住院患兒醫(yī)院感染發(fā)生率ARIMA時(shí)間序列模型

劉海鵬，金玉蓮，劉光輝，倪 虹，張秀平，崔 偉

(安徽省兒童醫(yī)院，安徽 合肥 230051)

·論著·

住院患兒醫(yī)院感染發(fā)生率ARIMA時(shí)間序列模型

劉海鵬，金玉蓮，劉光輝，倪 虹，張秀平，崔 偉

(安徽省兒童醫(yī)院，安徽 合肥 230051)

目的 初步探索和評(píng)價(jià)兒童患者醫(yī)院感染發(fā)生率的自回歸滑動(dòng)平均混合模型(ARIMA)預(yù)測(cè)模型。方法 以某院2011年1月—2014年12月4年醫(yī)院感染發(fā)生率數(shù)據(jù)建立ARIMA模型，依據(jù)信息量準(zhǔn)則，確定最優(yōu)模型；以2015年醫(yī)院感染發(fā)生率數(shù)據(jù)作為驗(yàn)證樣本，評(píng)價(jià)模型的可行性。結(jié)果 ARIMA(0,1,1)為醫(yī)院感染率最優(yōu)預(yù)測(cè)模型，其最小信息量準(zhǔn)則(AIC)、貝葉斯信息準(zhǔn)則(BIC)值分別為66.61、70.76，模型殘差序列的Ljung-Box統(tǒng)計(jì)量Q=14.14，差異無(wú)統(tǒng)計(jì)學(xué)意義(P=0.658)，提示殘差為白噪聲序列，模型擬合良好。醫(yī)院感染率實(shí)際值與預(yù)測(cè)值的平均絕對(duì)百分誤差值(MAPE)為22.4，實(shí)際值均在預(yù)測(cè)值95%可信區(qū)間內(nèi)，未見超出點(diǎn)。結(jié)論 ARIMA時(shí)間序列模型擬合醫(yī)院感染率效果良好，具有預(yù)測(cè)住院患兒醫(yī)院感染發(fā)生情況的實(shí)際價(jià)值。

兒童； 醫(yī)院感染； ARIMA模型； 預(yù)測(cè)

[Chin J Infect Control，2017，16(3)：243-246]

世界范圍內(nèi)，醫(yī)院感染都是威脅患者安全的最常見不良事件?；颊咴诮邮茏≡横t(yī)療服務(wù)時(shí)發(fā)生感染，導(dǎo)致患者病情加重，住院時(shí)間延長(zhǎng)，死亡風(fēng)險(xiǎn)相應(yīng)增加，此種情況在發(fā)展中國(guó)家更明顯[1]。兒童由于各系統(tǒng)和器官發(fā)育尚未成熟，各種生理功能尚未完善，免疫機(jī)制尚不健全，對(duì)大多數(shù)致病病原體抵抗力弱，特別是呼吸道病原體，獲得醫(yī)院感染的機(jī)會(huì)更大[2]。了解兒童患者醫(yī)院感染發(fā)生發(fā)展規(guī)律，并在此基礎(chǔ)上采取可能的預(yù)防措施尤為重要。有學(xué)者采用時(shí)間序列等方法進(jìn)行分析，預(yù)測(cè)成人綜合性醫(yī)院醫(yī)院感染現(xiàn)患率發(fā)生發(fā)展規(guī)律[3-4]；也有學(xué)者通過橫斷面調(diào)查方法描述兒童?？漆t(yī)院的醫(yī)院感染發(fā)生情況[5-6]，但是尚未見住院患兒醫(yī)院感染情況的預(yù)測(cè)研究。本研究回顧分析一所省級(jí)兒童醫(yī)院近4年醫(yī)院感染月度現(xiàn)患率數(shù)據(jù)，應(yīng)用自回歸滑動(dòng)平均混合模型(autoregressive integrated moving average model，ARIMA)時(shí)間序列模型方法進(jìn)行分析，試圖探索一種醫(yī)院感染發(fā)生率新預(yù)測(cè)模型，為住院患兒醫(yī)院感染預(yù)防關(guān)口前移提供新的思路和方法。

1 對(duì)象與方法

1.1 資料來(lái)源 收集2011年1月—2015年12月安徽省兒童醫(yī)院相關(guān)臨床科室上報(bào)并經(jīng)感染管理科專職人員確認(rèn)的住院患兒實(shí)際發(fā)生醫(yī)院感染例次數(shù)據(jù)，以及匯總形成的月度醫(yī)院感染發(fā)生率數(shù)據(jù)。

