陳麗,楊玉妹,方朕

(上海交通大學(xué)醫(yī)學(xué)院附屬第六人民醫(yī)院 感染控制辦公室,上海 200233)

切口感染是骨科Ⅰ類切口手術(shù)患者中最為常見的術(shù)后并發(fā)癥之一,約占全部醫(yī)院感染的25%[1]。骨科手術(shù)通常具有手術(shù)時(shí)間長(zhǎng)、范圍大、涉及重要器官等特點(diǎn),一旦發(fā)生切口感染極易造成切口愈合緩慢、開裂,甚至引發(fā)敗血癥及全身炎性反應(yīng)[2],并導(dǎo)致患者住院時(shí)間延長(zhǎng),加重患者經(jīng)濟(jì)負(fù)擔(dān),同時(shí)也在某種程度上增加發(fā)生醫(yī)患糾紛的風(fēng)險(xiǎn)[3]。鑒于骨科Ⅰ類切口感染的高風(fēng)險(xiǎn)及強(qiáng)危害,迫切需要加強(qiáng)對(duì)切口感染的前瞻性監(jiān)測(cè),雖然我國(guó)已于1986年建立了醫(yī)院感染監(jiān)測(cè)體系[4],但監(jiān)測(cè)方式多停留于橫斷面調(diào)查,未充分利用縱向時(shí)間序列數(shù)據(jù)預(yù)測(cè)未來感染率的趨勢(shì)。時(shí)間序列分析可利用序列數(shù)據(jù)之間隨時(shí)間發(fā)展產(chǎn)生的相關(guān)性對(duì)未來序列的發(fā)展趨勢(shì)做出推斷[5],自回歸移動(dòng)平均(autoregressive integrated moving average,ARIMA)模型作為一種應(yīng)用非常廣泛的時(shí)間序列模型,可較好捕捉時(shí)間序列數(shù)據(jù)的周期性和趨勢(shì)性,預(yù)測(cè)效果較好。本研究通過對(duì)我院骨科Ⅰ類切口感染逐月發(fā)病率構(gòu)建ARIMA模型并進(jìn)行短期預(yù)測(cè),旨在為護(hù)理人員開發(fā)、選擇合適的骨科Ⅰ類切口感染預(yù)測(cè)模型提供參考,幫助護(hù)理人員掌握感染發(fā)病趨勢(shì)、早期識(shí)別感染高發(fā)時(shí)段并建立預(yù)警系統(tǒng),從而制訂針對(duì)性臨床干預(yù)措施。

1 資料與方法

1.1 資料來源 通過我院醫(yī)院感染管理系統(tǒng),回顧性收集、整理2013年1月至2021年12月骨科每月可疑醫(yī)院感染患者清單,并從我院病案管理信息系統(tǒng)導(dǎo)出骨科同期每月接受I類切口手術(shù)患者清單并統(tǒng)計(jì)總數(shù),數(shù)據(jù)連續(xù)無缺失,共計(jì)108個(gè)月。Ⅰ類切口感染發(fā)病率=發(fā)生Ⅰ類切口手術(shù)部位感染患者數(shù)/同期接受Ⅰ類切口手術(shù)患者總數(shù)×100%,其中,通過醫(yī)院感染管理系統(tǒng)收集的可疑醫(yī)院感染患者如同時(shí)出現(xiàn)在由病案管理信息系統(tǒng)導(dǎo)出的接受I類切口手術(shù)患者清單中,則由專人通過查閱電子病歷系統(tǒng)最終確定該患者是否發(fā)生I類切口手術(shù)部位感染。Ⅰ類切口手術(shù)部位感染判定嚴(yán)格按照2001版《醫(yī)院感染診斷標(biāo)準(zhǔn)(試行)》實(shí)施[6],如符合判定標(biāo)準(zhǔn)則計(jì)為1例發(fā)生Ⅰ類切口手術(shù)部位感染患者。

