这是一篇开放获取的文章,根据创作共用署名许可协议(https://creativecommons.org/licenses/by/4.0/)的条款发布,允许在任何媒介上不受限制地使用、分发和复制,前提是正确引用了首次发表在JMIR医学信息学上的原创作品。必须包括完整的书目信息,http://medinform.www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。
卫生保健相关感染(HAI)的聚类检测对于在早期阶段确定HAI暴发至关重要。
我们的目的是验证基于区域网络中过程数据的多源监测是否可以有效地检测HAI集群。
我们回顾性分析了国内某三级医院4个独立高危单位的HAIs发生率以及与感染相关的3项流程数据,即联合抗生素使用率、细菌标本检出率、细菌标本阳性率。我们利用Shewhart预警模型来检测时间序列数据的峰值。随后,我们根据过程数据设计了5种监测策略用于HAI聚类检测:(1)仅组合抗生素使用率,(2)仅细菌标本检出率,(3)仅细菌标本阳性率,(4)组合抗生素使用率+细菌标本检出率+平行细菌标本阳性率,(5)组合抗生素使用率+细菌标本检出率+串联细菌标本阳性率。我们使用受试者工作特征(ROC)曲线和约登指数来评估这些监测策略对HAI集群检测的预警性能。
5种监测策略的ROC曲线均位于标准线上方,平行策略的ROC曲线下面积大于串联策略和单指标策略。在抗生素使用率为1.5的组合策略下,优登指数为0.48 (95% CI 0.29 ~ 0.67),在细菌标本检出率为0.5的阈值下,优登指数为0.49 (95% CI 0.45 ~ 0.53),在细菌标本阳性率为1.1的阈值下,优登指数为0.50 (95% CI 0.28 ~ 0.71),在平行策略下,优登指数为0.63 (95% CI 0.49 ~ 0.77),阈值为2.6。在串联策略中,阈值为0.0时为0.32 (95% CI 0.00-0.65)。当阈值超过1.5时,并行策略的预警性能优于单指标策略。
在局域网中对过程数据进行多源监测是早期发现HAI聚类的有效方法。多源数据的组合和预警模型的阈值是影响模型性能的两个重要因素。
卫生保健相关感染(HAIs)是一个具有社会敏感性的重要公共卫生问题,威胁患者安全,延长住院时间,增加经济负担。HAIs在发达国家的发生率为2%-6%,在发展中国家为12.6%-18.9% [
建立HAI防控方法的关键是建立可靠的基于监测的疫情预警系统。为确定HAI暴发,必须首先发现HAI聚集性病例,然后通过流行病学调查予以确认。因此,发现聚集性HAI病例对于建立健全的HAI暴发预警系统至关重要。传统的HAI监测是一种被动监测形式,依赖于临床医生的病例报告。然而,由于临床医生遵守病例报告的规定,以及急性呼吸道感染诊断的延迟,监测和警告急性呼吸道感染暴发的及时性有限。
在本文中,过程数据是指住院患者连续的、可追溯的、基本的信息;这些数据可以通过基于医院局域网的搜索引擎自动收集。拟议的过程数据监测将是一种主动监测形式,不依赖于延迟的病例报告。因此,使用感染相关的过程数据来检测HAI病例的聚集可能是HAI暴发早期预警的可靠方法。近年来,信息技术的快速发展使工艺数据的采集有了明显的改善。因此,利用与感染相关的过程数据进行自动化监测已成为HAI暴发早期预警系统研究人员广泛研究的课题。
最近的研究使用了大量与感染相关的过程数据来确定HAI聚类[
在之前的研究中[
这是一项回顾性观察性研究。收集武汉市协和医院4个HAI高危单位的HAI发病时间序列数据和3项流程数据。武汉协和医院是中国武汉的一家三级医院,拥有5000张床位。本研究的工艺数据包括HAI发生率最高的4个单位的联合抗生素利用率、细菌标本检出率和细菌标本阳性率。所有数据为2017年1月1日至2019年6月28日。每周在单位一级收集指标。
监测和人口统计数据可在实时医院感染监测系统(RT-NISS)数据库中获得。简单地说,RT-NISS与多个电子信息系统无缝连接,包括医院信息系统、实验室信息系统以及医院局域网中的其他信息系统。实时提取与感染相关的工艺数据并存储在数据库中。RT-NISS数据库的细节已在前面描述[
