某大型综合医院神经外科手术患者医院感染模型及预测的分析研究.pdf 免费在

  本文关键词：某大型综合医院神经外科手术患者医院感染模型与预测研究，由笔耕文化传播整理发布。

网友ds6573近日为您收集整理了关于某大型综合医院神经外科手术患者医院感染模型及预测的分析研究的文档，希望对您的工作和学习有所帮助。以下是文档介绍：某大型综合医院神经外科手术患者医院感染模型与预测研究学位论文答辩日期:指导教师签字:答辩委员会成员签字:独创声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含未获得(注:如没有其他需要特别声明的,本栏可空)或其他教育机构的学位或证书使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名:签字日期:年月日---------------------------------------------------------------------学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,并同意以下事项:1、学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和借阅。2、学校可以将学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。同时授权清华大学“中国学术期刊(光盘版)电子杂志社”KI《中国知识资源总库》,授权中国科学技术信息研究所将本学位论文收录到《中国学位论文全文数据库》。(保密的学位论文在解密后适用本授权书)学位论文作者签名:导师签字:签字日期:年月日签字日期:年月日某大型综合医院神经外科手术患者医院感染模型与预测研究摘要医院感染是当今突出的医疗安全问题。一旦发生,控制相对困难,影响患者预后与转归,增加医疗费用,给患者和社会带来巨大的经济负担,严重的可导致患者残疾或死亡,因此对医院感染进行预测,加强医院感染预防和控制至关重要。本文建立数学模型对医院感染进行预测,其意义在于对每一例患者主动发现和预防其感染的发生,而不是待患者发生医院感染后再被动的给予治疗,从而使医院感染的防控“关口”前移,从根本上降低医院感染的发生率。这对规范医院感染预防和诊治,防止医院感染的暴发流行有重要意义。本研究基于医院感染实时监控系统(RT-NISS),收集2010年1月~2013年8月神经外科出院手术患者的相关信息,以发生医院感染患者为病例组,未感染患者为对照组。从两个方面对这些患者进行了危险因素的分析:一方面纳入手术有效次数,另一方面按照手术的有效次数将人群分为一次手术者、两次手术者和三次手术者。分别利用单因素分析寻找具有统计学意义的指标变量,然后将具有统计学意义的变量纳入多因素分析,最终得神经外科手术患者医院感染的可能危险因素。应用SAS9.1软件编程构建Logistic回归模型,应用Rosetta软件中的Johnson约简算法进行粗糙集属性约简过程,应用西安交大美林的数据挖掘平台建立SVM模型和BP神经网络模型以ROC曲线下面积评价模型的预测效果并比较三种模型的优劣。2010年1月~2013年8月期间某院神经外科出院手术患者共10546例,其中发生医院感染666例,831例次,医院感染率为6.32%,医院感染例次率为7.88%。感染部位以中枢神经系统居于首位(49.22%),其次是呼吸系统(23.83%)。检出的病原菌占比最高的是革兰阴性菌(53.44%),其次是革兰阳性菌(23.99%),检出真菌190株(22.57%)。该院神经外科手术患者例数居于前三位的疾病依次为:颅脑血管性疾病3244例(30.76%)、颅内肿瘤2803例(26.58%)、椎管内肿瘤785例(7.44%)。感染率前四位的疾病依次是颅脑损伤疾病(12.15%)、脑积水(11.00%)、颅脑先天性疾病(9.02%)、颅内肿瘤(8.49%)。本研究将神经外科手术患者的相关因素分为宿主因素和医源性因素两大类,对发生医院感染的医源性因素,按感染时间分为两部分。将发生医院感染患者感染前的各项指标与未感染患者的各项指标做病例对照研究,分析发生医院感染的危险因素。多元Logistic回归分析显示:纳入手术次数时,有显著性意义的影响因素主要有性别、颅内肿瘤、颅脑先天性疾病、脑积水、疼痛和功能神经外科疾病、入住ICU及入住ICU7天以上、泌尿道插管、使用呼吸机、胃管鼻饲;一次手术患者,有显著性意义的影响因素主要有性别、颅脑先天性疾病、脑积水、入住ICU及入住ICU7天以上、使用泌尿道插管、使用呼吸机、胃管鼻饲、开颅手术、全麻手术、Ⅱ类切口、急诊手术、手术时长不小于3小时;两次手术患者,有显著性意义的影响因素主要有年龄大于59岁、颅脑先天性疾病、住院天数7天以上、中心静脉插管、泌尿道插管、使用呼吸机、第一次手术为介入诊断术、第一次手术时长不小于3小时、第二次手术开颅、第二次手术Ⅱ类切口、第二次手术为急诊。将样本按时间分为训练样本和测试样本,以2010年1月~2012年12月的患者数据作为训练样本,以2013年1月~8月的数据作为测试样本,构建Logistic回归模型、粗糙集属性约简与SVM模型和BP神经网络模型,对样本进行训练。纳入手术次数,三种模型的预测结果如下:Logistic回归模型选择0.480作为阈值,模型检验的准确率为74.40%,经测试样本测试,其预测准确率为71.48%,灵敏度为0.9567,特异度为0.6769,ROC面积为0.834;粗糙集属性约简与SVM模型检验准确率为85.99%,经测试样本测试,其预测准确率为73.71%,灵敏度为0.7829,特异度为0.7333,ROC面积为0.914;BP神经网络模型检验准确率为86.80%,经测试样本测试,其预测准确率为84.15%,灵敏度为0.6667,特异度为0.8559,ROC面积为0.968。一次手术患者,Logistic回归、粗糙集属性约简与SVM、BP神经网络三种模型的检验准确率分别为74.30%、81.06%、88.42%,测试样本预测准确率分别为75.68%、66.92%、82.40%,灵敏度分别为0.8381、0.8476、0.7048,特异度分别为0.7506、0.8317、0.8332,ROC面积分别为0.832、0.906、0.989。两次手术的患者,Logistic回归、粗糙集属性约简与SVM、BP神经网络三种模型的检验准确率分别为89.00%、84.89%、94.78%,测试样本预测准确率分别为88.34%、82.51%、90.58%,灵敏度分别为0.7619、0.7619、0.381,特异度分别为0.896、0.8317、0.9604,ROC面积分别为0.954、0.934、1.000。神经外科手术患者医院感染Logistic回归模型、粗糙集属性约简与SVM模型、BP神经网络模型三种预测模型的判别能力均较好,BP神经网络模型的预测效果优于其他两种模型,但是Logistic回归模型的灵敏度最高。综合灵敏度和特异度考虑,粗糙集属性约简与SVM模型对此类问题的解决相对效果最好。本研究采用多种数学模型对神经外科手术患者的医院感染进行预测,在国内首次采用分层次分析的方法(按手术次数对患者分类)进行研究,首次采用粗糙集属性约简后SVM模型对医院感染进行预测,且

12>

  本文关键词：某大型综合医院神经外科手术患者医院感染模型与预测研究，由笔耕文化传播整理发布。