A Nomogram model establishment for noscomial infection in elderly patients with hypertension and diabetes mellitus
-
摘要:目的 分析老年高血压合并糖尿病患者发生医院感染(HAI)的危险因素,并建立预测HAI的Nomogram模型。方法 回顾性分析148例老年高血压合并糖尿病患者的临床资料,根据是否发生HAI将患者分为HAI组和非HAI组。通过单因素、多因素Logistic回归分析筛选出HAI发生的独立危险因素,同时应用Nomogram法对各个因素进行评分,构建预测模型。应用受试者工作特征(ROC)曲线评估模型的预测价值,并对模型进行内部验证,计算一致性指数(C-index),绘制校准图。结果 148例患者平均年龄为(64.21±12.84)岁,其中32例(21.62%)患者发生HAI。单因素分析显示,年龄、吸烟、共患病程、血压控制情况、血糖控制情况、合并其他基础疾病、急性生理学与慢性健康状况评分系统Ⅱ(APACHEⅡ)评分、意识障碍、白蛋白水平均是HAI发生的影响因素(P < 0.10)。多因素Logistic回归分析显示,共患病程≥10年(OR=3.589,95% CI为1.056~12.193,P=0.041),血糖控制不达标(OR=4.538,95% CI为1.287~16.002,P=0.019),合并其他基础疾病(OR=8.893,95% CI为2.624~30.132,P < 0.001),APACHEⅡ评分≥20分(OR=6.259,95% CI为1.934~20.256,P=0.002),存在意识障碍(OR=9.365,95% CI为2.744~34.477,P=0.001)均是HAI发生的独立危险因素。基于上述预测因子建立Nomogram预测模型,经验证,该模型贴合度、C-index、ROC曲线下面积均良好,提示该模型具有良好的预测效能和区分度。结论 共患病程≥10年、血糖控制不达标、合并其他基础疾病、APACHE Ⅱ评分≥20分、存在意识障碍均是老年高血压合并糖尿病患者发生HAI的独立危险因素,基于上述危险因素建立的Nomogram模型具有良好的预测效能,可为HAI防控工作提供参考依据。Abstract:Objective To investigate the risk factors of hospital-associated infection (HAI) in elderly patients with hypertension and diabetes mellitus, and to establish a nomogram model for HAI.Methods A retrospective study was performed to analyze the clinical data of 148 elderly patients with hypertension complicated with diabetes mellitus. The patients were divided into the HAI group and non-HAI group according to occurrence of HAI. Univariate analysis and multivariate Logistic regression analysis were used to screen out the independent risk factors of HAI occurrence. Then, each factor was scored by Nomogram method to construct the prediction model. Receiver operating characteristic (ROC) curve was drawn to assess the predictive value of the established Nomogram. Furthermore, the predictive ability of the Nomogram model was internally validated by calculating the C-index and the calibration plot was drawn.Results The mean age of 148 patients was (64.21±12.84) years, and 32 patients (21.62%) developed HAI. Univariate analysis showed that the occurrence of HAI was correlated with age, smoking, disease duration of comorbidities, blood pressure and blood glucose control state, other underlying diseases, APAHEⅡ scores, consciousness state and albumin levels (P < 0.05). The multivariate Logistic regression analysis showed that disease duration of comorbidities ≥10 years (OR=3.589, 95%CI, 1.056~12.193, P=0.041), blood glucose control substandard (OR=4.538, 95%CI, 1.287~16.002, P=0.019), other underlaying diseases (OR=8.893, 95%CI, 2.624~30.132, P < 0.001), APACHEⅡ score ≥20 (OR=6.259, 95%CI, 1.934~20.256, P=0.002), consciousness disorder (OR=9.365, 95%CI, 2.744~34.477, P=0.001) were independent risk factors for HAI occurrence. Based on above risk factors in Nomogram model, statistical analysis showed that this model had a good discrimination, C-index value and the area under the ROC curve, indicating that the nomogram model had better predictive performance and differentiation.Conclusion The disease duration of comorbidities ≥10 years, substandard blood glucose control, other underlying diseases, APACHEⅡscore ≥20, consciousness disorder are independent risk factors for HAI occurrence in in elderly patients with hypertension and diabetes mellitus. Nomogram model based on these risk factors has good predictive efficacy and important clinical value, and can provide reference for prevention and control of HAI.
