肝硬化患者院内感染预测模型的建立及验证

易国栋, 陈明锴

武汉大学人民医院消化内科，湖北 武汉 436500

肝硬化患者院内感染预测模型的建立及验证

易国栋, 陈明锴

武汉大学人民医院消化内科，湖北 武汉 436500

目的 研究肝硬化并发院内感染独立危险因素,并运用危险因素建立预测模型。 方法 回顾性分析 2010年1月-2015年10月在恩施土家族苗族自治州中心医院住院肝硬化患者的临床资料,运用 Logistic多因素分析,建立预后模型。用独立的临床病例资料进行验证评估模型判断能力。 结果 532例肝硬化患者,其中院内感染68例(12.78%)。 Logistic 回归分析结果显示年龄、并发症、住院时间、肝功能分级、低蛋白血症、侵入性操作是肝硬化院内感染的独立危险因素。 对构建的预测模型的预测能力进行评估发现：模型预测的灵敏度为84.00%,特异度为91.18%，总正确率为89.25%。 结论 年龄、并发症、住院时间、肝功能分级、低蛋白血症、侵入性操作是肝硬化医院内感染的独立危险因素,本研究构建的预测模型能够较为准确地预测肝硬化患者是否发生院内感染。

预测模型; 院内感染; 肝硬化

医院院内感染指住院患者在医院住院期间获得的感染，包括患者住院期间在医院诱发的感染和在医院已经处于潜伏期而出院发作的感染，但不包括在医院外已处于潜伏期的在医院发作的感染。临床上发现肝硬化患者由于营养状况差、免疫力低下等原因,在住院期间容易发生院内感染[1-3]。肝硬化患者发生院内感染一方面不仅加重患者病情，也往往造成住院时间延长、住院费用增加等[4-6]。目前,院内感染的危险因素尚不明确,临床医师难以早期筛查出高危人群。因此，对院内感染的早期预测显得尤为重要。本研究采用Logistic回归模型，分析影响院内感染发生的危险因素。

1 资料与方法

1.1 一般资料选取2010年1月-2015年10月在恩施土家族苗族自治州中心医院住院肝硬化患者532例，其中发生院内感染者68例(12.78%)，男35例，女33例，平均年龄(61.3±10.1)岁；未发生感染者464例，男220例，女244例，平均年龄(52.5±11.3)岁。纳入标准：(1)年龄≥18岁；(2)确诊为肝硬化的患者；(3) 临床病例完整。排除标准：(1)合并其他与肝硬化或并发症无关的严重疾病；(2)年龄<18岁。其中腹腔感染合并肺部感染24例,腹腔感染合并泌尿系统感染14例，单纯腹腔感染21例，单纯肺部感染6例，其他感染3例。

1.2 研究方法

1.2.1 一般资料收集：年龄、性别、吸烟、肝硬化是否合并并发症、肝功能、住院时间、腹水、白细胞计数、低蛋白血症、是否进行侵入性操作或手术、是否预防性用药。

1.2.2 预测指数评价： 计算患者的预测指数并对其预测情况进行理论评估,预测指数>10.01为有院内感染,反之认为无院内感染，并与实际预后情况进行比较。

1.3 统计学处理采用SPSS 21.0统计软件进行分析，计数资料以例数(%)表示，采用χ2检验。P<0.05为差异有统计学意义。Logistic 分析筛选出肝硬化院内感染的独立危险因素,用回归系数及常数项建立肝硬化院内感染的评分系统, 根据分组情况对模型评分绘制ROC曲线，计算曲线下面积 (AUC)。分析并比较模型评分方法预测预后的效能。

2 结果

2.1 单因素分析患者的性别、白细胞计数及预防用药与肝硬化患者院内感染的发生无明显相关性(P>0.05)，年龄、吸烟、并发症、肝功能、住院时间、腹水、低蛋白血症、侵入性操作与肝硬化患者院内感染有相关性(P<0.05，见表1)。

2.2 非条件性Logistic分析多因素Logistic分析发现年龄、并发症、肝功能异常、住院时间、侵入性操作、低蛋白血症是肝硬化院内感染的独立危险因素(P<0.05，见表2)。

表1 肝硬化患者院内感染的单因素分析

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

因素院内感染(n=68)无院内感染(n=464)统计值P值性别(男/女)35/33220/2440.150.698年龄(x±s,岁)61.3±10.152.5±11.35.210.025吸烟史[n(%)]20(29.41)51(10.99)6.540.011并发症[n(%)]21(30.88)55(11.85)9.210.000肝功能[n(%)]50(73.53)252(54.31)9.020.003住院时间(x±s,d)9.02±0.218.91±0.222.410.047腹水[n(%)]17(25.00)69(14.87)4.010.036白细胞计数(x±s,×109)3.3±0.32.9±0.30.140.712低蛋白血症[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预防用药[n(%)]58(85.29)424(91.38)1.310.112

表2 肝硬化患者院内感染的Logistic分析

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

自变量Β值S.E.值Wald(χ2)值P值OR值(95%CI)年龄1.940.327.210.0011.11(1.00～1.13)并发症1.880.5312.790.0031.37(0.133～1.98)住院时间1.650.279.580.0001.31(1.13～1.71)低蛋白血症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)肝功能异常1.320.4313.540.0061.41(1.11～1.89)

