修回日期: 2025-03-17
接受日期: 2025-03-25
在线出版日期: 2025-03-28
肝硬化患者因免疫功能受损导致院内感染风险增加, 影响患者预后, 加重医疗负担. 本研究拟对相关影响因素进行探讨, 并建立基于机器学习算法的风险预测模型, 以尽早识别院内感染高危患者, 并采取针对性的预防干预措施.
探讨机器学习算法分析肝硬化患者发生院内感染的危险因素及构建风险预测模型.
选择2022-01/2024-12于湖州师范学院附属第一医院感染科就诊的肝硬化患者为研究对象. 收集患者临床资料, 利用单因素分析和多因素Logistic回归分析筛选特征危险因素. 基于逻辑回归、支持向量机、梯度提升机、神经网络、随机森林、极端梯度提升、K近邻算法、自适应提升算法、轻量级梯度提升机(light gradient boosting machine, LightGBM)、类别梯度提升10种机器学习算法构建预测模型. 通过受试者工作特征(receiver operating characteristic, ROC)曲线、准确度、精确度、召回率、F1-score和Delong检验评估模型的预测性能并比较其差异. 利用最优模型对危险因素进行重要性排序.
共纳入202例肝硬化患者, 院内感染发生率为31.68%. 综合模型各指标表现, LightGBM模型的ROC曲线下面积(area under the ROC curve, AUC)(0.948)、准确率(0.876)和F1-score(0.776)最高, Delong检验结果显示LightGBM模型的AUC值高于其他模型, 差异均有统计学意义(P均<0.05). LightGBM为最优模型. 基于LightGBM模型计算肝硬化患者发生院内感染危险因素的重要性评分, 得到重要性排序依次为: 预防性使用抗菌药物、Child-Pugh分级、腹水、年龄、住院时间、侵入性操作.
本研究构建的基于LightGBM算法肝硬化患者院内感染风险预测模型具有较高的预测效能, 有助于临床医护人员早期识别感染高危人群, 进行及时干预, 从而改善患者预后.
核心提要: 肝硬化病人发生医院感染会进一步加重肝脏损伤, 引发全身炎症反应, 甚至出现多器官功能衰竭. 本研究基于机器学习算法构建相关风险预测模型, 以尽早识别院内感染高危患者, 并采取针对性的预防干预措施, 改善患者预后.
引文著录: 顾晓菲, 梁晓洁, 董金玲. 基于机器学习构建肝硬化患者院内感染风险预测模型. 世界华人消化杂志 2025; 33(3): 199-206
Revised: March 17, 2025
Accepted: March 25, 2025
Published online: March 28, 2025
Cirrhotic patients have an increased risk of nosocomial infection due to impaired immune function, which signifi-cantly affects patient prognosis and increases medical burden. This study aimed to explore the relevant influencing factors and establish risk prediction models based on machine learning algorithms to identify high-risk patients for nosocomial infections as early as possible so as to take targeted preventive interventions.
To identify the risk factors for nosocomial infection in patients with liver cirrhosis and construct prediction models based on machine learning algorithms.
Liver cirrhosis patients who visited the Department of Infectious Diseases of First Affiliated Hospital of Huzhou University from January 2022 to December 2024 were included in this study. Clinical data were collected. Univariate and multivariate logistic regression analyses were used to identify significant risk factors. Predictive models were constructed using 10 different machine learning algorithms, including Logistic, SVM, GBM, NeuralNetwork, RandomForest, Xgboost, KNN, Adaboost, LightGBM, and CatBoost. Model perfor-mance was evaluated through the receiver operating characteristic (ROC) curve, accuracy, precision, recall, F1-score, and Delong test. The relative importance scores of risk factors were calculated using the feature importance ranking function of the optimal model.
A total of 202 liver cirrhosis patients were included, with a nosocomial infection rate of 31.68%. Among all models, the LightGBM model achieved the best performance, with the highest area under the ROC curve (AUC) (0.948), accuracy (0.876), and F1-score (0.776). Delong test showed that the AUC of the LightGBM model was significantly higher than that of other models (all P < 0.05). Based on the LightGBM model, the ranked importance of risk factors for nosocomial infection in patients with liver cirrhosis was: Prophylactic use of antibiotics, Child-Pugh classification, ascites, age, hospital stay duration, and invasive procedures.