-
Keywords:
- elderly patients /
- hypertension /
- diabetes mellitus /
- hospital-associated infection /
- risk factors /
- Nomogram model
-
电阻抗层析成像(EIT)系统是近年发展的新技术,主要用于动态评估肺通气状态[1], 其通过绑缚在人胸廓规定位置(正力体型者一般在第4~6肋间)的16个电极发射阻抗波进而计算其在胸廓内不同组织间衰减的程度,并通过相应算法最后还原为肺组织断层影像[2-3]。EIT成像是连续的、动态的,通过监视屏幕,实时反映肺组织在吸、呼过程中的变化,还可通过该设备的局部定点监测功能对某一区域的肺组织通气状态进行评价,判断受检者是否存在病理状态或疾病的恢复程度[4-7]。目前,尚未有EIT检测健康成年人的参考数据(正常范围)[8]。本研究中探讨北京地区健康人肺组织的EIT测量值的正常范围,现报告如下。
1. 资料和方法
1.1 研究设计
本研究为分层抽样调查,以首都医科大学附属北京潞河医院体检中心受检人群为基础,按性别、年龄阶段、体质量指数(BMI)为抽样标准,收集2018年12月—2019年3月受检的102例健康志愿者的肺EIT数据。所有受试者均为汉族,其中青年(≤40岁)、中年(41~59岁)、老年(≥60岁)各34例,男性和女性各51例,年龄26~73岁,平均(43±12)岁,平均BMI为(24±4) kg/m2。受检人群基线特征见表 1。
表 1 受检人群基线特征(x±s)因素 受试者特征(n=102) 年龄/岁 43±21 性别 男 51 女 51 身高/m 1.65±0.08 体质量/kg 66.6±12.5 体质量指数/(kg/m2) 24±4 纳入标准: ①体格检查结果正常,没有吸烟、饮酒史和慢性病史者; ②体内没有植入性电子设备者; ③无胸、脊柱畸形者; ④同意进行EIT测量者。本研究已通过首都医科大学附属北京潞河医院伦理委员会批准(批准号2018LH-KS-015, 临床试验注册号ChiCTR1800015680)。
1.2 方法
根据EIT系统要求(Infinity C500, 德国Dräger, Ltd), 坐位检查时患者应坐直,然后根据患者的胸廓选择合适的电极条带,并将其固定在第4~5肋间处,待阻抗波成像稳定后开始记录。5 min后指示受试者以恒定的速度进行5次深呼吸以达到最大呼吸状态,然后继续平静呼吸5 min。随后,指示患者平躺,并按如上步骤继续记录10 min。重复上述过程3次后,收集阻抗值,并计算平均值。记录和保存的阻抗值包括总阻抗(GI)值和4个阻抗区域(ROI),即ROI1~ROI4(图 1)。
1.3 统计学分析
采用SPSS 21.0和Matlab 7.0软件进行统计分析。性别和其他测量数据以中位数和四分位数表示。年龄、身高、BMI和EIT阻抗值等计数数据以(x±s)表示。不同年龄、性别、BMI和其他分层情况下的阻抗值范围的分析使用单因素方差分析。P<0.05为差异有统计学意义。
2. 结果
2.1 受试者在不同呼吸条件下坐姿和卧姿的肺GI值
一般最大呼吸状态下GI值高于平静呼吸,男性高于女性(卧位平静呼吸时除外)。见表 2。
表 2 在不同呼吸条件下坐位和仰卧位受试者的肺总阻抗分布(x±s)性别 坐位 卧位 平静呼吸状态 最大呼吸状态 平静呼吸状态 最大呼吸状态 男(n=51) 3 353 148±362 721 5 482 749±603 111 2 435 323±303 195 7 949 585±826 013 女(n=51) 1 910 780±230 168 4 227 808±522 656 2 685 644±30 117 4 500 566±496 294 2.2 受试者不同体位和呼吸状态下监测EIT时各区域阻抗值
男性受试者分别处于坐位和卧位时,其ROI2和ROI3区域数值在平静呼吸、最大呼吸状态下差异均有统计学意义(P<0.05), 且占GI比率较高; 女性受试者的监测数据分布特点与男性基本相同,仅在ROI2区域有所不同,该区域平静呼吸和最大呼吸状态比较,差异无统计学意义(P>0.05)。见表 3、4。
表 3 男性在不同体位和呼吸状态下监测EIT时各区域阻抗值(x±s)体位 ROI1 ROI2 ROI3 ROI4 坐位 平静呼吸状态 329 333±35 865 1 388 769±151 770 1 486 407±157 902 405 268±37 318 占GI比率/% 9.2 39.3 42.0 9.1 最大呼吸状态 395 016±43 108 2 209 368±234 606 2 730 902±249 224 4 999 655±53 933 占GI比率/% 6.5 39.1 44.0 10.4 P 0.134 0.033 0.041 0.361 卧位 平静呼吸状态 315 780±40 612 1 144 899±152 959 998 874±117 619 270 181±34 262 占GI比率/% 12.2 42.2 35.2 10.4 平静呼吸状态 858 484±102 857 3 750 633±396 174 3 256 553 ±366 921 841 108 ±99 098 占GI比率/% 12.1 43.3 36.1 8.5 P 0.011 0.027 0.007 0.009 GI: 总阻抗; ROI: 阻抗区域。 