研究队列构建
从电子健康记录中筛选符合纳入标准的非感染性疾病住院患者。
从7个急诊科初始495,631次就诊中，排除未住院、资料不全、年龄小于18岁等，最终纳入18,304例住院至少3天且主要诊断为非感染性疾病的患者。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
从急诊科入院非感染性疾病患者发生医疗保健相关血流感染的危险因素预测
Predictors of Healthcare-Associated Bloodstream Infections in Subjects Hospitalised from the Emergency Department for Non-Infectious Disease
实验完整度
中研究为回顾性多中心队列分析，基于电子健康记录构建预测模型并进行生存分析，包含明确的方法和验证，但缺乏前瞻性或干预性验证。
主要模型
急诊科非感染性疾病住院患者队列（n=18,304） HABSI亚组（n=414）与非HABSI组（n=17,890）
重点核对
年龄、性别 NEWS评分 查尔森合并症指数（CCI） 主要诊断类别 ED停留时间和住院时间
摘要
背景：医疗保健相关血流感染（HABSIs）是医院感染的主要类别之一。本分析旨在确定急诊科（ED）患者中哪些临床特征预示其住院期间会发生HABSI。方法：主要结局指标为HABSI和30天累积生存率。逻辑模型中测试的特征包括年龄、性别、基于国家早期预警评分（NEWS）的生命体征、优先级水平、主诉、基于查尔森合并症指数（CCI）的合并症、创伤相关疾病、主要诊断和急诊科停留时间。结果：在18304例患者中有414例（2.3%）确诊为HABSI，年龄（平均（标准差））为75（16）岁。HABSI发生在主要诊断为呼吸系统疾病（N=116；28.0%）、消化系统疾病（N=72；17.4%）和循环系统疾病（N=68；16.4%）的患者中。逻辑模型筛选出的主要关键临床特征为：NEWS＞6、肿瘤诊断、CCI＞4、消化系统疾病诊断。HABSI风险评分的ROC曲线预测结局的准确率为0.703±0.027（最佳截断值时敏感性为79%，特异性为51%）。HABSI患者的总体死亡风险为无HABSI患者的两倍（风险比：2.319；95%置信区间：1.871–2.875；p值：<0.001）。HABSI患者的30天总体生存率（33%）低于非HABSI患者（62%）。结论：急诊科无感染疑似患者的一组主要临床特征与HABSI相关。这些特征对住院期间的生存率产生负面影响。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 在急诊科无感染疑似症状的患者中，哪些入院时的临床特征可预测住院期间发生医疗保健相关血流感染？
- 核心机制
- 文中未明确提出具体机制，但指出肿瘤、消化系统疾病等可能通过免疫抑制、黏膜屏障损伤及肠道菌群移位等途径增加感染风险，同时高合并症负荷增加易感性。
- 主要证据
- 基于18,304例患者的回顾性数据分析，逻辑模型筛选出关键预测因素（NEWS＞6、肿瘤、CCI＞4、消化系统疾病），模型AUC为0.703；生存分析显示HABSI患者30天生存率显著降低（风险比2.319）。
- 研究意义
- 早期识别高风险患者特征可能有助于预防并发症和改善预后，未来需要前瞻性多中心研究验证。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
变量收集与特征定义
定义并提取潜在预测变量。
从电子记录中提取年龄、性别、生命体征（NEWS评分）、合并症（CCI）、主诉、诊断等，并定义HABSI基于ICD9-CM编码等。
构建多变量逻辑回归模型
识别与HABSI独立相关的变量并构建风险评分。
使用多变量逻辑回归模型进行特征选择，计算OR和95%CI，基于回归系数构建风险评分，并用ROC曲线评估预测准确性。
生存分析
比较HABSI与非HABSI患者的30天生存率。
采用Kaplan-Meier法估计累积生存率，并用log-rank检验比较生存分布，计算风险比。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 队列定义 | 纳入标准（住院时间>3天、非感染性疾病诊断等）和排除标准 阅读提示：Methods 2.2 Patients |
| 变量提取 | NEWS评分计算、CCI计算、ICD-9-CM编码定义 阅读提示：Methods 2.3 Variables |
| 统计分析 | 逻辑回归模型参数（特征选择方法、显著性水平）、生存分析设置 阅读提示：Methods 2.4 Statistical Analysis |