Bayesian Networks模型在新生儿重症监护病房医院感染风险预测中的应用

• 作者: 张丽
• 来源期刊: 国际护理学杂志
• 关键词: NICU Bayesian Networks 风险预测
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 技术与方法
• 页码范围: 673-676
• 页数: 4页
• 语种: 中文
• DOI: 10.3760/cma.j.issn.1673-4351.2020.04.038

摘要

目的 探讨医院新生儿重症监护病房(NICU)感染病原菌分布情况,应用Bayesian Networks模型构建NICU医院感染预测模型,并评价其应用价值.方法 采用回顾性调查法,选取2016年1月至2018年1月该院收治的新生儿1 560例,以医院感染诊断标准为依据,筛选出病原菌感染患儿560例,并以560例病原菌感染患儿作为感染组,选取无医院感染患儿560例作为对照组.应用Bayesian Networks构建医院感染预测模型,并采用错分概率Risk值、索引图、测试者工作曲线评价模型的应用价值.结果 560例患者共检出986株病原菌,以呼吸道为主要来源,占58.9％.其中,革兰阴性杆菌占64.9％.建立Bayesian Networks模型进行分析,以新生儿为起始节点,医院感染作为终结点,将11个风险因素作为中间节点进行风险分析.分析结果显示,出生体重、侵入操作、预防性抗菌药物、住院时间是主要风险因素,导致医院感染的概率增高.同时,采用索引图、ROC曲线、错分矩阵和概率Risk统计量进行评价,结果显示模型拟合度较好.结论 NICU的医院感染发生率高,病原菌主要来源于呼吸道,并以革兰阴性杆菌为主;Bayesian Networks模型拟合效果良好,可行NICU医院感染的风险预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张丽	济宁医学院附属湖西医院新生儿科	45	116	5.0	10.0