《Antimicrobial Resistance & Infection Control》：Semi-Automated Retrospective Surveillance of Surgical Site Infections (sAReS-SSI) – using hospital routine data for SSI tracking
编辑推荐：
背景：手术部位感染（Surgical Site Infections, SSI）在全球医疗系统中负担沉重。尽管监测对于获取准确数据和制定有效预防策略至关重要，但由于频繁依赖人工且资源密集的流程，仍存在显著缺口。为获得高效、深入的洞察，研究人员开发了用于手术部位
背景：手术部位感染（Surgical Site Infections, SSI）在全球医疗系统中负担沉重。尽管监测对于获取准确数据和制定有效预防策略至关重要，但由于频繁依赖人工且资源密集的流程，仍存在显著缺口。为获得高效、深入的洞察，研究人员开发了用于手术部位感染半自动化回顾性监测（semi-Automated Retrospective Surveillance of Surgical Site Infections, sAReS-SSI）的算法，该算法利用现有医院常规数据回顾性识别SSI。方法：sAReS-SSI采用以患者为中心的数据分析方法，使用ICD-10（国际疾病分类第10版）和OPS（手术与操作编码）目录，通过与既往院内（in-house）手术进行时间关联来检测院内SSI，并对德国医疗质量与透明研究所（IQTIG）的NWIF（院内伤口感染）算法进行优化。sAReS-SSI以HygArzt研究中三个骨科与创伤外科病房通过床旁监测验证的SSI为对照进行评估；其性能还与重建的NWIF算法比较，并借助德国国家参比中心OP-KISS监测报告进行情境化分析。结果：sAReS-SSI正确识别HygArzt研究中65例院内SSI中的61例；对初始假阳性病例的再分析发现了10例HygArzt未捕获的真实院内SSI，得出灵敏度94.7%、特异度94.3%、阳性预测值35.9%、阴性预测值99.8%。sAReS-SSI准确捕捉HygArzt研究干预前与干预后时期的感染动态，正确识别问题手术类型，并表明仅依赖NWIF或OP-KISS可能遗漏部分潜在SSI事件。结论：自动化分析常规信息以检测SSI可节省资源并实现高效大规模分析。通过缩小潜在SSI病例范围，该方法减少了卫生专家人工监测的工作负荷。在研究人员队列中，sAReS-SSI标记潜在病例，并凸显基于常规数据的病例发现可通过纳入额外非指征手术来扩展OP-KISS监测。
研究背景与问题提出
手术部位感染（Surgical Site Infections, SSI）是欧盟/欧洲经济区医疗相关感染（Healthcare-associated Infections, HAIs）中占比逾16%的主要类型，可导致住院时间延长约13天、死亡率升高2–11倍，并造成单例额外成本926至65114欧元的经济负担。现行监测高度依赖人工：德国广泛使用的OP-KISS（手术室-医院感染监测系统）仅覆盖选定性指征手术且观察窗短（30或90天），由感染预防控制（Infection Prevention and Control, IPC）团队床旁前瞻性随访，耗时耗力；IQTIG推行的NWIF（Nosokomiale WundInFektionen，病例相关院内伤口感染）算法虽用ICD-10与OPS编码筛选，但仍需大量人工复核且将于2025年底废止。中小医院因缺乏训练有素的卫生专家与高质量数据，监测盲区显著。为此，研究人员基于医院常规报销数据（依据《医院报酬法》第21条提取的入院/出院日期、ICD-10诊断、带时间戳的OPS操作码），构建了半自动化回顾性监测算法sAReS-SSI，旨在以更低资源消耗回溯性锁定院内（in-house，即同次住院手术所获感染）SSI候选，辅助而非替代人工核查。
主要技术方法概括
