A Nomogram model establishment for noscomial infection in elderly patients with hypertension and diabetes mellitus
-
摘要:目的 分析老年高血压合并糖尿病患者发生医院感染（HAI）的危险因素，并建立预测HAI的Nomogram模型。方法 回顾性分析148例老年高血压合并糖尿病患者的临床资料，根据是否发生HAI将患者分为HAI组和非HAI组。通过单因素、多因素Logistic回归分析筛选出HAI发生的独立危险因素，同时应用Nomogram法对各个因素进行评分，构建预测模型。应用受试者工作特征（ROC）曲线评估模型的预测价值，并对模型进行内部验证，计算一致性指数（C-index），绘制校准图。结果 148例患者平均年龄为（64.21±12.84）岁，其中32例（21.62%）患者发生HAI。单因素分析显示，年龄、吸烟、共患病程、血压控制情况、血糖控制情况、合并其他基础疾病、急性生理学与慢性健康状况评分系统Ⅱ（APACHEⅡ）评分、意识障碍、白蛋白水平均是HAI发生的影响因素（P < 0.10）。多因素Logistic回归分析显示，共患病程≥10年（OR=3.589，95% CI为1.056~12.193，P=0.041），血糖控制不达标（OR=4.538，95% CI为1.287~16.002，P=0.019），合并其他基础疾病（OR=8.893，95% CI为2.624~30.132，P < 0.001），APACHEⅡ评分≥20分（OR=6.259，95% CI为1.934~20.256，P=0.002），存在意识障碍（OR=9.365，95% CI为2.744~34.477，P=0.001）均是HAI发生的独立危险因素。基于上述预测因子建立Nomogram预测模型，经验证，该模型贴合度、C-index、ROC曲线下面积均良好，提示该模型具有良好的预测效能和区分度。结论 共患病程≥10年、血糖控制不达标、合并其他基础疾病、APACHE Ⅱ评分≥20分、存在意识障碍均是老年高血压合并糖尿病患者发生HAI的独立危险因素，基于上述危险因素建立的Nomogram模型具有良好的预测效能，可为HAI防控工作提供参考依据。Abstract:Objective To investigate the risk factors of hospital-associated infection (HAI) in elderly patients with hypertension and diabetes mellitus, and to establish a nomogram model for HAI.Methods A retrospective study was performed to analyze the clinical data of 148 elderly patients with hypertension complicated with diabetes mellitus. The patients were divided into the HAI group and non-HAI group according to occurrence of HAI. Univariate analysis and multivariate Logistic regression analysis were used to screen out the independent risk factors of HAI occurrence. Then, each factor was scored by Nomogram method to construct the prediction model. Receiver operating characteristic (ROC) curve was drawn to assess the predictive value of the established Nomogram. Furthermore, the predictive ability of the Nomogram model was internally validated by calculating the C-index and the calibration plot was drawn.Results The mean age of 148 patients was (64.21±12.84) years, and 32 patients (21.62%) developed HAI. Univariate analysis showed that the occurrence of HAI was correlated with age, smoking, disease duration of comorbidities, blood pressure and blood glucose control state, other underlying diseases, APAHEⅡ scores, consciousness state and albumin levels (P < 0.05). The multivariate Logistic regression analysis showed that disease duration of comorbidities ≥10 years (OR=3.589, 95%CI, 1.056~12.193, P=0.041), blood glucose control substandard (OR=4.538, 95%CI, 1.287~16.002, P=0.019), other underlaying diseases (OR=8.893, 95%CI, 2.624~30.132, P < 0.001), APACHEⅡ score ≥20 (OR=6.259, 95%CI, 1.934~20.256, P=0.002), consciousness disorder (OR=9.365, 95%CI, 2.744~34.477, P=0.001) were independent risk factors for HAI occurrence. Based on above risk factors in Nomogram model, statistical analysis showed that this model had a good discrimination, C-index value and the area under the ROC curve, indicating that the nomogram model had better predictive performance and differentiation.Conclusion The disease duration of comorbidities ≥10 years, substandard blood glucose control, other underlying diseases, APACHEⅡscore ≥20, consciousness disorder are independent risk factors for HAI occurrence in in elderly patients with hypertension and diabetes mellitus. Nomogram model based on these risk factors has good predictive efficacy and important clinical value, and can provide reference for prevention and control of HAI.
