引用本文： 滕雙芩, 匡競, 申彤彤, 閆怡然, 王瑋. 耐碳青霉烯類肺炎克雷伯菌感染風險預測模型的構建與驗證. 中國呼吸與危重監護雜志, 2024, 23(11): 761-768. doi: 10.7507/1671-6205.202403029 復制
版權信息： ?四川大學華西醫院華西期刊社《中國呼吸與危重監護雜志》版權所有，未經授權不得轉載、改編
在過去十年中，耐碳青霉烯類肺炎克雷伯菌（carbapenem-resistant Klebsiella pneumoniae，CRKP）在全球范圍內呈上升趨勢，逐漸成為一種新的公共衛生威脅[1]。據中國細菌耐藥監測網統計，我國CRKP的檢出率呈逐年上升趨勢，臨床上肺炎克雷伯菌對美羅培南、亞胺培南的耐藥率從2005 年的3.0%和2.9%增長至2018年的25.0%和26.3%，增長幅度近8倍[2]。由于其高發病率和高病死率以及缺乏適當的醫療干預的特點，在全球范圍內的持續傳播給醫療保健系統帶來了嚴峻的挑戰，已被世界衛生組織列為對公共健康構成嚴重或緊急威脅的細菌[3-5]。與碳青霉烯類敏感肺炎克雷伯菌（carbapenem-sensitive Klebsiella pneumoniae，CSKP）相比，CRKP的病死率可能高達33%～50%[6]。識別CRKP感染的風險因素對于醫院預防和控制CRKP至關重要。目前國內外對多風險因素影響下的CRKP感染預測建模研究較少，或是模型相對復雜而臨床實用性不強。本研究旨在探討CRKP感染風險因素簡單預測模型構建及驗證，為臨床指導抗菌藥物應用提供相關證據。
1 資料與方法
1.1 臨床資料
本研究納入河北醫科大學第三醫院自2020年5月—2021年5月連續入組308例肺炎克雷伯菌感染患者，男233例，女75例，年齡范18～90歲，根據是否耐碳青霉烯類藥物將病例分為CRKP組（117例）與CSKP組（191例）。納入標準：（1）符合美國臨床和實驗室標準協會制定的細菌耐藥折點標準；（2）符合微生物培養及鑒定依據《全國臨床檢驗操作規程（3版）》標準為肺炎克雷伯菌，藥敏結果完整；（3）年齡≥18歲。排除標準：（1）肺炎克雷伯菌藥敏結果為中介者；（2）臨床考慮為肺炎克雷伯菌定植；（3）妊娠與哺乳期女性；（4）未成年患者；（5）檢驗結果及病歷資料不完整患者；（6）住院時間≤24 h的患者。若同一患者在6個月內存在多次（≥1次）感染，本研究僅納入第1次感染時情況。本研究已獲得河北醫科大學第三醫院倫理委員會批準（科2022-052-1）。
1.2 方法
本研究由專業人員利用病歷查詢系統，收集填寫基本臨床資料，主要有性別，年齡，既往病史（糖尿病，慢性阻塞性肺疾病，腦血管病，心臟疾病，以及近6個月內糖皮質激素應用史、任何耐藥菌感染史、任何革蘭陰性菌感染史、抗菌藥物暴露史等），感染時住院情況［感染時住院時長，是否入住重癥監護病房（intensive care unit，ICU），入住ICU天數，是否行有創操作、外科手術、腎臟透析、腸外營養、有創機械通氣≥48 h，分離肺炎克雷伯菌前使用抗菌藥物種類數，是否使用碳青霉烯類抗菌藥物，序貫器官衰竭評分（sequential organ failure assessment，SOFA），急性生理學和慢性健康狀況評價Ⅱ（acute physiology and chronic health evaluation Ⅱ，APACHEⅡ）評分，感染部位］等。APACHEⅡ分值、SOFA評分取住院24 h內最高值。細菌鑒定及藥物敏感性檢測采用VITEK 2 COMPACT全自動微生鑒定系統，結果參照美國臨床實驗室標準化委員會標準（2015）判定[7]。
1.3 統計學方法
