預測院內感染之工具：人工類神經網路、邏輯斯回歸與評分系統

研究動機與目的

病人安全是近十年來醫學界非常重視的一個議題，自從2000年美國智庫機關Institute of Medicine(IOM)所發表的年度報告─『To Err is Human』提出病人安全所產生的種種問題後，不但引發輿論的報導，更引起社會注意與各界的爭議。美國評鑑聯合會（Joint Commission）依據過去全國性通報累積的經驗，提出國家病人安全年度目標計畫，並於2003年1月正式公布。經過數年來醫療環境的變遷，與病人安全相關的議題也不斷被討論與改革。從藥物安全議題、醫療機構感染控制議題、手術安全議題、病人辨識議題、警示與異常事件通報議題、醫護之間溝通議題等等，讓醫療院所有所依據，並提供學術機關思考與研究方向，提出提升病人安全的種種具體作法，以促進醫療照護品質及建構安全的醫療環境。本論文之主軸為醫療機構感染議題：院內感染 (Nosocomial Infection，或稱Hospital-Acquired Infection、Healthcare-Associated Infection)與增加罹病率、死亡率、延長時間住院，與經濟成本有相當關連。一個簡單的，可靠的預測院內感染模型具有很重要的臨床意義。本研究的目的是發展一個由邏輯斯回歸(Logistic Regression, LR)導出之評分系統(Scoring System)來預測院內感染，並同時由人工類神經網路 (Artificial Neural Networks)來驗證其有用性，並可實際運用於臨床情境。

研究材料與方法

將某醫學中心2004年和2005年之間所有806例確診為院內感染的病人中擷取476例被納入作為研究。另在同一段時間內從所有的住院病人隨機選擇1,376非院內感染病人樣本作為對照組。從另一個醫學中心擷取2,500例住院病人作為外部驗證(External Validation)資料。選擇電子病歷資料中共十六個與病人相關之影響因子作為預測變數，並建立人工類神經網路和邏輯斯回歸之預測模型。另由邏輯斯回歸推導出一個簡單的評分系統，並以原資料集合進行驗證。

研究結果

經由反向逐步選擇法，以下七個變數經邏輯斯回歸模型確定有統計學意義：導尿管、中心靜脈導管、動脈導管、鼻胃管、血液透析、壓力性潰瘍預防藥和使用全身皮質類固醇。在內部驗證(Internal Validation)中，類神經網路和邏輯斯回歸模型在預測院內感染時，顯示優異的接受者操作特性曲線下面積 (area under the receiver operating characteristic curve[AUC]，分別為: 0.964與0.969，p = 0.507)。在外部驗證中，兩個模型均獲得高AUC (AUC: 0.850與0.870，p = 0.447)。評分系統也表現出色的內部驗證 (AUC: 0.965) 和外部驗證 (AUC: 0.871)。

結論

我們的研究開發出用簡單參數預測院內感染的評分系統，同時也經類神經網路和邏輯斯回歸模型驗證。運用此評分系統，傳染病專家能夠更有效地辨識院內感染的高危險住院病人。此外，分別觀察醫療設備之使用或從電子病歷獲得的數據作為參數也提供良好的預測結果，可以根據醫療資訊取得之便利程度應用在不同的臨床情境。利用簡單的評分工具預測院內感染之發生，有助於促進病人安全，提升醫療品質。