-
Keywords:
- elderly patients /
- hypertension /
- diabetes mellitus /
- hospital-associated infection /
- risk factors /
- Nomogram model
-
用药偏差即患者实际用药与医嘱药物方案之间的差异[1], 可导致用药错误、药物相关意外或有害事件，不仅影响治疗效果，还可能威胁患者生命安全[2]。因用药方案变更、医患信息沟通不畅等，用药偏差多发生于出院回归家庭8周内的医院-家庭过渡期(简称过渡期)[3-4], 慢性肾脏病[5]、骨质疏松性骨折[6]患者过渡期用药偏差发生率分别高达50.3%、64.8%。药物治疗对慢性心力衰竭(CHF)患者至关重要，能有效延缓心室重构，提高生活质量[7], 但其疗效取决于患者是否遵医嘱服药，未规律遵医嘱服药是CHF患者死亡或再入院的独立预测因素[8]。然而，由于服药种类多、用药方案复杂且需监测调整，CHF患者发生用药偏差的风险较高[9]。基于“每个人是自己健康第一责任人”理念，居家环境下，患者能否遵医嘱服药，很大程度上取决于其服药管理的知识素养、信念、行为等，即患者源性因素[6]。本研究调查并分析患者源性因素对CHF患者过渡期用药偏差的影响，旨在制订针对性干预策略降低过渡期用药偏差的发生率。
1. 对象与方法
1.1 研究对象
采用便利抽样法选取2022年6—10月江苏省人民医院心血管科出院的过渡期CHF患者作为研究对象。纳入标准: ①符合《中国心力衰竭诊断和治疗指南2018》中CHF诊断标准，纽约心脏病学会(NYHA)心功能分级Ⅱ~Ⅳ级者; ②出院后至少使用1种长期治疗药物者; ③对研究知情同意者。排除标准: ①出院后转至其他医疗机构继续治疗者; ②合并严重精神、智力、听力障碍，语言沟通困难者; ③合并其他严重疾病者; ④无法取得联系者。横断面样本量计算公式为$N=\frac{\mu_{\alpha / 2}^2 P(1-P)}{\delta^2}$; N为样本量, P为用药偏差发生率(根据既往研究[5, 10], 用药偏差平均发生率约为55.6%); δ为容许误差, δ=0.1P; μα/2为显著性检验统计量, α=0.05。将各数值代入上述样本量计算公式，得到样本量为307, 考虑到10%的失访率以及问卷剔除等问题，至少需样本341例。本研究共随访428例患者，剔除调查内容不全者23例，最终纳入405例。本研究获得江苏省人民医院伦理委员会审核批准。
1.2 方法
本研究为横断面研究，调查CHF患者的一般资料、服药依从性、用药自我效能及药物素养等患者源性因素对过渡期用药偏差的影响。
1.2.1 调查工具
① 一般资料调查表，由课题组自行设计，内容包括性别、年龄、文化程度、婚姻状况、心力衰竭病程、NYHA心功能分级、出院带药数量等。②用药偏差评估工具，由SMITH J D等[11]研发，已被广泛应用于用药偏差评估，包括2个部分。第1部分以药物医嘱为标准，包括药名、剂量、频次、时间、用法5个方面, 12个条目，可评估患者报告实际用药与医嘱之间差异，任一题回答“是”即认为患者存在用药偏差; 第2部分通过查看出院记录、询问患者及家属等，从患者源性和医源性2个方面综合分析用药偏差的原因。本研究采用王秀英等[12]汉化版，总内容效度为0.97, 总评定者间信度为0.84。③服药依从性量表(MMAS)，由MORISKY D E等[13]编制，可评估患者用药依从性，共8个条目，总分0~8分。条目1~4、6~7回答“是”计0分、“否”计1分，条目5反向计分，条目8有5个选项即从不、偶尔、有时、经常、所有时间分别计1、0.75、0.50、0.25、0分。6~8分为依从性好， < 6分为依从性差。Cronbach′s α系数为0.87。④合理用药自我效能量表(SEAMS), 由RISSER J等[14]研发，可评测患者用药自我效能，包括2个维度，即困难情境(8个条目)和不确定情境(5个条目)下的服药信心。采用Likert 3级计分法，1、2、3分依次代表没有信心、有点信心、非常有信心。总分13~39分，得分29~39分为用药自我效能好，13~28分为用药自我效能差。本研究采用董小方等[15]汉化版, Cronbach′s α系数为0.93。⑤药物素养问卷，由MANIACI M J等[16]编制，可评估患者药物理解程度。该问卷共9个条目，回答正确计1分，错误计0分，其中条目7、9不计分。总分0~7分，得分0~2分为药物素养水平低，3~5分为药物素养水平中等, 6~7分为药物素养水平高。本研究采用郑凤等[17]汉化版，Cronbach′s α系数为0.85。
1.2.2 资料收集方法
研究者本人采用统一指导语通过电话随访告知患者研究目的与意义，取得知情同意后使用调查工具逐条询问并录音记录。研究者对每例患者随访完成后均立即检查记录内容，如有遗漏或不清，再次电话询问补充，无法补全者予以剔除。病情资料通过电子病历系统收集。
1.3 统计学分析
