[背景]透明监管已经成为国内外监管创新的重要前沿领域。在我国,医院感染监测已成为控制医院感染和提高医疗质量的工具,而目前的监测仅仅是对医院感染指标进行的一种内部反馈。多个国家的行动表明,强制实施医院感染指标的公开,能更好促进医疗质量的改进。然而,现有机构或地区间的病人特征使得原始的医院感染指标往往不能反映实际的医疗质量。在血液透析相关感染(hemodialysis-associated infections, HAI)方面,国内外的相关研究也仅停留在风险因素研究,并没有可行的风险调整模型。[目的]探索HAI的风险调整因素,并依据其中客观、易获得的患者相关风险因素构建基于透明的HAI指标风险调整模型,为预防控制血液透析患者医院感染提供高证据力的方法基础,并为下步透明监管政策的提出奠定循证基础,以实现改进病人安全、提升医疗质量、引导病人就医选择、降低医疗费用的目的。并在此基础上,提出HAI控制透明监管建议。[方法](1)研究以“透明选择-改变双向路径模型”的相关理论和“患者-医护-环境因素”风险调整模型相关理论为基础。(2)采用文献法和专家法等,以HAI率为例对HAI指标中的结局指标开展基于透明的HAI率风险调整因素、风险调整方法等理论研究,构建HAI率的关键风险因素集；采用现况调查收集资料对HAI率的风险因素等进行验证,并对由HAI率的关键风险因素构建的概念模型进行验证与再评价,建立最优风险调整模型。(3)关键风险调整因素的验证方法：通过计算logistic回归模型自身的可靠性统计量验证；利用验证样本验证；并纳入与血液透析密切相关的因素,利用人工神经网络分析验证关键风险调整因素在各风险因素中的重要性排序。多重验证方法验证关键风险调整因素,最终确定关键风险调整因素集。(4)风险调整模型的验证方法：通过计算Hosmer-Lemeshow拟合优度统计量,按构建的风险调整模型计算期望感染率分层并比较各层数据的实际感染率和期望感染率,计算敏感度、特异度、总准确率、ROC曲线等进行模型自身验证；利用新数据(验证样本)验证；利用人工神经网络模型分析进行补充验证。(5)采用Excel17.0整理和清洗数据,运用STATA 12.0进行logistic回归分析, SPSS 17.0进行人工神经网络分析(训练样本、检验样本和支持样本之比为7：2：1)。[结果] (1)HAI现状：2014年1月-2015年3月血液透析患者共计403例,医院感染患者为76例。构建样本的患者为305例,发生医院感染的患者为63例,HAI率为20.66%,患者多为男性(60.66%),平均年龄为47.4±15.8岁。验证样本的患者为98例,发生医院感染的患者为13例,HAI率为13.27%,平均年龄为45.4±±15.5岁。医院感染类型按发生频率前三位依次为呼吸道感染(59.2%)、血管相关感染(25%)、尿路感染(10.5%)。(2)HAI风险因素：通过单因素分析,患者基本特征因素“在多家医院透析过”(X2)、患者因基础疾病而必须接受的临床治疗因素“住院天数(X1)、输血次数(X3)、感染前使用激素(X4)”、入院初期感染前血常规指标“血清钙水平”这五个风险因素与HAI有显著相关性(P值分别为0.01、0.00、0.01、0.00、0.02)；通过逐步Logistic回归分析,血清钙水平这一因素由于在Logistic回归模型中P>0.05被剔除,得到的最终逐步logistic回归模型为：模型的感染预测概率为：(3)风险调整模型验证：Logistic回归模型,Hosmer-Lemeshow拟合优度检验P值为0.82,按期望感染率分层的拟合优度P值为0.7,最高层实际感染率是最低层实际感染率的13.4倍,达到至少10倍的理想值,模型敏感性和特异性分别为66.67%、70.25%,总体准确率为69.51%,ROC曲线下面积为0.76,模型可靠性较好；验证样本的假阳性率为10.6%(9/85),假阴性率为15.4%(2/13)；人工神经网络分析,住院天数、输血次数、白蛋白、血清钙、感染前使用激素列于HAI重要因素前5位,预测模型的ROC曲线下面积为0.93,训练样本的敏感度、特异度和总体准确率为61.7%,98.3%和90.4%。[结论与建议]：(1)依据“在多家医院透析过、住院天数、输血次数、感染前使用激素”这4个风险调整因素可构建用于公开的血液透析相关感染风险调整模型,为构建、创新医院感染透明监管政策提供了循证依据。(2)建议：加强基于透明的血液透析相关感染制度建设,从体制上推动医院感染监管水平；开展基于透明的医院感染方法研究,提供科学的血液透析相关感染监管方法；加强血液透析患者住院管理(控制住院天数、合理使用激素、加强输血管理、严格控制患者转院治疗),提高医院感染控制水平；加强对医务人员及血液透析患者的血液透析相关感染教育和培训,从知识和意识层面控制血液透析相关感染等。