Infectiecijfers betrouwbaar gebruiken
1. Inleiding
Misschien vraagt u zich af of u de infectiecijfers afkomstig uit het prevalentie-onderzoek kunt vergelijken met de infectiecijfers afkomstig uit de incidentiesurveillance van postoperatieve wondinfecties (POWI (Postoperatieve wondinfecties)). Of u wilt beoordelen hoe betrouwbaar het verschil tussen de huidige infectiecijfers van uw ziekenhuis en eerdere cijfers is. Om zinvolle, valide vergelijkingen te kunnen maken, moeten de cijfers op een gestandaardiseerde manier verzameld zijn, op voldoende waarnemingen berusten en moet men rekening houden met mogelijke verschillen in patiëntpopulaties. Hoofdstuk 2 belicht de verschillen tussen prevalentie- en incidentiemetingen. In hoofdstuk 3 wordt ingegaan op de statistische betrouwbaarheid van de cijfers. Hoofdstuk 4 licht toe hoe infectiecijfers kunnen worden vergeleken en hoofdstuk 5 geeft ten slotte aan waarvoor de surveillanceresultaten gebruikt kunnen worden. Formules voor het berekenen van betrouwbaarheidsintervallen (onzekerheidsmarges) en verwachte infectiepercentages vindt u in bijlage 1 en bijlage 2a en bijlage 2b bevatten een uitgewerkt voorbeeld uit de praktijk.
Het is onmogelijk een blauwdruk te geven voor de verdere interpretatie van de geanalyseerde gegevens en eventuele vervolgstappen. Omdat de specifieke situatie waarin de cijfers zijn verzameld in belangrijke mate meewegen bij de afweging al dan niet vervolgacties te starten. Essentieel is dat er overleg plaatsvindt tussen alle betrokkenen in het ziekenhuis: de deskundige infectiepreventie, de arts-microbioloog, de infectiecommissie, de betrokken specialisten en verpleegkundigen. Belangrijk is ook dat bij het beoordelen van verschillen niet alleen statistische significantie moet meewegen, maar ook de klinische relevantie.
2 Surveillancemethoden
2.1 Prevalentie van zorginfecties
Prevalentie is het aantal zorginfecties dat in een bepaalde populatie op een bepaald moment aanwezig is (ook wel punt-prevalentie genoemd). Prevalentie impliceert een dwarsdoorsnede van de populatie, een momentopname. De teller is het aantal bestaande infecties, de noemer het totaal aantal patiënten.
2.2 Incidentie van zorginfecties
Incidentie is het aantal nieuwe zorginfecties in een bepaalde populatie gedurende een bepaalde periode. Voor het berekenen van een incidentie dient een populatie altijd enige tijd gevolgd te worden. De teller is het aantal nieuwe gevallen van infectie dat tijdens de onderzoeksperiode ontstaat, de noemer het aantal patiënten at risk. Incidentie is een vaak gebruikte term waarmee, afhankelijk van de setting, soms verschillende uitkomstmaten worden bedoeld. Als alle patiënten even lang worden gevolgd en dus even lang ‘at risk’ zijn, zoals het geval is bij surveillance van POWI met surveillance na ontslag, kan men de cumulatieve incidentie berekenen. Zoals hierboven aangegeven verschilt dit percentage dus van het percentage (de puntprevalentie) bij het prevalentieonderzoek, waarbij geen sprake is van follow up.
Als patiënten niet allemaal even lang at risk zijn (bijvoorbeeld de module lijnsepsis waar de duur van de periode dat een patiënt een lijn in situ heeft kan variëren), is het beter om de incidentiedichtheid (ook bekend als incidentiecijfer) gebruiken. Hierbij bestaat de teller uit het aantal infecties gerelateerd aan een intravasale lijn en de noemer uit het totaal aantal tijdseenheden (in dit geval lijndagen) at risk, opgeteld over de hele populatie. Na het optreden van een lijnsepsis is de patiënt niet meer at risk en eventuele lijndagen ná het optreden van de infectie worden dan ook niet meer meegeteld. Bij het in situ blijven van een lijn kan nog wel een nieuwe lijnsepsis ontstaan, maar deze wordt bij de surveillance van PREZIES (PREventie van ZIEkenhuisinfecties door Surveillance) buiten beschouwing gelaten.
De prevalentie- en de incidentiematen staan in onderling verband via de duur van de infectie. De prevalentie is grofweg gelijk aan de incidentie maal de gemiddelde duur van de infectie. Echter, het vergelijken of omrekenen van incidentiecijfers voor POWI of lijnsepsis met of naar prevalentiecijfers (of vice versa) is niet zinvol, omdat de gemiddelde infectieduur meestal onbekend is en veel postoperatieve wondinfecties pas na ontslag worden geconstateerd en daarom niet in het prevalentiecijfer terugkomen.