The risk model for predicting nosocomial infection in patients with liver cirrhosis constructed based on the LightGBM algorithm exhibits strong predictive capability, which could help identify the high-risk population for nosocomial infection at an early stage, allowing timely intervention, thereby improving patients' prognosis.
- Citation: Gu XF, Liang XJ, Dong JL. Construction of risk prediction models for nosocomial infection in patients with liver cirrhosis based on machine learning. Shijie Huaren Xiaohua Zazhi 2025; 33(3): 199-206
- URL: https://www.wjgnet.com/1009-3079/full/v33/i3/199.htm
- DOI: https://dx.doi.org/10.11569/wcjd.v33.i3.199
随着肝硬化病程进展, 约60%的患者会出现免疫功能障碍综合征, 表现为免疫缺陷和系统性炎症反应, 继而伴随感染风险的增加[1]. 院内感染的发生不仅延长了住院时间, 增加疾病病死率, 同时也给患者及其家庭带来沉重的经济负担, 加重社会医疗体系的压力. 统计数据显示[2], 与未发生感染的肝硬化住院患者相比, 感染者早期死亡风险增加了2-3倍, 30天内死亡率更是高达32%, 人均医疗开支上升了28%. 因此, 建立有效的风险评估机制, 尽早识别院内感染高危患者, 并采取针对性的预防干预措施, 对于改善肝硬化患者的临床预后具有重要意义.
现有的预测模型大多基于传统统计方法, 存在数据量不足、模型复杂度不够、泛化能力差等问题, 难以应对复杂的临床场景. 近年来, 随着大数据技术和人工智能的飞速发展, 机器学习逐渐成为医疗健康领域数据分析和预测的重要工具. 相比于传统统计方法, 机器学习算法在处理高维和非线性数据时具有更强的适应性, 不仅能深入挖掘复杂数据之间的潜在关系, 还能识别多个风险因素间的交互作用, 提高预测结果的准确率和稳定性[3]. 目前, 利用各种机器学习算法进行疾病风险预测已成为研究热点[4,5]. 尽管国外已有部分相关研究[6], 但国内尚未开展肝硬化患者院内感染的机器学习预测模型研究. 因此, 本研究拟对肝硬化患者发生院内感染的情况及相关影响因素进行探讨, 并建立基于机器学习算法的风险预测模型, 旨在为感染防控及健康管理提供一定的参考依据.
1.1.1 研究对象: 回顾性收集2022-01/2024-12在本院感染科就诊的202例肝硬化患者为研究对象, 根据《医院感染诊断标准(试行)》[7]中院内感染的诊断标准分为感染组和未感染组. 纳入标准: (1)年龄>18岁; (2)符合《肝硬化诊治指南》[8]中肝硬化的诊断标准; (3)临床资料完整. 排除标准: (1)接受肝移植患者; (2)合并原发性肝癌以及其他恶性肿瘤; (3)妊娠期及哺乳期妇女. 本研究经湖州市第一人民医院伦理委员会批准, 患者或家属对研究方案均知情并签署知情同意书.
1.1.2 数据资料: 收集患者: (1)一般资料: 年龄、性别、住院时间、基础病因、肝硬化病程、Child-Pugh分级、白蛋白(albumin, ALB)等; (2)合并症: 糖尿病、心血管疾病、慢性肺部疾病等; (3)并发症: 肝性脑病、腹水、消化道出血等; (4)治疗相关资料: 预防性使用抗菌药物、侵入性操作等. 在研究过程中, 我们严格遵守隐私保护和数据安全的相关规定. 所有数据均以匿名方式, 且基于对现有数据、文件、记录的分析收集和处理, 确保患者的身份信息不会被直接识别或通过与其相关的标识物间接识别.
1.2.1 数据预处理: 将缺失率超过10%的变量或者研究对象予以删除, 对数据缺失率不足10%的变量进行填补. 连续性变量使用均值方法、分类变量使用随机插补法进行填补. 对分类变量进行独立编码, 并采用线性函数归一化方法对数据集进行归一化处理.
