GİRİŞ

Ülkemizde, Ulusal Sağlık Hizmeti İlişkili İnfeksiyonlar (SHİİ) Sürveyansı, Yataklı Tedavi Kurumları İnfeksiyon Kontrol Yönetmeliği’nin 2005 yılında yayımlanması ile birlikte tüm yataklı tedavi kurumlarında uygulanmaya başlanmıştır. 2007 yılından itibaren sürveyans verileri Ulusal Sağlık Hizmeti İlişkili İnfeksiyonlar Sürveyans Ağı (USHİİSA)’na kaydedilmektedir (1). Cerrahi alan infeksiyonu (CAİ) sürveyansı ise toplanan veriler, hastaların izlemi ve analizi gibi çeşitli özellikleri açısından SHİİ sürveyansının bir bileşeni olarak farklılık göstermektedir. CAİ sürveyansında farklı olarak, infeksiyon gelişen ve gelişmeyen tüm hastaların ameliyat verileri (yara sınıfı, ASA skoru, anestezi türü gibi) kaydedilir. CAİ sürveyansını ayıran en önemli özellik ise taburculuk sonrası sürveyanstır. Ameliyat olan hastalar, ameliyat türüne göre belirlenen 30 veya 90 günlük CAİ sürveyans süresinin çok büyük bir kısmını hastane dışında geçirmekte olup CAİ’lerin çoğu bu dönemde gerçekleşmektedir. Taburculuk sonrası gelişen bu infeksiyonların tespitinde, hastaların başka hastaneye başvurması, ayakta tanı alması ve tespit eden hekimin bildirim yapmaması gibi nedenlerle güçlükler yaşanmaktadır (2-7). Bu nedenle CAİ sürveyansı emek yoğun ve zaman alıcıdır.

Ülkemizde, yıllık 50 ve üzeri kalça protezi ameliyatı yapılan hastanelerde, bu ameliyat kategorisi için CAİ sürveyansı yapılması zorunludur (8). Sürveyansta tüm verilerin toplanması ve tüm hastaların 90 gün izlemlerinin tamamlanması, diğer bir ifade ile sürveyansın tamlığı, hastaneye yeniden yatan hastaların, polikliniğe veya başka hastaneye başvuranların tespit edilebilmesi ile doğrudan ilişkilidir. Dolayısıyla  hastanelerin sürveyans kapasiteleri, hesaplanan CAİ hızlarının doğruluğunu belirler. Ameliyat sayılarının fazlalığı ve yoğun iş yükü nedeniyle hastaların telefonla aranması, poliklinik izlemlerine çağırılması gibi önerilerin uygulanması çoğunlukla mümkün olmamaktadır. Ulusal raporlar, ülkemizde kalça protezi ameliyatlarında CAİ’lerin sürekli bir azalma eğiliminde olduğunu göstermekle birlikte CAİ sürveyansının  yürütülmesindeki bu güçlükler nedeniyle gerçek insidansın daha yüksek olduğu tahmin edilmektedir (2-7). 

İdeal olan, ameliyat olan tüm hastaların 90 gün boyunca aktif olarak izlenmesi olsa da bunun mümkün olmadığı açıktır. Tüm hastalar yerine yüksek riskli hastaların izlem süresi boyunca aktif izlemi, iş yükünden kazanç elde ederek sürveyansın mevcut duruma göre daha doğru ve güvenilir olmasını sağlayabilir. Bu çalışmada, kalça protezi ameliyatlarında CAİ gelişimi yüksek riskli hastaların belirlenmesi için bir model geliştirilmesi ve geliştirilen model kullanılarak belirlenen yüksek riskli hastaların sürveyansına odaklanarak farklı CAİ yükü ve sürveyans kapasitesi olan hastaneler için tahminde bulunulması amaçlanmıştır.

Tablo 1. Yüksek Riskli Hastalara Odaklanmanın Faydasını Değerlendirmek İçin
Kullanılan Ölçütler

Tablo 2. Ameliyatlara Ait Değişkenlerin Dağılımı

Şekil 1. ROC analizinin sonuçları.
Eğrinin altında kalan alan riskli hastaları ayırmada oluşturulan modelin gücünü göstermektedir. Eğrinin altında kalan alan 0.50’den ne kadar büyükse modelin gücü de o kadar büyüktür. P değerinin ise <0.05 olması eğrinin altında kalan alanın 0.50’den istatistiksel olarak anlamlı düzeyde farklı olduğunu göstermektedir.

