Page 37 - 2022-12-中国全科医学

·1442· http://www.chinagp.net E-mail:zgqkyx@chinagp.net.cn

risk factors for MDR bacterial infections in ICU patients were identified by a meta-analysis of studies regarding MDR bacterial
infections in ICU patients included in databases of PubMed，EMBase，the Cochrane Library，CNKI，Wanfang，China Science
and Technology Journal Database，Ace Base of CMA during January 2012 to June 2020 using Stata/SE 12.0 software，and were
used to develop a risk prediction model by transforming effect size to the standardized regression （β） coefficient. Next the model
was fully established and externally verified using the clinical data of adult ICU patients（n=3 908） recruited from Shanghai
General Hospital from January 2018 to June 2021. ROC analysis was used to describe the predictive accuracy of the prediction
model. Results Seventeen potential risk factors of MDR bacterial infections in ICU patients were identified through the meta-
analysis of 31 included studies. The MDR bacterial infection risk prediction model incorporating these 17 factors with corresponding
β value as coefficient（derived from converting the risk effect size of each factor） was developed：Logit（P）=-2.476 3
+0.086X 1 〔gender（male）〕+0.191X 2 （history of hospitalization）+0.392X 3 （being transferred from another hospital）+1.723X 4
（length of ICU stay）+0.315X 5 （other infections）+0.385X 6 （chronic obstructive pulmonary disease）+0.131X 7 （diabetes）

+0.536X 8 （renal disease）+0.285X 9 （renal failure）+0.565X 10 （dialysis）+0.148X 11 （mechanical ventilation）+0.742X 12
（central venous catheter）+0.336X 13 （urinary catheter）+3.483X 14 （types of used antimicrobial drugs）+0.174X 15 （history of
antimicrobial use）+0.975X 16 （history of carbapenems use）+1.151X 17 （history of aminoglycosides use）. External verification
of the model revealed that the model had 64.36% sensitivity，80.39% specificity，and 0.447 4 Youden index，and an AUC of
0.724. Conclusion Our model has been proved to have good performance in predicting the MDR bacterial infection risk in ICU
patients，as well as relatively good applicability，scientificity，and practicability. The development regimen may be used as a
reference for developing a risk prediction model for other diseases.
【Key words】 Intensive care units；Multi-drug resistant bacteria；Logistic models；Prediction model；Meta
analysis；Evidence-based theory

研究表明，重症监护病房（ICU）患者获得多重耐 1.1.2 文献纳入与排除标准 纳入标准：（1）原始研
药菌感染后将极大影响其疾病治疗效果，使患者住院时 究；（2）多重耐药菌感染有明确的诊断标准；（3）研
长延长 ［1］ 、病死率增加 ［2］ 。与此同时，多重耐药菌可 究 ICU 患者多重耐药菌感染的危险因素；（4）文献语
通过交叉传播的方式在“患者 - 医务人员 - 患者”间传 言为中文或英文；（5）研究分组为感染组与非感染组。
播。对于已知的感染，临床上主要通过增强手卫生、使 排除标准：（1）重复发表的文献；（2）动物实验或基
用隔离服等接触隔离的方法避免交叉传播 ［3-4］ 。但多重 因层面文献；（3）会议摘要、报告或信件；（4）研究
耐药菌检测结果的滞后性，给这类防护带来未知、盲点 对象为患有特定疾病的文献；（5）综述或 Meta 分析；
与难点。在此背景下，预测模型的建立应运而生。但既 （6）研究对象仅为儿童或老年人；（7）与本研究主题
往研究多基于单家医院的回顾性临床数据构建模型，从 不符合的文献。
而造成了模型外推性不强这一致命缺点。本研究基于循 1.1.3 资料提取与质量评价 由 2 名研究者分别对全部
证理论构建模型，采用外部数据对模型效果进行验证， 文献进行筛选。筛选完毕后就意见不合的地方进行商量
增加了模型的外推性，有望将模型推广使用。 并统一结果。全文阅读时提取信息包括：第一作者、发
1 资料与方法 表时间、研究类型、病例数与总例数。观察性研究采用
1.1 Meta 分析 Newcastle-Ottawa 质量评价量表（NOS 量表） ［6］ 进行质
1.1.1 检索策略 计算机检索 PubMed、EMBase、the 量评价，评价条目包括选择、可比性和暴露 / 结局（病
Cochrane Library、中国知网、万方数据知识服务平台、 例对照研究为暴露，队列研究为结局）。NOS 量表总
维普网和中华医学期刊全文数据库 2012 年 1 月至 2020 分为 9 分，当原始文献得分 >7 分时，认为文献质量较
年 6 月发表的有关 ICU 患者多重耐药菌感染的文献。 高；得分为 5~7 分时，认为文献质量中等；得分≤ 4 分
检索起始日期设定为 2012 年，因该年发表了 1 篇多国 时，认为文献质量较差，不予纳入。临床试验采用第 2
专家对多重耐药菌定义的文献 ［5］ 。检索策略采用主题 版 Cochrane 偏倚风险评估工具进行质量评价 ［7］ ，评估
词与自由词相结合，辅以手工检索的方法。英文检索词 条目包括随机方法、分配隐藏、缺失数据、测量误差和
为“Multi-drug Resistant Organisms”“Drug Resistance， 选择性报告偏倚。偏倚风险评估结果分为低偏倚、值得
Multiple”“Intensive Care Units”“risk factors”。 中 考虑和高偏倚。
文检索词为“多重耐药菌”“ICU”和“危险因素”。 1.1.4 统计学方法 采用 Stata/SE 12.0 软件对纳入文献
本研究方案已在 PROSPERO（http://www.crd.york.ac.uk/ 的数据进行 Meta 分析，当研究同一个危险因素的有效
PROSPERO）注册，注册号：CRD42020212563。 文献≥ 5 篇时，对这些文献进行 Meta 分析以及森林图