1.2.2 模型开发与验证: 将单因素分析中P<0.05的变量纳入多因素Logistic回归分析用以确定肝硬化患者发生院内感染的独立危险因素. 将多因素Logistic回归分析中P<0.05的变量纳入10种监督式机器学习算法用于构建预测模型, 包括逻辑回归(Logistic Regression)、支持向量机(support vector machine, SVM)、梯度提升机(gradient boosting machine, GBM)、神经网络(NeuralNetwork)、随机森林(RandomForest)、极端梯度提升(eXtreme gradient boosting, Xgboost)、K近邻算法(K-nearest neighbors, KNN)、自适应提升算法(adaptive boosting, Adaboost)、轻量级梯度提升机(light gradient boosting machine, LightGBM)、类别梯度提升(categorical boosting, CatBoost). 模型构建过程采用十折交叉验证. 通过网格搜索调整模型参数, 不断对模型进行优化. 采用受试者工作特征(receiver operating characteristic, ROC)曲线、准确率、精确率、召回率、F1-score和Delong检验评估模型的预测性能并比较其差异. 利用最优模型对危险因素进行重要性排序.
统计学处理 采用SPSS 26.0统计软件进行分析. 分类变量以[例(%)]表示, 比较采用χ2检验. 通过单因素分析和多因素Logistic回归分析筛选构建模型的预测因子. 使用R 4.4.2构建10种机器学习模型并评估模型性能. P<0.05为差异有统计学意义.
202例肝硬化患者中, 发生院内感染64例, 发生率为31.68%. 感染部位依次为呼吸道25例(39.06%), 腹腔25例(39.06%), 泌尿道9例(14.06%), 其他部位5例(7.82%). 共分离得到病原菌67株, 其中革兰阴性杆菌39株(58.21%), 革兰阳性球菌21株(31.34%), 真菌7株(10.45%).
感染组与未感染组在年龄、住院时间、Child-Pugh分级、肝性脑病、腹水、ALB、预防性使用抗菌药物、侵入性操作方面比较, 差异有统计学意义(P均<0.05), 见表1.
| 感染组 | 未感染组 | χ2 | P值 | |
| 年龄 | 6.661 | 0.010 | ||
| <60岁 | 17(26.56) | 63(45.65) | ||
| ≥60岁 | 47(73.44) | 75(54.35) | ||
| 性别 | 1.590 | 0.207 | ||
| 男 | 47(73.44) | 89(64.49) | ||
| 女 | 17(26.56) | 49(35.51) | ||
| 住院时间 | 6.638 | 0.010 | ||
| <14 d | 28(43.75) | 87(63.04) | ||
| ≥14 d | 36(56.25) | 51(36.96) | ||
| 基础病因 | 1.661 | 0.197 | ||
| 病毒性肝炎 | 53(82.81) | 103(74.64) | ||
| 其他 | 11(17.19) | 35(25.36) | ||
| 肝硬化病程 | 0.213 | 0.645 | ||
| <5年 | 37(57.81) | 75(54.35) | ||
| ≥5年 | 27(42.19) | 63(45.65) | ||
| Child-Pugh分级 | 29.678 | <0.001 | ||
| A | 4(6.25) | 37(26.81) | ||
| B | 23(35.94) | 72(52.17) | ||
| C | 37(57.81) | 29(21.01) | ||
| 糖尿病 | 0.571 | 0.450 | ||
| 无 | 49(76.56) | 112(81.16) | ||
| 有 | 15(23.44) | 26(18.84) | ||
| 心血管疾病 | 0.401 | 0.527 | ||
| 无 | 48(75.00) | 109(78.99) | ||
| 有 | 16(25.00) | 29(21.01) | ||
| 慢性肺部疾病 | 0.002 | 0.969 | ||
| 无 | 59(92.19) | 127(92.03) | ||
| 有 | 5(7.81) | 11(7.97) | ||
| 肝性脑病 | 9.992 | 0.002 | ||
| 无 | 45(70.31) | 122(88.41) | ||
| 有 | 19(29.69) | 16(11.59) | ||
| 腹水 | 14.411 | <0.001 | ||
| 无 | 6(9.38) | 48(34.78) | ||
| 有 | 58(90.63) | 90(65.22) | ||
| 消化道出血 | 0.005 | 0.943 | ||
| 无 | 47(73.44) | 102(73.91) | ||
| 有 | 17(26.56) | 36(26.09) | ||
| ALB | 6.598 | 0.010 | ||
| <30 g/L | 43(67.19) | 66(47.83) | ||
| ≥30 g/L | 21(32.81) | 72(52.17) | ||
| 预防性使用抗菌药物 | 33.920 | <0.001 | ||
| 无 | 42(65.63) | 32(23.19) | ||
| 有 | 22(34.38) | 106(76.81) | ||
| 侵入性操作 | 16.418 | <0.001 | ||
| 无 | 14(21.88) | 72(52.17) | ||
| 有 | 50(78.13) | 66(47.83) |
多因素Logistic回归分析结果显示, 年龄、住院时间、Child-Pugh分级、腹水、预防性使用抗菌药物、侵入性操作是影响肝硬化患者发生院内感染的独立危险因素(P<0.05), 见表2.
