Logistic regression model predicts early surgical site infection after spinal fusion: a retrospective cohort study

Z. Ge*, X. Liu, X. Jing, J. Wang, Y. Guo, H. Yang, X. Cui
*Shandong Provincial Hospital Affiliated to Shandong First Medical University, China

Journal of Hospital Infection (2024) 149, 65-76

目的

この研究は、脊椎固定術後早期の手術部位感染症（SSI）を予測するための術後の炎症マーカーに基づいた診断モデルを開発することを目的とした。

方法

この後向き研究で、我々は、炎症マーカーの傾向を SSI 群と非 SSI 群の間で解析した。データは、訓練コホートと検証コホートに無作為に分けた（比 7：3）。SSI についての変数を段階的ロジスティック回帰により解析し、予測モデルを開発した。モデルを評価するために、その感度、特異度、陽性的中率、陰性的中率、曲線下面積を検証コホートで解析した。キャリブレーションプロットと決定曲線分析を使って、モデルのキャリブレーションと臨床的有用性を評価した。

結果

手術後 7 日目に、炎症マーカーの有意な変化を観察した。予測モデルには、手術後 7 日目における 4 つの変数を組み入れた。すなわち、体温、C 反応性蛋白質、赤血球沈降速度、好中球数である。これらのデータの 2 値処理の後、単純化されたモデルは、訓練コホートにおいて、曲線下面積が 0.86 （95％信頼区間［CI］、0.81 ～ 0.92）を達成し、検証コホートにおいて、0.9（95％CI、0.82 ～ 0.98）を達成した。キャリブレーションプロットと決定曲線分析によって、提案したモデルが SSI の診断に有効であったことが示された。

結論

我々は、脊椎固定術後早期の感染を診断する予測モデルを開発し、妥当性を確認した。

サマリー原文（英語）はこちら

監訳者コメント ：

脊椎固定術後の感染率は 0.7％～ 16％と幅があり、発生するとインプラント抜去、固定失敗、時に生命予後に影響するような重篤な SSI となることがある。その結果、入院期間の延長、医療費の増大に加え、患者の QOL を著しく低下させるため、早期診断・早期治療は重要である。近年では AI（人工知能）を使った SSI予測モデルもある。一方、SSI の診断には培養検査が必須であり、結果判明に時間を要するため、早期診断には培養以外の方法が必要となり、本論文のような予測モデルが作成された。しかしながら、後方視的研究であり、症例数も少ないため、より良い予測モデルを作成するためには、もっと大きなサンプル数で前向きな多施設研究が必要である。

Rapid method for the sensitive detection of protein contamination on surgical instruments

Disinfection effect of ozonated water on SARS-CoV-2 in the presence of salivary proteins

M. Yasugi*, K. Gunji, K. Inagaki, M. Kuroda d , C. Ii
*Osaka Metropolitan University, Japan

Journal of Hospital Infection (2025) 155, 209-215

Nutritional drinks and enteral feeds promote the growth of carbapenemase-producing Enterobacterales in conditions that simulate disposal in hospital sinks

A. Kearney*, H. Humphreys, D. Fitzgerald-Hughes
*Royal College of Surgeons in Ireland University of Medicine and Health Sciences, Ireland

Journal of Hospital Infection (2023) 139, 74-81

Evaluation of excreta management in a large French multi-hospital institution

Impact of COVID-19 pandemic on healthcare-associated infections at intensive care units in South Korea: data from the Korean National Healthcare-Associated Infections Surveillance System (KONIS)

Y.-M. Lee*, D.Y. Kim, E.J. Kim, K.-H. Park, M.S. Lee
*Kyung Hee University College of Medicine, Kyung Hee University Hospital, Republic of Korea

Journal of Hospital Infection (2023) 138, 52-59