医院感染是导致住院患者疾病负担增加的重要原因^[1]。常规的医院感染发病率监测需要持续性的人力、物力投入作为保障，监测的人群覆盖面有限，而医院感染现患率调查，可以以较小的投入对住院患者进行普查，从而掌握医院感染患病率以及其他医院感染相关指标水平、影响因素等^[2-3]。在我国，每年开展医院感染现患率调查已经成为医院等级评审的重要指标^[4]，随着医院感染现患率调查的持续开展，调查可以从单一年度中某日的时点现患率分析，逐渐延伸到多年度，甚至多中心、区域性、全国性的现患率调查的动态趋势分析^[5-7]，使分析结果对医院感染政策的制定更有参考价值。然而目前绝大多数医院感染现患率调查报告局限在对感染现患率及一些指标、因素的频率分布描述上，结果的实际应用价值有限，现患率调查数据价值仍有进一步的开发空间。对于医院感染及其相关因素和指标的分析，除了率和构成比的描述，通过二分类logistic回归模型^[8-9]能够更好呈现影响感染的独立危险因素。近年来随着人工神经网络、深度学习技术的不断发展，这些技术逐渐开始被应用于医院感染相关研究^[10]。多层感知器(multilayer perceptron, MLP)模型是前馈人工神经网络模型中较为经典的模型，可直观评价自变量对结局的重要性^[11]。因此，本研究的主要目的是在对某三级医院10年医院感染现患率及医院感染相关因素描述的基础上，分析现患率和因素分布的变化趋势，并基于调查数据，建立预测患者医院感染患病的logistic回归模型和MLP模型，并评价各相关因素的重要性和对医院感染患病的独立效应，进一步发掘医院感染现患率调查的数据价值，为医院感染风险评估和制定干预措施提供更多的量化依据。

1.   资料与方法

1.1   资料来源

选取某院2013—2022年连续10年开展医院感染现患率调查的数据。每年调查日期选定于7—9月的某日，以尽可能排除季节因素对医院感染患病的影响。调查内容限于调查当日全院所有住院患者(包括当日转科、出院、死亡的患者，排除当日新入院的患者)的医院感染患病情况。医院感染患病定义为至调查日为止仍未痊愈的医院感染^[5]。医院感染的定义和诊断参照卫生部2001年发布的《医院感染诊断标准(试行)》^[12]。本研究获得该院伦理委员会审核批准。

1.2   医院感染现患率调查方法

由医院感染管理科专职人员、各住院科室负责人、护士长和兼职感染控制人员(监控医生和监控护士)具体组织开展调查工作，并对参与调查的人员统一培训。由兼职感控人员开展住院病例的医院感染诊断和相应信息搜集上报，专职人员分组参与床旁调查，并对上报的医院感染病例的感染诊断进行逐一复核。

1.3   调查内容选择

选取10年来数据完整、监测连续的变量进行分析。因变量为患者医院感染患病情况，包括是否感染和感染部位。自变量(医院感染患病相关因素)包括：①患者性别；②患者年龄(调查时)；③住院日数(length of stay, LOS)：LOS=调查日期－入院日期；④调查当日是否使用抗菌药物(仅统计全身用药的情况)；⑤科室类别：将全院住院科室划分成4类，内科及其他、外科、妇产科、儿科，并进行哑变量化；⑥是否为重症监护病房(ICU)患者；⑦调查日前30 d内的手术史；⑧患者是否在调查日及前2 d内留置中心静脉导管、导尿管或使用了有创呼吸机。

1.4   相关指标

① 医院感染现患率采用时点患病率(point prevalence, PP)，PP=调查当日未愈的医院感染患者例数/当日应纳入调查的住院患者例数×100%；②医院感染实查率=实际调查的患者例数/应调查的患者例数×100%。

1.5   统计学方法

应用统计软件SPSS 22.0进行数据分析。描述医院感染部位占比、性别和治疗相关因素(近30 d内手术史、抗菌药物及近2 d内使用或留置中心静脉导管、导尿管、有创呼吸机)的分布，通过趋势χ²检验和Pearson相关系数(r)相结合的方法对其变化趋势进行统计分析。运用MLP神经网络模型评价因素的重要性，模型含有1个隐藏层，以Sigmoid函数作为隐藏层和输出层的激活函数。建立多因素logistic回归模型，通过比值比(odds ratio, OR) 评价纳入因素对医院感染患病的独立效应，通过受试者工作特征(ROC)曲线分析评价上述模型的预测性能。P≤0.05为差异具有统计学意义。

