三級(jí)醫(yī)院神經(jīng)外科手術(shù)部位感染Logistic回歸與神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)分析

郝紅 李方 許晨 劉敏 趙寧民

摘要：目的：構(gòu)建神經(jīng)外科手術(shù)患者手術(shù)部位感染的預(yù)測(cè)模型。方法：選擇2020年2月～3月收治的168例神經(jīng)外科手術(shù)患者，統(tǒng)計(jì)術(shù)后感染情況并分析相關(guān)影響因素，利用人工神經(jīng)網(wǎng)絡(luò)與Logistic回歸法搭建手術(shù)部位感染預(yù)測(cè)模型。結(jié)果：共計(jì)有11例患者出現(xiàn)手術(shù)部位感染，感染率為6.55%;Logistic回歸發(fā)現(xiàn)，年齡≥60周歲、合并糖尿病、手術(shù)用時(shí)≥3 h、術(shù)前炎癥反應(yīng)均是造成術(shù)后患者發(fā)生手術(shù)部位感染的獨(dú)立危險(xiǎn)因素;針對(duì)以上因素，神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)其重要性排序是年齡≥60周歲、術(shù)前炎癥反應(yīng)、手術(shù)用時(shí)≥3 h。結(jié)論：Logistic回歸與神經(jīng)網(wǎng)絡(luò)均能較好地預(yù)測(cè)神經(jīng)外科患者手術(shù)部位感染發(fā)生情況，且后者的預(yù)測(cè)效果更好。

關(guān)鍵詞：手術(shù)部位感染;神經(jīng)外科;Logistic回歸;神經(jīng)網(wǎng)絡(luò)模型

手術(shù)部位感染（SSI）為神經(jīng)外科患者術(shù)后常見并發(fā)癥之一，患者承受較大痛苦，可延長(zhǎng)住院時(shí)間，耗費(fèi)更多醫(yī)療資源，因此，分析神經(jīng)外科手術(shù)患者手術(shù)部位感染的影響。能將感染率降至最低[1]。Logistic回歸與神經(jīng)網(wǎng)絡(luò)均是常用的疾病預(yù)測(cè)模型，本研究利用其建設(shè)SSI預(yù)測(cè)模型?，F(xiàn)報(bào)道如下：

1資料與方法

1.1 一般資料

選擇2020年2月～3月收治的168例神經(jīng)外科手術(shù)患者，分析其人口學(xué)、各種診療方法、手術(shù)、抗菌藥物應(yīng)用及醫(yī)院感染發(fā)生情況。本研究獲醫(yī)院醫(yī)學(xué)倫理委員會(huì)審核批準(zhǔn)?；颊呒捌浼覍僦橥?。

1.2 方法

查詢既往國(guó)內(nèi)外關(guān)于神經(jīng)外科患者術(shù)后SSI的相關(guān)文獻(xiàn)資料、規(guī)范，分析SSI目標(biāo)性監(jiān)測(cè)結(jié)果，總結(jié)影響因素，針對(duì)可量化因素，依照危險(xiǎn)系數(shù)對(duì)其發(fā)生率進(jìn)行排序;對(duì)于不可量化的因素，應(yīng)用德爾菲法測(cè)算后，綜合判斷做出最后評(píng)分。

1.3 統(tǒng)計(jì)學(xué)分析

采用SPSS22.0統(tǒng)計(jì)學(xué)軟件分析數(shù)據(jù)，以%表示計(jì)數(shù)資料，采用χ2檢驗(yàn)。將患者是否發(fā)生SSI作為因變量，可能影響患者術(shù)后感染的因素作為自變量進(jìn)行單因素分析，把單因素分析有統(tǒng)計(jì)學(xué)意義的變量整合至Logistic內(nèi)并應(yīng)用Back-LR建模，利用Multilayer PercePtron建設(shè)神經(jīng)網(wǎng)絡(luò)模型。檢驗(yàn)水準(zhǔn)：P<0.05。P<0.05為差異具有統(tǒng)計(jì)學(xué)意義。

2結(jié)果

2.1 SSI發(fā)生情況分析

11例患者術(shù)后出現(xiàn)SSI，占比6.55%（11/168）;其中器官感染2例、表淺切口4例、深部切口3例、其他感染2例。

2.2 Logistic回歸分析IIS風(fēng)險(xiǎn)預(yù)測(cè)情況分析

分析發(fā)現(xiàn)，患者年齡≥60周歲、合并糖尿病、手術(shù)用時(shí)≥3 h、術(shù)前炎癥反應(yīng)均是造成術(shù)后病患發(fā)生SSI的獨(dú)立危險(xiǎn)因素，見表1。檢測(cè)Logistic預(yù)測(cè)情況，總正確率達(dá)到72.0%，檢測(cè)擬合優(yōu)度，發(fā)現(xiàn)模型預(yù)測(cè)概率和ISS實(shí)際發(fā)生率之間未見明顯差異，提示模擬擬合效果優(yōu)良。ROC曲線下面積是0.832，95%CI（0.645～0.878），P<0.001，回歸模型能較好地預(yù)測(cè)術(shù)后SSI發(fā)生情況。

2.3 神經(jīng)模型對(duì)ISS發(fā)病風(fēng)險(xiǎn)的預(yù)測(cè)情況分析

將和SSI相關(guān)患者人口學(xué)資料、診療信息等作為模型的輸出變量，網(wǎng)絡(luò)智能優(yōu)化設(shè)定隱含層層數(shù)與神經(jīng)元的個(gè)數(shù)，共計(jì)有385個(gè)樣本，有效樣本360個(gè)，按3：2配比將其分成訓(xùn)練與測(cè)試樣本，42個(gè)病例被配置到測(cè)試樣本內(nèi)。本模型對(duì)訓(xùn)練、測(cè)試樣本的預(yù)測(cè)準(zhǔn)確率分別是91.27%、93.22%。ROC曲線下面積是0.873，95%CI（0.573～0.902），P<0.001，據(jù)此可認(rèn)為該模型的預(yù)測(cè)效果較好。

3討論

本研究建設(shè)了風(fēng)險(xiǎn)測(cè)評(píng)模型，并科學(xué)判斷了模型的應(yīng)用效果。Logistic回歸主要是判別二分類或多分類變量，測(cè)算各自的概率，能預(yù)測(cè)在差異化自變量下，發(fā)生醫(yī)院感染或其他不良事件的概率，直接預(yù)估相對(duì)危險(xiǎn)度的近似值[2]。比較分析以上兩種預(yù)測(cè)模型形成的差異，Logistic回歸模型能更好地分析定性與半定量指標(biāo)，而輸入神經(jīng)網(wǎng)絡(luò)模型的變量不僅有分類變量，還有數(shù)值變量，對(duì)患者術(shù)后SSI發(fā)生情況有較強(qiáng)的預(yù)測(cè)能力。本研究發(fā)現(xiàn)兩種模型預(yù)測(cè)能力無明顯差異，ROC曲線下面積分別是0.832、0.873，相比之下神經(jīng)網(wǎng)絡(luò)模型的擬合效果更好，可以嘗試將其進(jìn)一步推廣。

參考文獻(xiàn)

[1]李春輝，吳安華.MDR，XDR，PDR多藥耐藥菌暫行標(biāo)準(zhǔn)定義-國(guó)際專家建議[J].中國(guó)感染控制雜志，2014，12（1）：62-64.

[2]王穎.神經(jīng)外科Ⅰ類手術(shù)切口醫(yī)院感染目標(biāo)性監(jiān)測(cè)[J].中國(guó)農(nóng)村衛(wèi)生，2020，12（11）：32-33，35.