1.2 方法

1.2.1 模型介紹 ARIMA模型最早由美國(guó)統(tǒng)計(jì)學(xué)家Box和Jenkins于1970年提出,基本思想是將預(yù)測(cè)對(duì)象隨時(shí)間推移而形成的數(shù)據(jù)序列視為一個(gè)隨機(jī)序列,這組隨機(jī)序列所具有的自相關(guān)性表明了預(yù)測(cè)對(duì)象發(fā)展的延續(xù)性,而通過相應(yīng)的數(shù)學(xué)模型描述出來,就可以從該時(shí)間序列的歷史資料來預(yù)測(cè)其未來值[7]。ARIMA模型包括不具有季節(jié)性的ARIMA(p,d,q)和具有季節(jié)性的ARIMA(p,d,q)(P,D,Q)s,其中參數(shù)p、d、q分別是自回歸階數(shù)、差分階數(shù)、移動(dòng)平均階數(shù);參數(shù)p表示時(shí)間序列數(shù)據(jù)中本身的滯后數(shù),d表示差分項(xiàng),q表示預(yù)測(cè)誤差的滯后數(shù),P、D、Q則是季節(jié)性的參數(shù);s表示季節(jié)周期,月度序列情形s取值12[8]。

1.2.2 模型構(gòu)建 (1)平穩(wěn)性檢驗(yàn):時(shí)間序列的平穩(wěn)性是模型建立的前提,可采用擴(kuò)展的迪克富勒(augmented dickey-fuller,ADF)檢驗(yàn)進(jìn)行判定,若數(shù)據(jù)不平穩(wěn)需采用差分處理使數(shù)據(jù)平穩(wěn)化。(2)模型識(shí)別:經(jīng)預(yù)處理實(shí)現(xiàn)平穩(wěn)的序列,可根據(jù)自相關(guān)函數(shù)圖(autocorrelation function,ACF)和偏自相關(guān)函數(shù)圖(partial autocorrelation function,PACF)進(jìn)行判斷;同時(shí),也可以通過R語言中auto.arima函數(shù)來確定多個(gè)備選模型,并以赤遲信息量準(zhǔn)則(akaike information criterion,AIC)為模型的選擇標(biāo)準(zhǔn),AIC相對(duì)較小的模型擬合度較高。(3)模型檢驗(yàn):選定模型的殘差序列經(jīng)Box-Ljung檢驗(yàn)判定為白噪聲序列(P>0.05),即原始序列中的有效部分均已提取充分,擬合的模型有效,反之需調(diào)整。

1.2.3 模型預(yù)測(cè) 選取2013年1月至2021年6月骨科Ⅰ類切口月感染發(fā)病率作為訓(xùn)練集,用于擬合模型;模型擬合效果可根據(jù)平均絕對(duì)百分比誤差(mean absolute percentage error,MAPE)進(jìn)行評(píng)價(jià),MAPE為0.00%時(shí)為完美模型,MAPE大于100.00%為劣質(zhì)模型[9]。以2021年7-12月的感染發(fā)病率作為驗(yàn)證集,采用擬合的最優(yōu)ARIMA模型預(yù)測(cè)2021年7-12月的感染發(fā)病率,與實(shí)際數(shù)據(jù)進(jìn)行比較,評(píng)價(jià)模型的預(yù)測(cè)效果。若選擇的模型經(jīng)判定具有較好的預(yù)測(cè)效果,即可使用全部觀測(cè)數(shù)據(jù)建模,并對(duì)未來6個(gè)月的感染發(fā)病率進(jìn)行預(yù)測(cè)。

1.2.4 統(tǒng)計(jì)學(xué)處理 采用R 4.1.1軟件進(jìn)行數(shù)據(jù)分析、構(gòu)建ARIMA模型并預(yù)測(cè),使用χ2檢驗(yàn)分析不同年份骨科Ⅰ類切口感染率差異,以P<0.05為差異具有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 一般情況 2013年1月至2021年12月,骨科Ⅰ類切口手術(shù)患者共計(jì)228 647例,發(fā)生Ⅰ類切口感染628例,手術(shù)切口感染發(fā)病率為0.275%。不同年份骨科Ⅰ類切口感染發(fā)病率差異無統(tǒng)計(jì)學(xué)意義(χ2=11.071,P=0.198),冬季的月感染發(fā)病率較高,見表1、圖1。

