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。

Extended-spectrum β-lactamase-producing bacteria from hospital wastewater pipes: isolation, characterization and biofilm control using common disinfectants

J. Wu*, T.P. Thompson, N.H. O’Connell, K. McCracken, J. Powell, B.F. Gilmore, C.P. Dunne, S.A. Kelly
*Queen’s University Belfast, Belfast, UK

Journal of Hospital Infection (2025) 156, 34-49

The relative efficacy of multiple syringe tip disinfection techniques against virulent staphylococcus contamination

S. Gibbons*, F. Dexter, R.W. Loftus, J.R. Brown, B.T. Wanta, J.E. Charnin
*University of Iowa, USA

Journal of Hospital Infection (2024) 145, 142-147

Efficacy of octenidine- and chlorhexidine-based wash-mitts against Candida albicans and Candida auris — a comparative study

F. Gugsch*, C.K. Tan, D.Y. Oh, L. Paßvogel, K. Steinhauer
*bactologicum GmbH, Germany

Journal of Hospital Infection (2024) 143, 91-96

Comparison of an algorithm, and coding data, with traditional surveillance to identify surgical site infections in Australia: a retrospective multi-centred cohort study

P.L. Russo*, A.C. Cheng, M. Asghari-Jafarabadi, T. Bucknall
*Monash University, Clayton, Australia

Journal of Hospital Infection (2024) 148, 112-118

Exposure to extrinsic risk factors in prevalence surveys of hospital-acquired infections: a methodological approach