Development and External Validation of an Evidence-based Risk Prediction Model for Multidrug-resistant Bacterial Infections in ICU Patients

doi:10.12114/j.issn.1007-9572.2021.02.137

Chinese General Practice ›› 2022, Vol. 25 ›› Issue (12): 1441-1448.DOI: 10.12114/j.issn.1007-9572.2021.02.137

Special Issue: 安全用药最新文章合集

• Original Research • Previous Articles Next Articles

Development and External Validation of an Evidence-based Risk Prediction Model for Multidrug-resistant Bacterial Infections in ICU Patients

¹School of Public Health, Shanghai Jiao Tong University, Shanghai 200025, China
²Nosocomial Infection Department, Shanghai General Hospital, Shanghai 200080, China
³Scientific Research Center, Shanghai General Hospital, Shanghai Jiao Tong University, Shanghai 200080, China

Received:2021-11-12 Revised:2021-12-15 Published:2022-03-03 Online:2022-03-21
Contact: Yanhong ZHU
About author:
ZOU Q, GENG M M, ZHU Y H. Development and external validation of an evidence-based risk prediction model for multidrug-resistant bacterial infections in ICU patients [J] . Chinese General Practice, 2022, 25 (12) : 1441-1448.

基于循证理论构建重症监护病房患者多重耐药菌感染风险预测模型及外部验证研究

¹200025　上海市，上海交通大学医学院公共卫生学院
²200080　上海市，上海交通大学附属第一人民医院医院感染科
³200080　上海市，上海交通大学附属第一人民医院科研处

通讯作者: 祝延红
作者简介:
邹倩，耿苗苗，祝延红.基于循证理论构建重症监护病房患者多重耐药菌感染风险预测模型及外部验证研究[J].中国全科医学，2022，25（12）：1441-1448.[www.chinagp.net] 作者贡献：邹倩提出研究方向及主要研究目标，负责设计研究方案及确定研究方法，同时负责数据分析与统计学处理，并对统计结果进行解释，绘制图标，撰写论文初稿；邹倩、耿苗苗负责文献检索、确定纳入文献及文献数据提取和整理；耿苗苗、祝延红负责收集、整理临床资料，提供数据；祝延红负责论文最终稿的修订、论文的质量控制及审校，对论文整体负责，监督管理；所有作者确认了论文的最终稿。
基金资助:
国家自然科学基金资助项目(71974127)

Abstract

Abstract:

Background

Previous research has found that multi-drug resistant (MDR) bacteria can be transmitted between ICU patients, and the infections caused by MDR bacteria may negatively affect the efficacy of current treatment. As the speed of diagnostic testing to identify MDR bacteria is relatively slow in clinical practice, the research regarding the prediction of MDR bacteria infections has developed.

Objective

To develop an evidence-based risk prediction model for MDR bacterial infections in ICU patients, and to verify it using the real-world clinical data collected retrospectively.

Methods

Potential 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 +0.086X₁〔gender (male) 〕+0.191X₂ (history of hospitalization) +0.392X₃ (being transferred from another hospital) +1.723X₄ (length of ICU stay) +0.315X₅ (other infections) +0.385X₆ (chronic obstructive pulmonary disease) +0.131X₇ (diabetes) +0.536X₈ (renal disease) +0.285X₉ (renal failure) +0.565X₁₀ (dialysis) +0.148X₁₁ (mechanical ventilation) +0.742X₁₂ (central venous catheter) +0.336X₁₃ (urinary catheter) +3.483X₁₄ (types of used antimicrobial drugs) +0.174X₁₅ (history of antimicrobial use) +0.975X₁₆ (history of carbapenems use) +1.151X₁₇ (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

摘要：

背景

既往研究证明多重耐药菌会在重症监护病房（ICU）患者之间交叉传播，患者获得多重耐药菌感染将影响其现有疾病的治疗效果；且临床上对多重耐药菌的检测速度较为缓慢。在此背景下，多重耐药菌感染预测研究应运而生。

目的

基于循证理论构建ICU患者多重耐药菌感染风险预测模型，并回顾性收集真实临床数据对模型进行验证。

方法

采用Meta分析的方法构建模型，即计算机检索PubMed、EMBase、the Cochrane Library、中国知网、万方数据知识服务平台、中文科技期刊数据库和中华医学期刊全文数据库2012年1月至2020年6月发表的有关ICU患者多重耐药菌感染的文献，提取可分析的危险因素，采用Stata/SE 12.0软件对纳入文献的数据进行Meta分析，确定ICU患者多重耐药菌感染的危险因素，并对各个危险因素的合并效应值进行β值转换构建ICU患者多重耐药菌感染风险预测模型。选取上海市第一人民医院2018年1月至2021年6月入住ICU的成年患者3 908例，收集患者的临床资料，构建预测模型，绘制预测模型预测患者多重耐药菌感染的受试者工作特征（ROC）曲线，从而进行预测模型外部验证。