2.   结果

2.1   医院感染现患率及感染部位分布

该院2013—2022年共开展10次医院感染现患率调查，累计调查26 003人次，历次实查率均高于96%。医院感染时点现患率最高为2022年的8.07%，最低为2016年的4.66%。10年趋势分析显示，医院感染现患率总体呈线性上升趋势(r=0.03，χ² _趋势=26.09，P＜0.001)，见表 1。不同部位感染在医院感染中占比的变化趋势分析显示，10年来手术部位、腹部与消化系统感染在医院感染中的占比均有线性增高的趋势(均r＞0，χ² _趋势值分别为8.21、5.54，均P＜0.05)；此外，骨/关节、生殖系统、心肌/心包、胸膜腔、五官和其他部位感染的总和占比也有线性升高趋势。而上呼吸道感染的历年占比呈线性下降趋势(r＜0，χ² _趋势=57.62，P＜0.001)。下呼吸道、血液系统、泌尿系统、皮肤与软组织感染的历年占比变化趋势均无统计学意义(均P＞0.05)。见表 2。

2.2   医院感染患病相关因素分布及变化趋势

2013—2022年调查数据显示，男性占比、调查当日抗菌药物使用率、近30 d内手术史人群的比例、距离调查日2天内导尿管留置和有创呼吸机使用例数均呈下降趋势(均r＜0，P＜0.05)，见表 3。

ICU患者、近2 d内留置中心静脉导管的患者比例呈线性升高趋势(均r＞0，P＜0.05)，见表 3。进一步将研究人群按是否为ICU患者和/或近2 d内留置中心静脉导管进行分层。分层分析显示：非ICU且近2 d内未留置中心静脉导管的患者，10年医院感染现患率有上升趋势(χ² _趋势=11.02，r=0.02，P=0.001)。ICU患者或近2 d内留置中心静脉导管的患者，10年医院感染现患率趋势线检验比较，差异无统计学意义(χ² _趋势=3.47，r=0.03，P=0.063)。

2.3   医院感染患病的多因素分析

2.3.1   数据预处理

从现患率调查的数据集中去除重复参与调查的患者，使每一例患者仅有首次参加现患率调查的数据记录，以保证统计模型中观察记录的独立性，最终共25 959例患者被纳入多因素分析模型。以是否存在医院感染作为分组，对LOS进行ROC分析，依据约登指数最大原则，将LOS按是否＞10 d为界限分成两组。将患者年龄以每10岁为组距划分成10个年龄组，计算各组的医院感染患病率，见表 4，各年龄组间现患率比较，差异有统计学意义(χ²=28.01，P=0.001)。将各年龄组医院感染现患率顺位排列，将第5位和第6位的现患率均值6.10%作为各年龄组现患率的中值，定义现患率＜6.10%的年龄组(＜10岁和≥60岁)为高风险组，其余年龄组为低风险组。

2.3.2   多因素分析结果

MLP神经网络模型显示，医院感染患病的前三位影响因子为：LOS＞10 d、入住ICU及近2 d内留置中心静脉导管，因子重要性见表 5。多因素logistic回归显示LOS＞10 d，调查日近2 d内留置中心静脉导管或导尿管、近30 d内手术史、入住ICU是医院感染患病的独立危险因素；相对于内科及其他科室而言，外科和妇产科具有较低的感染患病风险，见表 6。MLP和多因素logistic回归模型的ROC曲线下面积(area under curve, AUC)分别为0.829，0.831，表明两种模型具有较好且相近的预测性能。

尽管表 6中的logistic回归模型显示近2 d内使用有创呼吸机的OR值差异无统计学意义，然而当以下呼吸道感染患病作为回归模型的因变量，调整与表 6一致的协变量后，近2 d内是否使用有创呼吸机为下呼吸道感染患病的独立危险因素(调整后OR=1.90，95%CI：1.49~2.43，P＜0.001)。

