基于深度神经网络的院内感染风险预测探讨

目的建立院内感染风险预测模型,并分析其可行性,助力医院院内感染管理。方法选取76564例住院患者作为研究对象,按照7∶3的比例划分为训练集和测试集。根据住院期间是否发生感染分为感染组和非感染组,分析训练集两组临床相关资料,采用二元logistic回归模型和深度神经网络(DNN)模型分析院内感染发生风险的相关影响因素并构建预测模型。结果训练集中626例发生感染,感染率为1.17%,测试集中289例发生感染,感染率为1.26%。受试者特征曲线(ROC)显示,DNN模型预测发生院内感染风险的曲线下面积(AUC)显著高于二元logistic回归模型(0.978 vs 0.686)。结论基于DNN的院内感染风险预测模型具有较高的准确性,有助于早期识别院内感染高危患者。