结果

共纳入31篇文献，确定17个危险因素。通过换算公式得到预测模型Logit（P）=-2.476 3+0.086X₁〔性别（男）〕+0.191X₂（住院史）+0.392X₃（从外院转入）+1.723X₄（ICU住院天数）+0.315X₅（其他感染）+0.385X₆（慢性阻塞性肺疾病）+0.131X₇（糖尿病）+0.536X₈（肾脏疾病）+0.285X₉（肾衰竭）+0.565X₁₀（透析）+0.148X₁₁（机械通气）+0.742X₁₂（中央静脉导管）+0.336X₁₃（导尿管）+3.483X₁₄（抗菌药物使用种类）+0.174X₁₅（抗菌药物使用史）+0.975X₁₆（使用碳青霉烯类药物）+1.151X₁₇（使用氨基糖苷类药物）。将3 908例患者数据代入预测模型中进行外部验证，结果显示，灵敏度为64.36%，特异度为80.39%，约登指数为0.447 4，ROC曲线下面积为0.724。

结论

基于循证理论构建包含17个危险因素的ICU患者多重耐药菌感染风险预测模型，该模型预判效果较好，证明基于循证理论构建风险预测模型具有较好的外推性、科学性和实用性，该方案可推广适用于其他疾病的预测研究中。

关键词: 重症监护病房, 多重耐药菌, Logistic模型, 预测模型, Meta分析, 循证理论

Qian ZOU,Miaomiao GENG,Yanhong ZHU. Development and External Validation of an Evidence-based Risk Prediction Model for Multidrug-resistant Bacterial Infections in ICU Patients[J]. Chinese General Practice, 2022, 25(12): 1441-1448. DOI: 10.12114/j.issn.1007-9572.2021.02.137.
邹倩,耿苗苗,祝延红. 基于循证理论构建重症监护病房患者多重耐药菌感染风险预测模型及外部验证研究[J]. 中国全科医学, 2022, 25(12): 1441-1448. DOI: 10.12114/j.issn.1007-9572.2021.02.137.

