探索外科手术感染预测:对既有风险指数和新型模型进行比较研究
Kjersti Mevik1, Ashenafi Zebene Woldaregay2, Alexander Ringdal3
1Nordland Hospital, Department of Surgery, 8092 Bodø, Norway; Cumming School of Medicine, University of Calgary, T2N 1N4 Calgary, Alberta, Canada.
International journal of medical informatics
|February 11, 2024
概括
一个新的后勤回归模型准确地预测了手术部位感染 (SSIs),超过了现有的风险指数. 这种模型可以帮助识别患有SSI高风险的患者,从而实现有针对性的干预.
科学领域:
- 医学研究 医学研究
- 临床流行病学临床流行病学
- 医疗信息学 医疗信息学
背景情况:
- 手术部位感染 (SSIs) 构成了全球健康负担,增加了患者的发病率和医疗保健支出.
- 准确识别具有可修改SSI风险的患者对于有效的预防策略至关重要,但目前的数据有限.
- 现有的SSI风险评估工具已经显示出可变的预测性能.
研究的目的:
- 评估一种新的后勤回归模型的预测有效性,用于识别患有手术部位感染风险的患者.
- 在预测SSI时,将这种物流回归模型的性能与已建立的风险指数进行比较.
- 确定有助于SSI风险的关键预测因素.
主要方法:
- 一个逻辑回归模型被开发和验证,使用从2016年到2020年招募的患者的数据.
- 该模型的预测性能与三种已建立的风险指数进行了比较:手术部位感染风险评分 (SSIRS),国家鼻腔感染监测 (NNIS) 系统和日本外科感染学会 (JSS-SSI) 指数.
- 使用诸如曲线下的面积 (AUC) 等指标来评估预测有效性.
主要成果:
- 逻辑回归模型表明,与没有SSI的患者相比,SSI的患者的风险得分显著更高 (p < 0.001).
- 该模型实现了80%的AUC,在预测SSI方面表现优于SSIRS (77%),NNIS (59%) 和JSS-SSI (52%).
- 在后勤回归模型中,操作时间和住院时间被确定为手术部位感染的主要预测因素.
结论:
- 与当前最先进的风险指数相比,开发的后勤回归模型在预测手术部位感染方面表现出卓越的性能.
- 该模型有可能发展成为临床决策支持工具,用于早期识别高风险SSI患者.
- 结合手术前预测因素可以进一步增强模型在识别可修改的SSI风险的患者的实用性.