采用R軟件（版本4.3.1）進行統計學分析，包括caret、leaps、pROC、rmda、nomogramFormula、gmodels、ResourceSelection和rms軟件包。χ2檢驗初步篩選影響因素，將篩選出的變量因素（P<0.05）中的連續型變量以受試者操作特征（receiver operator characteristic，ROC）曲線和最大約登指數值（即敏感性+特異性–1）確定最佳閾值轉換為二分類變量。采用全子集回歸并基于最大調整R2值篩選最終預測因素。采用二分類logislic回歸算法構建最佳CRKP感染風險的預測模型并構建列線圖、評分表。以ROC曲線及曲線下面積（area under curve，AUC）評估建立模型的區分能力，采用Bootstrap法重抽樣1 000次對模型進行內部驗證，并運用校準曲線和Hosmer-Lemeshow檢驗評估模型的校準度，決策曲線評估模型的臨床應用價值。檢驗水準α=0.05。
2 結果
2.1 基線資料
本研究共納入308例患者，男233例（75.6%），女75例（24.4%），平均年齡（60.3±15.8）歲。CRKP組117例，男96例，女21例，平均年齡（60.8±15.4）歲；CSKP組共191例，男137例，女54例，平均年齡（59.9±16.2）歲。兩組人群的一般情況比較見表1。
表1
CRKP感染患者與CSKP感染患者基線特征［例（%）/M（P25，P75）］
2.2 篩選預測因子
單因素分析的結果顯示感染時住院時長、分離前使用碳青霉烯類抗菌藥物、感染時入住ICU、APACHEⅡ評分>15分、SOFA評分≥2分、有創操作、有創機械通氣≥48 h、腸外營養、分離前應用抗菌藥物種類數、近6個月抗菌藥物暴露史、近6個月任何革蘭陰性菌感染史、近6個月任何耐藥菌感染、腦血管病、感染部位、心臟疾病、性別、感染時入住ICU天數共計17個變量與發生CRKP感染有關（均P<0.05）。將單因素分析篩選出的3個連續型預測變量因素分別繪制ROC曲線，根據最大約登指數確定連續型預測因素的最佳截斷值，并將其轉化為二分類變量，結果見表2。
表2
CRKP感染預測因素效能分析
通過全子集回歸篩選最大調整R2值（0.255）的預測因子組合，納入模型的變量因素為感染時入住ICU天數>2天、男性、APACHEⅡ評分>15分、感染時住院時長>10天、近6個月任何革蘭陰性菌感染史、心臟疾病、肺部感染、近6個月抗菌藥物暴露史（圖1）。
圖1
基于全子集回歸的預測因子篩選圖
2.3 預測模型的構建
以是否發生CRKP感染為因變量，將全子集回歸篩選出的8個預測變量納入模型中進行logistic回歸分析，結果顯示感染時入住ICU天數>2天、男性、APACHEⅡ評分>15分、感染時住院時長>10天、近6個月任何革蘭陰性菌感染史、心臟疾病、肺部感染、近6個月抗菌藥物暴露史為CRKP感染風險因素。結果見表3。
表3
CRKP感染預測變量logistic回歸分析結果
根據上述步驟構建CRKP感染預測模型并繪制列線圖（圖2）。根據模型ROC曲線取約登指數最大值對應的截斷值為最佳風險閾值，劃分高、低風險人群。確定CRKP感染的預測概率為0.476，其敏感性為67.5%，特異性為82.7%，對應總分約為178分，即模型預測概率>0.476的患者視為高風險人群。為了簡便快速評估風險，進一步開發了評分表。將logistic回歸模型中APACHEⅡ評分>15分的偏回歸系數值（0.558）為基準取值，四舍五入、取整為評分表賦值，形成了總分為15分的CRKP感染風險預測評分表（表4）。使用評分表的ROC曲線取約登指數最大值對應的截斷值為6分為最佳切點（得分高于6分的患者被認為會發生CRKP感染，低于6分則不發生）。
圖2
CRKP感染風險因素列線圖
