早產兒喂養不耐受多因素回歸分析及判別模型建立

盧瓊芳

?

早產兒喂養不耐受多因素回歸分析及判別模型建立

盧瓊芳

目的:通過分析早產兒喂養影響因素,建立早產兒喂養不耐受判別分析的模型。方法:收集2012年3月～2013年3月我院早產兒及早產兒喂養不耐受患兒相關資料525例,運用多元Logistic回歸法進行分析,找出與早產兒喂養密切相關的影響因素,建立早產兒喂養不耐受判別分析模型,以此模型對2013年10月～2014年12月新生兒科住院早產兒501例進行預測,并與其早產兒喂養不耐受實際發生情況對比,以檢測模型的敏感度、特異度、假陽性率、假陰性率和符合率。結果:與早產兒發生喂養不耐受密切相關的有嘔吐、腹脹、敗血癥、胃殘留食物、胎齡等5大因素，由此建立的喂養不耐受判別分析模型敏感度為78.21%,特異度為88.89%,假陽性率為11.11%,假陰性率為21.79%,符合率為87.23%。結論:判別模型的建立有助于早產兒喂養不耐受的早期診斷分析及早期治療和護理干預。

早產兒；喂養不耐受；多因素回歸分析；判別模型

早產兒指妊娠28～37周出生的新生兒。多年以來,早產兒喂養一直是臨床護理工作中的棘手問題[1]。據國內不完全統計,僅住院早產兒喂養不耐受發生率在13.5%～41.67%[2-3]。早產兒喂養不耐受一旦發生會增加早產兒生長發育延緩，心、肺、腦疾病發生率高。本研究對我院2012年3月～2013年3月住院治療的525例早產兒進行研究，篩選可能引起喂養不耐受的影響因素，通過統計分析建立判別預測模型，為及早干預提供判斷依據，并應用這些模型對2013年10月～2014年12月501例早產兒進行判別，取得一定成效，現報道如下。

1　資料與方法

1.1入組標準早產兒，住院時間≥7 d，按照喂養不耐受診斷，2003年美國兒科學會提出的新生兒喂養不耐受定義的指南[4]，具有以下任一項因素：腹脹嚴重或腹部皮膚變色或腸穿孔征象；明顯血性糞便；發生2～3次胃潴留≥喂養量的25%～50%；患兒有嘔吐或膽汁反流；有明顯的呼吸暫停或心動過緩；心肺功能嚴重不全。排除標準：先天畸形的胃腸道，壞死性小腸結腸炎(NEC)，嚴重多發畸形，遺傳代謝性疾病(如唐氏綜合征、苯丙酮尿癥等)，出生6 d內因病情原因或家屬原因放棄治療者。

1.2臨床資料采集所有患兒均在入院時及有病情變化時評估是否有喂養不耐受臨床表現，并記錄患兒孕周、體重、出生病史，入院心電監測生命體征、黃疸指數、大便、喂養量、嘔吐、腹脹及腹部皮膚情況，測定血常規、肝腎功能、電解質、動脈血血氣分析、生化、出凝血時間等。

1.3統計學處理及模型建立采用SPSS 19.0軟件進行統計分析，使用Logistic多因素回歸分析篩選影響因素，采用判別模型進行篩選并建立判別預測模型，對2013年10月～2014年12月早產兒應用模型評價。

1.3.1分組2012年3月～2013年3月符合入組標準的共計525例，按診斷為喂養不耐受者，納入喂養不耐受組，共119例，男69例，女50例;平均孕(31．27±2．75)周。非喂養不耐受組406例，男240例，女166例；平均孕(32．33±2．21)周。兩組患兒的性別、入院孕周等差異無統計學意義(P>0.05)，具有可比性。

1.3.2變量賦值在多因素分析中，選取了可能影響早產兒喂養的25個相關因素(按如下順序編號X1～X25)：性別、體重、出生時窒息、嘔吐≥3次、腹脹、胃出血、敗血癥、胃潴留、大便潛血陽性、應用氨茶堿、用哌拉西林舒巴坦鈉、用頭孢他啶、氨基酸等營養液、多潘立酮、應用呼吸機、鼻飼奶、自吮奶、母親患妊高征、母親患妊娠出血、母親患糖尿病、早產兒入院時黃疸指數、早產兒住院期間隨機黃疸指數、剖宮產、胎齡(W)(≤28，29～32，33～35，≥36)、首次開奶時間(h)(≤24，25～35，36～72)。將這25個相關影響因素作為自變量X(X1～X25)，并進行賦值，連續性變量采用原測值，分類變量按0和1賦值，1表示陽性或較嚴重情況，0表示陰性或較輕情況。