研究人员以HygArzt前瞻性干预队列（2018年3月至2019年6月，单中心三骨科/创伤外科病房，原收录2480例）为基准，从医院常规数据回抽对应患者生成HygArzt（routine data）子集（最终2298例：干预前1038例、干预后1260例）。在NWIF框架上改写sAReS-SSI：聚合2018–2020年病例级数据至患者级；以NWIF的SSI相关ICD-10（感染/脓肿/炎症）与带时间戳OPS（清创、伤口处理等）为触发信号，但不强制两码共存，放宽免疫缺损/化疗等排除项；以“首次主诊断含SSI码且前365天内有过5-开头手术”判定in-house，主诊断取入院日、次诊断保守取出院日为时间锚；输出候选集交IPC人工再评。同步重建NWIF作对照，并以OP-KISS 2025指征手术列表作亚组交叉分类。统计用Python(pandas/NumPy/SciPy)，以McNemar检验比灵敏度/特异度，Wilson法算置信区间。
研究结果
评估sAReS-SSI于HygArzt研究识别的SSI：HygArzt(published)原报70例SSI，其中65例在常规数据可评。sAReS-SSI初判命中61例、漏4例（门诊SSI未入报销库、同部位再感染未满足14天+病原差异规则、前次住院已编码归为external、院内门诊手术未记录致后续归external）；初始集指标为灵敏度93.8%、特异度93.9%、PPV 30.8%、NPV 99.8%。对137例初判假阳性人工复阅后新增10例真in-house SSI（HygArzt漏诊因未做微生物采样、仅抗生素保守治疗、医师判断与OP-KISS冲突或人为疏漏），修订后总数75例、sAReS-SSI识得71例，灵敏度升至94.7%、特异度94.3%、PPV 35.9%、NPV 99.8%、F1 52.0%；相较重建NWIF（假阳性203例）减少至127例假阳性，候选量198例，绝对数高估2.64倍。若加入病原检出硬性要求，PPV可至44.7%而灵敏度降至90.7%。
sAReS-SSI假阳性均为边界复杂案：19例系他科手术/ICU获得/超出干预期不计入原标准；16例确为external；另有79例为坏死、严重创伤、无病原确认等不计入in-house。
患者与操作特征比对：HygArzt(published)与(routine data)在性别、年龄、Quan版Charlson合并症指数、手术总数（3013 vs 3024）可比。
感染率与相对风险：sAReS-SSI估得干预前7.4%、干预后5.8%（RR 0.79），高于HygArzt原报3.1%/1.6%（RR 0.54），但下降走势一致，能反映干预效果方向。
与OP-KISS标准对照：OP-KISS覆盖超50%手术但仅约37%疑似SSI；sAReS-SSI检出SSI高频于踝关节手术、骨关节炎髋关节置换、关节镜手术，与原HygArzt结论吻合，且能补OP-KISS未纳的非指征手术。
讨论与结论翻译
讨论指出，sAReS-SSI在低频事件（人群SSI率约3%）下PPV近36%已属强表现；虽不能精算绝对发生率或干预效应幅度，但可减负——2298例中仅198例需人工阅档、单例约30分钟。NWIF废止后，sAReS-SSI以更高特异/灵敏度成为接续方案；其365天回溯窗补足OP-KISS短窗，且纯用行政数据易部署，但跨院跨科须本地验证编码习惯。局限含单中心骨科外推受限、门诊/他院SSI不可见、候选仍含external需人工、单次“首术-首尾征象”模型简化多术多感染路径。
结论：研究人员新开发算法sAReS-SSI在常规医院数据中识别SSI候选准确度高，较NWIF假阳性减少37.4%，显示其支撑高效SSI监测的潜力，并可监测当前OP-KISS未列指征手术。通过预筛高危病例，此类算法可补充OP-KISS等现有系统，实现定向专家复核而不取代既有监测方法学或专科评估。虽聚焦单院三骨科/创伤病房，方法学或可迁至其他外科与HAIs，但推广前需进一步验证。该研究为半自动化回顾性监测扩展至其他HAIs提供基础。论文发表于《Antimicrobial Resistance & Infection Control》。