表4
CRKP感染預測模型評分表
2.4 模型評價與驗證
從AUC、校準度和決策曲線三方面對建立的模型進行評價，列線圖的AUC為0.811（95%CI 0.761～0.860）。表明本研究所建立的預測模型具有良好的區分能力（圖3a）。建立的評分表模型評分最佳截斷值為 6分時，AUC為0.723（95%CI 0.672～0.774），敏感性為72.3%，特異性為77.1%，提示該模型具有良好的預測價值見（圖3b）。采用Bootstrap法重抽樣1 000次對模型進行內部驗證，通過校準曲線比較列線圖預測模型CRKP預測概率與實際概率（圖4a），經Hosmer-Lemeshow擬合優度檢驗顯示模型具有良好的校準度（Z2=6.261，P=0.618）。決策曲線顯示當概率落在0.2～0.8的閾概率，可以獲得較高的臨床效用（圖4b）。
圖3
預測模型ROC曲線
a. 列線圖ROC圖；b. 評分表ROC圖
圖4
CRKP感染風險因素列線圖預測模型校準圖與決策圖
a. 校準圖；b. 決策圖
3 討論
CRKP感染通常需要抗菌藥物聯合治療，尤其是治療血流感染、肺炎、中樞神經系統感染或危重患者時，聯合療法比單一療法更能降低患者的病死率[8-9]，目前其最佳治療方案仍未知。基于新型抗菌藥物頭孢他啶/阿維巴坦的方案治療CRKP效果較佳，但該藥物在中國大多數地方仍然處于難以獲得的狀態[10]。其他藥物如替加環素、多黏菌素等對不良反應大且費用高[11]。本研究通過全子集回歸對CRKP感染患者所有預測風險變量的可能組合進行模型擬合，進而構建預測列線圖、評分表評估CRKP感染患者預測風險，有助于臨床醫生作出及時、合理的干預策略。
本研究表明感染時入住ICU天數>2天、男性、APACHEⅡ評分>15分、感染時住院時長>10天、近6個月有任何革蘭陰性菌感染史、心臟疾病、肺部感染、近6個月有抗菌藥物暴露史為CRKP感染的風險因素。男性、心臟疾病被列為風險因素，與Yang等[12]的研究結果一致，這可能與男性相比女性診斷出心臟疾病的概率更高相關[12-13]。呼吸道感染可以損害血管內皮細胞，破壞冠狀動脈粥樣硬化斑塊的穩定性，導致冠狀動脈閉塞，會增加心臟疾病發作的風險[14-15]。入院前的肺部感染是CRKP定植的高危因素，若患者同時患肺部感染與心臟疾病，其機體免疫防御與清除感染部位細菌的能力就可能在雙重打擊下受到影響而易感染CRKP[16-17]。抗菌藥物的使用是細菌耐藥性產生的重要因素，負責碳青霉烯類耐藥性的質粒通常會攜帶對其他抗菌藥物具有耐藥性的基因，CRKP感染之前頻繁的抗菌藥物更換與使用會促進CRKP耐藥性的產生[18]。研究表明既往碳青霉烯類藥物、頭孢菌素類藥物、糖肽類藥物的使用史均會增加CRKP感染的風險[19]。重癥監護病房（intensive care unit，ICU）是醫院多重耐藥細菌的主要營地，入住ICU的患者多處于免疫力抑制狀態，基礎狀況更差，隨著住院時長的增加，APACHEⅡ評分高患者接受侵入性操作的可能性增加，皮膚和氣管的黏膜因侵入性操作受損，降低了機體的屏障保護功能，增加了接觸污染物體和醫院環境菌的機會[20]。病原菌易在侵入性操作的導管等器械表面形成生物被膜，有助于周圍環境中病原菌侵入機體，降低抗菌藥物敏感性[21]。抗菌藥物的不規范應用會導致肺炎克雷伯菌發生基因突變或產生新的耐藥基因，廣譜抗菌藥物及不同類抗菌藥物的治療會促進對耐藥細菌的選擇，加速細菌耐藥性的形成，提高耐藥率。既往的革蘭陰性菌感染史，尤其是既往有肺炎克雷伯菌感染/定植史的患者相比無定植/感染史的患者，其感染風險高約3.3倍，與本研究認為的增加感染風險結果相符[22]。