| 回归系数 | 标准误 | 瓦尔德 | P值 | OR(95%CI) | |
| 年龄 | |||||
| <60岁 | Reference | ||||
| ≥60岁 | 1.307 | 0.451 | 8.403 | 0.004 | 3.696(1.527-8.945) |
| 住院时间 | |||||
| <14 d | Reference | ||||
| ≥14 d | 1.033 | 0.424 | 5.951 | 0.015 | 2.811(1.225-6.448) |
| Child-Pugh分级 | |||||
| A | Reference | ||||
| B | 1.254 | 0.675 | 3.453 | 0.063 | 3.503(0.934-13.144) |
| C | 2.827 | 0.711 | 15.800 | <0.001 | 16.894(4.191-68.092) |
| 腹水 | |||||
| 无 | Reference | ||||
| 有 | 1.914 | 0.571 | 11.220 | 0.001 | 6.778(2.212-20.768) |
| 预防性使用抗菌药物 | |||||
| 无 | Reference | ||||
| 有 | -1.916 | 0.426 | 20.222 | <0.001 | 0.147(0.064-0.339) |
| 侵入性操作 | |||||
| 无 | Reference | ||||
| 有 | 1.476 | 0.446 | 10.973 | 0.001 | 4.376(1.827-10.482) |
基于以上危险因素, 构建Logistic、SVM、GBM、NeuralNetwork、RandomForest、Xgboost、KNN、Adaboost、LightGBM、CatBoost 10种机器学习模型. 综合模型各指标表现, LightGBM模型的ROC曲线下面积(area under the ROC curve, AUC)(0.948)、准确率(0.876)和F1-score(0.776)最高. Delong检验结果显示LightGBM模型的AUC值高于其他模型, 差异均有统计学意义(P均<0.05). LightGBM为最优模型, 见表3和图1.
| AUC(95%CI) | 准确率 | 精确率 | 召回率 | F1-score | |
| Logistic | 0.889(0.845-0.933) | 0.738 | 0.55 | 0.953 | 0.697 |
| SVM | 0.892(0.848-0.935) | 0.743 | 0.556 | 0.938 | 0.698 |
| GBM | 0.885(0.838-0.932) | 0.752 | 0.569 | 0.906 | 0.699 |
| NeuralNetwork | 0.889(0.844-0.933) | 0.782 | 0.616 | 0.828 | 0.707 |
| RandomForest | 0.821(0.762-0.881) | 0.837 | 0.915 | 0.672 | 0.775 |
| Xgboost | 0.882(0.832-0.932) | 0.762 | 0.58 | 0.906 | 0.707 |
| KNN | 0.928(0.894-0.963) | 0.851 | 0.75 | 0.797 | 0.773 |
| Adaboost | 0.806(0.741-0.871) | 0.792 | 0.704 | 0.594 | 0.644 |
| LightGBM | 0.948(0.920-0.975) | 0.876 | 0.687 | 0.891 | 0.776 |
| CatBoost | 0.874(0.826-0.921) | 0.772 | 0.598 | 0.859 | 0.705 |
基于LightGBM模型计算肝硬化患者发生院内感染危险因素的重要性评分, 得到重要性排序依次为: 预防性使用抗菌药物、Child-Pugh分级、腹水、年龄、住院时间、侵入性操作, 见图2.