本研究中所有指标均来自RT-NISS数据库。RT-NISS利用网络挖掘和网络爬虫技术,从包含医生建议和护理记录的数据集中自动提取抗生素使用和细菌培养相关的过程数据。本研究中的3个工艺数据指标每周在每个单元内进行计算。
联合抗菌药物使用率确定为使用1种以上抗菌药物的住院患者人数(n)除以总住院患者人数(n)的比例,即联合抗菌药物使用率= n/ n × 100%;细菌标本检出率计算为采集进行细菌检测的标本数量(i)除以住院患者数量(N),即细菌标本检出率= i/N;细菌标本阳性率计算为培养细菌阳性标本数(p)除以采集细菌检测标本数(i),即细菌标本阳性率= p/i × 100%。
收集处方口服和静脉注射抗生素的数据,而局部抗生素不包括在数据收集中。细菌培养痰液包括喉分泌物、尿液、血液、粪便、胸腔积液、脑脊液、腹水、静脉导管等。排除每个个体的重复样本。用于计算工艺指标的变量(N, N, i, p)的数据提取过程如图所示
流程图的数据提取过程中所用的变量用于计算过程指标。RT-NISS:医院感染实时监测系统;AUR:联合抗生素使用率;IRS:细菌标本检出率;PRS:细菌标本阳性率。
根据中国卫生部在2001年发布的感染禽流感的诊断标准,确定感染禽流感的病例[
本研究采用常用的聚类检测统计过程控制方法Shewhart预警模型对各监测指标的时间序列数据集进行分析。在Shewhart模型中,考虑到住院患者的平均住院时间和感染患者的流行病学特征,我们使用了4周时间序列数据的移动平均值。然后,我们使用最近4周的数据作为Shewhart模型的动态预警基线。最后,Shewhart警告统计(St),按以下公式计算动态基线数据集的平均值和标准差:
年代tX = (t- - - - - -µt) /σt
Xt为第t周的观测值;µt和σt分别为第t-4周至第t-1周预警基线观测值的平均值和标准差。第t周的预警信号是由St超过阈值。
当一组急性呼吸道感染紧密地发生在一个医疗单位内时,就认为存在一个呼吸道感染集群,因此以前的呼吸道感染集群预警阈值是基于频率的统计变化。根据《卫生保健相关感染暴发控制指南》,采用阈值为2.0的Shewhart模型检测卫生保健医院的HAI集群[
基于3种单指标预警策略的组合,我们设计了5种工艺指标预警策略:(1)单组合抗生素使用率,(2)单细菌标本检出率,(3)单细菌标本阳性率,以及2种多指标预警策略,(4)单组合抗生素使用率+单细菌标本检出率+单平行细菌标本阳性率,(5)单组合抗生素使用率+单细菌标本检出率+单串联细菌标本阳性率。每一个子指标产生一个信号,就产生并行警告信号,所有子指标在同一时期产生信号,才产生串联警告信号。
我们利用HAI发生率与过程数据之间警告信号的一致性来评估HAI聚类检测的警告性能。以工艺数据的预警信号作为检验,以HAI发生率的预警信号作为参考。预警信号定义为4周内早于HAI发病信号产生的工艺数据信号。据此,我们计算了每个工艺数据阈值下的敏感性、特异性和约登指数,以早期发现HAI聚类。此外,在51个阈值(0.0至5.0,步长为0.1)下,利用灵敏度和1 -特异性绘制HAI聚类信号早期检测过程数据的受试者工作特征(ROC)曲线。利用约登指数评价各阈值下HAI聚类检测的综合预警性能。
灵敏度=预警信号检测到的HAI聚类信号数/ HAI聚类信号总数
特异性= HAI发生率和过程指标中均未产生信号的周数/ HAI发生率中未产生信号的周数
约登指数=敏感性+特异性- 1
均值之间的差异采用单因素方差分析,4个独立单位之间比例的差异采用卡方检验。采用配对样本对各阈值预警策略之间的约登指数进行统计评价
在研究期间,共有23119名患者被收治到WHUH的4个HAI高危单位。医院感染管理小组诊断出1503例急性呼吸道感染感染病例。这些高危单位的HAI发生率为5.36%(462/8618例)至9.06%(316/3489例)。4个HAI高危单位患者的所有人口学特征均有统计学差异(