本研究對CRKP感染建立量化風險評估模型，并用列線圖及評分表呈現模型。相比其他模型，本模型建立的列線圖及評分表具有更加的直觀、簡便性，具有不錯的臨床實用性。本模型經ROC曲線和校準曲線顯示具備良好的預測能力和一致性，臨床決策曲線表示有著較好的臨床實際應用價值。列線圖和評分表模型可將各個指標定量評分化，臨床工作者可根據CRKP感染的預測情況劃分高低風險人群。本列線圖模型認為ICU天數>2天時分值為81分，男性分值為33分，APACHEⅡ評分>15分時分值為31分，感染時住院時長>10天時分值為65分，近6個月有任何革蘭陰性菌感染史時分值為100分，有心臟疾病時分值為49分，有肺部感染時分值為33分，近6個月有抗菌藥物暴露史時分值為67分，以上因素相加總分為161分、183分、206分時分別對應概率為40%、50%、60%。本列線圖模型認為總分大于178分為高風險人群，評分表模型認為評分總分>6分為高風險人群，需要給予更多的關注，及早制定干預治療方案。
本研究存在一定局限性。第一，它是對來自單中心的患者的回顧性分析，數據來源較為單一，樣本量有限，代表性可能不足。對模型只進行了內部驗證，且沒有其他不同地區及等級的醫院數據作對比，易導致出現偏倚和過擬合等情況。第二，臨床數據收集的CRKP感染因素有限，未對患者感染CRKP的病情的嚴重程度及預后進行探討，同時缺乏更詳細的微生物學基因組數據。
本研究開發的用于預測CRKP感染的預測模型計算得到的C指數為0.811（95%CI 0.761～0.861），可認為該模型能較好地區分CRKP感染患者，具有良好的預測能力和一致性。與Zhang等[23]建立的血液系統惡性腫瘤的CRKP感染患者模型相比，本研究的適用人群范圍更廣。與Giannella等[24]建立的GRS模型相比，本研究建立的模型不需要肛拭子檢查即可做出預測，其操作更為簡便。總之，本研究相比其他模型采用列線圖與評分表的雙重可視化展示方法，具有更強的實用性與簡便性，能為臨床CRKP感染治療過程中制定個體化治療方案提供依據，可用于經驗性抗菌治療，可降低治療初始階段無效治療的風險。
利益沖突：本研究不涉及任何利益沖突。
在過去十年中，耐碳青霉烯類肺炎克雷伯菌（carbapenem-resistant Klebsiella pneumoniae，CRKP）在全球范圍內呈上升趨勢，逐漸成為一種新的公共衛生威脅[1]。據中國細菌耐藥監測網統計，我國CRKP的檢出率呈逐年上升趨勢，臨床上肺炎克雷伯菌對美羅培南、亞胺培南的耐藥率從2005 年的3.0%和2.9%增長至2018年的25.0%和26.3%，增長幅度近8倍[2]。由于其高發病率和高病死率以及缺乏適當的醫療干預的特點，在全球范圍內的持續傳播給醫療保健系統帶來了嚴峻的挑戰，已被世界衛生組織列為對公共健康構成嚴重或緊急威脅的細菌[3-5]。與碳青霉烯類敏感肺炎克雷伯菌（carbapenem-sensitive Klebsiella pneumoniae，CSKP）相比，CRKP的病死率可能高達33%～50%[6]。識別CRKP感染的風險因素對于醫院預防和控制CRKP至關重要。目前國內外對多風險因素影響下的CRKP感染預測建模研究較少，或是模型相對復雜而臨床實用性不強。本研究旨在探討CRKP感染風險因素簡單預測模型構建及驗證，為臨床指導抗菌藥物應用提供相關證據。
1 資料與方法
1.1 臨床資料