Figures/Tables 6

References 46

[1]	VINCENT J L, RELLO J, MARSHALL J，et al. International study of the prevalence and outcomes of infection in intensive care units[J]. JAMA，2009，302(21)：2323-2329. DOI：10.1001/jama.2009.1754.
[2]	KANG C I, KIM S H, PARK W B，et al. Bloodstream infections caused by antibiotic-resistant gram-negative bacilli：risk factors for mortality and impact of inappropriate initial antimicrobial therapy on outcome[J]. Antimicrob Agents Chemother，2005，49(2)：760-766. DOI：10.1128/AAC.49.2.760-766.2005.
[3]	SIEGEL J D, RHINEHART E, JACKSON M，et al. 2007 guideline for isolation precautions：preventing transmission of infectious agents in health care settings[J]. Am J Infect Control，2007，35(10 Suppl 2)：S65-164. DOI：10.1016/j.ajic.2007.10.007.
[4]	TACCONELLI E, CATALDO M A, DANCER S J，et al. ESCMID guidelines for the management of the infection control measures to reduce transmission of multidrug-resistant Gram-negative bacteria in hospitalized patients[J]. Clin Microbiol Infect，2014，20(Suppl 1)：1-55. DOI：10.1111/1469-0691.12427.
[5]	MAGIORAKOS A P, SRINIVASAN A, CAREY R B，et al. Multidrug-resistant，extensively drug-resistant and pandrug-resistant bacteria：an international expert proposal for interim standard definitions for acquired resistance[J]. Clin Microbiol Infect，2012，18(3)：268-281. DOI：10.1111/j.1469-0691.2011.03570.x.
[6]	STANG A. Critical evaluation of the Newcastle-Ottawa scale for the assessment of the quality of nonrandomized studies in meta-analyses[J]. Eur J Epidemiol，2010，25(9)：603-605. DOI：10.1007/s10654-010-9491-z.
[7]	STERNE J A C, SAVOVIC J, PAGE M J，et al. RoB 2：a revised tool for assessing risk of bias in randomised trials[J]. BMJ，2019，366：l4898. DOI：10.1136/bmj.l4898.
[8]	卫生部办公厅关于印发《多重耐药菌医院感染预防与控制技术指南（试行）》的通知[J]. 中华人民共和国国家卫生与计划生育委员会公报，2011，9(2)：59-61.
[9]	李洋，何文英，王忠. 基于Meta分析腹腔镜胆囊切除术中转开腹风险预测模型的构建[J]. 中国全科医学，2018，21(23)：2849-2855. DOI：10.3969/j.issn.1007-9572.2018.00.127.
[10]	AMBERPET R, SISTLA S, PARIJA S C，et al. Screening for intestinal colonization with vancomycin resistant enterococci and associated risk factors among patients admitted to an adult intensive care unit of a large teaching hospital[J]. J Clin Diagn Res，2016，10(9)：DC06-09. DOI：10.7860/JCDR/2016/20562.8418.
[11]	BATISTÃO D W, GONTIJO-FILHO P P, CONCEIÇÃO N，et al. Risk factors for vancomycin-resistant enterococci colonisation in critically ill patients[J]. Mem Inst Oswaldo Cruz，2012，107(1)：57-63. DOI：10.1590/s0074-02762012000100008.
[12]	BLANCO N, HARRIS A D, ROCK C，et al. Risk factors and outcomes associated with multidrug-resistant Acinetobacter baumannii upon intensive care unit admission[J]. Antimicrob Agents Chemother，2018，62(1)：e01631-17. DOI：10.1128/AAC.01631-17.
[13]	COPPRY M, JEANNE-LEROYER C, NOIZE P，et al. Antibiotics associated with acquisition of carbapenem-resistant Pseudomonas aeruginosa in ICUs：a multicentre nested case-case-control study[J]. J Antimicrob Chemother，2019，74(2)：503-510. DOI：10.1093/jac/dky427.
[14]	DANTAS L F, DALMAS B, ANDRADE R M，et al. Predicting acquisition of carbapenem-resistant Gram-negative pathogens in intensive care units[J]. J Hosp Infect，2019，103(2)：121-127. DOI：10.1016/j.jhin.2019.04.013.
[15]	HETEM D J, DERDE L P, EMPEL J，et al. Molecular epidemiology of MRSA in 13 ICUs from eight European countries[J]. J Antimicrob Chemother，2016，71(1)：45-52. DOI：10.1093/jac/dkv298.
[16]	KANG J S, YI J, KO M K，et al. Prevalence and risk factors of carbapenem-resistant Enterobacteriaceae acquisition in an emergency intensive care unit in a tertiary hospital in Korea：a case-control study[J]. J Korean Med Sci，2019，34(18)：e140. DOI：10.3346/jkms.2019.34.e140.
[17]	KAO K C, CHEN C B, HU H C，et al. Risk factors of methicillin-resistant Staphylococcus aureus infection and correlation with nasal colonization based on molecular genotyping in medical intensive care units：a prospective observational study[J]. Medicine （Baltimore），2015，94(28)：e1100. DOI：10.1097/MD.0000000000001100.
[18]	KIDDEE A, ASSAWATHEPTAWEE K, NA-UDOM A，et al. Risk factors for extended-spectrum β-lactamase-producing Enterobacteriaceae carriage in patients admitted to intensive care unit in a tertiary care hospital in Thailand[J]. Microb Drug Resist，2019，25(8)：1182-1190. DOI：10.1089/mdr.2018.0318.
[19]	KIM S Y, JUNG J Y, KANG Y A，et al. Risk factors for occurrence and 30-day mortality for carbapenem-resistant Acinetobacter baumannii bacteremia in an intensive care unit[J]. J Korean Med Sci，2012，27(8)：939-947. DOI：10.3346/jkms.2012.27.8.939.
[20]	KOFTERIDIS D P, VALACHIS A, DIMOPOULOU D，et al. Risk factors for carbapenem-resistant Klebsiella pneumoniae infection/colonization：a case-case-control study[J]. J Infect Chemother，2014，20(5)：293-297. DOI：10.1016/j.jiac.2013.11.007.
[21]	MARCHENAY P, BLASCO G, NAVELLOU J C，et al. Acquisition of carbapenem-resistant Gram-negative bacilli in intensive care unit：predictors and molecular epidemiology[J]. Med Mal Infect，2015，45(1/2)：34-40. DOI：10.1016/j.medmal.2014.12.003.
[22]	MASSE J, ELKALIOUBIE A, BLAZEJEWSKI C，et al. Colonization pressure as a risk factor of ICU-acquired multidrug resistant bacteria：a prospective observational study[J]. Eur J Clin Microbiol Infect Dis，2017，36(5)：797-805. DOI：10.1007/s10096-016-2863-x.
[23]	MCMASTER J, BOOTH M G, SMITH A，et al. Meticillin-resistant Staphylococcus aureus in the intensive care unit：its effect on outcome and risk factors for acquisition[J]. J Hosp Infect，2015，90(4)：327-332. DOI：10.1016/j.jhin.2015.04.009.
[24]	PAPADIMITRIOU-OLIVGERIS M, MARANGOS M, FLIGOU F，et al. Risk factors for KPC-producing Klebsiella pneumoniae enteric colonization upon ICU admission[J]. J Antimicrob Chemother，2012，67(12)：2976-2981. DOI：10.1093/jac/dks316.
[25]	REPESSÉ X, ARTIGUENAVE M, PAKTORIS-PAPINE S，et al. Epidemiology of extended-spectrum beta-lactamase-producing Enterobacteriaceae in an intensive care unit with no single rooms[J]. Ann Intensive Care，2017，7(1)：73. DOI：10.1186/s13613-017-0295-0.
[26]	ROUTSI C, PRATIKAKI M, PLATSOUKA E，et al. Risk factors for carbapenem-resistant Gram-negative bacteremia in intensive care unit patients[J]. Intensive Care Med，2013，39(7)：1253-1261. DOI：10.1007/s00134-013-2914-z.
[27]	RUIZ J, GORDON M, VILLARREAL E，et al. Influence of antibiotic pressure on multi-drug resistant Klebsiella pneumoniae colonisation in critically ill patients[J]. Antimicrob Resist Infect Control，2019，8：38. DOI：10.1186/s13756-019-0484-8.
[28]	SALOMÃO M C, FREIRE M P, BOSZCZOWSKI I，et al. Increased risk for carbapenem-resistant Enterobacteriaceae colonization in intensive care units after hospitalization in emergency department[J]. Emerg Infect Dis，2020，26(6)：1156-1163. DOI：10.3201/eid2606.190965.
[29]	SONG J Y, JEONG I S. Development of a risk prediction model of carbapenem-resistant Enterobacteriaceae colonization among patients in intensive care units[J]. Am J Infect Control，2018，46(11)：1240-1244. DOI：10.1016/j.ajic.2018.05.001.
[30]	VANDRESEN D, WERLANG M H B, SILVA M C B，et al. Community origin and previous use of antimicrobials increase the risk of nosocomial multidrug-resistant bacteria colonisation in the intensive care unit in a Brazilian hospital[J]. Open Public Heal J，2019，12(1)：449-454. DOI：10.2174/1874944501912010449.
[31]	VASUDEVAN A, MUKHOPADHYAY A, LI J，et al. A prediction tool for nosocomial multi-drug Resistant Gram-Negative Bacilli infections in critically ill patients-prospective observational study[J]. BMC Infect Dis，2014，14：615. DOI：10.1186/s12879-014-0615-z.
[32]	YANG D, XIE Z Q, XIN X L，et al. A model for predicting nosocomial carbapenem-resistant Klebsiella pneumoniae infection[J]. Biomed Rep，2016，5(4)：501-505. DOI：10.3892/br.2016.752.
[33]	白攀峰，胡尚琼，吴晓英，等. ICU患者多重耐药菌定植或感染的危险因素分析[J]. 世界最新医学信息文摘，2018，18(9)：4-5，8. DOI：10.19613/j.cnki.1671-3141.2018.09.002.
[34]	陈娟婷，陈法聪. 某院重症监护病房患者多重耐药菌感染的危险因素分析及预防对策[J]. 抗感染药学，2020，17(3)：376-378. DOI：10.13493/j.issn.1672-7878.2020.03-022.
[35]	丁梦媛，李文进，耿苗苗，等. 综合重症监护病房患者多重耐药菌医院感染风险评估模型构建[J]. 中国卫生资源，2020，23(4)：384-387，399. DOI：10.13688/j.cnki.chr.2020.20326.
[36]	王莉，张桂侠，卢晓娥. 某院重症医学科患者多重耐药鲍曼不动杆菌医院感染危险因素分析[J]. 中国消毒学杂志，2018，35(6)：478-480. DOI：10.11726/j.issn.1001-7658.2018.06.027.
[37]	吴庆英，马自东. ICU病房多重耐药菌感染相关危险因素及预防控制管理[J]. 兵团医学，2018(2)：14-16. DOI：10.3969/j.issn.1672-4356.2018.02.007.
[38]	姚林伶，罗朝军，冯广贵. 鲍曼不动杆菌院内感染的危险因素和耐药性分析[J]. 中国实用医药，2018，13(22)：192-194. DOI：10.14163/j.cnki.11-5547/r.2018.22.111.
[39]	叶慧芬，曾俊韶，覃文周，等. 重症监护病房患者MRSA定植情况及影响因素研究[J]. 中国消毒学杂志，2015，32(1)：24-26.
[40]	周芳，董亚琳. ICU多重耐药菌医院感染的危险因素分析[J]. 中国药房，2017，28(14)：1916-1920. DOI：10.6039/j.issn.1001-0408.2017.14.12.
[41]	温剑艺，覃铁和，王首红，等. ICU老年患者多重耐药菌主动筛查情况及危险因素分析[J]. 中国药房，2018，29(2)：199-203. DOI：10.6039/j.issn.1001-0408.2018.02.14.
[42]	杨晋如，谈宜斌，邬闻文，等. 重症医学科不同置管患者多重耐药菌感染的生存分析[J]. 中国感染与化疗杂志，2021，21(3)：297-302. DOI：10.16718/j.1009-7708.2021.03.010.
[43]	李巍，史哲新，王兴丽，等. 替加环素对血液病患者化疗后多重耐药菌感染的疗效探讨[J]. 中国全科医学，2020，23(S2)：168-170.
[44]	王敏芳，干铁儿，丁黎敏，等. 多重耐药菌感染综合防控措施的闭环管理及其效果评价[J]. 中华医院感染学杂志，2021，31(18)：2850-2854. DOI：10.11816/cn.ni.2021-211206.
[45]	DIAB-ELSCHAHAWI M, LUSIGNANI L S, STARZENGRUBET P，et al. The strength of coughing may forecast the likelihood of spread of multi-drug resistant microorganisms from the respiratory tract of colonized patients[J]. Antimicrob Resist Infect Control，2014，3：38. DOI：10.1186/s13756-014-0038-z.
[46]	项彦斌，周燕，杜建成，等. 重症患者多重耐药菌感染的影响因素及预测模型分析[J]. 重庆医学，2020，49(23)：3966-3970. DOI：10.3969/j.issn.1671-8348.2020.23.024.

