神经重症监护病房医院获得性肺炎患者多重耐药菌感染的多元预测模型构建与验证

这篇研究通过机器学习方法构建了预测神经重症监护病房（NICU）医院获得性肺炎（HAP）患者多重耐药菌（MDRO）感染的模型。研究纳入791例患者数据，采用逻辑回归等5种算法，最终筛选出NICU住院时长、抗生素使用种类、糖尿病和尿素氮水平4个关键预测因子，并构建可视化列线图（AUC=0.805）。该模型为临床早期识别高风险患者提供了实用工具，对优化MDRO感染的精准防控策略具有重要意义。

　　

ABSTRACT

神经重症监护病房（NICU）的医院获得性肺炎（HAP）患者因病情复杂、侵入性操作频繁，多重耐药菌（MDRO）感染风险显著升高。本研究基于三级医院NICU的临床数据，通过逻辑回归、随机森林等5种机器学习算法构建预测模型，发现住院时长、抗生素使用数量、糖尿病和尿素氮水平是MDRO感染的独立预测因子。最终逻辑回归模型表现最优（AUC 0.805），并据此开发了临床实用的列线图工具。

INTRODUCTION

神经重症患者HAP发病率高达40%，其MDRO感染会显著延长住院时间并增加死亡率。尽管既往研究明确了ICU患者MDRO的常见风险因素（如抗生素滥用、床位周转等），但针对NICU-HAP患者的特异性预测模型仍属空白。本研究首次整合机器学习与临床指标，旨在建立可操作性强的风险评估工具。

MATERIALS AND METHODS

回顾性纳入791例NICU-HAP患者，其中172例（21.7%）确诊MDRO感染。采用VITEK-2 Compact系统进行药敏试验，按7:3比例划分训练集与验证集。通过单因素分析初筛20个潜在预测变量（P<0.25），最终通过多因素逻辑回归确定4个核心指标：NICU住院天数（OR 1.078）、抗生素使用种类（OR 1.391）、糖尿病史（OR 1.775）和尿素氮值（OR 1.038）。模型性能通过校准曲线（Brier评分0.137）和决策曲线分析验证。

RESULTS

病原学分析显示，MDR-鲍曼不动杆菌（32.26%）和肺炎克雷伯菌（28.06%）为主要耐药菌株。逻辑回归模型在测试集中敏感性达96.3%，显著优于其他算法。例如，某患者若合并糖尿病、使用3种抗生素、尿素氮4 mmol/L且住院31天，其MDRO感染风险预测值为57.6%。

DISCUSSION

研究发现尿素氮这一新颖预测因子，提示神经重症患者的蛋白质代谢紊乱与免疫抑制密切相关。针对糖尿病患者的血糖控制建议采用保守策略（110–180 mg/dL），而抗生素管理需结合快速药敏检测。值得注意的是，NICU住院时长虽具预测价值，但其滞后性限制了早期干预的可行性。

LIMITATIONS

单中心回顾性设计可能影响结论外推性，且未纳入医院感染防控相关变量（如手卫生执行率）。未来需通过多中心研究验证模型效能，并探索更早期的生物学标志物。

CONCLUSION

该列线图模型为NICU-HAP患者的MDRO感染风险分层提供了直观工具，有助于临床实施精准化防控。研究强调了对神经重症患者营养支持与代谢调控的重要性，为优化抗菌药物管理策略提供了新依据。