2　結　果

2.1變量篩選結果將可能影響喂養的25個相關影響因素作為自變量X(X1～25)，是否診斷為喂養不耐受作為因變量Y，進行Logistic回歸分析(有條件的向前逐步回歸法，α=0.05)，篩選出嘔吐≥3次、胎齡、腹脹、敗血癥、胃潴留共5個為影響因素，見表1。

表1　Logistic回歸分析結果

2.2判別模型的建立采用判別分析法對Logistic回歸分析得出的5個影響因素進行逐步判別分析，5個變量全部納入判別函數，計算出判別函數系數(表2)。建立早產兒喂養不耐受的判別函數：(1)Y1(喂養不耐受組)=-147.851+8.639×1+1.139×2+7.024×3+6.485×4+18.665×5,其中的1，2，3，4，5分別為胎齡、嘔吐≥3次、腹脹、敗血癥、胃潴留預測值。(2)Y2(非喂養不耐受組)=-152.539+8.962×1-2.403×2+1.088×3+3.933×4+12.080×5。

表2　判別函數系數

2.3判別模型評價使用預測模型對早產兒影響因素進行賦值，然后將賦值分別帶入兩個判別函數，分別計算出Y1和Y2，若Y1>Y2，則該患兒出現喂養不耐受可能性大。將2013年10月～2014年12月入院的早產兒501例逐例回代判別函數式，計算判別函數值，預測喂養不耐受是否發生，與其實際發生情況進行比較，結果：預測喂養不耐受發生108例,實際發生61例;預測喂養不耐受未發生393例,實際發生17例，由此得出喂養不耐受判別分析模型的各項檢測指標，見表3。

表3　喂養不耐受判別模型的檢測指標

2.4應用判別模型前后患兒喂養不耐受發生情況比較(表4)

表4　應用判別模型前后住院患兒喂養不耐受發生情況比較(例)

3　討　論

早產兒的生理特點是各種器官功能不成熟[5]，特別是消化系統功能不成熟，吸吮能力差，吞咽反射弱，容易嗆咳、嘔吐而發生乳汁吸入，胃腸道功能不成熟，腸蠕動能力差，易發生腹脹、胃潴留；喂養不耐受在早產兒中是一種臨床常見的喂養問題，早產兒胃腸道的免疫屏障功能低下，對入侵腸道的病原體免疫力不足，而且胃腸道內正常菌群定植延遲，有較高的壞死性小腸結腸炎、膽汁淤積概率[6]，引起嚴重感染(敗血癥)，從表1可見這幾個因素是早產兒發生喂養不耐受的影響因素，胎齡越小、體重越低，喂養不耐受發生率越高[7]；胎齡越大，早產兒各種器官功能越成熟，喂養不耐受發生率越低。故胎齡是保護因素。本組研究中2012年～2013年525例早產兒中發生喂養不耐受119例，發生率為22.67%，回歸分析得出影響因素為5大因素：胎齡、嘔吐、腹脹、敗血癥、胃潴留，經治療和護理干預，2013年6月～2014年12月，觀察501例早產兒，發生喂養不耐受78例，發生率15.57%。說明早期識別早產兒喂養不耐受影響因素，采取干預措施后，喂養不耐受發生率明顯降低。在臨床護理工作中及時識別影響因素，準確預測危險性,采取相應的干預措施,可有效預防和治療喂養不耐受。

早產兒喂養不耐受影響因素和判別模型是用來預測、識別喂養不耐受高危患兒的一種方法。應用回歸模型是現代流行病學進行風險分析時最廣泛應用的數學模型，近年來臨床上常用于探索與疾病有關的危險因素，多見用于非傳染性疾病資料的多因素統計分析。對早產兒喂養不耐受應用回歸分析可以預測其發生率，早期實施護理干預，可減少喂養不耐受發生率。

