基于Markov決策模型的高血壓預(yù)測(cè)研究

謝輝平 任金妹 謝寧

摘 要 目的：探討通過(guò)Markov模型評(píng)價(jià)高血壓各階段管理過(guò)程中藥學(xué)干預(yù)所體現(xiàn)的治療效果。方法：將10例高血壓患者作為研究對(duì)象，隨機(jī)分為實(shí)驗(yàn)組和對(duì)照組各5例，兩組均接受常規(guī)藥物治療，實(shí)驗(yàn)組同時(shí)進(jìn)行藥學(xué)干預(yù)措施，包括藥學(xué)監(jiān)測(cè)和用藥教育。結(jié)果：通過(guò)Markov預(yù)測(cè)，發(fā)現(xiàn)實(shí)驗(yàn)組患者的血壓波動(dòng)更小。實(shí)驗(yàn)組在血壓正常區(qū)間的概率相對(duì)比較大，對(duì)照組在血壓正常區(qū)間的概率相對(duì)偏小。結(jié)論：藥學(xué)干預(yù)可降低高血壓患者血壓波動(dòng)帶來(lái)的風(fēng)險(xiǎn)，同時(shí)，Markov模型能較好地預(yù)測(cè)血壓的變化。

關(guān)鍵詞 高血壓 Markov決策模型 預(yù)測(cè)計(jì)算 藥學(xué)服務(wù)

中圖分類(lèi)號(hào)：R544.1 文獻(xiàn)標(biāo)志碼：B 文章編號(hào)：1006-1533（2020）11-0058-03

Study on hypertension prediction based on Markov strategy model*

XIE Huiping**， REN Jinmei， XIE Ning***

（Qingpu Branch of Zhongshan Hospital， Shanghai 201700， China）

ABSTRACT Objective： To explore the effect of pharmacological intervention in the management of hypertension at various stages by Markov model. Methods： Ten hypertensive patients were randomly divided into an experimental group and a control group with 5 cases each. Both groups underwent conventional drug treatment. Besides， the experimental group underwent pharmaceutical interventions including pharmaceutical monitoring and medication education. Results： The blood pressure fluctuation of patients in the experimental group was significantly smaller according to Markov prediction. The probability of normal blood pressure interval was relatively larger in the experimental group and relatively smaller in the control group. Conclusion： Pharmaceutical intervention can reduce the risk of blood pressure fluctuation in hypertensive patients. Meanwhile Markov model can better predict the changes of blood pressure.

KEy WORDS hypertension； Markov strategy model； predicative computation； pharmaceutical service

高血壓是目前最常見(jiàn)的慢性非傳染性疾病之一，且高血壓患者數(shù)量持續(xù)上升[1]。高血壓不僅會(huì)降低患者的生活質(zhì)量和幸福感，還會(huì)對(duì)患者和社會(huì)造成直接或間接的經(jīng)濟(jì)損失和衛(wèi)生資源的負(fù)擔(dān)[2]。本研究通過(guò)對(duì)高血壓患者進(jìn)行藥學(xué)干預(yù)并建立檔案，用Markov模型進(jìn)行預(yù)測(cè)研究，為后續(xù)開(kāi)展有效常態(tài)化健康管理工作提供科學(xué)依據(jù)[3]。

1 資料與方法

1.1 一般資料

選取2018年1月—2019年1月在中山醫(yī)院青浦分院心血管內(nèi)科門(mén)診和住院確診為高血壓的患者10例。采用隨機(jī)數(shù)字表法分為對(duì)照組和實(shí)驗(yàn)組各5例。患者年齡在52～83歲，平均年齡（63.15±5.68）歲，病程3～10年，對(duì)照組和實(shí)驗(yàn)組各有1例合并糖尿病，其余無(wú)并發(fā)癥。兩組患者一般資料比較差異無(wú)統(tǒng)計(jì)學(xué)意義（P>0.05），具有可比性。本研究經(jīng)醫(yī)院倫理委員會(huì)審查并獲得批準(zhǔn)，患者知情同意。

