重症监护病区医院感染风险预测模型构建

目的应用分类树(CHAID)算法和Logistic回归分析构建重症监护病区医院感染风险预测模型,并比较二者预测结果的优劣。方法回顾分析2016年1月-2017年6月入住重症监护病区(包括ICU、RICU、CCU/CNICU)超过48h及转出重症监护病区48h内的住院患者,应用CHAID算法和Logistic回归分别建立医院感染的风险预测模型,并对模型进行拟合优度检验评价模型,使用受试者工作特征曲线(ROC)曲线下面积(AUC)比较两种预测模型的优劣。结果共收集患者1 232例,其中院内感染182例,感染发病率14.8%;分类树模型和Logistic回归均显示住院天数≥10天、APACHEⅡ评分≥20、中心静脉插管日数≥7天是院内感染发生最重要的影响因素;分类树Risk统计量为0.286,模型拟合效果较好;分类树模型的灵敏度为83.5%,特异度59.3%,ROC AUC为0.788(95%CI 0.742～0.835);Logistic回归模型的灵敏度为80.2%,特异度81.3%,AUC为0.869(95%CI0.832～0.906);通过比较,分类树模型和Logistic回归模型两者结果差异有统计学意义(Z=4.656,P<0.001)。结论 Logistic回归模型的预测效果优于分类树模型,两个模型的分析结果相结合可以从不同层面发现医院感染的风险因素,为进一步预防与控制医院感染的发生提供参考依据。