医院获得性肺炎(hospital-acquired pneumonia, HAP)是常见的医院感染类型之一，大规模医院感染现患率调查结果^[1-2]显示，住院患者中医院获得性感染发生率为3.22%~5.22%，其中HAP约占一半。HAP严重影响患者疾病预后，增加经济负担，通常成为医院质量持续改进的重点。HAP主要宿主危险因素有高龄、误吸、基础疾病(糖尿病、慢性阻塞性肺疾病等)、免疫功能受损、颅脑等严重创伤、电解质紊乱等^[3]。目前HAP有效预测模型较少，对HAP早期采取干预措施有一定的影响。

卒中相关性肺炎(stroke-associated pneumonia, SAP)是指非机械通气的卒中患者在发病7 d内新出现的肺炎。SAP是卒中患者常见的并发症之一，发病率为2.4%~47%。研究^[4-7]表明，SAP不仅延长患者住院时间，增加住院费用，也是卒中患者死亡的重要危险因素之一。SAP的危险因素包括高龄、男性、基础疾病(糖尿病、高血压、房颤、充血性心力衰竭、慢性阻塞性肺疾病等)、吞咽困难、病情严重程度、白细胞升高等^[4-7]。为了尽早识别高风险患者，集中资源采取干预措施，改善患者预后，近年来国内外已经建立多个SAP预测量表，包括Kwon等评分量表^[8]、Sellars等评分量表^[9]、Chumbler等评分量表^[10]、A²DS²量表^[11]、PANTHERIS量表^[12]、ASI-APS量表^[13]、ISAN量表^[14]，各量表预测性能尚可。

缺血性脑卒中患者HAP很大一部分属于SAP，但受入院48 h后发生的时间限制，故又不同于SAP。HAP与SAP在危险因素上有很多相似之处，因此, 本研究试图使用之前公布的SAP预测量表检验其在缺血性脑卒中患者HAP中的应用效果，为HAP预测量表的建立提供参考依据。

1 资料与方法 1.1 资料来源

收集某二级综合医院2015—2018年入住神经内科的所有缺血性脑卒中患者的病历资料进行分析。

1.2 诊断标准

HAP诊断依据2001年卫生部颁布的《医院感染诊断标准(试行)》中下呼吸道感染诊断标准执行^[15]，SAP诊断依据《卒中相关性肺炎的诊断》执行^[16]。

1.3 研究工具

选取6个SAP预测量表：Kwon等评分量表、Chumbler等评分量表、A²DS²量表、PANTHERIS量表、ASI-APS量表、ISAN量表。6个SAP预测量表的基本情况见表 1。

1.4 调查方法

由神经内科医院感染监控医生、护士收集调查资料，包括基本信息：性别、年龄；既往史：房颤史、充血性心力衰竭史、肺炎史、慢性阻塞性肺疾病史、饮酒史、吸烟史；一般体格检查：发病时是否倒地，卒中发生后24 h内最高收缩压、是否吞咽困难(洼田饮水试验，入院4 h内评估)、改良Rakin量表评分；卒中相关性评分：NIHSS评分、格拉斯哥昏迷量表评分；实验室检查：入院时血糖、卒中发生后24 h内最高白细胞等；缺血性脑卒中类型：腔隙性梗塞、前循环梗塞、完全前循环梗塞、后循环梗塞；有无使用呼吸机治疗；是否发生HAP、SAP等。

1.5 统计分析

采用受试者工作特征曲线(ROC)对SAP预测量表在缺血性脑卒中患者HAP判别能力的应用情况进行分析。通过计算ROC曲线下面积(AUC)评估各预测量表性能，如果AUC在0.5附近，说明该模型不优于随机预测模型，如果AUC为1.0，说明该模型能完美预测出所有病例结局，对于临床研究而言，模型性能统计量至少应＞0.7^[17-18]。运用SPSS 22.0计算AUC、约登指数、截断值，用MedCalc绘制ROC曲线，进行曲线差异性检验，以P≤0.05为差异具有统计学意义。

2 结果 2.1 基本情况

共收集某院2015—2018年缺血性脑卒中患者628例。其中男性313例，占49.84%；年龄31~91岁，中位数为69岁。

2.2 发生HAP患者的基本特征

628例缺血性脑卒中患者共发生SAP 46例、HAP 44例，SAP发生率为7.32%，HAP发生率为7.01%。见表 2。

2.3 各量表性能ROC曲线情况

Kwon等评分量表、Chumbler等评分量表、A²DS²量表、PANTHERIS量表、ASI-APS量表、ISAN量表的c统计量分别为0.731、0.764、0.729、0.728、0.660、0.778，除ASI-APS量表外，其他量表差异均有统计学意义(P＜0.05)，见图 1、表 3。对量表曲线下面积进行两两比较，差异均无统计学意义(均P＞0.05)，见表 4。