监测期间武汉市协和医院4个高危科室住院患者的人口学特征
特征 | 总计 | 高风险的单位 |
|
||||
1号机组 | 第二单元 | 第三单元 | 单元4 |
|
|||
|
23119年 | 8618 | 7414 | 3598 | 3489 |
|
|
|
男性,n (%) | 13153 (56.9) | 4679 (54.3) | 4284 (57.8) | 2117 (58.8) | 2073 (59.4) | <措施 |
|
年龄(年),平均值(SD) | 44.9 (21.7) | 47.3 (16.3) | 34.1 (25.9) | 51.1 (15.1) | 55.6 (19.5) | <措施 |
|
平均住院天数(SD) | 19.6 (26.2) | 15.2 (32.3) | 24.1 (15.5) | 16.1 (13.1) | 24.6 (34.1) | <措施 |
|
外科手术,n (%) | 13747 (59.5) | 3459 (40.1) | 6386 (86.1) | 1503 (41.8) | 2399 (68.8) | <措施 |
|
机械通气,n (%) | 10496 (45.4) | 371 (4.3) | 6828 (92.1) | 227 (6.3) | 3077 (88.2) | <措施 |
|
中心静脉导管,n (%) | 8485 (36.7) | 353 (4.1) | 6643 (89.6) | 450 (12.5) | 1026 (29.4) | <措施 |
|
导尿管,n (%) | 17779 (76.9) | 5378 (62.4) | 7051 (95.1) | 1979 (55.0) | 3370 (96.5) | <措施 |
|
卫生保健相关感染,n (%) | 1503 (6.5) | 462 (5.4) | 418 (5.6) | 307 (8.5) | 316 (9.1) | <措施 |
|
使用的抗生素,n (%) | 18124 (78.4) | 4736 (55.0) | 7214 (97.3) | 2749 (76.4) | 3425 (98.2) | <措施 |
|
抗生素使用天数,平均值(SD) | 10.7 (11.3) | 5.6 (8.7) | 13.2 (8.6) | 10.9 (12.1) | 17.6 (15.1) | <措施 |
|
联合使用抗生素,n (%) | 6356 (27.5) | 1010 (11.7) | 1895 (25.6) | 1166 (32.4) | 2285 (65.5) | <措施 |
|
联合使用抗生素的天数,平均值(SD) | 2.7 (6.6) | 1.0 (3.5) | 2.2 (5.2) | 3.6 (8.1) | 7.2 (10.3) | <措施 |
|
微生物试验,n (%) | 6040 (26.1) | 1415 (16.4) | 1596 (21.5) | 1262 (35.1) | 1767 (50.6) | <措施 |
|
微生物试验阳性n (%) | 3129 (13.5) | 728 (8.4) | 677 (9.1) | 632 (17.6) | 1092 (31.3) | <措施 |
|
43070年 | 11785年 | 8685 | 5647 | 16953年 |
|
|
|
正,n (%) | 10086 (23.4) | 2600 (22.1) | 1551 (17.9) | 1927 (34.1) | 4008 (23.6) | <措施 |
|
11808年 | 3070 | 1679 | 2326 | 4733 |
|
|
|
|
3430 (29.0) | 769 (25.0) | 456 (27.2) | 319 (13.7) | 1886 (39.8) | <措施 |
|
|