双人录入数据，采用SPSS 26.0统计学软件进行分析。正态分布的计量资料以(x±s)表示，比较采用t检验; 非正态分布的计量资料以[M(P25, P75)]表示，比较采用非参数检验; 计数资料以例数、百分比、[n(%)]表示，比较采用卡方检验。通过计算方差膨胀因子和容忍度进行共线性诊断。用药偏差为二分类资料，采用二元Logistic回归分析法分析患者源性因素对用药偏差的影响, P < 0.05为差异有统计学意义。
2. 结果
2.1 一般资料和用药偏差发生情况
405例患者中，男268例、女137例，平均年龄(63.58±11.98)岁, 270例患者至少发生1次用药偏差，发生率为66.67%。将至少发生1次过渡期用药偏差的270例CHF患者纳入发生组，累计发生用药偏差679例次，平均每人2.51例次，另将未发生用药偏差的135例CHF患者纳入未发生组。以用药偏差为因变量，以一般资料、MMAS得分、SEAMS得分、药物素养得分为自变量，单因素分析结果显示，发生组CHF患者病程、MMAS得分、SEAMS得分、药物素养得分与未发生组比较，差异有统计学意义(P < 0.05)，见表 1。270例CHF患者过渡期用药偏差的发生原因包括13种患者源性原因和10种医源性原因，见表 2。
表 1 CHF患者过渡期用药偏差的单因素分析[n(%)](x±s)[M(P25, P75)]因素 分类 未发生组(n=135) 发生组(n=270) t/Z/χ2 P 性别 男 90(66.67) 178(65.93) 0.022 0.882 女 45(33.33) 92(34.07) 年龄/岁 62.80±12.21 63.97±11.86 -0.930 0.353 文化程度 小学及以下 47(34.81) 76(28.15) 3.041 0.385 初中 30(22.22) 66(24.44) 高中或中专 24(17.78) 64(23.70) 大专及以上 34(25.19) 64(23.70) 婚姻状况 已婚 127(94.07) 257(95.19) 0.226 0.635 离异/丧偶 8(5.93) 13(4.81) 工作情况 在职 25(18.52) 59(21.85) 0.612 0.736 离退休 64(47.41) 122(45.19) 无业 46(34.07) 89(32.96) 医保类型 新农合医保 51(37.78) 86(31.85) 1.591 0.451 城镇职工医保 78(57.78) 168(62.22) 城镇居民医保 6(4.44) 16(5.93) 家庭人均月收入 ≤3 000元人民币 58(42.96) 100(37.04) 1.328 0.249 >3 000元人民币 77(57.04) 170(62.96) 住院时间 ≤7 d 84(62.22) 168(62.22) 0 1.000 >7 d 51(37.78) 102(37.78) 病程 ≤1年 73(54.07) 116(42.96) 4.464 0.035 >1年 62(45.93) 154(57.04) NYHA心功能分级 2级 93(68.89) 192(71.11) 0.229 0.892 3级 38(28.15) 70(25.93) 4级 4(2.96) 8(2.96) 患病数量/种 3.98±2.08 4.26±2.18 -1.260 0.209 出院带药数量/种 6.51±2.56 6.94±2.59 -1.567 0.118 MMAS得分/分 8.00(8.00, 8.00) 7.00(6.25, 7.75) -8.828 < 0.001 SEAMS得分/分 39.00(36.00, 39.00) 35.00(27.00, 39.00) -6.390 < 0.001 药物素养得分/分 5.26±1.54 4.72±1.61 3.230 0.001 NYHA: 纽约心脏病学会; MMAS: 服药依从性量表; SEAMS: 合理用药自我效能量表。 表 2 270例CHF患者过渡期用药偏差发生原因分析患者源性 n 占比/% 医源性 n 占比/% 1. 症状好转而加药或减药 75 27.78 1. 医护人员出院用药教育不完善 132 48.89 2. 身体不适，自行减药或加药 72 26.67 2. 医护人员未系统回顾既往用药史 39 14.44 3. 药物副作用或担心药物伤害身体 65 24.07 3. 就诊医院、药房无某种药物 26 9.63 4. 自觉出院前药物效果较好，按出院前方案服药 64 23.70 4. 出院时未发药 14 5.19 5. 遗忘 52 19.26 5. 不同医疗机构重复用药 11 4.07 6. 药物吃完后未及时开药 46 17.04 6. 用药清单信息矛盾 10 3.70 7. 听从他人、广告等介绍改变用药方案 35 12.96 7. 开具患者不耐受药物 9 3.33 8. 自觉无症状，没必要服药 29 10.74 8. 中间停服药物未注明停药时间 5 1.85 9. 主观故意不服药 13 4.81 9. 开具患者过敏药物 4 1.48 10. 药片不方便切割 12 4.44 10. 出院带药清单内容难辨识 1 0.37 11. 为方便记忆，调整用药频次与剂量 9 3.33 12. 经济原因 8 2.96 13. 自觉药物无效 6 2.22 2.2 MMAS、SEAMS和药物素养问卷回答情况
