我院大肠埃希菌感染病例临床特征及其危险因素分析

我院大肠埃希菌感染病例临床特征及其危险因素分析

黄俊

湖北省丹江口市第一医院 湖北 丹江口 442700

摘要:目的 研究我院大肠埃希菌感染病例临床特征及其危险因素。方法 选择2022年1月-2022年12月我院收治的209例大肠埃希菌感染患者为研究对象,分析大肠埃希菌感染感染情况,通过Logistic回归分析患者发生大肠埃希菌感染的危险因素。结果 209例患者中感染部位以呼吸道(17.22%)、泌尿道(57.89%),血液（15.79%）为主。我院检出大肠埃希菌菌株对碳青霉烯药物敏感性较高为100%,对头孢呋辛敏感性较低,耐药率为47.85%，对氨苄西林耐药率高达89.23%，APACHEⅡ＞10分、抗菌药物使用时长是患者发生E.coli感染的危险因素(P<0.05)。结论 患者E.coli感染部位以泌尿道、呼吸道、血液居多,耐药性方面对头孢类药物敏感度较低,对碳青霉烯及哌拉西林他唑巴坦感度相对较高。APACHEⅡ评分、抗菌药物使用时长是患者发生E.coli感染的危险因素。

关键词:多药耐药;大肠埃希菌;感染;Logistic回归

大肠埃希菌(E.coli)通常称为大肠杆菌，是人类和大多数温血动物肠道中的正常菌群，当机体抵抗力下降时可成为条件致病菌，引起人体各部位内源性感染。目前，大肠埃希菌已成为医院感染的重要机会致病菌之一。除引起人类肠道疾病外，还可侵入肠外组织引起尿路感染、腹腔感染、胆道感染、肺部感染、血流感染、脑部感染和肌肉结缔组织感染等。近年来，细菌耐药性不断升高，细菌耐药问题已成为全世界急需解决的医学难题。产酶是大肠埃希菌主要耐药机制之一，如ESBLs、AmpC、KPC酶，可对抗菌药物进行修饰降解使其失活，另外大肠埃希菌的耐药机制还有细菌膜孔蛋白缺失、主动外排作用、靶位结构改变等。

1资料与方法

1.1一般资料

回顾性分析2022年1月-2022年12月我院收治的209例大肠埃希菌感染患者,分析E.coli感染情况。纳入标准:病人完整的临床数据。例外的标准:没有完整的流行病学数据。研究了病人的医疗记录和临床数据，包括年龄、性别、主要疾病、侵入性尿道插管、急性生理功能和慢性健康状况。

1.2统计分析

采用 SPSS20.1统计软件分析数据。计数资料以n(%)表示,行χ2 或连续性校正χ2 检验;正态计量资料以(x±s)表示,行t检验;如果一维分析具有统计意义，就会涉及多维分析。后继性回归模型被用来分析病人感染的风险因素，并建立了一个预测模型;P<0.05为差异有统计学意义。

1.3 药敏试验

按照CLSI的标准对大肠埃希菌相关抗菌药物敏感性进行分析，包括敏感率（S）、中介率（I）、耐药率（R）。数据采用 VITEK 2 Compact 全自动细菌鉴定及药敏分析系统，按照2020年美国临床实验室标准化协会（ClinicalLabo-ratory Standards Institute，CLSI）的标准对抗生素敏感、中介和耐药进行判断。在去除重复分离株后，共检出209例大肠埃希菌以泌尿系、呼吸道及血液标本为主。

2 结果

2.1 大肠埃希菌感染特点

209例患者中感染部位以泌尿道、呼吸道、血液居多,分别占48.39%、19.35%;菌株标本来源以尿培养居多,占74.19%。见表1 我院E.coli感染标本分布情况。

表1.我院E.coli感染标本分布情况

2.2药敏结果

医院31株E.coli菌株,对碳青霉烯药物最为敏感,敏感率为100%,对氨苄西林、敏感性最低,耐药率高达89.23%，其次，对一二代头孢菌素及左氧氟沙星耐药率较高，分别为45.93%，47.85%，47.85%，48.8%；见表2 E.coli感染药敏结果。

表2 .E.coli感染药敏结果

2.3 MDRAB 回归分析

E.coli感染发生的回归分析结果显示,患者APACHEⅡ评分＞10分、尿管、抗菌药物使用时间>7d是E.coli感染发生的影响因素(P<0.05)。

3 讨论

大肠埃希菌（Escherichia coli，E. coli）作为临床常见的一种条件致病菌，主要引起泌尿系统、呼吸道、腹腔、皮肤软组织及血流感染，其流行病学呈现全世界广泛分布，且不同区域的流行情况又有所不同，其耐药情况也有着区别。临床对于大肠埃希菌的抗感染药物治疗，在时间和不同地区之间折点的变迁，近年产超广谱 β 内酰胺酶的大肠埃希菌感染发生率较高，对第3 代头孢菌素和喹诺酮类抗菌药物的耐药率处于较高水平

[1]。初始经验及目标抗感染治疗的不足，导致临床既往习惯性使用的给药方案面临着治疗失败的风险增加。APACHEⅡ评分可反映患者病情严重程度以及本身的抗病能力[2]。同时院内耐药大肠埃希菌感染风险相对较高，部分患者存在定值可能。尿管插管及插管时间对于患者黏膜屏障保护作用减弱，进而增加感染风险。

参考文献

[1]Hu F, Guo Y, Yang Y, et al. Resistance reported from China antimicrobial surveillance network (CHINET) in 2018[J]. Eur J Clin Microbiol Infect Dis,2019,38:2275‐2281.DOI: 10.1007/s10096‐019‐036.

[2]闫圣涛, 孙力超, 练睿,等. 危重症评分和生物标志物在血流感染肺炎病原学诊断及预后评估中的价值[J]. 中华危重病急救医学, 2020, 32(6):5.