3 Het beoordelen van infectiecijfers
3.1 Betrouwbaarheid
Een gemeten infectiepercentage is in feite een schatting van het werkelijke infectiepercentage. De betrouwbaarheid van een gemeten infectiecijfer (of een verschil in gemeten infectiecijfers) hangt af van de noemer: de aantallen patiënten of lijnen waarop het gebaseerd is én van de teller: het aantal infecties. Hoe kleiner de teller en de noemer, hoe onnauwkeuriger de schatting is. Deze onnauwkeurigheid wordt zichtbaar met het betrouwbaarheidsinterval (onzekerheidsmarges). Bij het presenteren of interpreteren van infectiecijfers zijn de betrouwbaarheidsintervallen dus van belang. Onder het kopje "Berekenen 95% betrouwbaarheidinterval" staat een excel-document waarmee 95% betrouwbaarheidsintervallen kunnen worden berekend voor zowel percentages als incidentiedichtheden. In bijlage 1 worden de formules voor het (zelf) berekenen van betrouwbaarheidsintervallen gegeven.
3.2 Betrouwbaarheidsinterval van een infectiecijfer
Bij het bepalen van betrouwbaarheidsintervallen moet vooraf bepaald worden welke betrouwbaarheid (significantieniveau) men wil aanhouden. In het algemeen hanteert men een betrouwbaarheid van 95%. Een betrouwbaarheidsinterval van 95% (95% BI) van een gemeten infectiepercentage geeft aan dat indien deze meting 100 maal wordt herhaald, de gemeten waarde 95 maal binnen het interval zal liggen dat wordt aangegeven. M.a.w. de kans is 95% dat het bewuste cijfer zich binnen de waarden van het betrouwbaarheidsinterval bevindt. In de overige 5 keer zal het percentage buiten het interval liggen. Die kans van 5% wordt de p-waarde genoemd. De p-waarde is de kans dat het gemeten infectiecijfer buiten het betrouwbaarheidsinterval ligt. Hoe kleiner het betrouwbaarheidsinterval, des te preciezer de schatting. Het interval wordt kleiner naarmate de gemeten (infectie)cijfers gebaseerd zijn op grotere aantallen patiënten, lijnen of lijndagen en infecties.
3.3 Toetsen van een verschil tussen infectiecijfers
Ook voor een verschil tussen twee infectiecijfers kan een betrouwbaarheidsinterval berekend worden (zie eerder genoemd exceldocument en/of Bijlage 1) en ook hiervoor geldt: hoe kleiner dit interval, des te preciezer de schatting van het werkelijke verschil. Bevat het 95% betrouwbaarheidsinterval van een verschil het getal 0 niet, dan is het verschil statistisch significant, met een p-waarde van < 0,05. De p-waarde is de kans dat er een verschil gemeten is, terwijl er in werkelijkheid geen verschil is. Overigens verdient het de voorkeur om bij het vergelijken van twee infectiecijfers te werken met een 95%-betrouwbaarheidsinterval en niet met een p-waarde, omdat de eerste veel meer informatie bevat. Betrouwbaarheidsintervallen bieden dezelfde informatie als de p-waarde én geven ook nog een indruk van het interval waarbinnen de werkelijke waarde met 95% waarschijnlijkheid ligt.
Er zijn ook andere statistische maten in gebruik om verschillen in infectiecijfers weer te geven. Een infectiecijfer is een kans, risico op infectie. Veel gebruikte maten zijn Odds ratio’s (OR) en relatieve risico’s (RR (relatieve risico's)). Als deze verhouding tussen de te vergelijken “odds” of risico’s gelijk is aan één, zijn de infectiecijfers hetzelfde. Bevat het 95% betrouwbaarheidsinterval van een OR of RR het getal 1 niet, dan is het verschil statistisch significant, met een p-waarde van < 0,05.
Door een succesvolle preventie van ziekenhuisinfecties is de incidentie in veel ziekenhuizen inmiddels laag. Verdere reducties in de incidentie zijn met deze kleine aantallen infecties steeds moeilijker met statistische significantie aan te tonen. Men dient zich daarom te realiseren, dat naast statistische significantie, klinische relevantie een belangrijk criterium is om een verschil te beoordelen.
4 Vergelijkbaarheid van infectiecijfers
4.1 Uniformiteit van de gegevensverzameling
Om de eigen infectiecijfers te kunnen vergelijken met andere cijfers, bijvoorbeeld eerder verzamelde gegevens uit het eigen ziekenhuis of de PREZIES referentiecijfers, is het van belang dat de gegevens op dezelfde manier zijn verzameld. Dat wil zeggen dat dezelfde infectiedefinities gebruikt zijn, de gegevensverzameling op dezelfde manier gebeurd is (dezelfde follow-up periode!) en dat de gekozen uitkomstmaat dezelfde is.
