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。

Clinically explainable machine learning models for early identification of patients at risk of hospital acquired urinary tract infection

R.S. Jakobsen*, T.D. Nielsen, P. Leutscher, K. Koch
*North Denmark Regional Hospital, Denmark

Journal of Hospital Infection (2024) 154, 112-121

Norovirus detection in environmental samples in norovirus outbreaks in closed and semi-closed settings

E. Rico^*, C. Pérez, A. Belver, S. Sabaté, E. Razquin, J. de Benito, L. Coronas, A. Domínguez, M. Jané, The Working Group for the Study of Outbreaks of Acute Gastroenteritis in Catalonia (PI16/02005)

^*Sub-direcció Regional a Barcelona del Departament de Salut, Spain

Journal of Hospital Infection (2020) 105, 3-9

Comparison of droplet spread in standard and laminar flow operating theatres: SPRAY study group

R. B. Newsom*, A. Amara, A. Hicks, M. Quint, C. Pattison, B.R. Bzdek, J. Burridge, C. Krawczyk, J. Dinsmore, J. Conway

*University of Portsmouth, UK

Journal of Hospital Infection (2021) 110, 194-200

Influence of surgical team activity on airborne bacterial distribution in the operating room with a mixing ventilation system: a case study at St. Olavs Hospital

M.K. Annaqeeb*, Y. Zhang, J.W. Dziedzic, K. Xue, C. Pedersen, L.I. Stenstad, V. Novakovic, G. Cao
*Norwegian University of Science and Technology, Norway

Journal of Hospital Infection (2021) 116, 91-98

Residual risk of Pseudomonas aeruginosa waterborne contamination in an intensive care unit despite the presence of filters at all water points-of-use

G. Royer*, M. Virieux-Petit, F. Aujoulat, C. Hersent, S. Baranovsky, F. Hammer-Dedet, A. Masnou, H. Marchandin, P. Corne, E. Jumas-Bilak, S. Romano-Bertrand
*Univ Montpellier, Service de Prévention des Infections et de la Résistance, CHU Montpellier, France

Journal of Hospital Infection (2024) 149, 155-164