肛周脓肿多重耐药菌感染的危险因素分析以及列线图预测模型的构建

doi:10.3969/j.issn.1006-5725.2025.24.014

摘要/Abstract

摘要：

目的分析肛周脓肿患者多重耐药菌（multidrug?resistant organisms，MDRO）感染的危险因素并构建列线图预测模型，为临床个体化治疗提供依据。方法选取 2022年1月至2023年12月于南京市中医院收治的757例肛周脓肿患者，收集患者临床资料，采用单、多因素logistic回归分析对纳入的变量进行分析，筛选潜在危险影响因素，按7：3比例随机分为训练集（n = 530）和验证集（n = 227）进行列线图预测模型的构建与验证。结果 757例肛周脓肿患者中，有137例患者为MDRO感染，非MDRO感染为620例；共分离病原菌927株，MDRO为298株，占比32.15%，以大肠埃希菌（149株，50.00%）、产超广谱β-内酰胺酶肠杆菌（68株，22.82%）和中间链球菌（27株，9.06%）为主；单因素、多因素logistic回归分析均显示饮酒史、高血压及糖尿病与MDRO感染显著相关（P < 0.05）。列线图模型表现出良好的区分度，校准曲线显示预测值与实际观察值吻合良好。结论肛周脓肿患者中MDRO占比较高，以革兰阴性菌感染为主。此外，本研究所构建的列线图模型，整合了饮酒史、高血压与糖尿病等临床指标，能够精准识别肛周脓肿患者中的MDRO感染风险。该模型性能良好，可为抗菌药物的合理使用提供量化工具，辅助临床决策。

关键词: 肛周脓肿, 多重耐药菌, logistic回归, 列线图

Abstract:

Objective To identify risk factors for multidrug-resistant organism （MDRO） infections in patients with perianal abscesses and develop a nomogram-based predictive model to guide individualized clinical management.. Methods A total of 757 patients with perianal abscesses admitted to the Nanjing Hospital of Traditional Chinese Medicine between January 2022 and December 2023 were included in this study. Clinical data were systematically collected， and potential risk factors were identified through univariate and multivariate logistic regression analyses. Patients were randomly assigned to a training set （n = 530， 70%） or a validation set （n = 227， 30%） to develop and validate the nomogram prediction model. Results Among the 757 patients， 137 （18.1%） had MDRO infections， while 620 （81.9%） had non-MDRO infections. A total of 927 pathogenic strains were isolated， of which 298 （32.15%） were classified as MDROs. The predominant MDROs included Escherichia coli （149 strains， 50.00%）， extended-spectrum β-lactamase （ESBL）-producing organisms （68 strains， 22.82%）， and Streptococcus intermedius （27 strains， 9.06%）. Both univariate and multivariate logistic regression analyses revealed that a history of alcohol consumption， hypertension， and diabetes was significantly associated with MDRO infections （P < 0.05）. The nomogram model exhibited good discriminative ability， and the calibration curve demonstrated strong agreement between predicted probabilities and observed outcomes. Conclusions MDRO infections are commonly observed in patients with perianal abscess and are primarily attributed to Gram-negative bacteria. By incorporating key clinical indicators?such as a history of alcohol use， hypertension， and diabetes?the nomogram model developed in this study demonstrates strong predictive accuracy for identifying the risk of multidrug-resistant organism infection in these patients. This robust model can serve as a reliable quantitative tool to guide antimicrobial therapy and support clinical decision-making.

Key words: perianal abscess, multidrug-resistant organisms, logistic regression analyses, nomogram

中图分类号:

R657.1

王大伟,郑正,盛钰翔,李知然,皇甫少华,江滨. 肛周脓肿多重耐药菌感染的危险因素分析以及列线图预测模型的构建[J]. 实用医学杂志, 2025, 41(24): 3897-3903.