405例CHF患者MMAS回答情况见表 3, 服药依从性好355例(87.65%), 服药依从性差50例(12.35%); SEAMS回答情况见表 4, 用药自我效能好316例(78.02%), 用药自我效能差89例(21.98%); 药物素养问卷回答情况见表 5, 药物素养水平高165例(40.74%), 药物素养水平中等208例(51.36%), 药物素养水平低32例(7.90%)。
表 3 405例CHF患者MMAS回答情况条目 回答“是”/例 占比/% 是否忘记服药 52 12.84 过去2周内是否忘记服药 39 9.63 外出是否忘记随身携带药物 10 2.47 昨天未服药 3 0.74 觉得症状加重或出现其他症状时是否自行减药或停药 60 14.81 自觉病情得到控制是否停药 66 16.30 觉得坚持治疗计划有困难 18 4.44 觉得记住按时按量服药困难(偶尔、有时、经常或所有时间) 128 31.60 表 4 405例CHF患者SEAMS回答情况维度 条目 回答“没有信心”或“有点信心”/例 占比/% 不确定情境 当医生更换药物时 74 18.27 重新购买的药物服用方法与以前不同 75 18.52 当药物产生不良反应时 193 47.65 当不太确信服用方法时 172 42.47 当不太确信在什么时间服药时 170 41.98 困难情境 每天需服用几种不同种类药物时 83 20.49 每天服药次数多于1次时 93 22.96 当出门在外时 107 26.42 当某天很忙时 123 30.37 无人提醒时 126 31.11 当服药程序比较麻烦时 152 37.53 日常活动计划被打乱时 154 38.02 当罹患其他疾病时 143 35.31 表 5 405例CHF患者药物素养问卷回答情况条目 回答正确/例 占比/% 请问您这次出院是否有出院带药 403 99.51 请问您现在每天需服用几种药 234 57.78 请问您是否知道现在服用药物的名称 285 70.37 请问您是否知道现在服用药物的剂量 335 82.72 请问您是否知道现在服用药物每天吃几次 347 85.68 请问您是否知道现在服用药物的作用 218 53.83 请问您是否知道现在服用药物的副作用 162 40.00 请问您是否被告知现在服用药物有副作用 160 39.51 您对正服用的药物有疑问时知道该咨询谁 324 80.00 2.3 患者源性因素对CHF患者过渡期用药偏差影响的多因素分析
共线性诊断显示，方差膨胀因子为1.0~1.8, 均小于10.0, 容忍度为0.6~0.9, 均大于0.1, 表明自变量间不存在严重共线性问题。以CHF患者过渡期用药偏差发生情况作为因变量(发生=1, 未发生=0), 将单因素分析中差异有统计学意义的变量作为自变量(赋值方式: 病程≤1年=1, >1年=2; MMAS得分、SEAMS得分、药物素养得分以原值输入)，进行二元Logistic回归分析。结果显示, MMAS得分高、SEAMS得分高、药物素养得分高均为CHF患者过渡期用药偏差的独立保护因素(OR=0.241、0.922、0.541, P < 0.05), 且MMAS得分与用药偏差关联强度最大(OR=0.241, P < 0.001), 见表 6。
表 6 CHF患者过渡期用药偏差的二元Logistic回归分析变量 回归系数 Wald χ2 P OR 95%置信区间 病程(以≤1年为参照) 0.220 0.724 0.395 1.246 0.751~2.068 MMAS得分 -1.423 22.150 < 0.001 0.241 0.133~0.436 SEAMS得分 -0.082 6.695 0.010 0.922 0.867~0.980 药物素养得分 -0.615 29.968 < 0.001 0.541 0.434~0.674 3. 讨论
CHF患者过渡期用药偏差发生率高，原因以患者源性占比较高。本研究405例CHF患者中, 270例患者发生用药偏差，发生率为66.67%, 高于潘凌蕴[5]报道的慢性肾脏病患者用药偏差发生率。CHF患者发生过渡期用药偏差的原因中，占比较高的原因包括: ①症状稳定好转，即患者住院治疗后，水肿、呼吸困难等心力衰竭症状明显好转，部分患者认为无需继续服药，随意减药或停药。②药物知识缺乏，即患者因身体不适或担心药物副作用伤害身体等而少服、漏服甚至停服药物。③医护人员用药教育不完善，即患者因出院药物指导不完善而按住院前方案或自行猜测方案服药。本研究中, CHF患者发生用药偏差的原因主要来源于患者本身，因此从患者源性因素分析用药偏差发生情况，对于综合干预措施的制订具有重要意义。
