基于交叉分类多水平模型的患者风险因素与动态病区对医疗相关性艰难梭菌感染的影响评估

《Infection Control & Hospital Epidemiology》：Estimating the impact of patient-level risk factors and time-varying hospital unit on healthcare-associated Clostridioides difficile infection using cross-classified multilevel models

本研究针对医疗相关性艰难梭菌感染(CDI)的多层次风险因素，创新性地采用交叉分类多水平模型(CC-MLM)分析患者移动过程中的动态病区暴露。研究发现抗生素暴露(aOR=12.80)是最强风险因子，而病区水平残留异质性(MOR=2.71)的重要性超过医疗保险因素。该研究为医院感染防控提供了同时考量患者流动特征与环境风险的新方法学框架。

　　

在医院这个充满微生物的复杂生态系统中，艰难梭菌(Clostridioides difficile)如同一个隐形的威胁，每年导致约15%的院内感染发生。传统研究往往聚焦于患者个体特征（如抗生素使用），却忽视了患者在不同病区之间流动时接触的环境风险因素。这种"空间-时间"双重风险交织的复杂性，使得准确识别感染驱动因素变得尤为困难。

为解开这个谜团，由Drexel大学Jessica Lynn Webster博士领衔的研究团队在《Infection Control & Hospital Epidemiology》发表了一项创新性研究。团队通过交叉分类多水平模型(cross-classified multilevel models)，首次系统量化了患者移动过程中病区环境对医疗相关性艰难梭菌感染(healthcare-associated C. difficile infection)的影响程度。

研究方法的核心技术

研究团队利用2019年12月至2023年12月期间三家特拉华州急症护理医院的电子健康记录(electronic health records, EHR)数据，采用病例对照设计(249例病例vs 974例对照)。关键技术方法包括：1）构建时间动态的患者-病区关联矩阵；2）比较层次化多水平模型(hierarchical MLM)与交叉分类多水平模型(CC-MLM)的拟合效果；3）通过中位数比值比(median odds ratio, MOR)量化病区水平残留异质性；4）使用R语言lme4包进行模型计算与 Bootstrap置信区间估计。

研究结果

患者特征分布

研究纳入的1223名患者中，病例组平均年龄更高(66.7岁 vs 62.2岁)，抗生素暴露比例显著突出(90% vs 41%)。在病区流动特征方面，病例组访问5个以上病区的比例达22%，明显高于对照组的13%，提示患者移动频率可能与感染风险存在关联。

多水平模型比较

层次化模型显示，抗生素暴露的调整后比值比(adjusted odds ratio, aOR)高达11.20，而交叉分类模型进一步升至12.80，证实抗生素是最强风险因素。值得注意的是，住院时长(length of stay, LOS)在层次化模型中显著(aOR=1.14)，但在考虑患者移动的交叉分类模型中失去显著性，说明传统分析方法可能高估LOS的独立效应。

病区异质性量化

通过中位数比值比(MOR)分析发现，病区水平残留异质性在交叉分类模型中达2.71，意味着随机两名患者在不同病区的感染 odds 差异达2.71倍。这一数值超过医疗保险因素的影响力(aOR=1.62)，但低于抗生素暴露的影响，清晰揭示了环境风险因素的实际权重。

敏感性分析验证

研究团队进行了两项敏感性分析：一是纳入季节聚类因素，结果显示核心结论保持稳健；二是设置1-2天滞后暴露变量以考虑潜伏期，发现抗生素暴露效应值显著降低(aOR=2.58及2.23)，提示感染风险与近期暴露关联更密切。

结论与启示

本研究通过创新性的方法学设计，证实了医疗相关性感染研究中同时考量"患者-环境-时间"三维度的重要性。交叉分类多水平模型成功捕捉到患者移动过程中的动态风险，揭示出病区环境因素对艰难梭菌感染风险的独立贡献。这一发现为医院感染预防策略提供了新思路：除了规范抗生素使用外，还需针对高风险病区制定精准的环境干预措施。

研究方法学的突破尤其值得关注，该框架可推广至其他医疗相关性感染(如MRSA、手术部位感染)的研究中，为理解复杂医院环境下的感染传播机制提供了强有力的分析工具。未来研究可进一步整合病区特异性指标（如手卫生依从性、环境清洁度等），从而构建更完善的感染风险预测体系。