4.2 Vergelijken per stratum
Vergelijken, bijvoorbeeld van huidige met eerdere infectiecijfers uit de eigen instelling, heeft alleen zin als de beide patiëntenpopulaties niet al te veel verschillen. Een zinvolle vergelijking van het percentage postoperatieve wondinfecties kan bijvoorbeeld alleen worden gemaakt tussen identieke operaties (per stratum). Maar ook binnen een groep patiënten met eenzelfde operatie kan variatie in risicofactoren bestaan. Bijvoorbeeld wat betreft de verdeling in wondklassen. Daarom moet er gestratificeerd worden naar of gecorrigeerd voor één of meerdere risicofactoren, of naar een index bestaande uit meerdere risicofactoren, zoals de NNIS-risico-index gebaseerd op de wondklasse, ASA-klasse en operatieduur. Zonder risicostratificatie of –correctie kan vergelijking van infectiecijfers, of dat nu tussen behandelaars of tussen ziekenhuizen is, misleidend zijn! Vanuit de literatuur zijn diverse risicofactoren bekend. In de terugrapportages worden de infectiecijfers voor de belangrijkste risicofactoren gecorrigeerd. De referentiecijfers op de website geven de infectiecijfers gestratificeerd (uitgesplitst) naar veel meer risicofactoren.
4.3 Verwachte infectiecijfers berekenen en vergelijken met de gemeten infectiecijfers
Zoals hiervoor toegelicht kan de verdeling van patiënten in uw eigen ziekenhuis wat betreft een risicofactor anders zijn dan in het landelijke bestand. Om een indruk te krijgen van het infectiecijfer dat verwacht wordt als de verdeling van de infectierisico’s in de verschillende delen van de populatie hetzelfde zou zijn als in het landelijk bestand, kan het verwachte infectiecijfer geschat worden. Het vergelijken van het verwachte infectiecijfer met het gemeten infectiecijfer geeft inzicht in hoeverre er in uw ziekenhuis meer of juist minder infecties optreden dan men zou verwachten op basis van de opbouw van uw patiëntenpopulatie. Aanvullend inzicht wordt verkregen door infectiecijfers te stratificeren (uit te splitsen) per specifieke risicofactor en de verdeling over de strata (categorieën van de risicofactor) te vergelijken.
Een gedetailleerde beschrijving van hoe een verwacht infectiecijfer te berekenen vindt u in de bijlage 2A, bijlage 2B en in de leeswijzer voor lijnsepsis. Ook voor het verwachte infectiecijfer kan, o.b.v. het aantal verwachte infecties, een betrouwbaarheidsinterval worden berekend zoals uitgelegd in bijlage 1.
4.4 Beperkingen bij het vergelijken van infectiecijfers
Er zijn meer factoren van invloed op het vóórkomen van ziekenhuisinfecties dan in de PREZIES-modules geregistreerd (kunnen) worden. Voor onbekende risicofactoren kan niet gestratificeerd of gecorrigeerd worden. Daarom moet het vergelijken van infectiecijfers altijd met de nodige omzichtigheid gebeuren en is het van belang bij de infectiecijfers toe te lichten voor welke risicogroep deze cijfers gelden en welke correctie er eventueel heeft plaatsgevonden (zoals bij een verwacht infectiecijfer). Als er bekende, maar niet gemeten risicofactoren relevant zijn voor de gemeten ziekenhuisinfectie, dan zal dit in een toelichting op de cijfers vermeld moet worden om een verkeerde interpretatie te vermijden. Dit is zeker het geval bij de prevalentiemetingen waarbij de uitkomsten niet gecorrigeerd zijn voor verschillen in patiëntenpopulatie.
5 Waarvoor kunnen de surveillanceresultaten worden gebruikt?
De surveillancegegevens verzameld volgens PREZIES zijn primair bedoeld voor de zorginstellingen en professionals zelf, om de effectiviteit van het eigen infectiepreventiebeleid te optimaliseren. De infectiepercentages kunnen worden gebruikt om de trend in het eigen ziekenhuis te beoordelen en voor het spiegelen van de eigen cijfers aan de landelijke gegevens.
Het beoordelen van bijv. het percentage postoperatieve wondinfecties van één specifieke operatie gedurende een jaar of het percentage infecties bij één leeftijdsgroep bij de prevalentiestudie, heeft als nadeel dat je vaak te maken zal hebben met een beperkt aantal patiënten. Met als gevolg een groot betrouwbaarheidsinterval (grote onzekerheidsmarge) rondom het infectiepercentage. Dat noodzaakt om voorzichtig te zijn met het trekken van conclusies. De cijfers kunnen alleen worden gebruikt in de juiste context, met kennis van het type operatie/patiënt, de setting en de methodiek van surveillance.
Het gebruik van infectiecijfers voor externe rangschikking en verantwoording wordt ontraden, de cijfers worden niet voor dat doel verzameld. Buiten het ziekenhuis gaan infectiecijfers snel ‘een eigen leven’ leiden en zonder de juiste context en toelichting kunnen de cijfers misleidend zijn.
Als infectiecijfers toch buiten het ziekenhuis worden gebruikt, wordt aanbevolen altijd:
- te vermelden op hoeveel patiënten/operaties/lijnen het cijfer is gebaseerd,
- het 95% betrouwbaarheidsinterval aan te geven en
- de cijfers van een toelichting te voorzien.
Buiten het ziekenhuis kunnen in plaats van infectiepercentages (uitkomstmaten) beter procesmaten worden gebruikt, zoals de naleving van de interventiebundels. Procesmaten zijn eenduidiger en onafhankelijk van het type operatie te gebruiken.