用于识别ICU中机械通气患者发生 ventilator-associated pneumonia相关因素的贝叶斯网络模型：一项回顾性队列研究

《BMC Pulmonary Medicine》：Bayesian network model for identification of factors associated with ventilator-associated pneumonia in mechanically ventilated patients in the ICU: retrospective cohort study

　　

摘要

背景

呼吸机相关肺炎（VAP）是接受机械通气患者中可能出现的一种并发症。本研究旨在构建一个贝叶斯网络模型，以识别与VAP发生相关的因素。

方法

本研究采用回顾性队列分析方法，分析了2018年6月至2022年6月期间在山西医科大学第二医院重症监护科接受机械通气的60岁及以上患者的资料。收集的变量包括人口统计学特征、临床状况、用药情况、导管使用相关数据、实验室检测结果以及护理和机械通气相关数据。通过卡方检验和逻辑回归分析来确定与VAP相关的因素，随后运用最大最小爬山算法构建了贝叶斯网络模型。

结果

共有502名患者被纳入研究，其中男性332名，女性170名，中位年龄为72岁（范围：60–100岁）。VAP的发病率为9.6%（48/502名患者）。所构建的贝叶斯网络包含10个节点和17条有向边。与VAP直接相关的因素包括使用的抗生素种类超过三种、再次插管、机械通气方式以及急性生理与慢性健康评估II评分≥15。而疾病类型、糖尿病、存在中心静脉导管、输血以及使用皮质类固醇则与VAP存在间接关联。该贝叶斯网络模型的接收者操作特征曲线下面积为0.84（95%置信区间：0.79–0.90）。

结论

该贝叶斯网络模型阐明了与VAP相关的多种因素之间的相互关系。这一模型可为临床医生提供辅助信息，帮助其识别出VAP风险较高的患者群体，从而便于在机械通气早期采取相应措施。