相关资料		感染组（n=303）	未感染组（n=3 605）
基本情况
	性别（男/女）	221/82	2 103/1 502
	住院史〔n（%）〕	43（14.19）	682（18.92）
	从外院转入〔n（%）〕	124（40.92）	1 105（30.65）
	ICU住院天数〔M（QR），d〕	30.5（38.5）	12.5（12.5）
合并症
	其他感染〔n（%）〕	118（38.94）	1 037（28.77）
	COPD〔n（%）〕	13（4.29）	87（2.41）
	糖尿病〔n（%）〕	53（17.49）	682（18.92）
	肾脏疾病〔n（%）〕	67（22.11）	489（13.56）
	肾衰竭〔n（%）〕	15（4.95）	74（2.05）
侵入性操作
	透析〔n（%）〕	7（2.31）	32（0.89）
	机械通气〔n（%）〕	230（75.91）	1 071（29.71）
	中央静脉导管〔n（%）〕	227（74.92）	1 433（39.75）
	导尿管〔n（%）〕	273（90.10）	2 693（72.93）
抗菌药物使用情况
	抗菌药物使用种类〔M（QR），种〕	6（4）	3（3）
	抗菌药物使用史〔n（%）〕	299（98.68）	3 188（88.43）
	使用碳青霉烯类药物〔n（%）〕	57（18.81）	339（9.40）
	使用氨基糖苷类药物〔n（%）〕	46（15.18）	117（3.25）