表 4 女性在不同体位和呼吸状态下监测EIT时各区域阻抗值(x±s)体位 ROI1 ROI2 ROI3 ROI4 坐位 平静呼吸状态 329 333±35 865 1 388 769±151 770 1 486 407±157 902 405 268±37 318 占GI比率/% 9.2 39.3 42.0 9.1 最大呼吸状态 406 436±39 053 1 395 080±164 926 2 136 829±219 043 450 035±42 412 占GI比率/% 9.6 36.1 42.4 11.9 P 0.047 0.549 0.039 0.233 卧位 平静呼吸状态 204 920±25 017 1 130 797±131 072 1 283 676±125 979 239 077±24 757 占GI比率/% 10.8 40.6 38.1 10.5 最大呼吸状态 532 561±52 052 1 783 757±203 119 1 833 984 ±188 812 556 775±52 990 占GI比率/% 11.4 42.5 37.8 8.3 P 0.008 0.032 0.045 0.015 GI: 总阻抗; ROI: 阻抗区域。 3. 讨论
EIT技术是近年来在床旁实时监测心肺状态的一项新技术,用于监测肺通气状态[9]。其可连续、可视地监视整个肺部或肺部特定部位的通气状态[10]。EIT已用于呼气末正压滴定、气体陷闭等领域[11]。目前,尚未有EIT系统应用于正常人群肺通气阻抗值参考范围的报道。因此,本研究层抽样了102名健康志愿者,进行EIT肺阻抗值采样,并记录其在坐位和仰卧位下的平静呼吸和最大呼吸状态下的GI和ROI。ROI可体现肺局部动态通气变化,该区域的设定可分为4个区域,也可设为研究者想要观察的某些特定区域,以动态对比治疗前后的变化[12]。
102例健康参与者年龄和性别分布均匀,无病史或身体异常,体质量和BMI均正常,表明所有参与者可参与本研究。EIT的肺阻抗值测量结果表明,除平静呼吸状态外,在任何姿势和呼吸状态下,男性参与者的肺GI和ROI均高于女性,这与潮气量和肺活量的表现相同,表明男性GI和ROI通常高于女性[12-13]。平静呼吸状态下,女性GI高于男性,分析原因可能为女性以胸式呼吸为主; 平卧时男性膈肌上抬,导致GI较低。此外,本研究发现无论是男性还是女性,无论是坐位还是仰卧位,从最大呼吸中获得的GI都大于平静呼吸。4个ROI区域中, ROI2和ROI3是阻抗分布占比较高的区域,且不受性别、体位和呼吸状态的影响。但与平静呼吸相比,最大呼吸状态下ROI1和ROI4区域的阻抗值占GI值比例有不同程度的升高,显示这2个区域通气增加以适应机体的需要。
综上所述,本研究测量了健康志愿者肺EIT阻抗值的正常范围,有助于临床诊断和治疗相关疾病,可为进一步使用EIT提供理论依据。
-
表 1 老年高血压合并糖尿病患者发生HAI的单因素分析[n(%)]
因素 HAI组(n=32) 非HAI组(n=116) χ2 P 年龄 ≥75岁 12(37.50) 25(21.55) 3.402 0.065 < 75岁 20(62.50) 91(78.45) 性别 男 14(43.75) 50(43.10) 0.004 0.948 女 18(56.25) 66(56.90) 文化程度 小学及以下 6(18.75) 21(18.10) 0.972 0.808 初中 16(50.00) 57(49.14) 中专或高中 7(21.88) 20(17.24) 大专及以上 3(9.38) 18(15.52) 吸烟 是 14(43.75) 24(20.69) 6.989 0.008 否 18(56.25) 92(79.31) 饮酒 是 9(28.13) 31(26.72) 0.025 0.874 否 23(71.88) 85(73.28) 高血压病程 ≥10年 17(53.12) 54(46.55) 0.434 0.510 < 10年 15(46.88) 62(53.45) 糖尿病病程 ≥10年 16(50.00) 48(41.38) 0.759 0.384 < 10年 16(50.00) 68(58.62) 共患病程 ≥10年 14(43.75) 19(16.38) 10.845 0.001 < 10年 18(56.25) 97(83.62) 血压控制情况 未达标 16(50.00) 32(27.59) 5.750 0.016 达标 16(50.00) 84(72.41) 血糖控制情况 未达标 