1.2 診斷標(biāo)準(zhǔn) 以衛(wèi)生部2001年頒布的《醫(yī)院感染診斷標(biāo)準(zhǔn)(試行)》為醫(yī)院感染診斷依據(jù)。

1.3 ARIMA模型構(gòu)建 ARIMA是Box-Jenkins方法中的重要時(shí)間序列分析預(yù)測(cè)模型[7]。該模型試圖應(yīng)用相應(yīng)的數(shù)學(xué)模型，將預(yù)測(cè)對(duì)象隨時(shí)間推移形成的數(shù)據(jù)序列描述出來(lái)，并在該基礎(chǔ)上選擇合適的模型進(jìn)行預(yù)測(cè)。實(shí)際運(yùn)用中，首先通過平穩(wěn)性和純隨機(jī)性檢驗(yàn)進(jìn)行序列預(yù)處理，然后確定ARIMA(p、d、q)模型中的3個(gè)參數(shù)，其中p為自回歸的階，d為差分次數(shù)的階，q為滑動(dòng)平均的階，最后通過殘差序列檢驗(yàn)擬合模型是否有效，并可通過最小信息量準(zhǔn)則(Akaike information criterion，AIC)和貝葉斯信準(zhǔn)則(Bayesian information criterion，BIC)判斷多個(gè)模型中最優(yōu)模型。

1.4 建模分析方法 應(yīng)用SPSS16軟件ARIMA 模塊進(jìn)行建模和分析，以2011—2014年月度醫(yī)院感染發(fā)生率數(shù)據(jù)作為訓(xùn)練樣本，以2015年數(shù)據(jù)作為驗(yàn)證樣本。

2 結(jié)果

2.1 醫(yī)院感染情況 2011—2015年分月統(tǒng)計(jì)醫(yī)院感染發(fā)生率，范圍為0.58%～2.6%，結(jié)果見圖1。

圖1 2011—2015年月度醫(yī)院感染發(fā)生率(%)

2.2 模型定階 應(yīng)用ARIMA方法的前提條件是作為預(yù)測(cè)對(duì)象的時(shí)間序列是零均值的平穩(wěn)隨機(jī)序列。對(duì)原序列作線圖，發(fā)現(xiàn)2011—2014年數(shù)據(jù)變異較大，因此首先對(duì)數(shù)據(jù)采取差分，以平穩(wěn)序列的方差。對(duì)原序列進(jìn)行一階差分經(jīng)過差分后得到的相關(guān)圖及偏相關(guān)圖見圖2。同時(shí)依據(jù)信息量準(zhǔn)則判斷模型的優(yōu)劣，見表1。比較各模型信息量準(zhǔn)則，最終確定ARIMA(0，1，1)為最優(yōu)模型。

圖2 醫(yī)院感染差分后序列自相關(guān)圖與偏相關(guān)圖

Table 1 Comparison of goodness of fit among different ARIMA models

備選模型AICBICSELogLikelihoodARIMA(0，1，1)66．6170．760．15-31．3ARIMA(0，1，2)67．3373．560．15-30．7ARIMA(1，1，1)66．8673．090．17-30．4ARIMA(2，1，0)68．8275．050．13-31．4

2.3 模型診斷 對(duì)模型進(jìn)行檢驗(yàn)，對(duì)完整模型的殘差再次做ACF (autocorrelation factor)和PACF (partial autocorrelation factor) 分析。模型擬合統(tǒng)計(jì)量R2=0.77，殘差序列的Ljung-Box統(tǒng)計(jì)量Q=14.14，差異無(wú)統(tǒng)計(jì)學(xué)意義(P=0.658)，顯示殘差是白噪聲序列，模型擬合較好。2011—2014年醫(yī)院感染發(fā)生率實(shí)際值與擬合值的平均絕對(duì)百分誤差值(Mean Absolute Percent Error，MAPE)為22.4，對(duì)應(yīng)的擬合圖見圖3，可見擬合值和實(shí)際值匹配較好，實(shí)際值均在擬合值95%可信區(qū)間內(nèi)，未見超出點(diǎn)，模型效果比較理想。