Şekil 2. Modele göre hastaların CAİ gelişimi olasılığı dağılımı.
Olasılık modelden elde edilen formül göre her hastanın CAİ gelişme olasılığını ifade etmektedir.

Tablo 3. CAİ Gelişimi İçin Tek Değişkenli Analiz Sonuçları

Tablo 4. Lojistik Regresyon Analizinin Sonuçları

Tablo 5. Bootstrap Analizinin Sonuçları

Şekil 3. Modelde yer alan değişkenlere göre hastaların CAİ gelişimi olasılığı dağılımı.
Olasılık modelden elde edilen formüle göre her hastanın CAİ gelişme olasılığını ifade etmektedir. Kutunun ortasındaki çizgi ortanca değeri, üst ve alt sınırı 3. ve 1. ceyreklik değerini ifade eder. Hata çubuklarının üst ve alt çizgileri sırasıyla en büyük ve en küçük değeri, + simgesi uç değerleri göstermektedir.

Şekil 4. Hastanelerin sürveyans kapasitesi ve CAİ hızına göre hesaplanan CAİ
hızındaki farkın dağılımı.
CAİ hızı= CAİ sayısı / ameliyat sayısı x 100
Sürveyans duyarlılığı, sürveyansın gerçek CAİ’leri tespit edebilme oranıdır. Sürveyansın yüksek riskli hastalarda gelişen CAİ’leri tespit edebilme gücünü ifade eder.

Tablo 6. Faklı CAİ Hızı ve Sürveyans Duyarlılığı Olan Hastaneler İçin Ölçütler

YÖNTEMLER

Çalışmaya 2018 yılında USHİİSA’ya kaydedilen kalça protezi ameliyatı olan hastalar alınmıştır. Yaş verisi eksik hastalar, <18 yaş ve >109 yaş olan hastalar çalışmaya alınmamıştır. Ameliyat süresi kesme noktası olarak da adlandırılan IQR 5 (5 çeyrekler arası aralık) ameliyat süreleri için uygunsuz bir uç değer göstergesi olarak kullanılır. IQR 5, 75. yüzdelik dilimin üzerine çeyrekler arası aralığın (Q1-Q3) beş katı eklenerek hesaplanır (9). Çalışmada bu değer 435 dakika olarak hesaplanmıştır. Bu nedenle ameliyat süresi <5 dakika ve >435 dakika olan hastalar çalışmadan dışlanmıştır. CAİ gelişimi için risk faktörleri olarak
USHİİSA’ da yer alan yaş, cinsiyet, hastane türü, ASA skoru, yara sınıfı, ameliyat süresi, elektif-acil operasyon, risk indeksi ve profilaktik antibiyotik uygunluğu değişkenleri incelenmiştir. 

Hastaların CAİ gelişme riskini belirlemek için oluşturulan lojistik regresyon modelinden elde edilen formül ile her hasta için bireysel CAİ gelişme olasılığı belirlenmiştir. Modelin istikrarı Bootstrap yeniden örnekleme yöntemiyle test edilmiştir. Yüksek riskli hastaları ayırmada kullanılacak eşik olasılık ROC analizi ile belirlenmiştir. Farklı CAİ hızları olan hastaneler ve CAİ’leri yakalama kapasitesi (sürveyans duyarlılığı) farklı olan hastaneler için Tablo 1’de yer alan ölçütler kullanılarak çalışmada belirlenen eşik olasılıktan yüksek olasılığa sahip yüksek riskli hastalara odaklanmanın faydası değerlendirilmiştir.

Veriler, SPSS 20.0 paket programı kullanılarak analiz edilmiştir. Tüm testler için önemlilik sınırı (p değeri) 0.05 olarak alınmıştır. 

USHİİSA verilerinin kullanımı için Sağlık Bakanlığı’ndan izin alınmıştır. 

BULGULAR

Çalışmaya toplam 29 336 ameliyat dahil edilmiştir. Hastaların yaş ortalaması 68.1±15.5 yıl ve ortalama ameliyat süresi 112.6±49.6 dakikadır. Ameliyatlara ait değişkenlerin dağılımı Tablo 2’de gösterilmiştir. 