15(46.88) 25(21.55) 8.155 0.004 达标 17(53.12) 91(78.45) 合并其他基础疾病 是 22(68.75) 25(21.55) 25.781 < 0.001 否 10(31.25) 91(78.45) BMI分类 低体质量 7(21.88) 20(17.24) 1.268 0.737 正常 17(53.12) 63(54.31) 超重 5(15.62) 26(22.41) 肥胖 3(9.38) 7(6.03) APACHE Ⅱ评分 ≥20分 20(62.50) 21(18.10) 24.683 < 0.001 < 20分 12(37.50) 95(81.90) 意识障碍 是 15(46.88) 16(13.79) 16.577 < 0.001 否 17(53.12) 100(86.21) 白蛋白水平 ≥30 g/L 18(56.25) 94(81.03) 8.370 0.004 < 30 g/L 14(43.75) 22(18.97) BMI: 体质量指数; APACHEⅡ: 急性生理学与慢性健康状况评分系统Ⅱ。 表 2 老年高血压合并糖尿病患者发生HAI的多因素Logistic回归分析
预测因子 β S. E. Wald 自由度 P OR 95%CI 年龄 -0.850 0.643 1.751 1.000 0.186 0.427 0.121~1.505 吸烟 0.746 0.632 1.390 1.000 0.238 2.108 0.610~7.280 共患病程 1.278 0.624 4.193 1.000 0.041 3.589 1.056~12.193 血压控制情况 1.159 0.608 3.628 1.000 0.057 3.186 0.967~10.494 血糖控制情况 1.513 0.643 5.534 1.000 0.019 4.538 1.287~16.002 合并其他基础疾病 2.185 0.623 12.318 1.000 < 0.001 8.893 2.624~30.132 APACHEⅡ评分 1.834 0.599 9.368 1.000 0.002 6.259 1.934~20.256 意识障碍 2.237 0.665 11.316 1.000 0.001 9.365 2.744~34.477 白蛋白水平 -0.123 0.654 0.036 1.000 0.850 0.884 0.245~3.186 常量 -4.506 0.953 22.369 1.000 < 0.001 0.011 — -
[1] LLOPIS F, FERRÉC, GARCÍA-LAMBERECHTS E J, et al. Are short-stay units an appropriate resource for hospitalising elderly patients with infection[J]. Rev Calid Asist, 2016, 31(6): 322-328. doi: 10.1016/j.cali.2016.02.007
[2] 王力红, 赵霞, 郝晋, 等. 高龄老年患者医院感染特点[J]. 中国感染控制杂志, 2017, 16(1): 6-9. doi: 10.3969/j.issn.1671-9638.2017.01.002 [3] LI X Y, QI X, YUAN G H, et al. Microbiological profile and clinical characteristics of diabetic foot infection in Northern China: a retrospective multicentre survey in the Beijing area[J]. J Med Microbiol, 2018, 67(2): 160-168. doi: 10.1099/jmm.0.000658
[4] 中华人民共和国卫生部. 医院感染诊断标准(试行)[J]. 中华医学杂志, 2001, 81(5): 314-320. doi: 10.3760/j:issn:0376-2491.2001.05.027 [5] 中国老年医学学会高血压分会, 国家老年疾病临床医学研究中心中国老年心血管病防治联盟. 中国老年高血压管理指南2019[J]. 中国心血管杂志, 2019, 24(1): 1-23. https://www.cnki.com.cn/Article/CJFDTOTAL-ZLQG201902001.htm [6] 中华医学会糖尿病学分会. 中国2型糖尿病防治指南(2017年版)[J]. 中国实用内科杂志, 2018, 38(4): 292-344. https://www.cnki.com.cn/Article/CJFDTOTAL-SYNK201804009.htm [7] NATHAN D M, BUSE J B, DAVIDSON M B, et al. Management of hyperglycemia in type 2 diabetes: a consensus algorithm for the initiation and adjustment of therapy: a consensus statement from the American Diabetes Association and the European Association for the Study of Diabetes[J]. Diabetes Care, 2006, 29(8): 1963-1972. doi: 10.2337/dc06-9912