相关资料		感染组（n=303）	未感染组（n=3 605）
基本情况
	性别（男/女）	221/82	2 103/1 502
	住院史〔n（%）〕	43（14.19）	682（18.92）
	从外院转入〔n（%）〕	124（40.92）	1 105（30.65）
	ICU住院天数〔M（QR），d〕	30.5（38.5）	12.5（12.5）
合并症
	其他感染〔n（%）〕	118（38.94）	1 037（28.77）
	COPD〔n（%）〕	13（4.29）	87（2.41）
	糖尿病〔n（%）〕	53（17.49）	682（18.92）
	肾脏疾病〔n（%）〕	67（22.11）	489（13.56）
	肾衰竭〔n（%）〕	15（4.95）	74（2.05）
侵入性操作
	透析〔n（%）〕	7（2.31）	32（0.89）
	机械通气〔n（%）〕	230（75.91）	1 071（29.71）
	中央静脉导管〔n（%）〕	227（74.92）	1 433（39.75）
	导尿管〔n（%）〕	273（90.10）	2 693（72.93）
抗菌药物使用情况
	抗菌药物使用种类〔M（QR），种〕	6（4）	3（3）
	抗菌药物使用史〔n（%）〕	299（98.68）	3 188（88.43）
	使用碳青霉烯类药物〔n（%）〕	57（18.81）	339（9.40）
	使用氨基糖苷类药物〔n（%）〕	46（15.18）	117（3.25）