Bu ameliyatlarda toplam 429 CAİ tespit edilmiş olup CAİ hızı 1.44 bulunmuştur. CAİ’lerin %24.0 (n=103)’ı primer yüzeyel insizyonel CAİ, %46.2 (n=198)’si primer derin insizyonel CAİ ve %29.8 (n=128)’i organ-boşluk tipi CAİ’dir. CAİ gelişimi için tek değişkenli analizlerin sonuçları Tablo 3’de gösterilmiştir.

CAİ gelişimi için kadın cinsiyet, ameliyat süresinin 75. yüzdelik dilimden uzun olması, ASA skorunun 4-5 olması, ≥65 yaşta olmak ve özel hastanelere göre diğer hastaneler risk faktörü olarak belirlenmiştir (Tablo 4 ve 5). 

Her hasta için CAİ gelişme olasılığı (p̂) modelden elde edilen parametre tahminleri (B) kullanılarak hesaplanmıştır: 

p̂ = p̂ logit (p̂) / (1 + p̂ logit (p̂))

logit (p̂) = [-5.874 -0.416 (Cinsiyet = Erkek) + 0.277 (Ameliyat süresi = 75. yüzdelik dilimden uzun) + 0.743 (ASA skoru = 4-5) + 0.724 (Yaş = ≥65) + 1.149 (Hastane türü = Devlet hastanesi) + 1.348 (Hastane türü = AEH) + 1.175 (Hastane türü = Üniversite)]

ROC analizi ile 0.76 duyarlılık ve 0.46 özgüllük kapsamında, CAİ gelişimi açısından yüksek riskli hastaları ayırmak için eşik olasılık 0.0119893 (%1.2) bulunmuştur (Şekil 1). Eşik değerin üzerinde bireysel olasılığı olan hastalar yüksek riskli olarak kabul edilmiştir. Tüm hastaların, 16 044 (%54.6)’ü CAİ gelişimi açısından yüksek riskli bulunmuştur. Modele göre belirlenen olasılık dağılımları Şekil 2 ve 3’te gösterilmiştir.

Sürveyans kapasitesi ve CAİ yükü farklı olan hastaneler için yapılan simülasyon ve hesaplanan ölçütler Tablo 6’da gösterilmektedir. Faklı CAİ hızı ve sürveyans duyarlılığına göre hesaplanan hız farkı Şekil 4’te gösterilmektedir. Hastaların modele göre hesaplanan olasılık dağılımı ile risk indeksi dağılımı arasında pozitif yönde zayıf korelasyon saptanmıştır (Spearman’ın sıralama korelasyon katsayısı (rho)=0.257, p<0.001).

İRDELEME

Çalışmada oluşturulan model kullanılarak belirlenen yüksek riskli hastaların sürveyansına odaklanıldığında bir hastanenin gerçek CAİ hızı yükseldikçe, 1 CAİ daha tespit edilmesi için ulaşılması gereken hasta sayısı belirgin şekilde azalmaktadır. Sürveyans duyarlılığı azaldıkça elde edilen yeni hız eski hızdan daha büyük farklılık göstermiş ve gerçek CAİ hızına yaklaşma miktarı artmıştır. CAİ hızı arttıkça pozitif ve negatif prediktif değer, genel uyum, dışlanan hasta sayısı ve dışlanma oranında belirgin farklılık gözlenmezken fazladan tespit edilen CAİ sayısı katlanarak artmıştır.

Kadın cinsiyet, 65 yaşın üzerinde olmak, ameliyat süresinin 75. yüzdelik dilimden uzun olması, ASA skorunun 3’ün üzerinde olması ve ameliyatın özel hastane dışı bir hastanede yapılmış olması kalça protezi ameliyatlarında CAİ gelişimi için bağımsız risk faktörleri olarak bulunmuştur. Risk erkeklerde kadınlara göre %34 daha az bulunurken, 65 yaş ve üzerinde olanlarda risk 2 kattan fazla artmaktadır. Ameliyat süresinin uzamış olduğu hastalarda risk %31 daha fazla olup ASA skoru 4 ve 5 olan hastalarda risk 2 kattan fazla artmıştır. Devlet hastanelerinde özel hastanelere göre risk 3.15 kat, eğitim ve araştırma hastanelerinde 3.69 kat ve üniversite hastanelerinde 4.36 kat fazla bulunmuştur. Özel hastanelerde riskin daha düşük olması diğer hastanelere göre daha düşük riskli hastaların ameliyat ediliyor olması ile açıklanabilir. Risk faktörleri arasında risk indeksine dahil olan ASA skoru ve ameliyat süresi yer alırken, yara sınıfı risk faktörü olarak saptanmamıştır. Bunun nedeni yara sınıfının protez ameliyatlarında fazla değişkenlik göstermemesi olabilir.