1.2 干預(yù)措施

兩組患者均給予降壓藥物治療。對(duì)照組僅接受口頭健康教育和門(mén)診隨訪；而實(shí)驗(yàn)組同時(shí)進(jìn)行藥學(xué)干預(yù)措施，包括：①健康教育：制定針對(duì)性的健康教育方案，進(jìn)行包括高血壓病因，并發(fā)癥風(fēng)險(xiǎn)等教育。②用藥教育：對(duì)患者進(jìn)行治療藥物相關(guān)的教育，分發(fā)藥物使用宣傳手冊(cè)，講解按醫(yī)囑服藥的重要性，服藥過(guò)程中可能存在的不良反應(yīng)及應(yīng)對(duì)方案；③運(yùn)動(dòng)干預(yù)：根據(jù)情況制定合理的運(yùn)動(dòng)計(jì)劃，告知其養(yǎng)成良好生活作息習(xí)慣的重要性，戒煙戒酒。兩組患者每天進(jìn)行1次血壓檢查并記錄數(shù)據(jù)，由患者自行完成或至固定的社區(qū)衛(wèi)生服務(wù)中心進(jìn)行測(cè)量。藥師每周電話(huà)隨訪并記錄患者這1周測(cè)定的平均血壓。兩組干預(yù)時(shí)間均為3個(gè)月。

1.3 Markov決策模型建模和計(jì)算

Markov決策模型在本研究中的規(guī)律是：在患者的血壓變化過(guò)程中，第n次血壓變化獲得的狀態(tài)常決定于前1次（第n-1次）試驗(yàn)的結(jié)果。由1個(gè)血壓狀態(tài)轉(zhuǎn)移到另1個(gè)血壓狀態(tài)的轉(zhuǎn)化過(guò)程中，存在著狀態(tài)轉(zhuǎn)化概率，并且這種轉(zhuǎn)化概率可以依據(jù)其緊接的前一狀態(tài)推算出來(lái)。

1.3.1 計(jì)算血壓狀態(tài)轉(zhuǎn)移概率矩陣

本研究中，假定實(shí)驗(yàn)組和對(duì)照組中患者血壓發(fā)展過(guò)程有n個(gè)可能的狀態(tài)，即C0，C1，C2…，Cn。記Pij為從血壓狀態(tài)Ci轉(zhuǎn)變?yōu)檠獕籂顟B(tài)Cj的狀態(tài)轉(zhuǎn)移概率，則矩陣的因子可以如此計(jì)算：

從C0出發(fā)（轉(zhuǎn)移出去）的狀態(tài)中，有A個(gè)是從C0轉(zhuǎn)移到C0的，有B個(gè)是從C0轉(zhuǎn)移到C1的，有C個(gè)是從C0轉(zhuǎn)移到C2的。

1.3.2 模型預(yù)測(cè)計(jì)算

血壓狀態(tài)概率δj（K）表示患者的血壓在初始（k=0）狀態(tài)為已知的條件下，經(jīng)過(guò)k次血壓變化狀態(tài)轉(zhuǎn)移后，在第k個(gè)時(shí)刻（時(shí)期）處于狀態(tài)Ej的概率。

根據(jù)所給的實(shí)驗(yàn)組和對(duì)照組的患者血壓值，通過(guò)Markov模型預(yù)測(cè)出患者未來(lái)的血壓變化，從而得知干預(yù)與否對(duì)患者的血壓變化的效果。

2 結(jié)果

2.1 干預(yù)前后患者血壓情況

干預(yù)前，兩組患者收縮壓和舒張壓比較，差異無(wú)統(tǒng)計(jì)學(xué)意義（P>0.05）。干預(yù)后，實(shí)驗(yàn)組的收縮壓和舒張壓優(yōu)于對(duì)照組，兩組比較差異具有統(tǒng)計(jì)學(xué)意義（P< 0.05，表1）。

2.2 Markov分析結(jié)果

通過(guò)Markov決策模型結(jié)合實(shí)驗(yàn)數(shù)據(jù)，應(yīng)用Matlab編制程序，計(jì)算實(shí)驗(yàn)組和對(duì)照組血壓的狀態(tài)轉(zhuǎn)移概率矩陣。概率值越接近1，表明血壓在正常區(qū)間的可能性越大，血壓變化較小。通過(guò)Markov模型預(yù)測(cè)出同組患者未來(lái)的血壓變化，從而得知干預(yù)與否對(duì)患者血壓變化的效果。

從Markov預(yù)測(cè)結(jié)果來(lái)看，實(shí)驗(yàn)組患者的血壓值經(jīng)模型預(yù)測(cè)后，血壓在正常區(qū)間的概率在0.336 511～ 0.632 516之間，平均在正常區(qū)間概率為0.535 220，血壓變化較小，表明實(shí)驗(yàn)組患者的血壓較為平穩(wěn)。而對(duì)照組患者的血壓值經(jīng)模型預(yù)測(cè)后，患者血壓在正常區(qū)間的概率在0.121 604～0.503 754之間，平均概率為0.279 645，數(shù)值變化較大，表明該組患者的血壓波動(dòng)相對(duì)較大。此外，從概率比值可以看出實(shí)驗(yàn)組在血壓正常區(qū)間的概率相對(duì)比較大，對(duì)照組在血壓正常區(qū)間的概率相對(duì)偏小。因此，該研究表明進(jìn)行藥學(xué)干預(yù)能夠讓患者的血壓波動(dòng)更小，具有很好的血壓控制效果[4]。

