王 玮,唐为峰

    留置导尿已经是临床最常见的治疗技术,导尿管相关尿路感染(catheter-associated urinary tract infection,CAUTI)是指病人留置导尿管后或拔除导尿管48 h内发生的泌尿系统感染,是最常见的医院感染之一[1]。CAUTI的发生可影响病人的治疗效果,最终导致病人住院时间延长、住院费用增加甚至增加病死率。相关研究显示65%～70%的CAUTI可以预防,2016年国家卫生和计划生育委员会将CAUTI发生率纳入护理质量敏感指标,2017年美国将CAUTI发生率定为病人十大安全目标之一,由此可见降低CAUTI发生率具有重要意义[2-4]。关联规则(association rule)是数据挖掘的重要研究方向之一,近年来也越来越多应用于护理领域,越来越被大家所关注[5]。关联规则可以发现海量数据中的潜在隐藏关系。本研究通过对某三级甲等医院144例成人住院病人CAUTI事件的变量进行关联分析,挖掘出强关联规则8条,结果报道如下。

    1 对象与方法

    1.1 一般资料

    回顾性收集2021年1月1日—2023年3月31日某三级甲等医院国家护理质量数据平台上报关于成人CAUTI不良事件144例。排除标准：1)病人年龄≤18岁;2)数据缺失有误者。一般资料包括科室、住院号、诊断、性别、年龄、留置导尿管的主要原因、导尿管型号、导尿管类型、导管材质、是否使用抗反流集尿袋装置、发生CAUTI前是否进行膀胱冲洗、发生CAUTI时导尿管留置时长、发生CAUTI时导尿管置管次数、是否有慢性疾病。

    1.2 数据预处理

    剔除无用的变量(如住院号、诊断)、定义留置尿管时间≥28 d为长期留置尿管[6],对纳入的发生CAUTI时导尿管留置时长、发生CAUTI时导尿管置管次数等变量进行离散化处理。

    1.3 数据分析方法

    运用Apriori算法进行数据挖掘,Apriori算法是一种经典的数据挖掘算法[7] ......