Dawei WANG,Zheng ZHENG,Yuxiang SHENG,Zhiran LI,Shaohua HUANGFU,Bin. JIANG. Risk factors for multidrug⁃resistant bacterial infections in perianal abscesses and the construction of a nomogram prediction model[J]. The Journal of Practical Medicine, 2025, 41(24): 3897-3903.

图/表 7

表1

表2

表3

表4

图1

图2

图3

参考文献 26

[1]	HOSOKAWA T， TANAMI Y， SATO Y， et al. Incidence and diagnostic performance of ultrasound for perianal abscess or fistula‐in‐ano in pediatric patients with perianal inflammation［J］. J Clin Ultrasound， 2023， 51（5）： 819-826. doi:10.1002/jcu.23446 doi: 10.1002/jcu.23446
[2]	DONG S， CHEN B， ZHANG J. Study on the factors influencing the prognosis after perianal abscess surgery［J］. BMC Gastroenterol， 2023， 23（1）： 334. doi:10.1186/s12876-023-02959-1 doi: 10.1186/s12876-023-02959-1
[3]	周建平，席雨婷，毕苇，等. 2022年版美国结直肠外科医师协会《肛周脓肿、肛瘘、直肠阴道瘘的临床实践指南》解读［J］. 中国实用外科杂志， 2024， 44（4）： 438-440.
[4]	MARINO A， MANIACI A， LENTINI M， et al. The Global Burden of Multidrug-Resistant Bacteria［J］. Epidemiologia， 2025， 6（2）： 21. doi:10.3390/epidemiologia6020021 doi: 10.3390/epidemiologia6020021
[5]	QIAO L， GAO H， YOU Y， et al. Analysis of the distribution characteristics of infecting microorganisms in the wound tissue of patients with perianal abscess combined with infection and the influencing factors of wound healing［J］. BMC Gastroenterol， 2025， 25（1）： 258. doi:10.1186/s12876-025-03853-8 doi: 10.1186/s12876-025-03853-8
[6]	BENDER F， ECKERTH L， FRITZENWANKER M， et al. Drug resistant bacteria in perianal abscesses are frequent and relevant［J］. Sci Rep， 2022， 12（1）： 14866. doi:10.1038/s41598-022-19123-6 doi: 10.1038/s41598-022-19123-6
[7]	冯娜，程燕洁，李乐维. 肛周脓肿患者病原菌分布及多重耐药菌感染的危险因素分析［J］. 中国肛肠病杂志， 2024， 44（4）： 52-56.
[8]	吴军亮. 肛周脓肿患者脓液标本中病原菌的分布与耐药性分析［J］. 抗感染药学， 2022， 19（10）： 1420-1423.
[9]	RAMÍREZ PEDRAZA N， PÉREZ SEGOVIA A H， GARAY MORA J A， et al. Perianal fistula and abscess： An imaging guide for beginners［J］. Radiographics， 2022， 42（7）： E208-E209. doi:10.1148/rg.210142 doi: 10.1148/rg.210142
[10]	HARRELL F E. Regression Modeling Strategies With Applications to Linear Models， Logistic and Ordinal Regression， and Survival Analysis［M］. 2nd ed. Cham： Springer International Publishing， 2015. doi:10.1007/978-3-319-19425-7_13 doi: 10.1007/978-3-319-19425-7_13
