劉建模，羅顥文，俞鵬飛，吳一帆，韓夢(mèng)琦，賈偉杰，易應(yīng)萍

(1.南昌大學(xué)第二附屬醫(yī)院科技處，江西 南昌 330000；2.南昌大學(xué)公共衛(wèi)生學(xué)院，江西 南昌 330000)

腦卒中是一種因大腦血液循環(huán)障礙而導(dǎo)致腦功能障礙的疾病，以高發(fā)病率、高致殘率、高病死率、高復(fù)發(fā)率、高經(jīng)濟(jì)負(fù)擔(dān)為共同臨床特征[1]。腦卒中是成人致殘、致死首位原因，年死亡人數(shù)約為150萬，致殘率約為75%[2-5]。目前，急性缺血性腦卒中患者醫(yī)院感染已成為全球關(guān)注的公共衛(wèi)生問題，其不僅會(huì)增加患者致殘率、致死率，影響患者的預(yù)后，還會(huì)增加患者家庭以及社會(huì)的經(jīng)濟(jì)負(fù)擔(dān)[6]。近年來，隨著信息科技化的不斷發(fā)展，國(guó)內(nèi)外學(xué)者致力于利用機(jī)器學(xué)習(xí)算法輔助醫(yī)療診斷與疾病預(yù)測(cè)[7-11]。醫(yī)院感染作為急性缺血性腦卒中常見并發(fā)癥，其嚴(yán)重影響了患者的預(yù)后，早預(yù)測(cè)、早干預(yù)對(duì)改善患者預(yù)后意義重大[12]。本研究采用機(jī)器學(xué)習(xí)算法建立急性缺血性腦卒中患者醫(yī)院感染預(yù)測(cè)模型，有效預(yù)測(cè)缺血性腦卒中患者發(fā)生醫(yī)院感染情況，為臨床決策提供數(shù)據(jù)支持。

1 對(duì)象與方法

1.1 研究對(duì)象 選取2020年10月—2021年12月江西省某三甲醫(yī)院神經(jīng)內(nèi)科收治的2 360例缺血性腦卒中患者。其中男性患者1 494例，女性患者866例，年齡18～100歲，平均(61.7±20.5)歲。納入標(biāo)準(zhǔn)：經(jīng)CT、MRI診斷為急性缺血性腦卒中，住院時(shí)長(zhǎng)>48 h；排除標(biāo)準(zhǔn)：年齡<18歲，入院48 h內(nèi)存在肺部感染、尿路感染、消化道感染等其他感染，合并肝、腎功能不全或者其他嚴(yán)重的系統(tǒng)性疾病，合并腫瘤，臨床資料缺失者。

1.2 觀測(cè)指標(biāo) 所有資料來自江西省醫(yī)療大數(shù)據(jù)工程技術(shù)研究中心，且檢驗(yàn)、檢查數(shù)據(jù)均為患者入院48 h以內(nèi)，具體指標(biāo)如下：(1)人口統(tǒng)計(jì)學(xué)信息，性別、年齡；(2)疾病相關(guān)因素，意識(shí)障礙、吞咽困難、入院NIHSS評(píng)分、侵入性操作；(3)合并癥，高血壓、糖尿病、高脂血癥、冠狀動(dòng)脈疾病、房顫；(4)既往史，糖尿病史、高血壓史、腦血管病史、慢性阻塞性肺疾病(COPD)史；(5)個(gè)人史，吸煙、飲酒；(6)檢驗(yàn)指標(biāo)，血小板計(jì)數(shù)、糖化血紅蛋白、血白細(xì)胞、血前白細(xì)胞、血中性粒細(xì)胞、血紅細(xì)胞分布寬度、血清脂蛋白a、血清鈉、血清鉀等指標(biāo)。

1.3 診斷標(biāo)準(zhǔn) 參照中華人民共和國(guó)衛(wèi)生部2001年頒布的《醫(yī)院感染診斷標(biāo)準(zhǔn)(試行)》進(jìn)行診斷[13]。

