目的 构建基于人工神经网络与logistic回归模型的耐碳青霉烯类革兰阴性菌(CR-GNB)感染预测模型.方法 回顾性收集某院2020年1月—2021年3月革兰阴性菌感染患者1824例为研究对象,根据患者临床资料分别用人工神经网络和logistic回归算法构建CR-GNB感染预测模型,从区分度和校准度两个方面比较模型的预测效能.结果 共发生医院感染2392例,CR-GNB感染504例,占所有医院感染的21.07％.logistic回归模型ROC曲线下面积(AUC)为0.837(0.794～0.880),在截断值为0.255时,灵敏度为73.3％,特异度为79.3％,模型预测准确率为77.5％,H-L拟合优度检验:χ2=12.225,P=0.141;人工神经网络模型的AUC为0.850(0.828～0.872),在截断值为0.251时,灵敏度为80.1％,特异度为78.7％,模型预测准确率为78.8％,H-L拟合优度检验:χ2=11.363,P=0.182.结论 两种模型在区分度和校准度方面均有较好的表现,人工神经网络稍优于logistic回归模型.
作者：宋子璇；刘卫平
来源：中国消毒学杂志 2023 年 40卷 4期
