一种用于预测带有外周插入中心导管的新生儿发生导管相关血流感染的预测模型

《Frontiers in Medicine》：A predictive model for catheter-related bloodstream infection in neonates with peripherally inserted central catheter

导管相关血流感染（CRBSI）在新生儿重症监护室（NICU）中影响因素及预测模型构建。选取200例PICC置管新生儿，采用多因素Logistic回归和随机森林算法筛选风险因素，构建诺模图预测模型。结果显示模型在训练集和验证集的C-index分别为0.923和0.881，AUC为0.921和0.880，敏感性及特异性均＞0.85。独立风险因素包括置管年龄、穿刺次数、白细胞计数、抗生素使用时长及肠外营养时长，5分钟Apgar评分具保护作用。决策曲线分析表明模型临床应用价值显著优于全有/全无策略。

　　在新生儿重症监护室（NICU）中，外周静脉置入中心静脉导管（PICC）已成为对危重新生儿进行长期静脉治疗和营养支持的重要手段。然而，PICC相关的血流感染（CRBSI）作为其严重的并发症之一，不仅增加了新生儿的住院时间与医疗成本，还可能引发如败血症、感染性休克等危及生命的后果。本研究旨在探讨影响NICU中新生儿发生CRBSI的关键因素，并构建一个基于多维指标的预测模型，以提高临床对高风险新生儿的识别能力，从而实现更精准的预防和干预措施。

### 研究背景与意义

在NICU环境中，新生儿由于免疫系统尚未发育成熟，极易受到各种感染的影响。特别是早产儿，其血管条件较差，免疫功能低下，使得CRBSI的发生率显著高于足月儿。尽管目前临床主要依赖标准化护理措施来预防CRBSI，如无菌操作、定期导管维护等，但这些措施往往难以覆盖所有潜在的风险因素。此外，新生儿CRBSI的临床表现缺乏特异性，使得早期识别变得困难，从而影响了治疗效果和预后。因此，建立一个科学的预测模型，以辅助临床早期干预，对于降低CRBSI的发生率和提升新生儿的治疗效果具有重要意义。

近年来，随着循证医学的发展，多因素预测模型在感染风险评估中的应用日益广泛。通过整合新生儿的临床特征、导管置入操作因素以及实验室指标等多维数据，构建预测模型可以实现对CRBSI风险的量化评估。这不仅有助于临床医生更准确地判断新生儿的感染风险，还能为制定个体化的预防策略提供依据，从而提高感染防控的效率和精准度。

### 研究方法与过程

本研究共纳入200例接受PICC置入的新生儿，按照7:3的比例随机分为训练集（140例）和验证集（60例）。研究团队收集了新生儿的临床数据，包括一般信息、导管置入相关指标、实验室指标及其他相关因素。通过单因素分析和多因素Logistic回归分析筛选出独立的CRBSI风险因素，并采用随机森林算法对这些因素进行重要性排序，以确保模型的稳定性与准确性。此外，通过方差膨胀因子（VIF）对变量之间的多重共线性进行诊断，从而优化模型的构建。

基于筛选出的独立风险因素，研究团队构建了一个风险预测模型——“列线图”（nomogram）。该模型通过为每个风险因素分配相应的分数，并计算总分以预测CRBSI的发生概率。为了评估模型的预测效能，研究团队采用了受试者工作特征曲线（ROC曲线）、校准曲线和决策曲线分析（DCA）等方法。其中，ROC曲线用于衡量模型的区分能力，校准曲线则用于评估模型预测值与实际值之间的吻合程度，而DCA则用于分析模型在临床决策中的应用价值。

### 研究结果与分析

在训练集和验证集中，CRBSI的发生率分别为22.86%和23.33%，两者之间无显著统计学差异（P > 0.05），表明样本具有良好的同质性。多因素Logistic回归分析显示，导管置入年龄、穿刺次数、白细胞计数、抗菌药物使用天数和肠外营养支持天数是影响CRBSI的独立风险因素，而5分钟Apgar评分则是一个独立的保护因素。随机森林算法对这些变量的重要性进行了排序，结果显示导管置入年龄的权重最高，其次是Apgar评分、穿刺次数、白细胞计数、抗菌药物使用天数和肠外营养支持天数。

模型在训练集和验证集中的C指数分别为0.923和0.881，均远高于临床可接受的阈值0.7，表明该模型在区分CRBSI发生与未发生病例方面具有较强的预测能力。ROC曲线的曲线下面积（AUC）分别为0.921和0.880，同时模型的敏感性和特异性均超过0.85，进一步验证了其在临床中的可靠性。校准曲线显示预测概率与实际发生概率高度一致，而Hosmer-Lemeshow检验的P值均大于0.05，表明模型具有良好的拟合度。

决策曲线分析（DCA）显示，当阈值概率在0.1至0.9之间时，使用该列线图模型进行预测的临床净收益显著高于“所有新生儿均发生CRBSI”或“所有新生儿均不发生CRBSI”的决策策略。这表明，该模型可以为临床医生提供一个更加精准的风险评估工具，使他们能够根据新生儿的个体风险概率制定相应的干预措施。例如，对于预测发生CRBSI概率高于70%的新生儿，可以考虑缩短导管留置时间，并增加血液培养监测频率；而对于预测概率低于30%的新生儿，则可以适当降低监测强度，以优化医疗资源的分配。