服药依从性越低, CHF患者用药偏差风险越高。本研究结果显示, MMAS得分与用药偏差关联强度最大(OR=0.241, P < 0.001), MMAS得分每提高1分, CHF患者发生用药偏差风险就降低75.9%, 即MMAS得分越低，发生过渡期用药偏差的风险越高，与薛文俊等[18]研究结果相似。MMAS主要评估患者有无忘记服药、减药或停药、坚持治疗或记忆困难情况，得分越低表示依从性越差。CHF患者以老年人居多，因记忆力减退，常忘记服药，此外由于患者未能充分认识到遵医嘱服药的重要性，在病情反复、药物疗效不佳或身体不适时易自行减药或停药[19], 引起用药偏差发生风险增加。对此，医护人员可向患者强调遵医嘱服药的必要性，并通过设置服药闹钟、使用药盒等将教育指导与技能干预相结合，避免患者随意减药或停药。值得注意的是，服药依从性评估仅关注是否减药或停药，而用药偏差评估还关注服药种类、频次、时间等是否与医嘱一致。因此，即使是MMAS得分高的患者也可能发生用药偏差，说明评估用药偏差发生情况更具有临床意义。
合理用药自我效能越差, CHF患者用药偏差风险越高。本研究结果显示, CHF患者SEAMS得分越低，发生过渡期用药偏差的风险越高(OR=0.922, P=0.010), 与常陆等[10]研究结果一致。合理用药自我效能表示患者坚持用药的信心，与目标、结果期望及感知环境障碍等共同作用，可影响个体的用药决策[20], 用药自我效能差的患者缺乏合理用药的信心。因病情反复发作、迁延不愈，部分CHF患者对药物疗效持消极态度，认为“服药无用”; 因多病共存，用药负担重，部分CHF患者积极主动求医意愿较低，难以形成和维持遵医服药行为[21]。对此，医护人员可基于自我效能理论，与患者共同制订服药计划，积极鼓励患者树立用药信心，努力克服用药过程中的困难，减少用药偏差的发生。
药物素养水平越低, CHF患者用药偏差风险越高。本研究结果显示，药物素养得分高的CHF患者发生过渡期用药偏差的风险是得分低患者的0.541倍，即药物素养得分越低，用药偏差发生风险越高。药物素养指个体获取、理解药物信息，安全合理使用药物的能力[22], 药物素养低的患者理解、计算药物信息能力存在缺陷[23]。CHF患者的药物知识主要来自出院指导及药品说明书，若医护人员因时间有限未能充分解释[24]，加之年老久病、服药种类多以及药品说明书字体过小等, CHF患者往往不能很好地理解并掌握所服药物剂量、效果、副作用等信息，可导致用药偏差。对此，医护人员可通过治疗性沟通技巧、录制用药指导视频或音频、建立用药打卡及咨询交流群等帮助患者掌握药物用法及注意事项，进而提高药物素养水平。
综上所述, MMAS得分、SEAMS得分、药物素养得分越低, CHF患者发生过渡期用药偏差的风险越高，医护人员应予以高度重视。医护人员应基于服药依从性、用药自我效能、药物素养等患者源性因素对CHF患者进行综合评估，并通过增强患者遵医嘱用药意识与信心，提供清晰药嘱和信息化提醒工具，鼓励家属参与督促等综合干预措施，减少过渡期用药偏差的发生。本研究样本来自同一家医院，未来还应开展多中心调查进一步深入分析，并通过纵向研究探讨用药偏差随出院时间变化的轨迹。
-
表 1 老年高血压合并糖尿病患者发生HAI的单因素分析[n(%)]
因素 HAI组(n=32) 非HAI组(n=116) χ2 P 年龄 ≥75岁 12(37.50) 25(21.55) 3.402 0.065 < 75岁 20(62.50) 91(78.45) 性别 男 14(43.75) 50(43.10) 0.004 0.948 女 18(56.25) 66(56.90) 文化程度 小学及以下 6(18.75) 21(18.10) 0.972 0.808 初中 16(50.00) 57(49.14) 中专或高中 7(21.88) 20(17.24) 大专及以上 3(9.38) 18(15.52) 吸烟 是 14(43.75) 24(20.69) 6.989 0.008 否 18(56.25) 92(79.31) 饮酒 是 9(28.13) 31(26.72) 0.025 0.874 否 23(71.88) 85(73.28) 高血压病程 ≥10年 17(53.12) 54(46.55) 0.434 0.510 < 10年 15(46.88) 62(53.45) 糖尿病病程 ≥10年 16(50.00) 48(41.38) 0.759 0.384 < 10年 16(50.00) 68(58.62) 共患病程 ≥10年 14(43.75) 19(16.38) 10.845 0.001 < 10年 18(56.25) 97(83.62) 血压控制情况 未达标 16(50.00) 32(27.59) 5.750 0.016 达标 16(50.00) 84(72.41) 血糖控制情况 未达标 15(46.88) 25(21.55) 8.155 0.004 达标 