Benzer şekilde Amerika Birleşik Devletleri’nde Hastalık Önleme ve Kontrol Merkezi (Centers for Disease Control ve Prevention – CDC)’nin yüzeyel, derin ve organ-boşluk tipi CAİ’lerin dahil edildiği erişkin hastalar için standardize infeksiyon oranı (SIR) modelinde yaş, ameliyat süresi ve ASA skoru, kalça protezi ameliyatlarında CAİ gelişimi için risk faktörü olarak bulunurken, cinsiyet ve hastane türü risk faktörü olarak bulunmamıştır. Ancak CDC’nin modelinde bu risk faktörleri dışında diyabet, travma, vücut kitle indeksi, anestezi, prosedür tipi ve yara sınıfı gibi bireysel değişkenler ile hastane yatak kapasitesi risk faktörü olarak modelde yer almıştır. Ülkemizdeki SHİİ sürveyansı kapsamında diyabet, vücut kitle indeksi, travma gibi bireysel değişkenlerin takip edilmemesi bu farklılığı açıklayabilir. Sürveyans yöntemimiz geliştikçe ve toplanan veri miktarı arttıkça daha iyi modeller elde edilebilir. CDC’nin pediatrik hastalar için geliştirdiği modellerde ise incelenen değişkenlerden hiçbiri risk faktörü olarak saptanmamıştır (9).

Brezilya’da ise kalça protezi ameliyatlarının da dahil olduğu ortopedik ameliyatlar için geliştirilen lojistik regresyon modelinin risk indeksi yaklaşımına göre tahmin performansının daha iyi olduğu bildirilmiştir. ROC analizinde, çalışmamızdakine yakın şekilde eğrinin altında kalan alan 0.75 olarak saptanmış; genel anestezi, anestezi süresi, yara sınıfı, hastane türü, ameliyat sırasındaki cerrahi ekipteki kişi sayısı, ASA skoru ve protez ameliyatı olmak risk faktörü olarak bulunmuştur (10).  

Türkiye’de kalça protezi ve diz protezi ameliyatlarında risk indeksi kategorilerine göre düzeltilmiş ulusal standardize CAİ oranlarının CAİ hızlarının düzeltilmesinde çok etkili olmadığı görülmüştür. Bu da mevcut risk indeksi yaklaşımının protez ameliyatlarında yeterli olmadığını desteklemektedir (11). 

Risk indeksi, CDC tarafından oluşturulmuş ve dünya genelinde yaygın olarak kullanılmakta olan bir tabakalama yöntemidir. Bu yaklaşımda, CAİ hızları eşit ağırlıklı üç faktörden oluşan risk indeksinin 4 tabakasında sunulmaktadır. Bu faktörler ASA skoru, yara sınıfı ve ameliyat süresidir. ASA skoru 1,2 ise sıfır puan, 3,4,5 ise bir puan; yara sınıfı temiz, temiz-kontamine ise sıfır puan; kontamine, kirli-infekte ise 1 puan; operasyon süresi daha önceden belirlenen yüzdelik dağılımına göre 75. yüzdelik dilim ve altına denk düşüyorsa sıfır puan, 75. yüzdelik dilimin üstündeyse 1 puan verilerek risk indeksi belirlenir. Böylece risk indeksi 0, 1, 2 veya 3 olabilir. Tüm ameliyat türleri için kabul edilen bu üç faktörün risk indeksine katkısı aynı oranda olup faktörler arasında bir etki ağırlıklandırması yapılmamaktadır. Bazı prosedürler için risk indeksinde yer alan değişkenlerin CAİ riski ile ilişkili olmadığı gösterilmiştir. Bunun anlamı bazı ameliyatlarda risk indeksi arttıkça CAİ hızlarında belirgin artış gözlenmediğidir. Bazı ameliyatlar içinse bu değişkenlerin etkisi aynı ağırlıkta olmayabilir. Örneğin bir ameliyat için yara sınıfı, CAİ riski ile daha fazla ilişkiliyken prosedür süresi aynı oranda ilişkili olmayabilir. Ayrıca risk indeksi diğer pek çok başka faktörü içermediği için yapılan düzeltme eksik kalmaktadır. Diğer bir ifade ile hasta popülasyonları arasındaki farklılıklar yalnızca yara sınıfı, ASA skoru ve ameliyat süresi ile açıklanamamaktadır. Bu üç faktör bir cerrah veya hastane için aynı olsa da başka faktörler hasta popülasyonlarının CAİ riski açısından farklı olabilmesine neden olmaktadır (2). Çalışmadaki model risk indeksi tabakalandırma için kullanıldığında 64 farklı tabaka elde edilmektedir. Bu durumda en yüksek risk tabakasında, üniversite hastanesinde 75. yüzdelik dilimin üzerinde süren bir ameliyat olan, ASA skoru 4-5 olan ve 65 yaş ve üzerindeki kadın hastalar yer alır. En düşük risk tabakasında ise özel bir hastanede 75. yüzdelik dilimden kısa süren bir ameliyat olan, ASA skoru 1-2-3 olan ve 65 yaş altındaki erkek hastalar yer alır. Tabakalardaki olasılık % 0.18 ile % 6.56 arasında değişmektedir.