1683 (14.3) | 581 (18.9) | 88 (5.2) | 535 (23.0) | 479 (10.1) | <措施 |
|
|
1214 (10.3) | 362 (11.8) | 219 (13.0) | 126 (5.4) | 507 (10.7) | <措施 |
|
|
1076 (9.1) | 326 (10.6) | 166 (9.9) | 322 (13.8) | 262 (5.5) | <措施 |
|
|
792 (6.7) | 148 (4.8) | 159 (9.5) | 176 (7.6) | 309 (6.5) | <措施 |
|
|
624 (5.3) | 119 (3.9) | 78 (4.6) | 223 (9.6) | 204 (4.3) | <措施 |
|
其他,n (%) | 2989 (25.3) | 765 (24.9) | 513 (30.6) | 625 (26.9) | 1086 (22.9) | <措施 |
各单元3个工艺指标和HAI发生率的时间序列图见
所有监测单位的过程数据与HAI发生率的时间序列图表比较。AUR:联合抗生素使用率;IRS:细菌标本检出率;PRS:细菌标本阳性率。
根据预警信号的定义,利用51个阈值散点绘制5种预警策略对早期检测到的HAI聚类信号的ROC曲线。
并行预警策略对HAI聚类信号早期检测的优约登指数高于其他预警策略。具体来说,最优Youden指数为0.48 (95% CI 0.29 - -0.67)的阈值为1.5结合抗生素使用率,0.49 (95% CI 0.45 - -0.53)的阈值0.5细菌标本的检验率,0.50 (95% CI 0.28 - -0.71)的阈值为1.1阳性细菌标本率,0.63 (95% CI 0.49 - -0.77)在并行策略的阈值为2.6,和0.32 (95% CI 0.00 - -0.65), 0.0系列的一个阈值策略。
5种工艺数据预警策略识别HAI集群信号的roc。51个阈值(0.0到5.0 step by 0.1)用于检测工艺数据集群。点表示每个阈值的敏感性和1-特异性。AUR:联合抗生素使用率;IRS:细菌标本检出率;PRS:细菌标本阳性率。
尤登指数曲线随Shewhart检测模型阈值的变化而变化。AUR:联合抗生素使用率;IRS:细菌标本检出率;PRS:细菌标本阳性率。
卫生保健相关感染聚集性预警检测约登指数阈值匹配比较
阈值和比较 | 约登指数平均差值(95% CI) |
|
|
|
|
|
|
|
|
|
|
|
国税局一个- - - - - - PRSb | -0.011(-0.023至0.001) | -1.877 | 203 | .062 |
|
Irs - aurc | -0.062(-0.085到-0.038) | -5.206 | 203 | <措施 |
|
PRS - aur | -0.051(-0.072到-0.030) | -4.797 | 203 | <措施 |
|
IRS -平行 | -0.124 (-0.155 -0.093) | -7.856 | 203 | <措施 |
|
PRS -并行 | -0.112(-0.142到-0.083) | -7.450 | 203 | <措施 |
|
AUR -并行 | -0.062(-0.085到-0.038) | -5.234 | 203 | <措施 |
|
IRS -系列 | 0.230(0.206至0.254) | 18.643 | 203 | <措施 |
|
PRS -系列 | 0.241(0.218至0.264) | 20.701 | 203 | <措施 |
|
AUR系列 | 0.292(0.273至0.311) | 29.654 | 203 | <措施 |
|
|
|
|
|
|
|
Irs - PRS | 0.002(-0.019至0.023) | 0.155 | 63 | .878 |
|
Irs - aur | 0.033 (0.001 ~ 0.065) | 2.033 | 63 | .046 |
|