17(53.12) 91(78.45) 合并其他基础疾病 是 22(68.75) 25(21.55) 25.781 < 0.001 否 10(31.25) 91(78.45) BMI分类 低体质量 7(21.88) 20(17.24) 1.268 0.737 正常 17(53.12) 63(54.31) 超重 5(15.62) 26(22.41) 肥胖 3(9.38) 7(6.03) APACHE Ⅱ评分 ≥20分 20(62.50) 21(18.10) 24.683 < 0.001 < 20分 12(37.50) 95(81.90) 意识障碍 是 15(46.88) 16(13.79) 16.577 < 0.001 否 17(53.12) 100(86.21) 白蛋白水平 ≥30 g/L 18(56.25) 94(81.03) 8.370 0.004 < 30 g/L 14(43.75) 22(18.97) BMI: 体质量指数; APACHEⅡ: 急性生理学与慢性健康状况评分系统Ⅱ。 
下载: 导出CSV
表 2 老年高血压合并糖尿病患者发生HAI的多因素Logistic回归分析
预测因子 β S. E. Wald 自由度 P OR 95%CI 年龄 -0.850 0.643 1.751 1.000 0.186 0.427 0.121~1.505 吸烟 0.746 0.632 1.390 1.000 0.238 2.108 0.610~7.280 共患病程 1.278 0.624 4.193 1.000 0.041 3.589 1.056~12.193 血压控制情况 1.159 0.608 3.628 1.000 0.057 3.186 0.967~10.494 血糖控制情况 1.513 0.643 5.534 1.000 0.019 4.538 1.287~16.002 合并其他基础疾病 2.185 0.623 12.318 1.000 < 0.001 8.893 2.624~30.132 APACHEⅡ评分 1.834 0.599 9.368 1.000 0.002 6.259 1.934~20.256 意识障碍 2.237 0.665 11.316 1.000 0.001 9.365 2.744~34.477 白蛋白水平 -0.123 0.654 0.036 1.000 0.850 0.884 0.245~3.186 常量 -4.506 0.953 22.369 1.000 < 0.001 0.011 —
下载: 导出CSV
-
[1] LLOPIS F, FERRÉC, GARCÍA-LAMBERECHTS E J, et al. Are short-stay units an appropriate resource for hospitalising elderly patients with infection[J]. Rev Calid Asist, 2016, 31(6): 322-328. doi: 10.1016/j.cali.2016.02.007
[2] 王力红, 赵霞, 郝晋, 等. 高龄老年患者医院感染特点[J]. 中国感染控制杂志, 2017, 16(1): 6-9. doi: 10.3969/j.issn.1671-9638.2017.01.002 [3] LI X Y, QI X, YUAN G H, et al. Microbiological profile and clinical characteristics of diabetic foot infection in Northern China: a retrospective multicentre survey in the Beijing area[J]. J Med Microbiol, 2018, 67(2): 160-168. doi: 10.1099/jmm.0.000658
[4] 中华人民共和国卫生部. 医院感染诊断标准(试行)[J]. 中华医学杂志, 2001, 81(5): 314-320. doi: 10.3760/j:issn:0376-2491.2001.05.027 [5] 中国老年医学学会高血压分会, 国家老年疾病临床医学研究中心中国老年心血管病防治联盟. 中国老年高血压管理指南2019[J]. 中国心血管杂志, 2019, 24(1): 1-23. https://www.cnki.com.cn/Article/CJFDTOTAL-ZLQG201902001.htm [6] 中华医学会糖尿病学分会. 中国2型糖尿病防治指南(2017年版)[J]. 中国实用内科杂志, 2018, 38(4): 292-344. https://www.cnki.com.cn/Article/CJFDTOTAL-SYNK201804009.htm [7] NATHAN D M, BUSE J B, DAVIDSON M B, et al. Management of hyperglycemia in type 2 diabetes: a consensus algorithm for the initiation and adjustment of therapy: a consensus statement from the American Diabetes Association and the European Association for the Study of Diabetes[J]. Diabetes Care, 2006, 29(8): 1963-1972. doi: 10.2337/dc06-9912