3.   讨论

本研究分析了2013—2022年医院感染现患率的变化趋势，历年现患率水平为4.66%~8.07%，高于全国三级医院目前报道的现患率水平，和目前报道的全国调查数据差异较明显。我国2001—2016年的现患率调查^[13]显示现患率为2.32%~5.22%，其中2014—2016年为2.32%~2.67%。2018—2020年对142所三级公立医院监测数据显示医院感染现患例次率分别为1.91%、1.86%、1.65%^[4]，现患率数值应不高于例次率的数值。国外报道的现患率常较国内高，如意大利的利古里亚大区急诊医院感染横断面调查显示现患率平均为10.3%^[14]，2018年报道的日本4所大学附属医院的平均水平为7.7%^[15]，本研究2018年以来的医院感染现患率与上述报道接近。部分学者认为国外医院感染现患率偏高和诊断标准宽泛有关^[16]，本研究对该观点持不同意见，以医院感染最为常见的下呼吸道感染(如医院获得性肺炎)为例，美国国家医疗安全网络(NHSN)的诊断标准^[17]较我国现行的标准有更严格的条件，但美国的一项多中心调查^[18]显示，平均医院感染现患率为4%，也高于我国近年报道的全国水平。国内外各项研究存在差异的原因复杂，与研究设计、患者特征、诊断标准、监测水平等因素有关，导致差异的原因可能需要通过医院间的合作研究进一步确认。国内三级医院之间收治患者特征、医院感染监测水平等存在很大的差异。本研究调查的医院属于省(自治区)级区域性的综合三级医院，现患率高于全国平均水平的原因可能与收治病种有关，患者病情复杂、疑难危重症多、住院时间长导致医院感染发病率增加和感染病程的延长，提高了时点现患率的水平，王群等^[19]的研究也支持此观点。

本研究显示，该院10年间的医院感染现患率有线性升高趋势，与王超等^[20]的研究相似，并进一步对上述趋势进行了统计学检验。结合MLP和logistic回归分析，近2 d内留置中心静脉导管和入住ICU是两个感染相关重要因子。这两个因子在历年调查人群中的占比有线性升高趋势。然而，不存在这两个因子的调查人群的医院感染现患率也有线性升高趋势。同时，作为logistic回归独立危险因素，近30 d内手术史、近2 d内留置导尿管的患者医院感染现患率趋势则相反。据此推测，导致现患率上升的可能原因，除了近2 d留置中心静脉导管和/或ICU患者比例的升高，还存在调查内容之外的综合因素。即便近30 d内手术史和近2 d导尿管留置患者的比例在下降，尚不能抵消这些综合因素的效应，这些因素应从更有针对性的目标性监测中进行确认和干预。本研究显示手术部位、腹部和消化道感染占医院感染患病的比重升高，或可为目标性监测和干预提供方向。另一方面，随着监测长期开展、医生对感染诊断熟练度和信息系统感染预警功能的提高，会有更多潜在的医院感染病例被预警和发现^[21]，是医院感染发病/现患率增高的积极原因。研究所在医院自2020年5月起才开始使用具有主动预警能力的医院感染监测系统，同时随着临床医生和医院感染监控人员对系统使用的逐渐熟练，或可在一定程度上解释2020、2021、2022年医院感染现患率升高的原因。

本研究通过MLP神经网络模型和logistic回归模型分别对因素的重要性和独立效应进行量化呈现，两种模型均具有一定的准确性和预测价值，且输出结果易于解释。MLP也可作为logistic回归分析的补充：logistic回归模型显示近2 d内有创呼吸机的使用并非医院感染患病的独立影响因素，但MLP模型显示其重要性排名并不靠后。表 6中的logistic回归模型因变量包含所有类型的医院感染，但呼吸机的使用往往增加的是下呼吸道医院感染风险，即使不使用呼吸机，患者也有可能因为其他危险因素导致其他类型医院感染的患病风险增加，这可能导致模型中呼吸机因素的无统计学意义。本研究在不改变logistic回归模型纳入的自变量的基础上，将因变量替换成“下呼吸道感染患病”，模型显示近2 d内有创呼吸机的使用对下呼吸道感染患病的独立效应具有统计学意义。由此可见，MLP结果提示不能仅根据logistic回归的统计学检验结果而忽视呼吸机因素的重要性，毕竟下呼吸道感染通常是医院感染中占比最大的感染类型。

本研究通过应用趋势分析及两种多因素分析方法，为医院感染风险评估和干预措施制定提供更多的量化数据参考，既往的同类研究较少。医院感染现患率调查要避免一成不变的应付式地开展，充分结合监测者所关心的问题和建立的假设，不断优化分析内容和方法，更深入地发掘医院感染现患率调查的数据价值。本研究也有以下局限。(1)现患率调查设计本身不能作为因果推断的充分依据，分析相关因素与结局的关联性质时应十分谨慎。(2)并未完全纳入现患率调查获取的所有内容，如患者放射治疗及化学治疗信息，治疗和预防性抗菌药物的使用信息，糖皮质激素和免疫抑制剂使用，以及是否接受气管切开等重要危险因素，原因是上述信息在部分年份的调查中缺乏完整性和质量保证，或未被纳入调查。(3)未报告医院感染病原体的分布，研究认为时点患病率调查对医院感染病原体分布的分析意义有限，随着信息系统完善，获取更长时间段(季度、年度)的病原体分布并不会显著增加工作量，但更有参考意义。(4)本研究为单中心的医院感染现患率调查，研究代表性受到限制。