本研究共纳入202例肝硬化患者, 其中64例(31.68%)发生院内感染, 略高于以往报道的15%-30%感染率[9,10]. 这一差异可能与样本量、研究对象的地区分布、病情严重程度、医疗机构等级、操作技术水平有关. 肺部感染和自发性腹膜炎是肝硬化患者常见感染部位, 病原菌主要为革兰阴性杆菌, 与张亚武等[11]研究结果一致. 贾新勇等[12]发现肝硬化住院患者细菌感染耐药率为40%-45%, 其中多重耐药菌的感染率高达34%, 耐药菌的感染与抗生素治疗失败、脓毒性休克和住院死亡风险增加密切相关.
LightGBM是一种基于直方图算法的分布式高性能算法, 专为梯度提升决策树而设计, 其原理是迭代训练多个决策树, 并根据前一棵树的结果训练下一棵树, 以最小化损失函数, 具有高效率、高速度和高精度的特点[13]. LightGBM带有深度限制的leaf-wise叶片生长策略, 单侧梯度采样, 以及直接支持类别特征, 不仅可以有效防止过拟合, 还可提高模型稳定性和泛化能力, 应对各种复杂场景, 提供稳定且可靠的预测结果[14]. 相比于LightGBM, RandomForest虽然具有较强的泛化能力, 但在处理高维数据时计算复杂度较高, 且难以捕捉特征之间的非线性关系; 而Xgboost虽然性能接近LightGBM, 但其训练速度较慢, 且对超参数调优的要求更高.
本研究首次基于10种机器学习算法分别建立肝硬化患者发生院内感染风险预测模型, 并对模型的预测效能进行了评估. 结果表明, LightGBM模型预测效能最佳, 其AUC为0.948(95%CI: 0.920-0.975), 准确率为0.876, F1-score为0.776, 均显著高于其他机器学习模型, 且明显优于赵栩等[15]构建的列线图模型, 表明LightGBM模型具有较高的预测准确性, 可以有效识别肝硬化院内感染高风险人群.
本研究利用LightGBM模型对肝硬化患者院内感染的危险因素进行了重要性排序, 重要程度依次为: 预防性使用抗菌药物、Child-Pugh分级、腹水、年龄、住院时间、侵入性操作. (1)研究证实[16]预防性使用抗菌药物可以显著降低院内感染发生率. 住院期间预防性使用诺氟沙星能够减少肝硬化伴腹水患者的细菌感染率、自发性细菌性腹膜炎复发率以及6个月死亡率[17]. 然而, 抗菌药物的长期滥用也可增加多重耐药菌感染风险, 是导致急性失代偿期肝硬化患者死亡的重要原因之一. 因此, 在临床实践中需控制抗菌药物的使用时间与使用剂量, 以平衡其预防作用与潜在风险; (2)Child-Pugh C级患者肝脏储备功能差且肝功能受损最为严重, 合成功能减退导致白蛋白及球蛋白合成减少, 凝血功能障碍, 免疫功能明显降低; (3)终末期肝硬化患者常伴有腹水形成, 导致腹内压升高, 肠道屏障功能受损, 肠壁通透性增加, 促使肠道细菌易位引发感染, 而细菌感染诱发的全身性炎症反应不仅会引起内脏动脉扩张, 导致有效循环血容量减少, 还会刺激肾素-血管紧张素-醛固酮系统和抗利尿激素的过度激活, 促进水钠潴留, 加重腹水形成和肝功能恶化, 形成恶性循环[18]; (4)此外, 临床对于腹水的诊治不可避免地增加了腹腔穿刺操作的频率, 以及肝硬化病人在住院期间可能会接受导尿、透析、气管插管、深静脉置管等侵入性操作, 破坏了机体生理的防御屏障, 为致病菌的侵入和繁殖提供了有利条件, 从而增加感染风险. 赵丽丽等[19]研究发现长期留置导管的患者发生导管相关感染, 如导尿管相关尿路感染、中心静脉导管相关血流感染、呼吸机相关性肺炎的几率显著增加; (5)老年人由于身体机能衰退、合并基础疾病、免疫力降低和营养不良等因素, 使其更容易受到病原菌的侵袭. 研究表明[20], 老年人的院内感染发生率是其他年龄段患者的3倍, 尤其是85岁以上高龄患者, 其院内感染发生率和病死率均为最高; (6)肝硬化患者通常需长期住院治疗, 住院时间越长意味着患者暴露于病原菌并发生院内交叉感染的机会越大, 导致院内感染的风险上升. 特别是在ICU或长期卧床的患者中, 耐药菌定植风险显著升高, 增加了感染的治疗难度, 并可能导致病情进一步恶化, 严重影响患者预后.
