期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于多模态神经网络的新型冠状病毒感染患者继发医院感染的预测模型分析
1
作者 徐璐 周兴蓓 +5 位作者 吴静 魏渊 谈慧颖 黄菊 邹圣强 沈硕 《抗感染药学》 2024年第5期474-478,共5页
目的:基于多模态神经网络,构建新型冠状病毒感染(COVID-19)患者继发医院感染的预测模型,为临床患者继发医院感染的防治提供参考。方法:选取2022年8月1日—2023年1月20日镇江市第三人民医院收治的2519例COVID-19患者作为研究对象,收集患... 目的:基于多模态神经网络,构建新型冠状病毒感染(COVID-19)患者继发医院感染的预测模型,为临床患者继发医院感染的防治提供参考。方法:选取2022年8月1日—2023年1月20日镇江市第三人民医院收治的2519例COVID-19患者作为研究对象,收集患者的年龄、既往病史、住院时间、抗菌药物使用、行机械通气等信息,采用多模态神经网络预测模型分析患者继发医院感染的影响因素,并与传统的多因素Logistic回归分析模型进行比较。结果:2519例COVID-19患者中发生医院感染的有312例,感染发生率为12.39%;Logistic回归分析结果显示,COVID-19患者继发医院感染与年龄、是否有高血压病史和呼吸系统疾病史、是否有经验性使用抗菌药物和免疫抑制剂、是否行机械通气具有相关性(P<0.05),其中年龄>65岁、有高血压病史、有呼吸系统疾病史、住院时间>7 d、经验性使用抗菌药物、行机械通气是患者继发医院感染的独立危险因素(P<0.05);多模态神经网络预测结果显示,住院时间、呼吸系统疾病史、年龄、经验性使用抗菌药物和机械通气是患者继发医院感染的5个最大的危险因素,其训练样本、检验样本和坚持样本的准确度分别为87.49%、86.31%和90.28%;多模态神经网络预测模型和多因素Logistic回归分析模型的接受者操作特征曲线的曲线下面积分别为0.879和0.852,并且Delong检验结果显示二者之间存在统计学差异(P<0.05)。结论:多模态神经网络预测模型和多因素Logistic回归分析模型均可以较好地预测COVID-19患者继发医院感染的相关风险,但多模态神经网络预测模型的预测结果更好。 展开更多
关键词 新型冠状病毒感染 医院感染 预测模型 多模态神经网络 多因素LOGISTIC回归分析
在线阅读 下载PDF
探讨分级管理模式在多重耐药菌医院感染防控中的作用及对抗菌药物合理应用率的影响 被引量:4
2
作者 谈慧颖 施均美 《中国卫生产业》 2021年第15期77-80,共4页
目的探讨分级管理模式用于多重耐药菌医院感染防控中的作用及对抗菌药物合理应用率的影响。方法回顾性分析该院2018年1—12月期间(未采用分级管理模式)与2019年1—12月期间(采用分级管理模式)收治患者多重耐药菌感染发生情况。结果2018... 目的探讨分级管理模式用于多重耐药菌医院感染防控中的作用及对抗菌药物合理应用率的影响。方法回顾性分析该院2018年1—12月期间(未采用分级管理模式)与2019年1—12月期间(采用分级管理模式)收治患者多重耐药菌感染发生情况。结果2018年(未实施分级管理)6437例住院病例中27例发生多重耐药菌医院感染(感染率0.42%),共分离总菌株数814株,其中多重耐药菌数113株,占13.88%;2019年(实施分级管理)7093例住院病例中12例发生多重耐药菌医院感染(感染率0.16%),共分离总菌株数903株,其中多重耐药菌数64株,占7.09%。实施分级管理模式前后多重耐药菌医院感染构成比差异有统计学意义(P<0.05);且实施分级管理模式前后主要多重耐药菌为CRE,分别占56.64%和64.06%。实施分级管理组中多重耐药菌医院感染者抗生素合理应用率为91.67%,高于未实施分级管理组51.85%,差异有统计学意义(P<0.05)。结论分级管理模式用于多重耐药菌医院感染防控中可有效降低感染率,同时提高抗菌药物合理应用率。 展开更多
关键词 分级管理模式 多重耐药菌医院感染 医院感染控制 抗菌药物 合理用药
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部