[8] 潘桂群, 章建龙, 龚少波, 等. 老年高血压合并糖尿病患者医院感染的临床特点及影响因素分析[J]. 中华医院感染学杂志, 2019, 29(7): 1035-1037, 1041. https://www.cnki.com.cn/Article/CJFDTOTAL-ZHYY201907019.htm [9] MA Y, AJNAKINA O, STEPTOE A, et al. Higher risk of dementia in English older individuals who are overweight or obese[J]. Int J Epidemiol, 2020, 49(4): 1353-1365. doi: 10.1093/ije/dyaa099
[10] 粟毅. RICU医院获得性鲍曼不动杆菌肺炎49例临床分析[J]. 重庆医科大学学报, 2009, 34(11): 1584-1587. https://www.cnki.com.cn/Article/CJFDTOTAL-ZQYK200911037.htm [11] 刘海燕, 刘勃, 王捷, 等. 肾脏内科住院患者医院感染的危险因素分析[J]. 中华医院感染学杂志, 2017, 27(9): 1994-1996, 2004. https://www.cnki.com.cn/Article/CJFDTOTAL-ZHYY201709020.htm [12] 吴晓霞, 左阿芳, 吴建义, 等. 老年糖尿病患者医院感染的临床特点及影响因素分析[J]. 中华医院感染学杂志, 2017, 27(22): 5122-5125. https://www.cnki.com.cn/Article/CJFDTOTAL-ZHYY201722023.htm [13] 刘卫平, 海云婷, 郭天慧, 等. 老年患者医院感染现状调查及病原菌耐药分析[J]. 中华医院感染学杂志, 2018, 28(11): 1645-1649. https://www.cnki.com.cn/Article/CJFDTOTAL-ZHYY201811011.htm [14] SCHERBAUM M, KÖSTERS K, MÜRBETH R E, et al. Incidence, pathogens and resistance patterns of nosocomial infections at a rural hospital in Gabon[J]. BMC Infect Dis, 2014, 14: 124. doi: 10.1186/1471-2334-14-124
[15] KIM K, LEE S H, LEE S W, et al. Current findings of kidney biopsy including nephropathy associated with hypertension and diabetes mellitus in Korea[J]. Korean J Intern Med, 2020, 35(5): 1173-1187. doi: 10.3904/kjim.2020.195
[16] 王雁, 阿迪力·阿不都热合曼, 王烁, 等. 精准血糖控制对脑卒中相关感染免疫功能的影响[J]. 中华急诊医学杂志, 2017, 26(4): 381-385. doi: 10.3760/cma.j.issn.1671-0282.2017.04.005 [17] 陈亮, 韩秀迪, 朱晓莉, 等. 社区获得性肺炎患者入院血糖水平与预后的相关性: 一项多中心、回顾性研究[J]. 解放军医学杂志, 2020, 45(1): 84-91. https://www.cnki.com.cn/Article/CJFDTOTAL-JFJY202001011.htm [18] 肖素红. 重症监护病房医院感染与年龄和基础疾病关系的临床研究[J]. 中国煤炭工业医学杂志, 2013, 16(8): 1334-1335. https://www.cnki.com.cn/Article/CJFDTOTAL-ZMGY201308048.htm [19] Öncül O, Öksüz S, Acar A, et al. Nosocomial infection characteristics in a burn intensive care unit: analysis of an eleven-year active surveillance[J]. Burns, 2014, 40(5): 835-841. doi: 10.1016/j.burns.2013.11.003