2 結(jié)果

2.1 急性缺血性腦卒中患者醫(yī)院感染情況 2 360例急性缺血性腦卒中患者發(fā)生醫(yī)院感染574例，醫(yī)院感染發(fā)生率為24.32%。其中肺部感染396例，感染率為16.78%；呼吸道感染64例，感染率為2.71%；泌尿感染77例，感染率為3.26%；胃腸道感染27例，感染率為1.14%；其他感染(口腔、皮膚等)共33例，感染率為1.40%；兩個(gè)部位感染共23例，感染率為0.97%。

2.2 醫(yī)院感染危險(xiǎn)單因素分析 將患者以入院48 h后是否發(fā)生感染分為感染組與未感染組，單因素分析結(jié)果顯示：腦血管病史、慢性阻塞性肺疾病(COPD)史、房顫、高脂血癥、吸煙、飲酒、侵入性操作、意識(shí)障礙、吞咽困難、電解質(zhì)紊亂、血清鈉、血前白蛋白、血清蛋白、血總蛋白、血白細(xì)胞、血中性粒細(xì)胞、血紅細(xì)胞分布寬度、血葡萄糖、入院NIHSS評(píng)分、年齡兩組比較，差異均存在統(tǒng)計(jì)學(xué)意義(均P<0.05)。見表1。

表1 急性缺血性腦卒中患者醫(yī)院感染組與未感染組患者基線資料

2.3 基于logistic多因素醫(yī)院感染危險(xiǎn)因素分析 將上述單因素分析篩選出具有統(tǒng)計(jì)學(xué)意義的變量作為自變量納入到多因素logistic回歸分析模型中，以入院48 h后是否發(fā)生醫(yī)院感染作為因變量，其中年齡(賦值：≤65歲=0，>65=1)、入院NIHSS評(píng)分(賦值：≤5=0，>5=1)、血白細(xì)胞(賦值：≤10=0，>10=1)、血清鈉(賦值：>135=0，≤135=1)，logistic回歸分析顯示，年齡>65歲、入院NIHSS評(píng)分>5分、血清鈉≤135 mmol/L、血白細(xì)胞>10×109/L)、侵入性操作、吞咽困難均為急性缺血性腦卒中患者發(fā)生感染的獨(dú)立危險(xiǎn)因素(均P<0.05)，見表2。

表2 腦卒中醫(yī)院感染多因素logistics回歸分析

2.4 logistic回歸與機(jī)器學(xué)習(xí)預(yù)測(cè)模型比較分析 將單因素分析篩選出具有統(tǒng)計(jì)學(xué)意義的變量納入至模型中，分別建立基于logistic回歸、RandomForest、XGBoost、LightGBM的醫(yī)院感染預(yù)測(cè)模型。計(jì)算模型的靈敏度、特異度以及AUC。結(jié)果顯示，logistics回歸、RandomForest、XGBoost、LightGBM模型預(yù)測(cè)閾值分別為0.137、0.117、0.114、0.129。在測(cè)試集集中，logistics回歸、RandomForest、XGBoost、LightGBM模型預(yù)測(cè)醫(yī)院感染的AUC值分別是0.854、0.850、0.881、0.870。LightGBM算法特異度最高；XGBoost模型AUC值、準(zhǔn)確性、靈敏度均為最高。XGBoost的整體的預(yù)測(cè)效果優(yōu)于其他三種模型，見表3和圖1。校準(zhǔn)曲線顯示，4種機(jī)器學(xué)習(xí)模型均表現(xiàn)出良好的校準(zhǔn)度，預(yù)測(cè)概率與實(shí)際概率之間沒有明顯的偏差。其中XGBboost與LightGBM模型具有較高的區(qū)分度，見圖2。

表3 4種算法模型在測(cè)試集中預(yù)測(cè)效果比較

圖1 4種算法模型的預(yù)測(cè)性能比較

圖2 4種算法模型的校準(zhǔn)曲線

2.5 基于SHAP解釋模型的醫(yī)院感染影響因子分析 SHAP是由Shapley value啟發(fā)的可加性解釋模型。通過shap.summary_plot方法對(duì)特征進(jìn)行整體的可視化。如圖3所示，模型前8貢獻(xiàn)特征，每一行代表一個(gè)特征，橫坐標(biāo)為SHAP值。一個(gè)點(diǎn)代表一個(gè)樣本，顏色越紅說明特征本身數(shù)值越大，顏色越藍(lán)說明特征本身數(shù)值越小?；赟HAP解釋XGBoost模型的醫(yī)院感染影響因子可以直觀地看到年齡越大、血白細(xì)胞值越高、入院NIHSS評(píng)分越高、侵入性操作、意識(shí)障礙以及吞咽困難與醫(yī)院感染呈正相關(guān)。血總蛋白、血清鈉與醫(yī)院感染呈負(fù)相關(guān)。

