A machine learning approach to predict healthcare-associated infections at intensive care unit admission: findings from the SPIN-UTI project

M. Barchitta*, A. Maugeri, G. Favara, P.M. Riela, G. Gallo, I. Mura, A. Agodi, on behalf of the SPIN-UTI Network

*University of Catania, Italy

Journal of Hospital Infection (2021) 112, 77-86

背景

集中治療室（ICU）において医療関連感染症（HAI）のリスクがより高い患者を同定することは、公衆衛生にとって重要な課題である。機械学習により、患者のリスク層別化が改善され、目標を絞った感染予防・制御介入につながる可能性がある。

目的

ICU における HAI リスクの予測を目的としたSimplified Acute Physiology Score（SAPS）IIの性能を、従来の統計学的アプローチと機械学習アプローチの両方を用いて評価すること。

方法

本研究では、Italian Nosocomial Infections Surveillance in Intensive Care Units プロジェクトから患者7,827例のデータを用いた。Support Vector Machines（SVM）アルゴリズムを適用して、性別、患者の搬送元、急性冠動脈疾患に対する非外科的治療、外科的介入、入室時の SAPS II、侵襲的デバイスの存在、外傷、免疫不全、ならびに ICU 入室に先立つ 48 時間以内の抗菌薬療法に従って分類した。

結果

HAI リスクの予測における SAPS II の性能は、受信者動作特性曲線における曲線下面積が 0.612（P ＜ 0.001）、正確度が56％であった。SAPS II について、ICU 入室時の他の特性とともに検討した場合、検証セットについては SVM 分類子の正確度は 88％、AUC は 0.90（P ＜ 0.001）であった。SAPS II の変数を除去して同じ SVM モデルを検討した場合の予測能はより低かった（正確度 78％、AUC 0.66）。

結論

本研究から、SVM モデルは、ICU 入室時に HAI リスクが高い患者の早期予測において有用なツールであることが示唆された。

サマリー原文（英語）はこちら

監訳者コメント：

感染対策分野では、予後予測や耐性菌保有の予測、あるいは COVID-19 の可能性の予測など様々な予測や推定が行われる。この分野における機械学習や AI に期待するところは大きい。

Development of a tool to assess evidence for causality in studies implicating sink drains as a reservoir for hospital-acquired gammaproteobacterial infection
C. Volling^*, S. Thomas, J. Johnstone, H.C. Maltezou, D. Mertz, R. Stuart, A.J. Jamal, C. Kandel, N. Ahangari, B.L. Coleman, A. McGeer
^*Mount Sinai Hospital, Canada
Journal of Hospital Infection (2020) 106, 454-464

Current status of antimicrobial stewardship programmes in Korean hospitals: results of a 2018 nationwide survey

Consensus demonstrates four indicators needed to standardize burn wound infection reporting across trials in a single-country study (ICon-B study)
A. Davies^*, L. Teare, S. Falder, J. Dumville, M. Shah, A.T.A. Jenkins, D. Collins, B. Dheansa, K. Coy, S. Booth, L. Moore, K. Marlow, R. Agha, A. Young
^*University of Bristol, UK
Journal of Hospital Infection (2020) 106, 217-225

The role of glutamate dehydrogenase for the detection of Clostridium difficile in faecal samples: a meta-analysis

G. Birgand^*, R. Troughton, V. Mariano, S. Hettiaratchy, S. Hopkins, J.A. Otter, A. Holmes
^*Health Protection Research Unit in Healthcare Associated Infection and Antimicrobial Resistance at Imperial College UK
Journal of Hospital Infection (2020) 104, 328-331