《Algorithms》：Data-Driven Prediction of Hospital-Acquired Infections in Greek ICUs: Comparative Analysis of Machine Learning and Traditional Techniques
编辑推荐：
医院获得性感染（HAIs）构成重症监护室（ICUs）中的关键挑战。在希腊，由于电子病历实施不完整导致的数据限制阻碍了高级风险管理。本研究旨在比较机器学习算法与传统技术在非数字化ICU环境中对HAI风险分层的预测性能。研究人员分析了来自雅典两家综合医院的1500
医院获得性感染（HAIs）构成重症监护室（ICUs）中的关键挑战。在希腊，由于电子病历实施不完整导致的数据限制阻碍了高级风险管理。本研究旨在比较机器学习算法与传统技术在非数字化ICU环境中对HAI风险分层的预测性能。研究人员分析了来自雅典两家综合医院的1500份匿名ICU患者记录，将逻辑回归与LASSO、随机森林和梯度提升机（GBM）进行比较，同时无监督K-means聚类识别了潜在患者特征。侵入性设备被发现是最强的预测因子；GBM将导尿管使用识别为主导因素（相对影响得分：36.66），所有模型均显示出高性能收敛（AUC ≈ 0.85至0.919）。K-means聚类（轮廓宽度0.47）揭示了共存风险因素，例如吸烟和饮酒（r = 0.60）。将机器学习与经典统计学相结合可增强风险分层，在风险排序中提供更优的粒度，以支持ICU中针对性的设备管理和个体化预防策略。
**论文解读：希腊ICU中医院获得性感染的预测模型比较研究**
**研究背景与问题**
医院获得性感染（HAIs）是重症监护室（ICUs）中患者安全与医疗质量的核心挑战，显著增加发病率和医疗成本。欧盟疾病预防控制中心（ECDC，2024）指出，在抗菌药物耐药性日益严峻的背景下，HAI监测尤为重要，尤其在希腊，革兰阴性菌如不动杆菌和克雷伯菌构成严重威胁。然而，希腊许多医疗机构的电子健康记录（EHRs）实施不完整，形成“数据孤岛”，限制了实时临床决策支持系统的部署。传统统计方法如逻辑回归虽被广泛用于风险估计，但难以捕捉临床变量间的非线性交互作用。因此，本研究旨在比较机器学习（ML）算法与传统统计方法在非数字化ICU环境中对HAI风险预测的效能，并探索无监督学习以识别潜在患者亚组，从而支持针对性设备管理和个体化预防策略。
**研究内容与方法**
本研究为回顾性两中心研究，分析了来自雅典“Alexandra”综合医院和“Hippokration”综合医院的1500份成年ICU患者记录（入住>48小时，无入院时活动性感染），数据覆盖2021年4月至2024年。HAI（二元结局变量INFECTION）严格按CDC/NHSN标准定义。预测变量包括人口学特征、临床操作（氧疗、导尿管、中心静脉导管、机械通气）、生活方式（吸烟、饮酒、药物使用）、合并症、家族史及COVID-19疫苗接种状态。数据预处理后，通过Phi相关系数、LASSO回归和递归特征消除（RFE）进行特征选择。模型构建包括：逻辑回归（基线线性模型）、LASSO逻辑回归、随机森林（500棵树，mtry ≈ 3）和梯度提升机（GBM，500次迭代，学习率0.01，交互深度3）。采用ROSE过采样方法处理类别不平衡（感染率10.8%），70%训练集、30%测试集，10折交叉验证调参。无监督分析采用Logistic PCA降维和K-means聚类（k=2，基于轮廓宽度优化）。
**主要研究方法**
1. 特征选择与关联分析：通过Phi相关系数评估二分类变量与感染状态的关联，LASSO回归通过L1惩罚项收缩不相关系数，结合递归特征消除（RFE）优化特征集。
2. 监督预测建模：采用逻辑回归作为基线，对比随机森林（bagging集成）和梯度提升机（GBM，boosting集成）两种非线性集成算法，通过ROSE过采样和阈值调整应对类别不平衡。