圖3 XGBoost模型影響因子

對(duì)每個(gè)預(yù)測(cè)樣本，模型都產(chǎn)生一個(gè)預(yù)測(cè)值，SHAP值就是該樣本中每個(gè)特征所分配到的數(shù)值。如圖4所示：患者A的SHAP值為-2.02，小于模型預(yù)測(cè)基礎(chǔ)值，模型預(yù)測(cè)該患者不會(huì)出現(xiàn)醫(yī)院感染。患者A入院NIHSS評(píng)分<5分、未出現(xiàn)侵入性操作、血總蛋白為68.14 g/L、血白細(xì)胞<10×109/L及意識(shí)障礙為藍(lán)色，象征著這些特征將患者A的SHAP值拉低，對(duì)結(jié)果起負(fù)向作用。此外，年齡>65歲為紅條，象征著其對(duì)醫(yī)院感染起正向作用。如圖5所示：患者B的SHAP值為-0.10，大于模型預(yù)測(cè)基礎(chǔ)值，模型預(yù)測(cè)該患者會(huì)發(fā)生醫(yī)院感染?；颊連未出現(xiàn)侵入性操作以及血白細(xì)胞<10×109/L為藍(lán)色，起保護(hù)作用，年齡>65歲、血總蛋白為71.17 g/L、入院NIHSS評(píng)分>5分及吞咽困難為紅色，這些因素對(duì)患者B發(fā)生醫(yī)院感染起正向作用，且吞咽困難最寬，影響作用最大，應(yīng)注意防范，防止發(fā)生醫(yī)院感染。

圖4 患者A模型評(píng)估

圖5 患者B模型評(píng)估

3 討論

醫(yī)院感染是急性缺血性腦卒中患者主要的并發(fā)癥,其不僅延長(zhǎng)住院時(shí)間，增加治療費(fèi)用，而且可以導(dǎo)致病情加重和病死率升高[14]。據(jù)統(tǒng)計(jì)，急性缺血性腦卒中患者醫(yī)院感染發(fā)生率約為20%，主要有肺部感染、呼吸道感染、泌尿感染、胃腸道感染等[15]。本組2 360例急性缺血性腦卒中患者中574例發(fā)生醫(yī)院感染，感染發(fā)生率為24.3%，與以往的研究[16]結(jié)果基本一致。

本研究采用logistic回歸以及RandomForest、XGBoost、LightGBM三種機(jī)器學(xué)習(xí)算法將單因素篩選的20個(gè)具有統(tǒng)計(jì)學(xué)差異的特征納入模型，構(gòu)建急性缺血性腦卒中患者醫(yī)院感染預(yù)測(cè)模型，結(jié)果顯示,在測(cè)試集中l(wèi)ogistics回歸、RandomForest、XGBoost、LightGBM模型預(yù)測(cè)醫(yī)院感染的AUC值分別是0.854、0.850、0.881、0.870。XGBoost準(zhǔn)確性、靈敏度、AUC值均最高為0.858、0.730、0.881。LightGBM回歸特異度最高為0.905。XGBoost整體的預(yù)測(cè)效果優(yōu)于其他三種模型，可為前瞻性研究提供相應(yīng)支持。在后續(xù)研究中可開發(fā)應(yīng)用于臨床的預(yù)測(cè)軟件，早期預(yù)測(cè)缺血性腦卒中患者醫(yī)院感染。