[8] 潘桂群, 章建龙, 龚少波, 等. 老年高血压合并糖尿病患者医院感染的临床特点及影响因素分析[J]. 中华医院感染学杂志, 2019, 29(7): 1035-1037, 1041. https://www.cnki.com.cn/Article/CJFDTOTAL-ZHYY201907019.htm [9] MA Y, AJNAKINA O, STEPTOE A, et al. Higher risk of dementia in English older individuals who are overweight or obese[J]. Int J Epidemiol, 2020, 49(4): 1353-1365. doi: 10.1093/ije/dyaa099
[10] 粟毅. RICU医院获得性鲍曼不动杆菌肺炎49例临床分析[J]. 重庆医科大学学报, 2009, 34(11): 1584-1587. https://www.cnki.com.cn/Article/CJFDTOTAL-ZQYK200911037.htm [11] 刘海燕, 刘勃, 王捷, 等. 肾脏内科住院患者医院感染的危险因素分析[J]. 中华医院感染学杂志, 2017, 27(9): 1994-1996, 2004. https://www.cnki.com.cn/Article/CJFDTOTAL-ZHYY201709020.htm [12] 吴晓霞, 左阿芳, 吴建义, 等. 老年糖尿病患者医院感染的临床特点及影响因素分析[J]. 中华医院感染学杂志, 2017, 27(22): 5122-5125. https://www.cnki.com.cn/Article/CJFDTOTAL-ZHYY201722023.htm [13] 刘卫平, 海云婷, 郭天慧, 等. 老年患者医院感染现状调查及病原菌耐药分析[J]. 中华医院感染学杂志, 2018, 28(11): 1645-1649. https://www.cnki.com.cn/Article/CJFDTOTAL-ZHYY201811011.htm [14] SCHERBAUM M, KÖSTERS K, MÜRBETH R E, et al. Incidence, pathogens and resistance patterns of nosocomial infections at a rural hospital in Gabon[J]. BMC Infect Dis, 2014, 14: 124. doi: 10.1186/1471-2334-14-124
[15] KIM K, LEE S H, LEE S W, et al. Current findings of kidney biopsy including nephropathy associated with hypertension and diabetes mellitus in Korea[J]. Korean J Intern Med, 2020, 35(5): 1173-1187. doi: 10.3904/kjim.2020.195
[16] 王雁, 阿迪力·阿不都热合曼, 王烁, 等. 精准血糖控制对脑卒中相关感染免疫功能的影响[J]. 中华急诊医学杂志, 2017, 26(4): 381-385. doi: 10.3760/cma.j.issn.1671-0282.2017.04.005 [17] 陈亮, 韩秀迪, 朱晓莉, 等. 社区获得性肺炎患者入院血糖水平与预后的相关性: 一项多中心、回顾性研究[J]. 解放军医学杂志, 2020, 45(1): 84-91. https://www.cnki.com.cn/Article/CJFDTOTAL-JFJY202001011.htm [18] 肖素红. 重症监护病房医院感染与年龄和基础疾病关系的临床研究[J]. 中国煤炭工业医学杂志, 2013, 16(8): 1334-1335. https://www.cnki.com.cn/Article/CJFDTOTAL-ZMGY201308048.htm [19] Öncül O, Öksüz S, Acar A, et al. Nosocomial infection characteristics in a burn intensive care unit: analysis of an eleven-year active surveillance[J]. Burns, 2014, 40(5): 835-841. doi: 10.1016/j.burns.2013.11.003
