Bayesian Networks模型在新生儿重症监护病房医院感染风险预测中的应用

摘要：

目的:探讨医院新生儿重症监护病房(NICU)感染病原菌分布情况，应用Bayesian Networks模型构建NICU医院感染预测模型，并评价其应用价值。方法:采用回顾性调查法，选取2016年1月至2018年1月该院收治的新生儿1 560例，以医院感染诊断标准为依据，筛选出病原菌感染患儿560例，并以560例病原菌感染患儿作为感染组，选取无医院感染患儿560例作为对照组。应用Bayesian Networks构建医院感染预测模型，并采用错分概率Risk值、索引图、测试者工作曲线评价模型的应用价值。结果:560例患者共检出986株病原菌，以呼吸道为主要来源，占58.9%。其中，革兰阴性杆菌占64.9%。建立Bayesian Networks模型进行分析，以新生儿为起始节点，医院感染作为终结点，将11个风险因素作为中间节点进行风险分析。分析结果显示，出生体重、侵入操作、预防性抗菌药物、住院时间是主要风险因素，导致医院感染的概率增高。同时，采用索引图、ROC曲线、错分矩阵和概率Risk统计量进行评价，结果显示模型拟合度较好。结论:NICU的医院感染发生率高，病原菌主要来源于呼吸道，并以革兰阴性杆菌为主；Bayesian Networks模型拟合效果良好，可行NICU医院感染的风险预测。

关键词：NICU、Bayesian Networks、风险预测

所属期刊栏目：39

在线出版日期：2023-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：673-676