本研究納入河北醫科大學第三醫院自2020年5月—2021年5月連續入組308例肺炎克雷伯菌感染患者，男233例，女75例，年齡范18～90歲，根據是否耐碳青霉烯類藥物將病例分為CRKP組（117例）與CSKP組（191例）。納入標準：（1）符合美國臨床和實驗室標準協會制定的細菌耐藥折點標準；（2）符合微生物培養及鑒定依據《全國臨床檢驗操作規程（3版）》標準為肺炎克雷伯菌，藥敏結果完整；（3）年齡≥18歲。排除標準：（1）肺炎克雷伯菌藥敏結果為中介者；（2）臨床考慮為肺炎克雷伯菌定植；（3）妊娠與哺乳期女性；（4）未成年患者；（5）檢驗結果及病歷資料不完整患者；（6）住院時間≤24 h的患者。若同一患者在6個月內存在多次（≥1次）感染，本研究僅納入第1次感染時情況。本研究已獲得河北醫科大學第三醫院倫理委員會批準（科2022-052-1）。
1.2 方法
本研究由專業人員利用病歷查詢系統，收集填寫基本臨床資料，主要有性別，年齡，既往病史（糖尿病，慢性阻塞性肺疾病，腦血管病，心臟疾病，以及近6個月內糖皮質激素應用史、任何耐藥菌感染史、任何革蘭陰性菌感染史、抗菌藥物暴露史等），感染時住院情況［感染時住院時長，是否入住重癥監護病房（intensive care unit，ICU），入住ICU天數，是否行有創操作、外科手術、腎臟透析、腸外營養、有創機械通氣≥48 h，分離肺炎克雷伯菌前使用抗菌藥物種類數，是否使用碳青霉烯類抗菌藥物，序貫器官衰竭評分（sequential organ failure assessment，SOFA），急性生理學和慢性健康狀況評價Ⅱ（acute physiology and chronic health evaluation Ⅱ，APACHEⅡ）評分，感染部位］等。APACHEⅡ分值、SOFA評分取住院24 h內最高值。細菌鑒定及藥物敏感性檢測采用VITEK 2 COMPACT全自動微生鑒定系統，結果參照美國臨床實驗室標準化委員會標準（2015）判定[7]。
1.3 統計學方法
采用R軟件（版本4.3.1）進行統計學分析，包括caret、leaps、pROC、rmda、nomogramFormula、gmodels、ResourceSelection和rms軟件包。χ2檢驗初步篩選影響因素，將篩選出的變量因素（P<0.05）中的連續型變量以受試者操作特征（receiver operator characteristic，ROC）曲線和最大約登指數值（即敏感性+特異性–1）確定最佳閾值轉換為二分類變量。采用全子集回歸并基于最大調整R2值篩選最終預測因素。采用二分類logislic回歸算法構建最佳CRKP感染風險的預測模型并構建列線圖、評分表。以ROC曲線及曲線下面積（area under curve，AUC）評估建立模型的區分能力，采用Bootstrap法重抽樣1 000次對模型進行內部驗證，并運用校準曲線和Hosmer-Lemeshow檢驗評估模型的校準度，決策曲線評估模型的臨床應用價值。檢驗水準α=0.05。
2 結果
2.1 基線資料
本研究共納入308例患者，男233例（75.6%），女75例（24.4%），平均年齡（60.3±15.8）歲。CRKP組117例，男96例，女21例，平均年齡（60.8±15.4）歲；CSKP組共191例，男137例，女54例，平均年齡（59.9±16.2）歲。兩組人群的一般情況比較見表1。
表1
CRKP感染患者與CSKP感染患者基線特征［例（%）/M（P25，P75）］
2.2 篩選預測因子
單因素分析的結果顯示感染時住院時長、分離前使用碳青霉烯類抗菌藥物、感染時入住ICU、APACHEⅡ評分>15分、SOFA評分≥2分、有創操作、有創機械通氣≥48 h、腸外營養、分離前應用抗菌藥物種類數、近6個月抗菌藥物暴露史、近6個月任何革蘭陰性菌感染史、近6個月任何耐藥菌感染、腦血管病、感染部位、心臟疾病、性別、感染時入住ICU天數共計17個變量與發生CRKP感染有關（均P<0.05）。將單因素分析篩選出的3個連續型預測變量因素分別繪制ROC曲線，根據最大約登指數確定連續型預測因素的最佳截斷值，并將其轉化為二分類變量，結果見表2。
