Construct validation of machine learning for accurately predicting the risk of postoperative surgical site infection following spine surgery

Q. Zhang*, G. Chen , Q. Zhu, Z. Liu, Y. Li, R. Li, T. Zhao, X. Liu, Y. Zhu, Z. Zhang, H. Li
*Taizhou People’s Hospital, Nanjing Medical University, People’s Republic of China

Journal of Hospital Infection (2024) 146, 232-241

背景

本研究では、脊椎手術後の術後手術部位感染症（SSI）を予測する機械学習（ML）アルゴリズムに組み入れるリスク因子を検討した。

方法

本前向きコホート研究は、2015 年 1 月から 2022 年 10 月までに南京医科大学附属 Taizhou People’s Hospital で脊椎手術を受けた患者 986 例を対象とした。教師あり ML アルゴリズムとして、サポートベクターマシン、ロジスティック回帰、ランダムフォレスト、XGboost、決定木、k-最近傍法、ナイーブベイズ（NB）を試験および訓練し、予測モデルを構築した。ML モデルの性能は、試験データセットから評価した。これらのモデルの正解率、感度および特異度、さらに陽性的中率、陰性的中率および曲線下面積を、逐次的に解析した。

結果

SSI 発生率は 9.33％であった。後方ステップワイズ法を用い、多変量 Cox 回帰分析において、SSI を予測する注目すべきリスク因子は年齢、体格指数、喫煙、脳脊髄液漏出、ドレーン留置期間および術前のアルブミン値であることがわかった。他の ML アルゴリズムと比較して、NB モデルは 7 つの ML モデルの中で最も性能が高く、平均曲線下面積 0.95、感度 0.78、特異度 0.88、正解率 0.87 であった。

結論

ML アルゴリズムの中で NB モデルは、既存モデルと比較して優れた較正能を示し、SSI のリスクを正確に予測したことから、脊椎手術後の SSI の早期発見および治療のための重要なツールとなる可能性がある。

サマリー原文（英語）はこちら

監訳者コメント：

感染対策の領域は、AI との相性が良く、最近急速に論文が増えてきた。AI の予測においては、「なぜそう予測したのか」理由が分からないものも多いが、本論文は、リスク因子を明示してくれている。ただそれにしても「測定（想定）していないパラメーター」は検討できないのは相変わらずであり、今後は患者情報収集の点でも更なる発展が期待される。

Application of rapid read-out cleaning indicators for improved process control in hospital sterile services departments

Travel-associated carbapenem-resistant organisms at a time of increasing geopolitical instability: a UK perspective

S.J.C. Pallett*, S.E. Boyd, A. Khanijau, R. Banerjee, N. Reece, S. Jawad, V. Daniel, M. Routledge, H. Navalan, C. Ward, K. Saeed, J. Lambourne, D.A. Enoch, G. Shanks, J. Cai, A. Wild, N. Mahida, H. Hiles, H. Parsons, M. Tickell-Painter, R. Shorten, V. Srirathan, J. Suich, D. Wearmouth, R. Dhillon, N. Mughal, S.D. Woolley, M.K. O’Shea, L.S.P. Moore
*Chelsea and Westminster Hospitals NHS Foundation Trust, UK

Journal of Hospital Infection (2026) 169, 143-150

Four country healthcare-associated infection prevalence survey: pneumonia and lower respiratory tract infections

Clinical challenge of diagnosing non-ventilator hospital acquired pneumonia and identifying causative pathogens: a narrative review

S. Quarton*, A. Livesey, H. Pittaway, A. Adiga, F. Grudzinska, A. McNally, D. Dosanjh, E. Sapey, D. Parekh
*University of Birmingham, UK

Journal of Hospital Infection (2024) 149, 189-200

Impact of control measures including decolonization and hand hygiene for orthopaedic surgical site infection caused by MRSA at a Japanese tertiary-care hospital

H. Kawamura*, N. Imuta, T. Ooka, A. Shigemi, M. Nakamura, K. Mougi, Y. Obama, R. Fukuyama, S. Arimura, N. Murata, H. Tominaga, H. Sasaki, S. Nagano, N. Taniguchi, J. Nishi
*Kagoshima University Hospital, Japan

Journal of Hospital Infection (2024) 146, 151-159