 1ROCcurve of the prediction model for nosocomial infection in patients with cirrhosis

表3 186例驗證樣本的預(yù)測結(jié)果與實際情況比較

Tab 3 Verification of the prediction model for nosocomial infection in patients with hepatic cirrhosis

預(yù)測情況實際情況有無合計有421254無8124132合計50136186

3 討論

本研究結(jié)果表明肝硬化患者院內(nèi)感染率為12.78%，遠高于平均院內(nèi)感染率[3-4]。感染部位主要以腹腔、肺部、泌尿系統(tǒng)及消化道為主。既往我國學者對失代償期慢性乙型肝炎肝硬化患者院內(nèi)感染研究時發(fā)現(xiàn)院內(nèi)感染率為17.5%；感染較多的部位分別為呼吸道、腹膜、消化道、泌尿系統(tǒng)及其他部位[4]；另外一位學者調(diào)查?？谑械谌嗣襻t(yī)院消化內(nèi)科肝硬化患者院內(nèi)感染時發(fā)現(xiàn)感染率為10.76%；感染部位以下呼吸道感染與泌尿生殖感染為主[5]。與既往研究相比，現(xiàn)有研究在院內(nèi)感染發(fā)生部位有一定的差異，這可能與各個研究納入樣本量有關(guān)。為了探討院內(nèi)感染發(fā)生的有關(guān)危險因素,本文采用非條件性Logistic分析發(fā)現(xiàn)年齡、并發(fā)癥住院時間、肝功能分級、低蛋白血癥、侵入性操作是肝硬化院內(nèi)感染主要危險因素。該研究結(jié)果與既往研究有一定的相似性[6-10]。

院內(nèi)感染發(fā)生機制較為復(fù)雜,多種因素參與院內(nèi)感染的發(fā)生、發(fā)展。針對不同因素國外學者做了大量研究，目前發(fā)現(xiàn)院內(nèi)感染可能的危險因素如下：遺傳背景、年齡、性別、心理狀態(tài)、吸煙、飲酒、患者營養(yǎng)狀態(tài)、免疫抑制藥物使用、侵入性操作、住院天數(shù)、麻醉藥物種類、麻醉方式及手術(shù)操作時間等。但涉及到特定的某個疾病，院內(nèi)感染的危險因素可能不一樣，即使是同一個疾病，病例的特點不一樣，院內(nèi)感染危險因素也可呈現(xiàn)一定的差異[8-10]。既往在進行上述因素是否為院內(nèi)感染的危險因素時明顯存在不足,在研究某個因素是否為院內(nèi)感染發(fā)病危險因素時未考慮其他協(xié)變量的影響。本文采用非條件Logistic 分析有效地解決了上述研究的不足。年齡、并發(fā)癥、住院時間、肝功能分級、低蛋白血癥、侵入性操作是肝硬化院內(nèi)感染主要危險因素。年齡越大患者的免疫能力、營養(yǎng)狀況越差,住院時間越長，在醫(yī)院感染有害病菌機會大大增加；肝功能越差蛋白合成免疫球蛋白能力越弱；低蛋白血癥會直接削弱患者免疫力；侵入性操作可能增加細菌入侵的機會[9-11]。

本研究首先利用Logistic 分析篩選出肝硬化院內(nèi)感染的獨立危險因素,用這些變量回歸系數(shù)及常數(shù)項建立肝硬化院內(nèi)感染的評分系統(tǒng), 建立肝硬化院內(nèi)感染預(yù)測模型的ROC曲線，并進一步研究該模型預(yù)測的靈敏度為84.00%,特異度為91.18%，總正確率為89.25%,提示該預(yù)測模型檢驗效能良好。

綜上所述，肝硬化院內(nèi)感染發(fā)生率較高, 年齡、并發(fā)癥、住院時間、肝功能分級、低蛋白血癥、侵入性操作是肝硬化院內(nèi)感染的獨立危險因素, 利用這些變量建立院內(nèi)感染預(yù)測模型具有良好的預(yù)測能力，能為臨床工作中識別肝硬化患者院內(nèi)感染高危患者提供一定的參考價值。

[1]Saffioti F, Pinzani M. Development and regression of cirrhosis [J]. Dig Dis, 2016, 34(4): 374-381.