第一作者	发表时间（年）	研究类型	病例数/总例数	质量评价
KIM^[19]	2012	病例对照研究	106/311	8分
BATISTÃO^[11]	2012	病例对照研究	21/164	8分
OLIVGERIS^[24]	2012	病例对照研究	52/405	7分
ROUTSI^[26]	2013	病例对照研究	83/733	7分
VASUDEVAN^[31]	2014	队列研究	76/1 474	5分
KOFTERIDIS^[20]	2014	病例对照研究	83/244	6分
MARCHENAY^[21]	2015	队列研究	23/347	5分
MCMASTER^[23]	2015	队列研究	58/232	5分
KAO^[17]	2015	队列研究	237/1 266	6分
叶慧芬^[39]	2015	病例对照研究	90/180	7分
YANG^[32]	2016	病例对照研究	370/1 110	7分
HETEM^[15]	2016	临床试验	223/8 196	低偏倚
AMBERPET^[10]	2016	队列研究	83/302	6分
REPESSÉ^[25]	2017	队列研究	9/221	7分
MASSE^[22]	2017	队列研究	204/593	5分
周芳^[40]	2017	病例对照研究	106/246	8分
BLANCO^[12]	2018	队列研究	261/4 818	5分
SONG^[29]	2018	队列研究	89/444	5分
白攀峰^[33]	2018	病例对照研究	264/593	7分
王莉^[36]	2018	病例对照研究	40/80	6分
吴庆英^[37]	2018	病例对照研究	23/100	6分
姚林伶^[38]	2018	病例对照研究	72/144	5分
KIDDEE^[18]	2019	队列研究	134/215	7分
VANDRESEN^[30]	2019	病例对照研究	86/785	7分
RUIZ^[27]	2019	队列研究	308/1 725	5分
KANG^[16]	2019	病例对照研究	21/810	7分
DANTAS^[14]	2019	病例对照研究	343/1 372	6分
COPPRY^[13]	2019	病例对照研究	59/201	7分
SALOMÃO^[28]	2020	病例对照研究	103/304	6分
丁梦媛^[35]	2020	病例对照研究	58/116	6分
陈娟婷^[34]	2020	病例对照研究	89/725	6分

第一作者	发表时间（年）	研究类型	病例数/总例数	质量评价
KIM^[19]	2012	病例对照研究	106/311	8分
BATISTÃO^[11]	2012	病例对照研究	21/164	8分
OLIVGERIS^[24]	2012	病例对照研究	52/405	7分
ROUTSI^[26]	2013	病例对照研究	83/733	7分
VASUDEVAN^[31]	2014	队列研究	76/1 474	5分
KOFTERIDIS^[20]	2014	病例对照研究	83/244	6分
MARCHENAY^[21]	2015	队列研究	23/347	5分
MCMASTER^[23]	2015	队列研究	58/232	5分
KAO^[17]	2015	队列研究	237/1 266	6分
叶慧芬^[39]	2015	病例对照研究	90/180	7分
YANG^[32]	2016	病例对照研究	370/1 110	7分
HETEM^[15]	2016	临床试验	223/8 196	低偏倚
AMBERPET^[10]	2016	队列研究	83/302	6分
REPESSÉ^[25]	2017	队列研究	9/221	7分
MASSE^[22]	2017	队列研究	204/593	5分
周芳^[40]	2017	病例对照研究	106/246	8分
BLANCO^[12]	2018	队列研究	261/4 818	5分
SONG^[29]	2018	队列研究	89/444	5分
白攀峰^[33]	2018	病例对照研究	264/593	7分
王莉^[36]	2018	病例对照研究	40/80	6分
吴庆英^[37]	2018	病例对照研究	23/100	6分
姚林伶^[38]	2018	病例对照研究	72/144	5分
KIDDEE^[18]	2019	队列研究	134/215	7分
VANDRESEN^[30]	2019	病例对照研究	86/785	7分
RUIZ^[27]	2019	队列研究	308/1 725	5分
KANG^[16]	2019	病例对照研究	21/810	7分
DANTAS^[14]	2019	病例对照研究	343/1 372	6分
COPPRY^[13]	2019	病例对照研究	59/201	7分
SALOMÃO^[28]	2020	病例对照研究	103/304	6分
丁梦媛^[35]	2020	病例对照研究	58/116	6分
陈娟婷^[34]	2020	病例对照研究	89/725	6分