表2
CRKP感染預測因素效能分析
通過全子集回歸篩選最大調整R2值（0.255）的預測因子組合，納入模型的變量因素為感染時入住ICU天數>2天、男性、APACHEⅡ評分>15分、感染時住院時長>10天、近6個月任何革蘭陰性菌感染史、心臟疾病、肺部感染、近6個月抗菌藥物暴露史（圖1）。
圖1
基于全子集回歸的預測因子篩選圖
2.3 預測模型的構建
以是否發生CRKP感染為因變量，將全子集回歸篩選出的8個預測變量納入模型中進行logistic回歸分析，結果顯示感染時入住ICU天數>2天、男性、APACHEⅡ評分>15分、感染時住院時長>10天、近6個月任何革蘭陰性菌感染史、心臟疾病、肺部感染、近6個月抗菌藥物暴露史為CRKP感染風險因素。結果見表3。
表3
CRKP感染預測變量logistic回歸分析結果
根據上述步驟構建CRKP感染預測模型并繪制列線圖（圖2）。根據模型ROC曲線取約登指數最大值對應的截斷值為最佳風險閾值，劃分高、低風險人群。確定CRKP感染的預測概率為0.476，其敏感性為67.5%，特異性為82.7%，對應總分約為178分，即模型預測概率>0.476的患者視為高風險人群。為了簡便快速評估風險，進一步開發了評分表。將logistic回歸模型中APACHEⅡ評分>15分的偏回歸系數值（0.558）為基準取值，四舍五入、取整為評分表賦值，形成了總分為15分的CRKP感染風險預測評分表（表4）。使用評分表的ROC曲線取約登指數最大值對應的截斷值為6分為最佳切點（得分高于6分的患者被認為會發生CRKP感染，低于6分則不發生）。
圖2
CRKP感染風險因素列線圖
表4
CRKP感染預測模型評分表
2.4 模型評價與驗證
從AUC、校準度和決策曲線三方面對建立的模型進行評價，列線圖的AUC為0.811（95%CI 0.761～0.860）。表明本研究所建立的預測模型具有良好的區分能力（圖3a）。建立的評分表模型評分最佳截斷值為 6分時，AUC為0.723（95%CI 0.672～0.774），敏感性為72.3%，特異性為77.1%，提示該模型具有良好的預測價值見（圖3b）。采用Bootstrap法重抽樣1 000次對模型進行內部驗證，通過校準曲線比較列線圖預測模型CRKP預測概率與實際概率（圖4a），經Hosmer-Lemeshow擬合優度檢驗顯示模型具有良好的校準度（Z2=6.261，P=0.618）。決策曲線顯示當概率落在0.2～0.8的閾概率，可以獲得較高的臨床效用（圖4b）。
圖3
預測模型ROC曲線
a. 列線圖ROC圖；b. 評分表ROC圖
圖4
CRKP感染風險因素列線圖預測模型校準圖與決策圖
a. 校準圖；b. 決策圖
3 討論
CRKP感染通常需要抗菌藥物聯合治療，尤其是治療血流感染、肺炎、中樞神經系統感染或危重患者時，聯合療法比單一療法更能降低患者的病死率[8-9]，目前其最佳治療方案仍未知。基于新型抗菌藥物頭孢他啶/阿維巴坦的方案治療CRKP效果較佳，但該藥物在中國大多數地方仍然處于難以獲得的狀態[10]。其他藥物如替加環素、多黏菌素等對不良反應大且費用高[11]。本研究通過全子集回歸對CRKP感染患者所有預測風險變量的可能組合進行模型擬合，進而構建預測列線圖、評分表評估CRKP感染患者預測風險，有助于臨床醫生作出及時、合理的干預策略。