圖3 醫(yī)院感染發(fā)生率實(shí)際值與ARIMA模型擬合值匹配圖

2.4 模型預(yù)測(cè) 2015年月度醫(yī)院感染發(fā)生率實(shí)際值與模型預(yù)測(cè)值比較，結(jié)果見表2。模型預(yù)測(cè)值的動(dòng)態(tài)趨勢(shì)與實(shí)際情況基本一致，各月實(shí)測(cè)值均位于預(yù)測(cè)值95%可信區(qū)間范圍。

表2 2015年1—12月醫(yī)院感染發(fā)生率實(shí)際值與預(yù)測(cè)值比較

Table 2 Comparison of the incidence of HAI between actual value and predictive value in January-December, 2015

月份實(shí)際值預(yù)測(cè)值CL下限CL上限差率1月0．850．950．251．650．122月1．441．050．351．750．273月1．121．210．511．910．084月0．981．070．371．770．095月0．750．850．151．550．136月0．760．960．261．660．267月0．580．710．011．410．228月0．931．030．331．730．119月1．050．950．251．650．1010月0．700．710．011．410．0111月1．331．200．51．900．1012月0．990．890．191．590．10

差率=(|實(shí)際值-預(yù)測(cè)值|)/實(shí)際值

3 討論

醫(yī)院感染的發(fā)生會(huì)給患兒和家庭，以及醫(yī)院帶來(lái)額外的負(fù)擔(dān)。衛(wèi)生部于2006年頒布《醫(yī)院感染管理辦法》，明確要求開展醫(yī)院感染監(jiān)測(cè)，為醫(yī)院感染控制提供科學(xué)依據(jù)。近年來(lái)，針對(duì)醫(yī)院感染發(fā)病情況進(jìn)行前瞻性預(yù)測(cè)也成為了一個(gè)重要的研究方向，核心目的是主動(dòng)監(jiān)測(cè)，發(fā)現(xiàn)和干預(yù)醫(yī)院感染危險(xiǎn)因素，進(jìn)一步降低患者醫(yī)院感染風(fēng)險(xiǎn)。時(shí)間序列線性模型、人工神經(jīng)網(wǎng)絡(luò)模型、灰色模型等方法均已逐漸應(yīng)用于醫(yī)院感染危險(xiǎn)度的預(yù)測(cè)研究中，并取得了一定的成果[8-9]。

ARIMA時(shí)間序列模型[ARIMA(p, d, q)]是Box-Jenkins方法中的重要時(shí)間序列分析預(yù)測(cè)模型，也稱為自回歸滑動(dòng)平均混合模型。通過分析時(shí)間序列的隨機(jī)性、平穩(wěn)性，可以識(shí)別出最適宜模型，并可以利用時(shí)間序列的過去值、現(xiàn)在值，預(yù)測(cè)未來(lái)值。

本研究應(yīng)用ARIMA時(shí)間序列模型分析醫(yī)院感染發(fā)生率，綜合考慮了序列的隨機(jī)性、平穩(wěn)性、周期性等因素的影響，依據(jù)不同模型信息量準(zhǔn)則的比較篩選，基于4年的數(shù)據(jù)優(yōu)選出適宜的預(yù)測(cè)模型ARIMA(0，1，1)。使用當(dāng)前模型對(duì)2015年數(shù)據(jù)進(jìn)行預(yù)測(cè)，發(fā)現(xiàn)實(shí)際值與預(yù)測(cè)值重合較好，實(shí)際值均在預(yù)測(cè)值95%可信區(qū)間內(nèi)，預(yù)測(cè)擬合效果較可靠。而且，對(duì)當(dāng)前模型進(jìn)行擬合優(yōu)度檢驗(yàn)，殘差序列的Ljung-Box統(tǒng)計(jì)量Q=14.14，殘差值達(dá)到白噪聲序列，也顯示預(yù)測(cè)擬合結(jié)果較好。

本研究的結(jié)果亦需要更多的醫(yī)院感染發(fā)生率實(shí)際數(shù)據(jù)進(jìn)一步驗(yàn)證。同時(shí)，為增強(qiáng)模型預(yù)測(cè)的穩(wěn)定性和準(zhǔn)確性，未來(lái)也需要更多的數(shù)據(jù)積累，進(jìn)一步修正和優(yōu)化，直至擬合出更加穩(wěn)定的ARIMA預(yù)測(cè)模型。由于醫(yī)院感染的發(fā)生是諸多因素綜合影響的結(jié)果，我們也會(huì)嘗試將其他影響因素的作用融入建模過程，并結(jié)合多種預(yù)測(cè)方法進(jìn)行綜合分析，以期為實(shí)現(xiàn)醫(yī)院感染控制“零級(jí)預(yù)防”目標(biāo)提供可量化、更可靠的管理工具。

[1] Allegranzi B, Bagheri Nejad S, Combescure C, et al. Burden of endemic health-care-associated infection in developing countries: systematic review and meta-analysis[J]. Lancet, 2011, 377(9761): 228-241.