3 討論

上海社區(qū)高血壓慢性病綜合防治工作已開(kāi)展10年有余。本項(xiàng)目前期已對(duì)青浦區(qū)高血壓藥物的可負(fù)擔(dān)性進(jìn)行評(píng)價(jià)[5]。但是由于對(duì)社區(qū)人群整體疾病進(jìn)展與分布狀態(tài)、影響因素以及疾病管理效果缺乏科學(xué)有效的觀察與評(píng)價(jià)指標(biāo)，因此有學(xué)者將Markov模型用于高血壓的研究[6]。Markov模型是著名數(shù)學(xué)家馬爾可夫提出的一種數(shù)學(xué)分析方法，可用于疾病發(fā)展?fàn)顟B(tài)的研究，臨床決策的經(jīng)濟(jì)學(xué)評(píng)價(jià)等[7]。

本研究經(jīng)Markov模型預(yù)測(cè)得到實(shí)驗(yàn)組的概率比值很相近，說(shuō)明實(shí)驗(yàn)組經(jīng)過(guò)藥學(xué)干預(yù)后，患者依從性明顯高于對(duì)照組，血壓控制良好。分析原因可能是藥師通過(guò)建立患者檔案，設(shè)計(jì)個(gè)體化的教育和管理方案，從健康教育、用藥教育和運(yùn)動(dòng)教育等方面管理患者，能夠加強(qiáng)患者對(duì)高血壓的認(rèn)知，提高用藥依從性，從而更好地控制血壓[8]。但本研究的缺陷是樣本量少，下一階段將擴(kuò)大樣本量，從而建立完整的藥物經(jīng)濟(jì)學(xué)模型[9]，以期對(duì)高血壓的預(yù)防和治療起到指導(dǎo)作用，為更大范圍的慢性病控制提供理論依據(jù)。

參考文獻(xiàn)

[1] Zack R， Okunade O， Olson E， et al. Improving hypertension outcome measurement in low-and middle-income countries[J]. Hypertension， 2019， 73（5）： 990-997.

[2] 《中國(guó)高血壓防治指南》修訂委員會(huì).中國(guó)高血壓防治指南2018年修訂版[J]. 心腦血管病防治， 2018， 19（1）： 24-56.

[3] 朱亦凡， 黃蓉， 丁怡文， 等. 氨氯地平和賴(lài)諾普利治療老年高血壓的經(jīng)濟(jì)學(xué)評(píng)價(jià)——基于Markov模型[J]. 衛(wèi)生經(jīng)濟(jì)研究， 2019， 36（6）： 50-53.

[4] Eghbali-Zarch M， Tavakkoli-Moghaddam R， Esfahanian F， et.al. A Markov decision process for modeling adverse drug reactions in medication treatment of type 2 diabetes[J]. Proc Inst Mech Eng H， 2019， 233（8）： 793-811.

[5] 沈毅， 萬(wàn)茜， 謝寧. 對(duì)上海青浦區(qū)基本藥物目錄中抗高血壓藥物可負(fù)擔(dān)性的實(shí)證研究[J]. 藥學(xué)實(shí)踐， 2018， 36（6）： 536-540.

[6] 游如旭， 劉金玉， 張玉， 等. 應(yīng)用Markov模型對(duì)厄貝沙坦和比索洛爾治療高血壓伴心衰的長(zhǎng)期藥物經(jīng)濟(jì)學(xué)評(píng)價(jià)[J].中國(guó)藥學(xué)， 2017， 52（24）： 2209-2213.

[7] 劉利勤， 李青， 胡明， 等. 應(yīng)用Markov模型對(duì)3種血管緊張素Ⅱ受體拮抗劑預(yù)防高血壓患者卒中和心肌梗死的經(jīng)濟(jì)學(xué)評(píng)價(jià)[J]. 中國(guó)藥學(xué)， 2019， 54（2）： 137-143.

[8] 計(jì)秋旖， 王梓， 李曉燁. 臨床藥師在心血管疾病患者護(hù)理中的作用[J]. 上海醫(yī)藥， 2018， 39（5）： 70-72.

[9] 楊馥寧， 賀小寧， 吳晶. 基于Markov模型對(duì)新型抗病毒藥物治療基因1b型慢性丙型肝炎的藥物經(jīng)濟(jì)學(xué)評(píng)價(jià)[J]. 中國(guó)藥學(xué)， 2019， 54（15）： 1276-1284.