2.3 肝硬化院内感染预测模型的建立通过 Logistic 分析回归系数及常数项构建的肝硬化院内感染预测模型P=1/(1+e-Y), Y=4.12+0.94×年龄+1.88×并发症+1.65×住院时间+1.65×低蛋白血症+0.89×侵入性操作+1.32×肝功能异常，其中 P 为肝硬化患者院内感染的发生概率，肝功能异常取值：有=1，无=0;侵入性操作取值为：有=1，否=0;住院天数及年龄取值为实测值。根据所建立的数学模型分别计算本研究中每个肝硬化患者的预测指数并绘制ROC曲线 (见图1)。选择曲线上最顶点的点即截点，使得Youden指数最大。最终选择10.01为截点,此时预测模型ROC曲线下面积为0.82(95%CI: 0.73～0.91)，对应的灵敏度和特异度为71.23%、79.67%。

2.4 肝硬化院内感染预测模型的评价选取恩施民族医院2015年7月-2016年4月肝硬化患者186例作为模型的验证样本，男90例，女96例，平均年龄(57.28±12.56)岁，其中出院后发生院内感染者50例。计算患者的预测指数并与实际预后情况进行比较后发现：模型预测的灵敏度为84.00%,特异度为91.18%，总正确率为89.25%(见表3)。

图1 肝硬化患者院内感染预测模型的ROC曲线

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

表3 186例验证样本的预测结果与实际情况比较

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

预测情况实际情况有无合计有421254无8124132合计50136186

3 讨论

本研究结果表明肝硬化患者院内感染率为12.78%，远高于平均院内感染率[3-4]。感染部位主要以腹腔、肺部、泌尿系统及消化道为主。既往我国学者对失代偿期慢性乙型肝炎肝硬化患者院内感染研究时发现院内感染率为17.5%；感染较多的部位分别为呼吸道、腹膜、消化道、泌尿系统及其他部位[4]；另外一位学者调查海口市第三人民医院消化内科肝硬化患者院内感染时发现感染率为10.76%；感染部位以下呼吸道感染与泌尿生殖感染为主[5]。与既往研究相比，现有研究在院内感染发生部位有一定的差异，这可能与各个研究纳入样本量有关。为了探讨院内感染发生的有关危险因素,本文采用非条件性Logistic分析发现年龄、并发症住院时间、肝功能分级、低蛋白血症、侵入性操作是肝硬化院内感染主要危险因素。该研究结果与既往研究有一定的相似性[6-10]。

院内感染发生机制较为复杂,多种因素参与院内感染的发生、发展。针对不同因素国外学者做了大量研究，目前发现院内感染可能的危险因素如下：遗传背景、年龄、性别、心理状态、吸烟、饮酒、患者营养状态、免疫抑制药物使用、侵入性操作、住院天数、麻醉药物种类、麻醉方式及手术操作时间等。但涉及到特定的某个疾病，院内感染的危险因素可能不一样，即使是同一个疾病，病例的特点不一样，院内感染危险因素也可呈现一定的差异[8-10]。既往在进行上述因素是否为院内感染的危险因素时明显存在不足,在研究某个因素是否为院内感染发病危险因素时未考虑其他协变量的影响。本文采用非条件Logistic 分析有效地解决了上述研究的不足。年龄、并发症、住院时间、肝功能分级、低蛋白血症、侵入性操作是肝硬化院内感染主要危险因素。年龄越大患者的免疫能力、营养状况越差,住院时间越长，在医院感染有害病菌机会大大增加；肝功能越差蛋白合成免疫球蛋白能力越弱；低蛋白血症会直接削弱患者免疫力；侵入性操作可能增加细菌入侵的机会[9-11]。

本研究首先利用Logistic 分析筛选出肝硬化院内感染的独立危险因素,用这些变量回归系数及常数项建立肝硬化院内感染的评分系统, 建立肝硬化院内感染预测模型的ROC曲线，并进一步研究该模型预测的灵敏度为84.00%,特异度为91.18%，总正确率为89.25%,提示该预测模型检验效能良好。

综上所述，肝硬化院内感染发生率较高, 年龄、并发症、住院时间、肝功能分级、低蛋白血症、侵入性操作是肝硬化院内感染的独立危险因素, 利用这些变量建立院内感染预测模型具有良好的预测能力，能为临床工作中识别肝硬化患者院内感染高危患者提供一定的参考价值。

[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]邓三季, 文秀莲, 李智山, 等. 肝硬化患者医院感染的相关因素分析[J]. 中华医院感染学杂志, 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, 叶程军, 等. 肝硬化患者医院感染的危险因素分析与预防[J]. 中华医院感染学杂志, 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.

(责任编辑：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

易国栋,硕士,研究方向：肝脏疾病基础与临床

陈明锴，博士,教授，主任医师,研究生导师，研究方向：肝脏疾病基础与临床

10.3969/j.issn.1006-5709.2017.01.006

R575.2

A

1006-5709(2017)01-0020-03

2016-09-10