圖1 骨科Ⅰ類切口感染發(fā)病率按月分布圖

表1 骨科Ⅰ類切口感染發(fā)病率情況

2.2 模型建立與評(píng)價(jià) 對(duì)原始發(fā)病率序列作平穩(wěn)性檢驗(yàn),ADF檢驗(yàn)結(jié)果顯示,2013年1月至2021年6月骨科Ⅰ類切口月感染發(fā)病率時(shí)間序列滿足平穩(wěn)性要求(Dickey-Fuller=-4.203,P=0.010),無需差分可直接建模。模型識(shí)別階段,對(duì)原始發(fā)病率數(shù)據(jù)繪制ACF圖和PACF圖,圖2顯示偏自相關(guān)函數(shù)在一階后截尾,而自相關(guān)函數(shù)拖尾,確定參數(shù)p=1,q=0;而對(duì)于季節(jié)性參數(shù)P、Q而言,則不會(huì)超過2[8];在上述判斷基礎(chǔ)上,同時(shí)使用R軟件包中auto.arima函數(shù),根據(jù)AIC最小化原則自動(dòng)確定最優(yōu)擬合模型為ARIMA(1,0,0)(1,0,0)12,該模型的AIC值為-169.401,為相對(duì)最小值。對(duì)該模型的殘差序列進(jìn)行Box-Ljung檢驗(yàn),結(jié)果顯示殘差為白噪聲序列(Q=10.320,P=0.962),模型較好地捕捉了原始時(shí)間序列的有用信息,可用于預(yù)測(cè)分析。

圖2 骨科Ⅰ類切口月感染發(fā)病率序列的ACF和PACF圖

2.3 模型預(yù)測(cè) 采用構(gòu)建的ARIMA(1,0,0)(1,0,0)12模型對(duì)2013年1月至2021年6月的數(shù)據(jù)進(jìn)行擬合,比較2021年7-12月的預(yù)測(cè)值和實(shí)際值,見圖3。模型擬合值與實(shí)際值整體變化趨勢(shì)一致,模型擬合的MAPE為31.82%,處于可接受的范圍;骨科Ⅰ類切口月感染發(fā)病率實(shí)際值均在預(yù)測(cè)值的95%可信區(qū)間(confidence interval,CI)內(nèi),說明此模型的預(yù)測(cè)效果良好?；谌坑^測(cè)數(shù)據(jù),采用ARIMA(1,0,0)(1,0,0)12模型對(duì)未來6個(gè)月感染發(fā)病率的預(yù)測(cè)結(jié)果依次分別為0.276%、0.283%、0.288%、0.285%、0.297%和0.291%,其95%CI分別為(0.083,0.470)、(0.062,0.504)、(0.059,0.516)、(0.055,0.516)、(0.066,0.529)和(0.059,0.523),未出現(xiàn)突增或突降的情況,總體呈現(xiàn)低水平流行的態(tài)勢(shì)。

圖3 骨科Ⅰ類切口月感染發(fā)病率的擬合及預(yù)測(cè)

3 討論

3.1 骨科Ⅰ類切口醫(yī)院感染發(fā)病現(xiàn)狀

3.1.1 發(fā)病特征 手術(shù)是治療骨科疾病的主要手段,治療過程中完整皮膚屏障的破壞、無菌組織與外界環(huán)境的直接暴露以及手術(shù)器械對(duì)于局部組織的損傷,均可增加患者手術(shù)切口的感染風(fēng)險(xiǎn)[10],特別是骨科手術(shù)經(jīng)常存在植入物的使用,具有手術(shù)過程復(fù)雜、手術(shù)時(shí)間長(zhǎng)、出血量大等特點(diǎn),使得手術(shù)切口感染的風(fēng)險(xiǎn)顯著增加[11]。骨科手術(shù)切口一旦發(fā)生感染,可導(dǎo)致創(chuàng)面無法通過正常程序完成愈合修復(fù),進(jìn)而形成慢性難愈性創(chuàng)面,嚴(yán)重者可進(jìn)一步引發(fā)感染性骨不連、慢性骨髓炎等并發(fā)癥,導(dǎo)致患者預(yù)后不良[12]。因此,提前開展針對(duì)骨科Ⅰ類切口感染的前瞻性預(yù)測(cè),采取針對(duì)性的預(yù)防干預(yù)措施,對(duì)于保護(hù)患者生命安全具有重要意義。