本研究表明感染時入住ICU天數>2天、男性、APACHEⅡ評分>15分、感染時住院時長>10天、近6個月有任何革蘭陰性菌感染史、心臟疾病、肺部感染、近6個月有抗菌藥物暴露史為CRKP感染的風險因素。男性、心臟疾病被列為風險因素，與Yang等[12]的研究結果一致，這可能與男性相比女性診斷出心臟疾病的概率更高相關[12-13]。呼吸道感染可以損害血管內皮細胞，破壞冠狀動脈粥樣硬化斑塊的穩定性，導致冠狀動脈閉塞，會增加心臟疾病發作的風險[14-15]。入院前的肺部感染是CRKP定植的高危因素，若患者同時患肺部感染與心臟疾病，其機體免疫防御與清除感染部位細菌的能力就可能在雙重打擊下受到影響而易感染CRKP[16-17]。抗菌藥物的使用是細菌耐藥性產生的重要因素，負責碳青霉烯類耐藥性的質粒通常會攜帶對其他抗菌藥物具有耐藥性的基因，CRKP感染之前頻繁的抗菌藥物更換與使用會促進CRKP耐藥性的產生[18]。研究表明既往碳青霉烯類藥物、頭孢菌素類藥物、糖肽類藥物的使用史均會增加CRKP感染的風險[19]。重癥監護病房（intensive care unit，ICU）是醫院多重耐藥細菌的主要營地，入住ICU的患者多處于免疫力抑制狀態，基礎狀況更差，隨著住院時長的增加，APACHEⅡ評分高患者接受侵入性操作的可能性增加，皮膚和氣管的黏膜因侵入性操作受損，降低了機體的屏障保護功能，增加了接觸污染物體和醫院環境菌的機會[20]。病原菌易在侵入性操作的導管等器械表面形成生物被膜，有助于周圍環境中病原菌侵入機體，降低抗菌藥物敏感性[21]。抗菌藥物的不規范應用會導致肺炎克雷伯菌發生基因突變或產生新的耐藥基因，廣譜抗菌藥物及不同類抗菌藥物的治療會促進對耐藥細菌的選擇，加速細菌耐藥性的形成，提高耐藥率。既往的革蘭陰性菌感染史，尤其是既往有肺炎克雷伯菌感染/定植史的患者相比無定植/感染史的患者，其感染風險高約3.3倍，與本研究認為的增加感染風險結果相符[22]。
本研究對CRKP感染建立量化風險評估模型，并用列線圖及評分表呈現模型。相比其他模型，本模型建立的列線圖及評分表具有更加的直觀、簡便性，具有不錯的臨床實用性。本模型經ROC曲線和校準曲線顯示具備良好的預測能力和一致性，臨床決策曲線表示有著較好的臨床實際應用價值。列線圖和評分表模型可將各個指標定量評分化，臨床工作者可根據CRKP感染的預測情況劃分高低風險人群。本列線圖模型認為ICU天數>2天時分值為81分，男性分值為33分，APACHEⅡ評分>15分時分值為31分，感染時住院時長>10天時分值為65分，近6個月有任何革蘭陰性菌感染史時分值為100分，有心臟疾病時分值為49分，有肺部感染時分值為33分，近6個月有抗菌藥物暴露史時分值為67分，以上因素相加總分為161分、183分、206分時分別對應概率為40%、50%、60%。本列線圖模型認為總分大于178分為高風險人群，評分表模型認為評分總分>6分為高風險人群，需要給予更多的關注，及早制定干預治療方案。
本研究存在一定局限性。第一，它是對來自單中心的患者的回顧性分析，數據來源較為單一，樣本量有限，代表性可能不足。對模型只進行了內部驗證，且沒有其他不同地區及等級的醫院數據作對比，易導致出現偏倚和過擬合等情況。第二，臨床數據收集的CRKP感染因素有限，未對患者感染CRKP的病情的嚴重程度及預后進行探討，同時缺乏更詳細的微生物學基因組數據。
本研究開發的用于預測CRKP感染的預測模型計算得到的C指數為0.811（95%CI 0.761～0.861），可認為該模型能較好地區分CRKP感染患者，具有良好的預測能力和一致性。與Zhang等[23]建立的血液系統惡性腫瘤的CRKP感染患者模型相比，本研究的適用人群范圍更廣。與Giannella等[24]建立的GRS模型相比，本研究建立的模型不需要肛拭子檢查即可做出預測，其操作更為簡便。總之，本研究相比其他模型采用列線圖與評分表的雙重可視化展示方法，具有更強的實用性與簡便性，能為臨床CRKP感染治療過程中制定個體化治療方案提供依據，可用于經驗性抗菌治療，可降低治療初始階段無效治療的風險。
利益沖突：本研究不涉及任何利益沖突。
