Am J Infect Control:感染预防控制中的疾病监测方法你知道吗？

编者按

可靠的统计方法是识别有效的干预措施，提供最佳证据，从而达到预防与控制感染的基础，本文通过比较统计过程控制与推特异常/暴发检测方法为我们介绍了医院感染暴发监测的识别方式。

背景

并非所有的卫生保健相关感染（HAI）都是可预防的，但通过针对性的干预减少HAI是成功预防感染的关键。这就需要在分析监测数据时必须有可靠的统计方法，以识别有效的干预措施。本研究目的是比较统计过程控制( SPC )图表与推特（Twitter）异常/暴发检测方法在数据分析中的运用。

方法

建立万古霉素耐药肠球菌、鲍曼不动杆菌、导尿管相关尿路感染和中心导管相关性血流感染数据的SPC和异常/暴发检测（ABD）图。

结果

SPC和ABD图表在大部分图表上都检测到相似的异常/失控数据点。在耐万古霉素肠球菌中ABD图检测到一个特别的异常点，该异常点高于往年同期。中心导管相关血流感染的小部分数据中，ABD图能够检测到SPC图未能检测出的异常。

讨论

SPC图表和ABD图表都检测效果都很好，ABD图表在季节变化和自相关的数据中检测效果更显着。

结论

由于ABD图表反映了HAI数据中常见的统计问题，因此它可能对专业人员分析HAI监测数据更有用。

▲ 图1.（上图）耐万古霉素肠球菌监测的统计过程控制p图（SPC）与（下图）异常/暴发检测（ABD）

2012年1月至2016年6月

图1描述VRE的SPC p图和ABD图。SPC图识别出2013年1月的特殊变异，这个点在ABD图上也被检测为异常。ABD图发现了2015年7月的一个异常，似乎与周围水平一致，但高于前后几年的相同月份。同时，有几个暴发被识别出来。

▲ 图2.（上图）鲍曼不动杆菌监测的统计过程控制p图（SPC）与（下图）异常/暴发检测（ABD）

2012年1月至2016年6月

图2描述鲍曼不动杆菌的SPC p图和ABD图。在SPC图上共识别出32个特殊变异点。这代表了图表中近60%的数据。一个点在ABD图上被发现为异常，在SPC图上也被检测为特殊变异。同时，几个暴发被识别。

▲ 图3.（上图）导尿管相关尿路感染监测的统计过程控制u图（SPC）与（下图）异常/暴发检测（ABD）

2011年1月至2016年6月

图3描述CAUTI的SPC u图和ABD图。SPC图记录了从2012年2月到9月连续8个月存在特殊变异。在ABD图上尽管观察到几个暴发，但没有发现异常。

▲ 图4.（上图）中心导管相关血流感染监测的统计过程控制u图（SPC）与（下图）异常/暴发检测（ABD）

2009年1月至2016年6月

图4描述CLABSI的SPC u图和ABD图。在SPC图中共记录了24个月的特殊变异。在ABD图表中，两个最高点( 2009年3月和2012年9月)也被确认为异常。

▲ 图5.（上图）中心导管相关血流感染监测的统计过程控制u图（SPC）与（下图）异常/暴发检测（ABD）

2012年3月-2013年5月

图5描述CLABSI子数据集的SPC和ABD图。包含原始数据组中段相同的15个点。ABD图检测到与完整的数据组中2012年9月检测到的相同异常点，但是SPC图无法检测出。

结论部分

研究表明，ABD图是评估HAI数据趋势、异常和暴发的可选指标。ABD图表能够解释卫生保健相关感染数据中常见问题，且易于解读，因此对于专业人员消除HAIs和提高患者安全性，ABD图表是非常有用的。

原始出处：Wiemken TL, Furmanek SP, Mattingly WA, et al. Methods for computational disease surveillance in infection prevention and control: Statistical process control versus Twitter's anomaly and breakout detection algorithms. Am J Infect Control. 2018 Feb;46(2):124-132.