3.1.2 發(fā)病水平 本研究結(jié)果顯示,我院骨科Ⅰ類切口感染總體發(fā)病率為0.275%,發(fā)病率水平低于《醫(yī)院感染管理規(guī)范(試行)》中對(duì)500張病床以上醫(yī)院Ⅰ類切口手術(shù)部位感染發(fā)病率的要求(<0.5%)[13],同時(shí)低于羅麗等[11]研究所報(bào)道的骨科Ⅰ類切口感染發(fā)病率(1.11%),這可能與我院強(qiáng)化圍術(shù)期抗菌藥物合理使用、落實(shí)消毒隔離措施、規(guī)范護(hù)理操作等有關(guān),表明采取針對(duì)性的預(yù)防控制措施可有效減少骨科Ⅰ類切口感染的發(fā)生。

3.2 骨科Ⅰ類切口感染預(yù)測(cè)模型的應(yīng)用價(jià)值

3.2.1 選擇科學(xué)合理的預(yù)測(cè)方法 ARIMA模型可利用歷史序列數(shù)據(jù)之間隨時(shí)間發(fā)展產(chǎn)生的相關(guān)性對(duì)未來序列的發(fā)展趨勢(shì)做出推斷,已在醫(yī)療衛(wèi)生領(lǐng)域得到了廣泛應(yīng)用[14-15]。目前,對(duì)骨科Ⅰ類切口感染預(yù)測(cè)分析主要有決策樹模型、Logistic回歸模型和組合預(yù)測(cè)模型等,但在應(yīng)用過程中常存在預(yù)測(cè)對(duì)象數(shù)據(jù)資料無法獲得、影響因素難以掌握等難點(diǎn),而ARIMA模型解決了上述難題,在分析過程中不納入其他影響因素而僅考慮時(shí)間因素,所需資料相對(duì)簡(jiǎn)單、易于獲得,并可高效提取出時(shí)間序列中的確定性信息,對(duì)于短期預(yù)測(cè)具備較高的準(zhǔn)確度[15]。骨科Ⅰ類切口感染相較于傳染病與慢性病,其發(fā)病影響因素十分復(fù)雜,受患者自身健康狀況、手術(shù)復(fù)雜程度、手術(shù)過程無菌技術(shù)操作執(zhí)行情況、圍手術(shù)期醫(yī)療護(hù)理等多種因素影響。目前,骨科Ⅰ類切口感染數(shù)據(jù)仍主要以查閱電子病歷的方式獲得,數(shù)據(jù)質(zhì)量難以保證、影響因素監(jiān)測(cè)不全。而ARIMA模型在分析預(yù)測(cè)過程中,僅需收集感染發(fā)病率資料并只考慮時(shí)間因素,對(duì)數(shù)據(jù)要求不高,符合目前醫(yī)療機(jī)構(gòu)內(nèi)骨科Ⅰ類切口感染的防治實(shí)際,擁有廣闊的應(yīng)用前景[16]。

3.2.2 科學(xué)預(yù)測(cè)未來發(fā)展趨勢(shì) 本研究納入的歷史數(shù)據(jù)達(dá)108個(gè)月,其中驗(yàn)證預(yù)測(cè)效果的數(shù)據(jù)有6個(gè)月,預(yù)測(cè)效果的評(píng)價(jià)可靠真實(shí)。利用2013年1月至2021年6月的數(shù)據(jù)建立了優(yōu)質(zhì)模型ARIMA(1,0,0)(1,0,0)12,該模型較好擬合了骨科Ⅰ類切口感染發(fā)病率。采用構(gòu)建的模型預(yù)測(cè)2021年7—12月的發(fā)病率,其預(yù)測(cè)結(jié)果與實(shí)際值基本相符,實(shí)際值都在預(yù)測(cè)值的95%CI內(nèi),模型預(yù)測(cè)效果良好[16],表明模型在長(zhǎng)時(shí)間、大樣本的數(shù)據(jù)應(yīng)用中準(zhǔn)確度較高。本研究納入全部觀測(cè)數(shù)據(jù),采用ARIMA(1,0,0)(1,0,0)12模型預(yù)測(cè)未來6個(gè)月的骨科Ⅰ類切口感染發(fā)病率,提示未來6個(gè)月的發(fā)病趨勢(shì)為低水平流行的態(tài)勢(shì),這也反映出我院當(dāng)前的骨科Ⅰ類切口感染防控情況較好。

