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。

Comparison of cleaning efficacy between in-use disinfectant and electrolysed water in an English residential care home

Global prevalence, risk factors, and reporting practice of needlestick and sharps injuries among dental students: a systematic review and meta-analysis

J. Huang*, N. Li, H. Xu, Y. Liu, N. An, Z. Cai
*Peking University School and Hospital of Stomatology, China

Journal of Hospital Infection (2022) 129, 89-101

Prediction of post-stroke urinary tract infection risk in immobile patients using machine learning: an observational cohort study

C. Zhu*, Z. Xu, Y. Gu, S. Zheng, X. Sun, J. Cao, B. Song, J. Jin, Y. Liu, X. Wen, S. Cheng, J. Li, X. Wu
*Chinese Academy of Medical Sciences & Peking Union Medical College, China

Journal of Hospital Infection (2022) 122, 96-107

Evaluation of different methods to recover meticillin-resistant Staphylococcus aureus from hospital environmental surfaces

The SPaCE diagnostic: a pilot study to test the accuracy of a novel point of care sensor for point of care detection of burn wound infection
A.E. Young^*, N.T. Thet, J. Mercer-Chalmers, R.J. Greenwood, K. Coy, S. Booth, A. Sack, A.T.A. Jenkins
^*University Hospital Bristol and Weston NHS Foundation Trust, UK
Journal of Hospital Infection (2020) 106, 726-733