3. 无监督学习：应用Logistic主成分分析（Logistic PCA）降维，随后进行K-means聚类，以轮廓宽度评估聚类质量，揭示潜在患者亚组和风险因素共现模式。
**研究结果**
**3.1 描述性统计与基线特征**
队列中HAI总发生率为10.8%（162/1500），患者平均年龄69.5岁（SD=15.2），男性占64.6%。常见临床因素包括氧疗（46.1%）、导尿管使用（36.5%）、中心静脉导管使用（6.5%）、吸烟（40.6%）等。
**3.2 传统统计分析**
- **单变量关联分析**：Phi系数显示导尿管使用（φ=0.33）、中心静脉导管使用（φ=0.33）和氧疗（φ=0.26）与感染显著正相关（p<0.001）；疫苗状态（VACIN）也呈弱正相关（φ=0.10）。
- **逻辑回归分析**：全模型显示导尿管（UCATH，估计值=1.8173，p<0.001）和中心静脉导管（CVCATH，估计值=1.6708，p<0.001）是强预测因子；家族史（FAMHIST）呈保护作用（-0.6408，p=0.0016）。最终模型（AIC逐步选择）中，UCATH的OR=6.28（95% CI: 3.76-10.82），CVCATH的OR=4.79（95% CI: 2.92-7.91），模型AUC=0.848，特异性98.1%，但敏感性仅27.8%。
**3.3 机器学习预测建模**
- **LASSO逻辑回归**：最优λ=0.0038，系数显示UCATH（1.7145）、CVCATH（1.5515）和OXYGEN（0.4473）为最高正系数，性别（-0.3321）和FAMHIST（-0.2974）为负系数。分类阈值分析表明，在0.40-0.45阈值下准确率约91%。
- **随机森林**：特征重要性（均减少准确率与基尼系数）显示CVCATH、UCATH、VACIN和ALCOHOL为最强预测因子。模型在测试集上准确率92.5%，敏感性34%，特异性99.6%，AUC=0.919。通过ROSE过采样和阈值降至0.3，敏感性提升。
- **梯度提升机（GBM）**：优化后准确率90.6%，敏感性26.5%，特异性98.4%，AUC=0.873。特征重要性显示UCATH的相对影响得分为36.66，远超其他变量（OXYGEN 8.75，VACIN 8.5）。
- **模型性能比较**：所有模型AUC区间0.851-0.919，树集成模型在风险排序上提供更优粒度。
**3.4 无监督学习与聚类分析**
K-means聚类（k=2，平均轮廓宽度0.47）将患者分为两个可区分的亚组。相关性热图显示吸烟与饮酒强正相关（r=0.60），导尿管使用与心理状况（r=0.34）及呼吸支持（r=0.30）呈中等正相关，表明风险因素常共存。
**讨论与结论**
**讨论部分**
研究一致证实侵入性设备（UCATH和CVCATH）是HAI的主导风险因素，GBM量化了导尿管使用的相对重要性。疫苗接种状态（VACIN）的正相关性更多反映患者脆弱性（老龄、合并症）而非因果效应。方法学上，树集成模型（随机森林AUC=0.919，GBM AUC=0.873）相比逻辑回归（AUC=0.848）提升了判别能力，并通过ROSE过采样缓解了类别不平衡导致的低敏感性。无监督聚类揭示了风险因素共现特征，支持多因素预防策略。局限性包括仅纳入两个三级中心、回顾性设计及类别不平衡问题，未来需前瞻性多中心验证及动态监测数据。
**研究结论**
综上所述，本研究证明了即使在缺乏全面电子健康记录的环境中，实施高级风险分层的可行性。通过分析来自“Hippokration”和“Alexandra”医院科学委员会批准的1500名患者数据，研究人员验证了侵入性设备是HAI的主要驱动因素。研究结果表明，手动数据挖掘结合机器学习可有效指导感染控制。特征排序与严格护理规程的整合，为在非数字化医疗系统中增强患者安全并减少院内感染系统性负担提供了最可行的路径。