2.4 各量表对比情况

各量表HAP预测性能与报道SAP预测性能^[10-14]对比，Chumbler等评分量表和ISAN量表在预测HAP和SAP中的性能差异较小，见图 2。

3 讨论

本研究收集了某院神经内科所有缺血性脑卒中患者的资料，对不同SAP预测量表在缺血性脑卒中患者HAP的应用进行效度分析。结果显示，不同SAP预测量表对缺血性脑卒中患者HAP的预测性能尚可，除ASI-APS量表外，其他量表的c统计量均＞0.7。HAP是医院感染的主要类型之一，可以显著延长患者住院时间。因此，了解HAP的危险因素非常重要，并且有助于改进医疗质量。然而，因为目前信息系统不完善、数据收集不统一、定义不十分明确，使得建立HAP的预测量表非常困难。本研究试图通过前瞻性的研究解决这一问题。

HAP建立预测模型的难点在于不同患者的基础疾病不同，不同机构内的疾病构成也不同。基础疾病是HAP最大的风险因素之一，然而又与其他风险因素具有共线性关系。例如，卒中是HAP的常见病因，误吸是HAP的主要危险因素，而卒中患者常伴有吞咽困难，容易造成误吸。因此，试图建立一个适用于所有疾病的HAP预测模型可能并不能达到预期效果。刘晓等^[19]使用APACHEⅡ评分、多器官功能障碍综合征、低蛋白血症、降钙素原值增高、无创通气与输血作为变量，建立危重患者HAP的预测模型，建模组c统计量为0.844(95%CI为0.811~0.878)，验证组c统计量为0.834(95%CI为0.744~0.924), 但是该模型的外部效度并没有得到进一步验证，而且该模型不适用于轻、中症住院患者的早期评估。本研究试图通过对患者按照疾病类型进行分层，探讨HAP预测量表建立的可行性。

SAP的危险因素已在大量研究中进行了探讨，国内外学者通过危险因素分析，制定了SAP预测量表，各量表的内部数据验证性能尚可，c统计量均在0.7以上，但前瞻性研究这些量表的预测性能资料相对有限。尚延昌等^[20]对A²DS²量表在131例急性脑卒中中老年男性中的应用进行检验，结果显示预测性能良好，c统计量为0.86(95%CI为0.784~0.911)。单晔等^[21]对A²DS²量表、Kwon等评分量表、PANTHERIS量表、ASI-APS量表采用同一数据进行外部效度验证，结果显示A²DS²量表、PANTHERIS量表、ASI-APS量表的c统计量均＞0.7，Kwon等评分量表的c统计量为0.698，但是各量表之间的差异无统计学意义。

本研究通过借助SAP与HAP的共性，探讨SAP预测量表在缺血性脑卒中患者HAP中的应用。Ji等^[13]研究结果发现Kwon等评分量表、Chumbler等评分量表、A²DS²量表、ASI-APS量表 4个量表中，预测性能最好的量表为ASI-APS量表(AUC=0.792)。而本研究结果显示除ASI-APS量表外，各量表在缺血性脑卒中患者HAP中的预测性能良好，其中ISAN量表的c统计量大于其他量表，考虑可能与ASI-APS量表不确定性变量数量较多有关。ASI-APS量表共有10个变量，其中包含房颤史、充血性心力衰竭、慢性阻塞性肺疾病，这些变量在患者频繁更换就医地点的地区，可能无法获得真实的数据，吸烟史目前也缺乏统一的定义和标准。另外，Kwon等评分量表、Chumbler等评分量表、A²DS²量表、ASI-APS量表均含有吞咽困难这一变量，但是目前评价吞咽困难无统一的标准，常见的吞咽困难量表包括洼田饮水试验、反复唾液吞咽试验、吞咽障碍V-VST、EAT-10等。ISAN量表变量少，只有4个(年龄、性别、NIHSS评分外和改良Rankin量表)，这些变量更加客观，数据更准确，便于临床操作。

HAP除了受患者自身因素影响外，还受医疗环境因素的影响。虽然本研究是前瞻性研究，但是在患者标准化的护理依从性上仍然存在一些差异；另外，本研究采用二级医院的数据进行模型验证，二级医院患者病情相对较轻，住院时间相对较短，HAP与SAP有较多的重叠，因此对于研究结果的外推造成一定影响。

综上所述，大部分SAP预测量表(除ASI-APS量表)能应用于缺血性脑卒中患者HAP的预测，是一种可供临床使用的、有效的、可靠的HAP筛查工具。