### 模型的临床应用与优势

列线图模型的可视化设计进一步提升了其在临床中的实用性。医生可以在床边快速计算每个风险因素的分数，并将其转化为CRBSI发生的概率。例如，对于导管置入年龄小于3天、穿刺次数≥3次且白细胞计数高于15 × 10?/L的新生儿，其总分可能超过临界值，提示需要采取更加强化的预防措施。这种“量化决策”模式有助于减少主观经验带来的偏差，推动CRBSI防控向精准医学方向发展。

此外，研究团队还计划将该模型整合到医院的电子病历系统（EMR）中，使其能够自动提取六个关键预测变量（包括5分钟Apgar评分、导管置入年龄、穿刺次数、白细胞计数、抗菌药物使用天数和肠外营养支持天数），并实时计算总风险分数和CRBSI概率，从而提供对应的预防建议。这种集成方式不仅减少了手动计算的误差，还确保了模型在NICU中的标准化应用。

### 模型构建的核心优势

本研究的一个核心优势在于将传统统计方法与机器学习算法相结合，形成了一个完整的“多维分析—精准建模—临床验证”研究链条。相比仅使用Logistic回归分析的研究，本研究通过随机森林算法对风险因素的重要性进行了排序，从而更全面地捕捉变量之间的非线性关系和交互作用，避免了单一方法可能带来的偏差。例如，Apgar评分与导管置入年龄之间的交互作用可能会影响新生儿对感染的易感性，而这种复杂的关联关系在随机森林分析中得到了更充分的体现。

研究中所选的变量不仅具有临床实用性，而且大多为NICU中常规记录的数据，无需额外的检测成本，这为模型在基层医院的推广和应用奠定了基础。相比之下，以往的研究较少将Apgar评分作为保护因素纳入预测模型，而本研究首次将这一指标作为预测CRBSI的重要因素，丰富了感染风险评估的维度，并提供了新生儿出生状况与后期感染风险之间关联的新证据。

### 研究的局限性与未来方向

尽管本研究取得了一定成果，但仍存在一些局限性。首先，研究为单中心回顾性研究，样本来自同一家医院的NICU，这可能导致选择偏差，限制了研究结果的外推性。为此，研究团队计划在未来开展多中心前瞻性验证研究，与江西省、广东省和湖南省的三家三级妇幼保健医院合作，纳入2025年至2026年间接受PICC置入的新生儿样本，以进一步验证模型在不同临床实践环境和患者群体中的适用性。

其次，研究未纳入新生儿疾病严重程度评分（如新生儿危重感染评分）和操作者经验等变量。这些变量的缺失可能会影响模型在预测重症新生儿CRBSI发生率时的准确性，同时也可能导致对由经验不足的操作者所处理的新生儿风险的低估。未来的研究将考虑引入这些变量，以进一步优化模型的预测能力。

此外，研究中未包括与导管护理相关的行为变量，如手卫生依从性和敷料更换的及时性。虽然研究团队的月度质量监测显示，手卫生依从率超过95%，敷料更换的及时性也超过98%，但这些未记录的变量仍可能对模型的预测结果产生一定影响。因此，未来的研究将尝试纳入这些变量，以增强模型的泛化能力。

最后，模型未包括导管尖端培养结果和生物膜检测等微观指标，这使得难以揭示CRBSI发生的分子机制。在未来的多中心研究中，研究团队计划补充关键变量，如新生儿危重感染评分、操作者的PICC置入经验年限以及导管尖端培养中分离的病原体类型，以进一步提升模型的预测精度。

### 未来研究方向

未来的研究可以沿着以下几个方向进行拓展。首先，可以探索基因多态性与CRBSI易感性之间的关系。例如，Toll样受体4（TLR4）基因的多态性可能影响新生儿对细菌感染的免疫反应。将分子生物学指标纳入预测模型，有助于提高模型的准确性。

其次，可以开发一个动态预测模型，结合实时监测的炎症指标（如动态变化的降钙素原水平）来更新风险概率，从而实现感染风险的实时预警。这种动态模型能够更灵活地适应新生儿病情的变化，提高预测的时效性和实用性。

最后，可以基于该预测模型开展干预研究，验证分层管理是否能够真正降低CRBSI的发生率，并为模型的临床转化提供循证支持。通过干预研究，可以进一步评估模型在实际临床环境中的应用效果，并探索如何在不同医疗环境中优化模型的适用性。

### 结论

本研究构建了一个高效的CRBSI预测模型，证实了导管置入年龄、穿刺次数等关键因素对新生儿发生CRBSI的影响。该模型在训练集和验证集中的预测性能均表现出色，具有较高的区分能力和准确性。通过将模型应用于临床实践，可以实现对高风险新生儿的精准识别和干预，同时避免对低风险新生儿的过度医疗干预。未来，通过多中心研究和分子生物学探索，可以进一步优化模型，提高其在不同医疗环境中的适用性，并推动新生儿CRBSI防控水平的提升。