目的 基于机器学习算法,构建重症烧伤患者多重耐药菌(MDRO)感染风险的预测模型并进行验证。
方法 收集2017年5月至2024年6月首都医科大学附属朝阳医院收治的675例重症烧伤患者的临床资料。根据是否发生MDRO感染,将患者分为非MDRO感染组(535例)与MDRO感染组(140例)。通过最小绝对收缩和选择算子(LASSO)筛选发生MDRO感染的变量因素。将入选样本量按照7∶3比例随机分为训练集(473例)与验证集(202例),分别构建极限梯度提升树(XGBoost)、Logistic回归、支持向量机(SVM)、K近邻(KNN)和高斯朴素贝叶斯分类(GNB)预测模型。采用受试者工作特征(ROC)曲线下面积(AUC)、决策曲线分析(DCA)和校准曲线评估各模型的性能。使用Shapley加法解释(SHAP)分析每个变量对预测模型的影响。
结果 675例患者中发生MDRO感染者140例,发生率为20.74%(140/675)。非MDRO感染组与MDRO感染组患者烧伤深度(χ2=32.244、P<0.001)、烧伤面积(χ2=9.438、P=0.002)、低蛋白血症(χ2=4.713、P=0.030)、入重症监护室(ICU)前使用抗菌药物(χ2=11.073、P=0.001)、机械通气(χ2=4.125、P=0.042)、抗菌药物使用≥3种(χ2=22.031、P<0.001)、抗菌药物使用时间≥7 d(χ2=10.377、P=0.001)、留置导尿管(χ2=13.519、P<0.001)、深静脉置管(χ2=11.743、P<0.001)、住ICU时间(Z=21.359、P<0.001)与住院时间(Z=11.271、P<0.001)差异均有统计学意义。基于LASSO回归筛选MDRO感染的变量因素构建5种预测模型,其中GNB模型综合表现最好,训练集AUC为0.877(95%CI:0.837~0.917),验证集AUC为0.872(95%CI:0.809~0.934),校准曲线显示模型预测概率与实际结果最相近,DCA曲线显示,风险概率值为0.10~1.00时,临床净收益高。SHAP分析显示,按影响重症烧伤患者发生MDRO感染因素的重要性排序分别为住ICU时间、住院时间、烧伤深度、抗菌药物使用时间≥7 d、留置导尿管、深静脉置管以及入ICU前使用抗菌药物。
结论 以烧伤深度、抗菌药物使用时间≥7 d、留置导尿管、深静脉置管、入ICU前使用抗菌药物、住ICU时间、住院时间构建的GNB模型为重症烧伤患者发生MDRO感染的最佳预测模型,对医护人员制定有效防控策略有一定的指导意义。