3.2.3 掌握趨勢(shì)并啟迪護(hù)理工作 鑒于構(gòu)建ARIMA模型所需的資料相對(duì)簡(jiǎn)單,便于臨床實(shí)際應(yīng)用,護(hù)理人員可開展感染發(fā)病率動(dòng)態(tài)預(yù)測(cè),及時(shí)識(shí)別感染高發(fā)時(shí)段,并針對(duì)性做到:(1)提高警惕,嚴(yán)格執(zhí)行各項(xiàng)無菌技術(shù)操作;(2)遵照醫(yī)囑,規(guī)范使用抗菌藥物,觀察用藥療效及不良反應(yīng),最大限度提高抗菌藥物預(yù)防、治療效果;(3)限制人員探視及流動(dòng),做好病區(qū)環(huán)境物品清潔消毒工作,避免出現(xiàn)交叉感染。同時(shí),構(gòu)建ARIMA預(yù)測(cè)模型有助于設(shè)置骨科Ⅰ類切口感染發(fā)病率警戒線并建立預(yù)警系統(tǒng)[17-18],如果實(shí)際值在預(yù)測(cè)值的95%CI范圍內(nèi)波動(dòng),說明骨科Ⅰ類切口感染發(fā)病率水平處于正常水平,如超出預(yù)測(cè)值95%CI上限時(shí),提示感染水平已不同于以往散發(fā)規(guī)律,可能發(fā)生感染的暴發(fā),護(hù)理人員應(yīng)提高警惕,排查感染暴發(fā)的風(fēng)險(xiǎn)點(diǎn),采取針對(duì)性措施控制感染的發(fā)生。

3.3 骨科Ⅰ類切口感染預(yù)測(cè)模型使用注意點(diǎn) 本研究使用的ARIMA模型雖可在獲取相對(duì)簡(jiǎn)單資料的基礎(chǔ)上即可較好擬合、預(yù)測(cè)骨科Ⅰ類切口感染發(fā)病率,但其一般僅對(duì)6-12個(gè)月以內(nèi)的短期預(yù)測(cè)具有較高準(zhǔn)確度[8,15,19]。模型參數(shù)并非一成不變,若需達(dá)到長(zhǎng)期持續(xù)預(yù)測(cè)的效果,需要不斷納入新的實(shí)際觀測(cè)值,及時(shí)調(diào)整模型,從而更好反映真實(shí)情況[20]。另外,ARIMA模型的未來應(yīng)用中,如果出現(xiàn)缺失值,可通過線性內(nèi)插值或其他內(nèi)插值進(jìn)行補(bǔ)充[14],從而提高模型精度。

4 小結(jié)

本研究基于骨科Ⅰ類切口感染發(fā)病率歷史觀測(cè)數(shù)據(jù)構(gòu)建ARIMA模型,短期預(yù)測(cè)效果較好,預(yù)測(cè)結(jié)果可靠。預(yù)測(cè)結(jié)果可提示未來6個(gè)月內(nèi)的發(fā)病率呈現(xiàn)低水平流行的態(tài)勢(shì),前瞻性預(yù)測(cè)骨科Ⅰ類切口感染發(fā)病率有助于掌握感染發(fā)病趨勢(shì)、及時(shí)識(shí)別感染高發(fā)時(shí)段、完善醫(yī)院感染預(yù)警系統(tǒng),從而科學(xué)實(shí)施臨床干預(yù)措施、降低感染發(fā)病水平。