本研究仍存在一些不足, 一是本文所构建的模型基于单中心医院数据, 模型的泛化性能尚需通过外部验证; 二是除本文已纳入的基础临床信息外, 模型还需更多数据源(如影像学资料)的支持, 以进一步优化, 结合多模态数据有望提升模型的预测效果.
综上, 预防性使用抗菌药物、Child-Pugh分级、腹水、年龄、住院时间、侵入性操作是影响肝硬化患者发生院内感染的独立危险因素. 基于LightGBM算法构建的风险预测模型性能最优, 有助于感染高危人群的早期识别, 及时采取干预措施, 改善患者预后.
肝硬化患者因免疫功能受损导致院内感染风险增加, 感染会进一步加重肝脏损伤, 引发全身炎症反应, 严重时会发生肝衰竭, 甚至累及多个器官出现功能障碍, 不仅延长了住院时间, 增加疾病病死率, 同时也给患者及其家庭带来沉重的经济负担, 加重社会医疗体系的压力. 在此背景下, 建立有效的风险评估机制, 尽早识别院内感染高危患者, 并采取针对性的预防干预措施, 对于改善肝硬化患者的临床预后具有重要意义.
探讨肝硬化患者发生院内感染现状及相关影响因素, 并基于机器学习算法构建风险预测模型, 为感染防控及健康管理提供一定的参考依据.
基于逻辑回归、支持向量机、梯度提升机、神经网络、随机森林、极端梯度提升、K近邻算法、自适应提升算法、轻量级梯度提升机(light gradient boosting machine, LightGBM)、类别梯度提升10种机器学习算法构建肝硬化患者发生院内感染预测模型, 以期为临床提供方便、有效的风险评估方案.
以湖州师范学院附属第一医院202例肝硬化患者为研究对象, 收集患者临床资料, 通过单因素分析和多因素Logistic回归分析筛选构建模型的预测因子, 使用10种机器学习算法构建模型并评估模型性能.
LightGBM模型的受试者工作特征曲线下面积、准确率和F1-score最高, 为最优模型. 基于LightGBM模型计算肝硬化患者发生院内感染危险因素的重要性评分, 得到重要性排序依次为: 预防性使用抗菌药物、Child-Pugh分级、腹水、年龄、住院时间、侵入性操作.
基于LightGBM算法构建的肝硬化患者院内感染风险预测模型具有较高的预测效能, 有助于临床医护人员早期识别感染高危人群, 进行及时干预.
本研究构建的肝硬化患者院内感染风险预测模型, 具有较高的预测效能及临床应用价值. 未来可纳入多中心数据验证模型的泛化性能, 同时结合多模态数据进一步提升模型的预测能力.
学科分类: 胃肠病学和肝病学
手稿来源地: 浙江省
同行评议报告学术质量分类
A级 (优秀): 0
B级 (非常好): B, B
C级 (良好): C, C, C
D级 (一般): 0
E级 (差): 0
科学编辑: 张砚梁 制作编辑:张砚梁
| 2. | 辛 金换, 郭 亚卿, 刘 洋, 范 敬静, 明 喜梅, 高 晶, 陈 勇, 常 彩芳. 肝硬化患者合并细菌感染的生存率及生活质量分析. 公共卫生与预防医学. 2024;35:101-105. [DOI] |
| 6. | Li S, Zhang Y, Lin Y, Zheng L, Fang K, Wu J. Development and validation of prediction models for nosocomial infection and prognosis in hospitalized patients with cirrhosis. Antimicrob Resist Infect Control. 2024;13:85. [PubMed] [DOI] |
| 12. | 贾 新勇, 栗 朋辉, 郭 改玲, 王 晓佳, 申 燕. 失代偿期乙肝肝硬化患者碳青霉烯类耐药大肠埃希菌医院感染的危险因素及其耐药基因. 中华医院感染学杂志. 2022;32:1478-1481. [DOI] |