危险因素		文献数量（篇）	异质性检验		效应模型	Z值	OR/SMD （95%CI）	P值
危险因素		文献数量（篇）	I²值（%）	P值	效应模型	Z值	OR/SMD （95%CI）	P值
基本情况
	X₁〔性别（男）〕	28^{[10，11，12，13，14，15，16，17，18，19，20，21，22，23，24，25，26，27，28，29，30，31，32，33，35，37，39，40]}	0	0.717	固定效应模型	2.79	1.09（1.03，1.16）	0.005
	X₂（住院史）	14^{[10，12，13，15，16，17，18，21，22，25，28，29，31，39]}	0	0.782	固定效应模型	3.66	1.21（1.09，1.33）	<0.001
	X₃（从外院转入）	7^{[18，20，23，25，27，28，30]}	36.6	0.149	固定效应模型	4.22	1.48（1.24，1.78）	<0.001
	X₄（ICU住院天数）	11^{[11，16，19，20，21，27，29，34，36，37，40]}	94.2	<0.001	随机效应模型	5.13	0.95（0.59，1.31）^a	<0.001
合并症
	X₅（其他感染）	6^{[19，22，23，27，28，35]}	0	0.677	固定效应模型	4.54	1.37（1.20，1.57）	<0.001
	X₆（COPD）	11^{[14，16，17，22，23，25，26，27，34，36，37]}	69.6	<0.001	随机效应模型	2.37	1.47（1.07，2.01）	0.018
	X₇（糖尿病）	22^{[10，11，14，16，17，18，19，20，22，23，24，25，26，27，28，29，31，32，34，37，39，40]}	0	0.593	固定效应模型	2.34	1.14（1.02，1.27）	0.019
	X₈（肾脏疾病）	8^{[11，16，18，19，20，25，28，29]}	59.1	0.017	随机效应模型	1.98	1.71（1.00，2.91）	0.048
	X₉（肾衰竭）	6^{[10，19，23，26，32，39]}	0.2	0.415	固定效应模型	2.45	1.33（1.06，1.68）	0.014
侵入性操作
	X₁₀（透析）	5^{[15，17，24，28，31]}	0	0.571	固定效应模型	3.40	1.76（1.27，2.44）	0.001
	X₁₁（机械通气）	11^{[19，20，22，23，25，27，29，31，34，37]}	0	0.566	固定效应模型	2.41	1.16（1.03，1.32）	0.016
	X₁₂（中央静脉导管）	10^{[14，16，17，20，22，29，31，32，33]}	92.2	<0.001	随机效应模型	3.82	2.10（1.43，3.06）	<0.001
	X₁₃（导尿管）	14^{[10，14，16，17，20，21，22，23，31，32，33，35，36，38]}	77.9	<0.001	随机效应模型	3.43	1.40（1.15，1.69）	<0.001
抗菌药物使用情况
	X₁₄（抗菌药物使用种类）	7^{[19，20，21，24，34，37，40]}	98.0	<0.001	随机效应模型	4.08	1.92（1.00，2.84）^a	<0.001
	X₁₅（抗菌药物使用史）	7^{[11，12，18，20，21，22，25]}	23.7	0.248	固定效应模型	2.38	1.19（1.03，1.37）	0.017
	X₁₆（使用碳青霉烯类药物）	13^{[11，16，20，21，24，28，29，31，32，34，36，37，40]}	79.6	<0.001	随机效应模型	5.04	2.65（1.81，3.87）	<0.001
	X₁₇（使用氨基糖苷类药物）	5^{[16，21，24，31，32]}	83.9	<0.001	随机效应模型	2.59	3.16（1.32，7.57）	<0.001

Development and External Validation of an Evidence-based Risk Prediction Model for Multidrug-resistant Bacterial Infections in ICU Patients

基于循证理论构建重症监护病房患者多重耐药菌感染风险预测模型及外部验证研究

RichHTML

PDF

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 6

References 46

Related Articles 15

Recommended Articles

Metrics

Comments

危险因素	Begg's检验	Egger's检验
性别（男）	0.752	0.141
住院史	0.702	0.868
ICU住院天数	0.312	0.998
COPD	0.891	0.349
糖尿病	0.382	0.321
机械通气	0.586	0.636
中央静脉导管	0.531	0.772
导尿管	0.956	0.237
使用碳青霉烯类药物	0.714	0.961

