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。

Evaluation of two detergent-disinfectants and a detergent on a Klebsiella pneumoniae biofilm formed within Tygon tubes

C. Noubam-Tchatat*, L. Badrikian, O. Traore, C. Aumeran
*CHU Clermont-Ferrand, France

Journal of Hospital Infection (2023) 140, 1-7

Assessing healthcare workers as potential stool donors for faecal microbiota transplantation: a cross-sectional study of antimicrobial-resistant gut bacteria and enteropathogenic micro-organisms

M. Bonilla-Moreno*, C. Medina-Gómez a , D. Guevara-Núñez, L. Saiz-Escobedo, S. Martí, M.Á. Domínguez, A. Carrera-Salinas, G. Rodríguez-Sevilla
*Hospital Universitari de Bellvitge, Spain

Journal of Hospital Infection (2025) 165, 153-162

Prevention of hospital-acquired infections: review of non-pharmacological interventions

Hand hygiene behaviours monitored by an electronic system in the intensive care unit–a prospective observational study

Q. Xu*, Y. Liu, D. Cepulis, A. Jerde, R.A. Sheppard, W. Reichle, L. Scott, L. Oppy, G. Stevenson, S. Bishop, S.P. Clifford, P. Liu, M. Kong, J. Huang
*University of Louisville, USA

Journal of Hospital Infection (2022) 123, 126-134

Meticillin-resistant Staphylococcus aureus and meticillin-susceptible Staphylococcus aureus screening in a cohort of haemodialysis patients: carriage, demographics and outcomes