PRS - aur | 0.031 (0.008 ~ 0.054) | 2.711 | 63 | .009 |
|
IRS -平行 | 0.161(0.131至0.191) | 10.646 | 63 | <措施 |
|
PRS -并行 | 0.159(0.131至0.187) | 11.217 | 63 | <措施 |
|
AUR -并行 | 0.128(0.102至0.153) | 10.037 | 63 | <措施 |
|
IRS -系列 | 0.309(0.270至0.348) | 15.851 | 63 | <措施 |
|
PRS -系列 | 0.308(0.266至0.349) | 14.750 | 63 | <措施 |
|
AUR系列 | 0.276(0.238至0.314) | 14.489 | 63 | <措施 |
|
|
|
|
|
|
|
Irs - PRS | -0.017(-0.031到-0.003) | -2.368 | 139 | .019 |
|
Irs - aur | -0.105(-0.133到-0.077) | -7.388 | 139 | <措施 |
|
PRS - aur | -0.088(-0.115到-0.062) | -6.614 | 139 | <措施 |
|
IRS -平行 | -0.254(-0.272到-0.235) | -26.475 | 139 | <措施 |
|
PRS -并行 | -0.237(-0.255到-0.218) | -25.011 | 139 | <措施 |
|
AUR -并行 | -0.148(-0.167到-0.130) | -15.637 | 139 | <措施 |
|
IRS -系列 | 0.194(0.165至0.223) | 13.217 | 139 | <措施 |
|
PRS -系列 | 0.211(0.184至0.237) | 15.818 | 139 | <措施 |
|
AUR系列 | 0.299(0.277至0.322) | 26.259 | 139 | <措施 |
一个IRS:细菌标本检出率。
bPRS:细菌标本阳性率。
cAUR:联合抗生素使用率。
本研究通过回顾性分析武汉市卫生医院4个HAI高危单位的时间序列监测数据,评价不同预警策略下3个过程指标(联合抗生素使用率、细菌标本检出率、细菌标本阳性率)对HAI聚类的预警效果。所有预警策略的ROC曲线均位于标准线上方,表明基于过程数据的监测能够检测到HAI聚类。单元特异性结果在4个独立高风险单元中表现出相似的结果,表明过程数据监测对HAI聚类检测具有普遍的预警能力。但不同单位的预警准确性存在差异,主要是由于种群特征、抗菌药物使用行为和致病谱的差异。
基于流程指标与感染之间的相关性,流程指标已用于检测HAI病例和暴发。在Freeman对电子HAI监测研究进展的回顾中[
联合多个独立指标检测HAI聚集性将是HAI暴发预警的一个新的研究方向。信息化技术为多源过程数据的实时监控提供了方便的工具。由于过程指标对感染的非特异性,仅监测单一指标不能完全反映HAI的发生和进展,这可能限制了HAI检测的准确性和及时性。为了克服这一问题,多个非特异性指标的组合提供了更多与感染相关的信息,有望提高HAI检测的早期预警性能。这个假设在我们的研究中得到了证实。多指标并行预警策略的ROC曲线下面积大于其他单指标预警策略,说明多个过程指标的联合监测提高了HAI聚类检测的性能。此外,其他研究人员也提出了类似的观点。斯波拉奥尔等[
值得一提的是,多个指标的组合是影响HAI聚类检测准确性的重要因素。在我们的研究中,与单指标预警策略相比,采用平行预警策略时,ROC曲线下面积增大,而采用串联预警策略时,ROC曲线下面积减小。约登指数比较的结果同样是平行预警策略各阈值下的约登指数平均值均大于单指标预警策略,而串联预警策略各阈值下的约登指数平均值均小于单指标预警策略。一般情况下,多个指标并行组合可以提高预警的敏感性,但降低预警的特异性。相反,多个指标串联组合可以提高预警的特异性,但降低其敏感性。Bouzbid等人也研究了这种情况[