[20] 张鹏, 李育平, 王晓东, 等. 结合炎症反应指数的Nomogram模型对aSAH患者预后预测的价值[J]. 临床神经外科杂志, 2020, 17(2): 216-220. https://www.cnki.com.cn/Article/CJFDTOTAL-LCSW202002022.htm [21] IASONOS A, SCHRAG D, RAJ G V, et al. How to build and interpret a nomogram for cancer prognosis[J]. J Clin Oncol, 2008, 26(8): 1364-1370. http://europepmc.org/abstract/MED/18323559
[22] ZHANG P, LI Y, ZHANG J, et al. Risk factors analysis and a nomogram model establishment for late postoperative seizures in patients with meningioma[J]. J Clin Neurosci, 2020, 80: 310-317. http://www.sciencedirect.com/science/article/pii/S0967586820313138
[23] 刘峰, 朱妮, 邱琳, 等. ARIMA乘积季节模型在陕西省手足口病预测中的应用[J]. 中华流行病学杂志, 2016, 37(8): 1117-1120. http://qikan.cqvip.com/Qikan/Article/Detail?id=669725809 [24] TANG J, YANG B, ADAMS M P, et al. Artificial neural network-based prediction of outcome in Parkinson's disease patients using DaTscan SPECT imaging features[J]. Mol Imaging Biol, 2019, 21(6): 1165-1173. doi: 10.1007/s11307-019-01334-5
[25] WEI W, JIANG J, LIANG H, et al. Application of a combined model with Autoregressive Integrated Moving Average (ARIMA) and Generalized Regression Neural Network (GRNN) in forecasting hepatitis incidence in Heng County, China[J]. PLoS One, 2016, 11(6): eO156768.
-
期刊类型引用(10)
1. 王诗丽. 五位一体护理对行肺癌手术患者希望水平和应对能力的影响. 中西医结合护理(中英文). 2021(01): 134-136 . 百度学术
2. 杨超,张群芳. 个性化心理护理配合“六字诀”呼吸操改善肺癌术后患者焦虑抑郁及生活质量的研究. 中医外治杂志. 2021(04): 76-78 . 百度学术
3. 武相菊. 术前呼吸锻炼对肺癌根治术患者术后肺功能及并发症的影响. 现代诊断与治疗. 2020(08): 1314-1315 . 百度学术
4. 徐杨艳. 系统化呼吸护理在肺癌手术患者中的应用分析. 名医. 2019(03): 175 . 百度学术
5. 程欣. 系统化呼吸护理在肺癌手术患者的效果分析. 全科口腔医学电子杂志. 2019(31): 60-61 . 百度学术
6. 朱军兰. 系统呼吸训练联合常规护理对肺癌手术患者呼吸困难情况的影响. 实用临床护理学电子杂志. 2019(47): 135+155 . 百度学术
7. 娄瑞雪,金晋宇. 循证护理干预对晚期肺癌患者心理状态及生活质量的影响. 医学理论与实践. 2018(12): 1836-1837 . 百度学术
8. 滕文芹,赵娜,任娅军. 肺康复训练配合护理干预对肺癌患者术后生活质量及肺功能影响. 职业卫生与应急救援. 2018(03): 253-255 . 百度学术
9. 陈凌. 对接受肺癌手术的患者进行全程优质护理的效果研究. 当代医药论丛. 2018(20): 231-233 . 百度学术
10. 涂莹莹. 全程优质护理服务在肺癌手术护理中的应用效果. 现代诊断与治疗. 2018(23): 3911-3912 . 百度学术
其他类型引用(0)