[2] 蔣最明,彭俊,顧敏,等.1 410例兒童呼吸道感染病原體分析[J].中國(guó)感染控制雜志, 2013, 12(2): 129-131.

[3] 李紅,梁沛楓,潘東峰,等.自回歸滑動(dòng)平均混合模型在醫(yī)院感染發(fā)病率預(yù)測(cè)中的應(yīng)用研究[J].中華醫(yī)院感染學(xué)雜志,2013,23(11):2693-2695.

[4] 管利華.ARIMA模型預(yù)測(cè)醫(yī)院感染發(fā)病狀況研究[J].實(shí)用預(yù)防醫(yī)學(xué), 2013,20(10):1247-1249.

[5] 印愛珍,馬樂龍,鄧?yán)?等.兒童醫(yī)院醫(yī)院感染橫斷面調(diào)查[J].中國(guó)感染控制雜志, 2015, 14(11):769-771.

[6] 張艷麗,周新歌,孫琳,等.2014年某兒童醫(yī)院醫(yī)院感染現(xiàn)患率調(diào)查[J].中國(guó)感染控制雜志,2015,14(9):629-632.

[7] 孫振球.醫(yī)學(xué)統(tǒng)計(jì)學(xué)[M].3版.北京：人民衛(wèi)生出版社，2005: 390-393.

[8] 陳立兵,劉運(yùn)喜,杜明梅,等.BP神經(jīng)網(wǎng)絡(luò)在預(yù)測(cè)血液病患者醫(yī)院感染中的應(yīng)用[J].中華醫(yī)院感染學(xué)雜志, 2014,24(6):1542-1544.

[9] 李紅,潘東峰,郭忠琴,等.灰色GM(1, 1)模型在醫(yī)院感染發(fā)病率預(yù)測(cè)中的應(yīng)用[J].寧夏醫(yī)學(xué)雜志, 2013, 35(3): 221-223.

(本文編輯：付陳超)

Construction of ARIMA time series model for healthcare-associated infection in hospitalized children

LIUHai-peng,JINYu-lian,LIUGuang-hui,NIHong,ZHANGXiu-ping,CUIWei

(AnhuiProvincialChildren’sHospital,Hefei230051,China)

Objective To investigate the applicability of autoregressive integrated moving average (ARIMA) model in predicting healthcare-associated infection(HAI) in children. Methods The ARIMA model was constructed according to the incidence of HAI in a hospital from January 2011 to December 2014. With the use of information criterion, optimal model was determined; HAI data in 2015 was as test samples, the feasibility of the model was evaluated. Results ARIMA (0,1,1) was the optimal prediction model for HAI rate, the Akaike Information Criterion(AIC)and Bayesian Information Criterion(BIC)of the ARIMA(0,1,1) were 66.61 and 70.76, respectively. The Ljung-Box statistics valueQ= 14.14 was not significantly different (P= 0.658), suggesting a white noise sequence of residuals with a good model fitting. The mean absolute percent error(MAPE) between actual and fitting value of HAI was 22.4, the actual values were within the 95% confidence interval. Conclusion ARIMA model fits the time series data, and can achieve satisfactory effect on predicting the incidence of HAI in hospitalized children.

child; healthcare-associated infection; ARIMA model; predict

2016-05-30

安徽省2016年軟科學(xué)研究專項(xiàng)(1607a0202055)；北京兒童醫(yī)院集團(tuán)2015年度科研課題(北兒集團(tuán)學(xué)字[2015]33號(hào)(01))

劉海鵬(1970-)，男(漢族)，安徽省合肥市人，主治醫(yī)師，副研究員，主要從事兒科與醫(yī)院感染管理研究。

金玉蓮 E-mail：etyykejiaoke@126.com

10.3969/j.issn.1671-9638.2017.03.014

R181.3+2

A

1671-9638(2017)03-0243-04