预警模型的阈值是影响HAI聚类检测性能的另一个重要因素。在前瞻性监测和预警中,有必要考虑HAI集群的风险严重程度和预防成本。预警模型的阈值应根据预警灵敏度的需求和响应预警信号的成本来设置。从约登指数随预警模型阈值变化的结果来看
以往的研究报道了一些可用的HAI暴发检测新方法,主要包括(1)探索新的监测对象,(2)创新统计模型,(3)应用智能算法。
一个法国项目联盟通过开发一种用于检测电子病历中HAI事件的自然语言处理解决方案,证实了自然语言处理在医院设施中自动检测HAI的可行性。HAIs自动检测的总体敏感性和特异度分别为83.9%和84.2% [
关于本研究结果的一般性的一些局限性必须加以解决。首先,工艺数据与HAI发生率之间的警告信号可能存在错误的相关性。本研究基于历史监测数据进行回顾性分析;因此,工艺数据预警信号与HAI发生率的相关性判断依据信号的时间和地点,缺乏流行病学调查。因此,我们的结果的适用性需要在前瞻性监测中进一步研究。
其次,我们研究中使用的过程指标属于非特异性数据,对于感染的发生和进展提供的信息有限,因此使用这些非特异性指标检测HAI聚类时容易产生负信号。虽然多个指标并行组合可以提高检测HAI集群的预警性能,但也增加了负面信号的数量,导致应对这些虚假预警信号的成本过高。因此,基于过程数据的多源监测目前还不能完全取代传统的病例监测,只能作为发现病例或聚集性疾病的辅助手段。
最后,监控噪声是基于过程数据的自动监控系统不可避免的问题。实际上,自动化监控是利用计算机技术自动检索、识别和收集数据库中的格式化数据的过程。虽然自动化提高了监测效率,但不可避免地会在监测数据中混入一些混淆信息。由于这些混杂数据通常以非结构化的形式存储,给监测增加了噪声,因此在RT-NISS系统中很难自动清洗和细化它们。例如,社区感染的预防用药和治疗用药数据被混合到抗生素使用率指标中。此外,根据中国国家卫生健康委员会发布的《临床微生物实验室血液培养操作规程》,成人血液标本每次在WHUH不同穿刺点采集2-3组,部分重复培养的血液标本被混合在细菌标本检出率和细菌标本阳性率的指标中。虽然这些混杂噪声会影响HAI聚类检测的性能,但我们认为人工清洗和细化这些混杂噪声费时费力,这与自动预警的初衷是相悖的。事实上,考虑到感染控制从业者在医院比在社区更容易调查警告,我们建议以监控噪音为代价提高警告的及时性是可以接受的。我们也相信,在未来的HAI聚类检测中,人工智能技术将实现对这些监视噪声的自动清洗和细化功能。
区域网络过程数据的多源监测可以在不依赖病例报告的情况下检测出HAI集群;与传统的HAI病例监测相比,在实时性和自动化方面具有优势。在本研究中,我们证明了自动监测抗生素联合使用率、细菌标本检出率和细菌标本阳性率的过程数据可以提供HAI聚集的早期预警。多指标组合和检测模型的阈值是影响预警性能的两个重要因素。多个数据并行组合可以提高预警性能,而当这些数据串行组合时,可能会降低性能。低阈值检测模型更适合单指标预警策略,而高阈值检测模型更适合多指标预警策略。基于过程数据的多源监测预警理论有待进一步研究。
Shewhart检测模型在阈值为2.0时生成的监控数据及其警告信号(红点)的单位时间序列图。
卫生保健相关感染
接收机工作特性
医院感染实时监测系统
武汉协和医院
我们非常感谢华中科技大学同济医学院协和医院医院感染管理科全体成员以各种方式对本论文的贡献。国家自然科学基金项目(NSFC, 72004068)资助。资助协议确保了作者在设计研究、解释数据、撰写和发表报告方面的独立性。我们感谢Editage (www.editage.cn)的英文编辑。
YF和YW对这篇文章同样有贡献。YF构思并设计了该研究。JZ, MZ, DD, LL进行数据收集。XC、XY、LX负责审稿,YF、YW负责统计分析,并起草稿件。XY和LX在审查文章、解释数据、起草或批判性地修改手稿方面做出了重大贡献。XY和LX对本文的贡献相同。所有作者都阅读并批准了最终的手稿。
没有宣布。