Bu nedenlerle risk indeksi yaklaşımı artık yerini çok değişkenli regresyon modelleri kullanılarak hesaplanan SIR’a bırakmaya başlamıştır. Bu yöntem istatistiksel olarak daha iyi bir düzeltme sağlamakta ve her bir ameliyat için farklı değişkenlerin risk düzeltmesine katılabilmesine olanak tanımaktadır. Türkiye’de SIR ölçütü ilk kez yoğun bakım ünitelerinde invaziv araç ilişkili infeksiyonlar için 2016 yılı ulusal verilerinden hesaplanmıştır (12, 13). CAİ’ler içinse henüz SIR hesaplamaları yapmaya uygun ulusal modeller bulunmamaktadır. Aynı yöntem, ülkemizde üriner kateter ilişkili idrar yolu infeksiyonlarında ölüm ile ilişkili faktörlerin incelenmesi amacıyla  USHİİSA verilerine de uygulanmıştır (14).

Çalışmada, CAİ sayısının göreli az olması nedeniyle CAİ türüne göre ayrım yapılamamıştır. Ayrıca verilerin doğruluğu ve tamlığı hastaneler arasında farklılık gösteriyor olabilir. Ancak oluşturulan modelin ulusal sürveyans verilerine dayanması, çalışmanın Türkiye’deki tüm hastaneleri kapsaması nedeniyle örnek büyüklüğünün geniş olması ve CAİ’lerin infeksiyon kontrol ekiplerince ulusal kılavuzlara göre tespit edilmiş olması bu kısıtlılıklarının etkisini azaltmaktadır. Model sürveyansta toplanan değişkenler arttıkça ve CAİ tanı kriterlerinde önemli değişiklikler oldukça yenilenmelidir.

Özetle, çalışmada belirlenen 5 risk faktörünü eş zamanlı olarak hesaba katan lojistik regresyon modelinden elde edilen formül ile bireysel CAİ gelişme olasılığı belirlenerek yüksek riskli hastalar ayrılmıştır.
USHİİSA’ya bu model entegre edildiğinde hastaneler ek veri giriş yükü olmadan otomatik olarak yüksek riskli hastaları ayırabilirler ve bu hastaların sürveyansına odaklanmak mevcut duruma göre daha gerçekçi CAİ hızları elde etmeyi sağlayabilir. Bu şekilde izlenecek hasta sayısı yarıya yakın azalmakta, bu da iş gücünden ve zamandan tasarruf sağlamaktadır. Bu modelin kullanılması özellikle CAİ hızı yüksek ve sürveyans duyarlılığı düşük hastaneler için daha fazla yarar sağlayacaktır. Sonuç olarak bu formül, ulusal sürveyans sistemine entegre edilmeli, böylelikle yüksek riskli hastaların belirlenmesi kolaylaştırılmalıdır. Diğer ameliyatlar için de modelleme yaparak yüksek riskli hastaları belirlemek faydalı olabilir.