来源：期刊VIP网 时间：
作者：王珂璇;金晓灵;茅一萍;
单位：东南大学附属中大医院肝胆胰中心;徐州医科大学附属医院感染管理科;
摘要：目的 分析重症监护室患者感染多重耐药菌的危险因素，通过6种机器学习算法构建患者感染多重耐药菌的预测模型，通过评价模型相关指标选出最佳模型，为临床工作者早期识别高危患者，及时采取相应的预防措施提供参考。方法 纳入2019年6月-2023年6月入住徐州医科大学附属医院重症监护室患者946例（多重耐药菌感染者473例，非感染者473例）。采用二元logistic回归分析，将筛选的危险因素作为构建预测模型的特征变量进行模型构建，分别构建并评价逻辑回归模型、人工神经网络模型、决策树模型、随机森林模型、支持向量机模型和极限梯度增强模型。结果 从外院或急诊入院（OR=2.635）、入住重症监护室时长≥7 d(OR=1.291)、手术（OR=3.089）、慢性肺部疾病（OR=3.664）、外周静脉置管（OR=2.111）、留置腹腔引流管（OR=3.382）、抗菌药物使用种类≥3种（OR=1.001）、抗菌药物使用时长≥1周（OR=2.323）是重症监护室患者感染多重耐药菌的危险因素（P<0.05）。通过机器学习算法构建的重症监护室患者感染多重耐药菌预测模型中，逻辑回归模型受试者工作特征曲线下面积、灵敏度、特异度、阳性预测值、阴性预测值、F1值均优于其他模型，为最优模型。结论 临床应重视患者易感染多重耐药菌的危险因素，尽早给予针对性干预，降低重症监护室患者感染多重耐药菌的风险。
关键词：机器学习;;重症监护室;;多重耐药菌;;预测模型;;逻辑回归模型;;人工神经网络模型;;决策树模型;;随机森林模型;;支持向量机模型;;极限梯度增强模型
基金资助：国家卫生健康委医院管理研究所基金资助项目（GY2023023-A）