[11]	叶应妩，王毓三. 全国临床检验操作规程（第二版）［M］.南京：东南大学出版社， 1997.
[12]	卫生部办公厅关于印发《多重耐药菌医院感染预防与控制技术指南（试行）》的通知［J］.中华人民共和国卫生部公报，2011，（2）：59-61.
[13]	唐枭，李欣奕，何涛宏，等. 肛周脓肿及肛瘘合并糖尿病的诊断及治疗进展［J］. 实用医学杂志， 2022， 38（16）： 2100-2105.
[14]	ADAMO K， GUNNARSSON U， EEG-OLOFSSON K， et al. Risk for developing perianal abscess in type 1 and type 2 diabetes and the impact of poor glycemic control［J］. Int J Colorectal Dis， 2021， 36： 999-1005. doi:10.1007/s00384-020-03818-1 doi: 10.1007/s00384-020-03818-1
[15]	赵曰景，陈泽霖，张武. 封闭负压引流联合Ilizarov胫骨横向骨搬移术对重度糖尿病足患者的氧化应激、炎症反应的影响［J］.实用医学杂志，2025，41（13）：2052-2057.
[16]	DONG M， MAO Y， ZHAO Z， et al. Novel fabrication of antibiotic containing multifunctional silk fibroin injectable hydrogel dressing to enhance bactericidal action and wound healing efficiency on burn wound： In vitro and in vivo evaluations［J］. Int Wound J， 2022， 19（3）： 679-691. doi:10.1111/iwj.13665 doi: 10.1111/iwj.13665
[17]	BRAR M S， REMZI F， WARUSAVITARNE J， et al. Does antibiotic therapy prevent fistula in-ano after incision and drainage of simple perianal abscess？［J］. Can J Surg， 2020， 63（4）： E362-E363. doi:10.1503/cjs.017119 doi: 10.1503/cjs.017119
[18]	HOLT R I G， COCKRAM C S， MA R C W， et al. Diabetes and infection： Review of the epidemiology， mechanisms and principles of treatment［J］. Diabetologia， 2024， 67（7）： 1168-1180. doi:10.1007/s00125-024-06102-x doi: 10.1007/s00125-024-06102-x
[19]	SALEH W， XUE W， KATZ J. Diabetes mellitus and periapical abscess： A cross-sectional study［J］. J Endod， 2020， 46（11）： 1605-1609. doi:10.1016/j.joen.2020.08.015 doi: 10.1016/j.joen.2020.08.015
[20]	许珏，陈磊，吴亚亭. 颅内动脉瘤夹闭术后患者院内感染危险因素及其预测价值［J］. 新乡医学院学报，2025，42（11）：897-900，908.
[21]	杨意鹏，张扬，黄鑫怡，等. 276例严重颈脊髓创伤合并四肢瘫患者的术后生存分析［J］. 医学研究与战创伤救治，2024，37（6）：610-615.
[22]	黎学明，曾晓东，雷黎明，等. 感染性心内膜炎术后肺部感染的危险因素［J］. 岭南心血管病杂志， 2023， 29（5）： 534-539，545.
[23]	林华杰，金甬，贾晋荣，等. 骨折术后感染病原学及危险因素［J］. 中华医院感染学杂志， 2021， 31（18）： 2806-2810.
[24]	王媛媛，刘志荣. 口腔癌术后感染病原菌分布特点及危险因素分析［J］. 中国病原生物学杂志， 2024， 19（5）： 595-598，603.
[25]	严健亮，谢泽宇，景蓉蓉，等. 基于机器学习利用常规检验指标建立胃癌淋巴结转移预测模型［J］. 实用医学杂志， 2024， 40（6）： 844-849.
[26]	胡冰辉，王祥盛，马万里，等. 肛周脓肿多重耐药菌感染危险因素及其预测模型构建［J］. 中华医院感染学杂志，2024，34（9）：1370-1373.

