南昌市某三甲医院肺炎克雷伯菌感染危险因素分析及风险预测模型的建立

作     者：齐家玮 

作者单位：南昌大学 

学位级别：硕士

导师姓名：万玉英;况杰

授予年度：2022年

学科分类：1010[医学-医学技术（可授医学、理学学位）] 10[医学] 

主      题：肺炎克雷伯菌 感染 危险因素 风险评估 

摘      要：目的:通过分析南昌市某三级甲等医院肺炎克雷伯菌（Klebsiella Pneumoniae,KP）感染现状及危险因素,探讨南昌市KP感染的独立危险因素,应用机器学习方法构建KP感染的预测模型。为KP预防策略的制定提供数据支持,以期降低南昌市KP感染率,对临床预防及预后改善有重要的指导意义。方法:采用回顾性研究的方法,通过大数据中心记录结合查阅患者病例、电话回访的形式,依照纳入排除标准对病例组和对照组患者进行信息资料收集。收集2018-2021年南昌市1295例KP感染病例数据（剔除重复送检病例）。分析应用1:1病例对照研究,其中病例组（N=1295）和对照组（N=1295）。第一步对两组的相关信息资料进行描述性统计。第二步对两组信息资料进行单因素分析,筛选出引起KP感染相关的危险因素,在进行Lasso回归分析减少过拟合,接着采用多因素Logistic回归分析对选定的危险因素进行评价,确定KP感染的独立危险因素,将以选定的独立危险因素作为构建预测模型的特征。第三步应用Logistics模型、XG boost模型、Light GBM模型、随机森林模型、Ada Boost模型、高斯朴素贝叶斯模型、神经网络模型分别构建KP感染的预测模型,测试集选择比例为15%,剩余85%样本来构建预测模型,进行10折交叉验证,将测试集外的样本等分为10份,进行10次训练,每次以其中9份作为训练集,1份作为验证集进行内部验证,来验证模型是否拟合成功。通过分析模型测试集AUC值、准确度、校准曲线、决策曲线DCA等指标综合评价各种预测模型的性能以及效果。选取南昌市另一家三甲医院KP感染数据（病例组N=331和对照组N=331）,运用交叉验证方法验证模型效果作外部验证。结果:***检出率呈上升趋势,从2018年的8.88%增长到2021年的12.12%。从痰液中检出最多为608株、其次是尿液276株。感染部位占比最大是肺部感染,其次是尿路感染。对临床常用抗生素耐药性逐年提升,KP对头孢曲松（50.11%）头孢唑林（56.77%）耐药性最高,对亚胺培南（5.67%）厄他培南（8.92%）最敏感。在抗菌药物占比、使用率、使用强度方面病例组均大于对照组;KP主要分布科室集中在神经外科（12.90%）,其次为呼吸与危重症病科（12.28%）。2.导致KP感染独立危险因素为年龄、住院次数、住院天数、高脂血症、冠心病、高血压、中心静脉管。3.基于XG boost算法构建的KP感染预测模型效果最优,其ROC曲线面积=0.867,准确度=0.779。结论:KP感染率逐年增加,临床医生及护士应首先区别高危患者如住院时间过长,年龄偏大,基础疾病较严重,长时间应用抗菌药物的患者,可应用文中介绍的XG boost预测模型进行早期筛查,针对感染高危患者及时采取预防措施,防患于未然并及时发现早期症状,早期给予针对性治疗至关重要。同时加强对侵入型操作如置尿管或胃管,气管插管、气管切开,无创通气、血液净化等的院感防控,从源头解决KP定植感染问题,配合科学合理应用抗菌药物,避免耐药菌株或多重耐药菌株的产生影响治疗效果,有效改善感染患者预后,减少死亡率。