[2]Mandrekar P, Ambade A. Immunity and inflammatory signaling in alcoholic liver disease [J]. Hepatol Int, 2014, 8(2): 439-446.

[3]Chen LP, Zhao H, Lyu B, et al. Environmental factors and cirrhosis [J]. Zhonghua Gan Zang Bing Za Zhi, 2016, 24(7): 541-544.

[4]鄧三季, 文秀蓮, 李智山, 等. 肝硬化患者醫(yī)院感染的相關(guān)因素分析[J]. 中華醫(yī)院感染學雜志, 2008, 18(3): 378-379. Deng SJ, Wen XL, Li ZS, et al. Correlated factors in hospital acquired infection of liver cirrhosis [J]. Chin J N Osocomiol, 2008, 18(3): 378-379.

[5]汪鑫, 彭春仙, 葉程軍, 等. 肝硬化患者醫(yī)院感染的危險因素分析與預(yù)防[J]. 中華醫(yī)院感染學雜志, 2015, 25(1): 169-170, 173. Wang X, Peng CX, Ye CJ, et al. Risk for nosocomial infection in patients with hepatic cirrhosis and prevention counter measures [J]. Chin J N Osocomiol, 2015， 25(1): 169-170, 173.

[6]Ying HY, Lu LG, Jing DD, et al. Accuracy of transient elastography in the assessment of chronic hepatitis C-related liver cirrhosis [J]. Clin Invest Med, 2016, 39(5): E150-E160.

[7]Abdi F, Daryani NE, Khorvash F, et al. Experiences of individuals with liver cirrhosis: a qualitative Study [J]. Gastroenterol Nurs, 2015, 38(4): 252-257.

[8]Sargenti K, Prytz H, Strand A, et al. Healthcare-associated and nosocomial bacterial infections in cirrhosis: predictors and impact on outcome [J]. Liver Int, 2015, 35(2): 391-400.

[9]Bartoletti M, Giannella M, Caraceni P, et al. Epidemiology and outcomes of bloodstream infection in patients with cirrhosis [J]. J Hepatol, 2014, 61(1): 51-58.

[10]Guo TS, Cui EB, Bao CM, et al. Distribution of genotypes in ESBLs producing E.coli strains isolated from posthepatitic cirrhosis’ patients with bloodstream infection [J]. Zhonghua Shi Yan He Lin Chuang Bing Du Xue Za Zhi, 2013, 27(5): 348-350.

[11]Rossitto G, Piano S, Rosi S, et al. Life-threatening coagulopathy and hypofibrinogenaemia induced by tigecycline in a patient with advanced liver cirrhosis [J]. Eur J Gastroenterol Hepatol, 2014, 26(6): 681-684.

(責任編輯：王全楚)

Establishment and verification of the prediction model for nosocomial infection in patients with cirrhosis

YI Guodong, CHEN Mingkai

Department of Gastroenterology, Renmin Hospital of Wuhan University, Wuhan 436500, China

Objective To investigate independent risk factors of nosocomial infection in patients with cirrhosis and to establish and verify predictive model. Methods The clinical data of 532 patients with cirrhosis were retrospectively analyzed from Jan. 2010 to Oct. 2015. Logistic regression analysis was used to explore independent risk factors for nosocomial infection and to establish predictive model. Finally, validation set was used to verify model for predicting nosocomial infection.Results Among the 532 patients, 68 patients had nosocomial infection (12.78%). Logistic regression analysis identified that age, complication, length of hospital stay, liver function classification, low serum albumin, surgical or invasive operation were independent factors of nosocomial infection. Sensitivity, specificity, total accuracy rate for model of predicting nosocomial infection were 84.00%, 91.18%, 89.25%. Conclusion Age, complication, length of hospital stay, liver function classification, low serum albumin, surgical or invasive operation were independent factors of nosocomial infection, and they can be used to establish model for predicting nosocomial infection.

Predictive model; Nosocomial infection; Cirrhosis

易國棟,碩士,研究方向：肝臟疾病基礎(chǔ)與臨床

陳明鍇，博士,教授，主任醫(yī)師,研究生導師，研究方向：肝臟疾病基礎(chǔ)與臨床

10.3969/j.issn.1006-5709.2017.01.006

R575.2

A

1006-5709(2017)01-0020-03

2016-09-10