病原菌		株数	构成比/%
革兰阳性菌	中间链球菌	59	6.35
	草绿色链球菌	16	1.72
	金黄色葡萄球菌	13	1.40
	粪球肠菌	11	1.18
	屎肠球菌	10	1.08
	其他	39	4.20
革兰阴性菌	大肠埃希菌	446	48.01
	肺炎克雷伯菌	183	19.70
	产超广谱β-内酰胺酶肠杆菌	68	7.32
	奇异变形杆菌	36	3.88
	其他	45	4.84
真菌	白假丝酵母菌	1	0.11

变量	非多重耐药组（n = 620）	多重耐药组（n = 137）	t/Z/χ2值	P值
年龄（x ± s）/岁	37.11 ± 11.19	36.85 ± 10.96	0.25	0.802
BMI（x ± s）/（kg/m²）	26.03 ± 4.31	26.63 ± 4.94	-1.43	0.154
CRP［M（P₂₅，P₇₅）］	24.00（10.00, 54.00）	28.00（9.00, 54.00）	-0.62	0.583
白细胞计数（x ± s）/× 10⁹·L^-1	10.82 ± 3.66	11.29 ± 4.32	-1.33	0.185
中性粒细胞计数（x ± s）/× 10⁹·L^-1	8.24 ± 3.41	8.60 ± 4.05	-1.06	0.291
性别			0.52	0.471
女	82（13.23）	15（10.95）
男	538（86.77）	122（89.05）
吸烟史			0.02	0.889
否	522（84.19）	116（84.67）
是	98（15.81）	21（15.33）
饮酒史			39.58	< 0.001
否	570（91.94）	100（72.99）
是	50（8.06）	37（27.01）
高血压			62.49	< 0.001
否	558（90.00）	87（63.50）
是	62（10.00）	50（36.50）
糖尿病			223.68	< 0.001
否	572（92.26）	53（38.69）
是	48（7.74）	84（61.31）

变量	训练集（n = 530）	验证集（n = 227）	t/Z/χ2值	P值
年龄（x ± s）/岁	37.07 ± 11.05	37.04 ± 11.37	0.04	0.969
BMI（x ± s）/（kg/m²）	26.28 ± 4.56	25.81 ± 4.12	1.41	0.160
CRP［M（P₂₅，P₇₅）］	25.00（10.00，53.75）	25.00（9.00，54.00）	-0.08	0.938
白细胞计数（x ± s）/×10⁹·L^-1	10.86 ± 3.81	11.01 ± 3.73	-0.52	0.604
中性粒细胞计数（x ± s）/×10⁹·L^-1	8.27 ± 3.60	8.39 ± 3.37	-0.43	0.666
性别			3.68	0.055
女	76（14.34）	21（9.25）
男	454（85.66）	206（90.75）
吸烟史			0.13	0.714
否	445（83.96）	193（85.02）
是	85（16.04）	34（14.98）
饮酒史			1.03	0.309
否	465（87.74）	205（90.31）
是	65（12.26）	22（9.69）
高血压			0.13	0.723
否	450（84.91）	195（85.90）
是	80（15.09）	32（14.10）
糖尿病			3.10	0.078
否	446（84.15）	179（78.85）
是	84（15.85）	48（21.15）

变量	单因素logistic回归					多因素logistic回归
变量	β	S.E	Z值	P值	OR（95%CI）	β	S.E	Z值	P值	OR（95%CI）
CRP	0.00	0.00	0.98	0.325	1.00（1.00～1.01）
白细胞计数	0.04	0.03	1.26	0.209	1.04（0.98～1.10）
中性粒细胞计数	0.03	0.03	0.94	0.347	1.03（0.97～1.09）
吸烟史
否					1.00（Reference）
是	0.06	0.30	0.19	0.853	1.06（0.58～1.92）
饮酒史
否					1.00（Reference）					1.00 （Reference）
是	1.49	0.28	5.25	< 0.001	4.42（2.54～7.69）	1.80	0.35	5.20	< 0.001	6.04（3.07～11.91）
高血压
否					1.00（Reference）					1.00 （Reference）
是	1.67	0.26	6.33	< 0.001	5.32（3.17～8.92）	1.46	0.33	4.49	< 0.001	4.32（2.28～8.19）
糖尿病
否					1.00（Reference）					1.00 （Reference）
是	2.85	0.28	10.20	< 0.001	17.31（10.01～29.95）	2.72	0.30	8.94	< 0.001	15.14（8.35～27.47）