基于XGBoost算法的急性缺血性腦卒中醫(yī)院感染預(yù)測(cè)模型SHAP特征解釋：年齡越大、血白細(xì)胞值越高、入院NIHSS評(píng)分越高、侵入性操作、意識(shí)障礙、吞咽困難、血總蛋白越低、血清鈉越低是醫(yī)院感染的影響因素，與多因素logistic回歸分析中差異有統(tǒng)計(jì)學(xué)意義的變量具有高度的一致性。分析原因主要為：隨著年齡的增長(zhǎng)，高齡患者出現(xiàn)生理機(jī)能下降，抵抗力降低，易發(fā)生醫(yī)院感染，與研究[17]報(bào)道一致?；颊哂捎诖嬖谝庾R(shí)障礙、吞咽困難等原因易出現(xiàn)嗆咳和誤吸，且部分患者需要進(jìn)行侵入性操作，該操作將導(dǎo)致病原體進(jìn)入體內(nèi)發(fā)生感染[18-19]。入院NIHSS評(píng)分越高，患者神經(jīng)功能損傷越嚴(yán)重，神經(jīng)功能的損傷會(huì)使免疫系統(tǒng)出現(xiàn)抑制，而免疫抑制將會(huì)明顯增加患者感染的概率[20]。神經(jīng)功能損傷越嚴(yán)重日?；顒?dòng)能力下降也越嚴(yán)重，吞咽困難以及尿潴留為常見癥狀，需進(jìn)行侵入性操作進(jìn)而導(dǎo)致醫(yī)院感染[21]。卒中時(shí)下丘腦直接或間接受損,一方面引起抗利尿激素分泌異常,導(dǎo)致尿量減少,水潴留,細(xì)胞外液擴(kuò)張,血鈉降低,進(jìn)而引起感染；同時(shí)低血清鈉與步態(tài)障礙、認(rèn)知障礙、骨質(zhì)疏松、跌倒等有關(guān)，當(dāng)患者出現(xiàn)步態(tài)障礙、認(rèn)知障礙、骨質(zhì)疏松等癥狀，往往需要對(duì)患者進(jìn)行侵入性操作，該操作將易引起患者出現(xiàn)肺部、尿道等部位的感染[22]。血總蛋白降低，會(huì)導(dǎo)致營(yíng)養(yǎng)不良，免疫狀態(tài)異常，身體器官可能會(huì)有積水，這些都會(huì)增加感染的機(jī)會(huì)[23]。低蛋白血癥會(huì)導(dǎo)致有效血容量減少，血液濃縮高凝，血栓栓塞的風(fēng)險(xiǎn)增高，低蛋白血癥導(dǎo)致嚴(yán)重血容量不足、急性腎靜脈血栓、腎間質(zhì)水腫，這些都可以引起急性腎損傷。相關(guān)研究[24]表明，在缺血性腦卒中損傷中，炎癥反應(yīng)發(fā)揮著重要的作用。周靜等[25]對(duì)3 000例缺血性腦卒中患者隨訪發(fā)現(xiàn)，不良預(yù)后的發(fā)生率提升67%～93%。高列花等[26]研究顯示,白細(xì)胞計(jì)數(shù)越高,急性缺血性腦卒中患者住院期間的死亡風(fēng)險(xiǎn)就越高，表明白細(xì)胞計(jì)數(shù)為預(yù)測(cè)急性缺血性腦卒中患者預(yù)后的一個(gè)有效因素。本研究發(fā)現(xiàn)隨著白細(xì)胞計(jì)數(shù)的增加，患者出現(xiàn)醫(yī)院感染的概率也會(huì)隨之增加。

綜上所述，基于機(jī)器學(xué)習(xí)算法的急性缺血性腦卒中醫(yī)院感染預(yù)測(cè)模型能有效地預(yù)測(cè)患者發(fā)生醫(yī)院感染情況，能夠?yàn)槿毖阅X卒中住院患者醫(yī)院感染的預(yù)防和干預(yù)提供一定的參考?；颊甙l(fā)生醫(yī)院感染與其年齡、血白細(xì)胞、侵入性操作、入院NIHSS評(píng)分、血清鈉、血總蛋白、意識(shí)障礙、吞咽困難等多種因素相關(guān)，需要患者、醫(yī)護(hù)人員、家屬都盡力避免一切可能引起感染的因素，盡早干預(yù)。但本研究存在一定的局限性：(1)數(shù)據(jù)僅來自江西一家醫(yī)療機(jī)構(gòu)，數(shù)據(jù)可能會(huì)存在一定偏倚。(2)數(shù)據(jù)樣本量不夠大，模型的泛化能力還有待驗(yàn)證。

利益沖突：所有作者均聲明不存在利益沖突。