本研究查閱了相關參考文獻，并根據原預報喂養不耐受診斷標準，從較多的喂養不耐受影響因素中歸納出25項因素，運用多元Logistic回歸分析法對早產兒資料進行了回顧性分析，評價喂養不耐受發生概率與各影響因素之間的聯系，經研究我們篩選胎齡、嘔吐≥3次、腹脹、敗血癥、胃潴留等5大常見因素與之密切相關，建立判斷早產兒喂養不耐受判別分析模型，將5大因素的評估值納入回歸方程，與判別模型比較，可預測喂養不耐受是否發生。經對早產兒501例進行了喂養不耐受是否發生的預測，并與其實際發生情況進行了比較，得到了判別分析模型的敏感度78.21%，特異度88.89%，陽性預測值56．48%，陰性預測值95.67%，假陽性率11.11%，假陰性率21.79%，符合率87.23%。說明其能有效地對早產兒是否發生喂養不耐受進行預測。

對高危患兒實行重點識別和及早預防，能做到早判斷、早預防、早治療、早護理，從而提高防范意識，實施相應的預防措施，有效地預防早產兒喂養不耐受的發生，促進早產兒的消化系統功能成熟，本組研究501例早產兒中發生喂養不耐受78例，發生率15.57%，說明早期應用模型評估，及早發現，早期干預是預防早產兒喂養不耐受很好的措施。本研究實施干預后其發生率比報道低，可能是入選早產兒中由于病情和家屬原因放異治療、住院≤6 d的除外，還需進行7 d內的多中心多案例的臨床研究。

4　小　結

應用多元回歸識別早產兒喂養影響因素，建立早產兒喂養不耐受判別分析模型，具有科學性和臨床應用的有效性，可以降低早產兒喂養不耐受發生率，預防早產兒并發癥，提高護理工作的主動性，對改進早產兒喂養措施為臨床實踐提供了依據。

[1]盧瓊芳，戴月映，陳偉賢，等．早產兒喂養不耐受影響因素[J].Logistic回歸分析[J].護理實踐與研究，2014，11(9)：60-62.

[2]劉翠，王勇，胡艷霞，等．探討早產兒喂養不耐受的高危因素[J].四川醫學，2012，33(7)：1150-1153．

[3]張小寧,周長美,周瑩，等．不同喂養方法對早產兒喂養耐受性及生長發育的影響[J].護士進修雜志,2012，27(20)：1829-1831．

[4]Kuzma-O'Reilly B，Duenas ML，Greecher C，et al.Evaluation，deve lopment,and implementation of potentially better practices in neonatal intensive care nutrition[J].Pediatrics，2003，111(4):461-470．

[5]崔焱．兒科護理學[M].5版．北京：人民衛生出版社,2012：154．

[6]徐露璐，王琍琍．早產兒腸外營養相關性膽汁淤積危險因素Meta分析[J].安徽醫學，2014,35(9)：1200-1203．

[7]王潛，崔其亮，嚴彩滿．早產兒補充長鏈多不飽和脂肪酸對支氣管肺發育不良和壞死性小腸結腸炎發生率影響的系統評價和Meta分析[J].中國循證兒科雜志，2015，10(6)：419-425．

(本文編輯崔蘭英)

Regression analysis of influencing factors and development of discriminant analysis model of feeding intolerance in premature infants

LU Qiong-fang

(Guigang People’s Hospital,Guigang537100)

Objective：To a develop discriminant analysis model of feeding tolerance in premature infants by analyzing influencing factors of premature infant feeding. Methods:Collected relevant information of 525 premature infants and their feeding intolerance cases in our hospital from March 2012 to March 2013, analyzed them with multiple Logistic regression method, found out relevant influencing factors of premature infant feeding, developed a discriminant analysis model of feeding intolerance in premature infants, predicted the 501 hospitalized premature infant cases from October 2013 to December 2014 with the model, and compared the prediction with the actual occurrence of premature infant feeding intolerance to test the sensitivity, specificity, false positive rate, false negative rate and coincidence rate. Results:There were 5 factors closely related to premature infant feeding intolerance, such as vomit, abdominal distension, sepsis, residual food in stomach, gestational age; the discriminant analysis model sensitivity of feeding intolerance here was 78.21%, specificity was 88.89%, false positive rate was 11.11%, false negative rate was 21.79%, and coincidence rate was 87.23%. Conclusion: The development of discriminant analysis model is beneficial for the preliminary diagnostic analysis, treatment and nursing intervention of premature infant feeding intolerance.

Feeding intolerance in premature infants;Multivariate factors regression analysis;Discriminant model

537100貴港市廣西貴港市人民醫院護理部

盧瓊芳:女，本科，主任護師，護理部副主任

※兒科護理

10.3969/j.issn.1672-9676.2016.14.031

2016-01-11)