[1]	LIANG Xuan, NA Feiyang, QIN Mengyao, YANG Hui, GUO Li, GUO Qi, REN Lei, CHEN De, LIU Donghai, ZHANG Rongfang. Clinical Characteristics and Influencing Factors of Bronchial Asthma Combined with Obstructive Sleep Apnea-hypopnea Syndrome in Children [J]. Chinese General Practice, 2023, 26(33): 4225-4230.
[2]	ZHANG Jifang, CHEN Fang, TANG Jiawen, LI Hongliang. Predictive Value of Tumor Budding and Tumor-infiltrating Lymphocytes on Lymph Node Metastasis of Esophageal Squamous Cell Carcinoma [J]. Chinese General Practice, 2023, 26(32): 4038-4042.
[3]	ZHANG Juan, LI Haifen, LI Xiaoman, YAO Miao, MA Huizhen, MA Qiang. Construction of Recurrence Risk Prediction Model for Diabetic Foot Ulcer on the Basis of Logistic Regression, Support Vector Machine and BP Neural Network Model [J]. Chinese General Practice, 2023, 26(32): 4013-4019.
[4]	WANG Zhen, SHEN Guoqi, LI Yanan, ZHU Yinghua, QIU Hang, ZHENG Di, XU Tongda, LI Wenhua. Development and Validation of a Risk Prediction Model for Contrast-induced Acute Kidney Injury after Percutaneous Coronary Intervention in Patients with Acute Myocardial Infarction [J]. Chinese General Practice, 2023, 26(29): 3650-3656.
[5]	HU Jingyi, HONG Jing, GUO Xiaodong, ZHANG Xiaohong, MO Ning, ZHOU Xiaocui, YU Qin, ZHOU Minhua, SUN Yan, NI Liu, SHI Xiaoli, SU Xiaoqing, LI Yuqian. Efficacy of Community-involved Hospice Care for Patients with Advanced Cancer: a Meta-analysis [J]. Chinese General Practice, 2023, 26(28): 3573-3584.
[6]	BAI Yitong, LIN Lianjie, PEI Dongmei. Correlation between the Severity of Metabolic-associated Fatty Liver Disease and Thyroid Nodules [J]. Chinese General Practice, 2023, 26(27): 3392-3396.
[7]	CAO Ziyao, QIAN Cheng, XIE Guohua, CHANG Qingsong, WU Donghui. Analysis on the Correlation of Passive Suicidal Ideation with Thyroid Stimulating Hormone and Prolactin among Elderly Schizophrenia Inpatients [J]. Chinese General Practice, 2023, 26(23): 2894-2898.
[8]	YU Yanxue, BAI Ruyu, YU Wenlong, GUO Xia, WU Li'e. Occurrence Status and Influencing Factors of Cognitive Dysfunction in Population Aged 60 and Above [J]. Chinese General Practice, 2023, 26(21): 2581-2588.
[9]	WANG Minghuan, LI Yuhong, YUAN Dehui, YU Min, HAN Baoliang, YU Qiaozhi, YANG Fangfang, ZHANG Qin. Correlation between Allostatic Load Level and Depression among Women in Early Pregnancy [J]. Chinese General Practice, 2023, 26(21): 2609-2613.
[10]	HE Manlan, YUAN Ping, HE Lei, CHEN Lu. Meta-analysis of Risk Factors for Urinary Tract Infection in Neurogenic Bladder [J]. Chinese General Practice, 2023, 26(21): 2659-2665.
[11]	XUE Jingru, SUN Suzhen. Clinical Characteristics and Risk Factors for Unfavourble Prognosis of Mycoplasma Pneumoniae Encephalitis in Children [J]. Chinese General Practice, 2023, 26(17): 2125-2131.
[12]	SHEN Aomei, LU Qian, FU Xin, WEI Xiaoxia, BIAN Jingru, ZHANG Liyuan, QIANG Wanmin, PANG Dong. Constructing a Risk Prediction Model of Breast Cancer-related Lymphedema Based on a Meta-analysis of Prospective Cohort Studies [J]. Chinese General Practice, 2023, 26(17): 2078-2088.
[13]	SHU Tao, GUO Zheng, WANG Fei, CHEN Shuyan. Analysis of the Correlation between Time in Range and Diabetic Kidney Disease [J]. Chinese General Practice, 2023, 26(15): 1873-1879.
[14]	YUAN Dehui, LI Yuhong, DONG Yuanyuan, WANG Minghuan. Relationship between Different Personality Traits and Postpartum Depression: a Meta-analysis [J]. Chinese General Practice, 2023, 26(14): 1775-1782.
[15]	HE Ting, YUAN Li, YANG Xiaoling, YE Ziwei, LI Rao, GU Yan. Risk Prediction Models for Type 2 Diabetes in Asian Adults: a Systematic Review [J]. Chinese General Practice, 2022, 25(34): 4267-4277.