[20] 张鹏, 李育平, 王晓东, 等. 结合炎症反应指数的Nomogram模型对aSAH患者预后预测的价值[J]. 临床神经外科杂志, 2020, 17(2): 216-220. https://www.cnki.com.cn/Article/CJFDTOTAL-LCSW202002022.htm [21] IASONOS A, SCHRAG D, RAJ G V, et al. How to build and interpret a nomogram for cancer prognosis[J]. J Clin Oncol, 2008, 26(8): 1364-1370. http://europepmc.org/abstract/MED/18323559
[22] ZHANG P, LI Y, ZHANG J, et al. Risk factors analysis and a nomogram model establishment for late postoperative seizures in patients with meningioma[J]. J Clin Neurosci, 2020, 80: 310-317. http://www.sciencedirect.com/science/article/pii/S0967586820313138
[23] 刘峰, 朱妮, 邱琳, 等. ARIMA乘积季节模型在陕西省手足口病预测中的应用[J]. 中华流行病学杂志, 2016, 37(8): 1117-1120. http://qikan.cqvip.com/Qikan/Article/Detail?id=669725809 [24] TANG J, YANG B, ADAMS M P, et al. Artificial neural network-based prediction of outcome in Parkinson's disease patients using DaTscan SPECT imaging features[J]. Mol Imaging Biol, 2019, 21(6): 1165-1173. doi: 10.1007/s11307-019-01334-5
[25] WEI W, JIANG J, LIANG H, et al. Application of a combined model with Autoregressive Integrated Moving Average (ARIMA) and Generalized Regression Neural Network (GRNN) in forecasting hepatitis incidence in Heng County, China[J]. PLoS One, 2016, 11(6): eO156768.
-
期刊类型引用(7)
1. 张华倩，张梦，马晓雯，李敏，朱宁宁. 脑卒中患者医院-家庭过渡期用药偏差风险预测模型的构建及验证. 护理学杂志. 2024(02): 110-115 . 
百度学术
2. 徐佳忆，张慧超，孙兴，陈辰，徐冬梅，殷徐雯，宋海燕，周媛，顾则娟. 基于德尔菲法构建慢性心力衰竭病人居家容量管理行为偏差评估工具. 护理研究. 2024(13): 2281-2287 . 百度学术
3. 程美娟，邱凯丽. 老年缺血性脑卒中患者用药偏差预测模型构建与验证. 临床护理杂志. 2024(03): 14-18 . 百度学术
4. 潘婷，白玲，丁雯，张紫莹，蒙浩莹，曾美玲. 慢性心力衰竭病人多重用药管理影响因素的质性研究. 全科护理. 2024(16): 3089-3093 . 百度学术
5. 郭晶晶，林花兰，冷英杰，陈媛. 护士主导的用药偏差管理在医院—家庭过渡期腹透患者中的应用. 医学理论与实践. 2024(20): 3580-3582 . 百度学术
6. 郭静波，李沙沙，孙丽红，杨鸯，辛晓华，田梦，杨南南. 眼科老年患者医院-家庭过渡期用药偏差现况及影响因素研究. 护理管理杂志. 2024(10): 877-881+886 . 百度学术
7. 和青森，范崇桂，杨钰，郝丹，石玲红，孙晓林. 缺血性脑卒中患者院外用药偏差风险的列线图模型构建与验证. 中华现代护理杂志. 2024(36): 4945-4951 . 百度学术
其他类型引用(1)
计量
- 文章访问数: 401
- HTML全文浏览量: 175
- PDF下载量: 11
- 被引次数: 8
苏公网安备 32100302010246号
