基于BP神經網絡模型的河南省嚴重精神障礙患者服藥依從性影響因素分析

郭正軍，婁麗娟，王玉杰，王海嶺，姚豐菊，張瑞嶺

1)新鄉醫學院第二附屬醫院防治科 河南新鄉 453002 2)新鄉醫學院第三附屬醫院口腔科 河南新鄉 453001

嚴重精神障礙[1]主要包括精神分裂癥、雙相情感障礙、精神發育遲滯伴發精神障礙等6種疾病，其主要治療方法包括住院和居家抗精神病藥物維持治療。雖然各類抗精神病藥物不斷問世，但是患者服藥依從性現狀仍不容樂觀[2]，不服藥或不規律服藥會增加復發風險，誘發危害公共安全事件。目前對精神分裂癥患者服藥依從性的研究較多，主要是通過回歸分析從出院患者的基本人口學特征中篩選影響因素[3-4]，但是回歸模型有一定的局限性，如共線性、對較多影響因素的處理能力弱等。BP神經網絡是一類非線性網絡系統，自我組織、適應和學習功能強大，兼具非線性處理和高度容錯性能等特點[5]，已被廣泛應用于多個領域[6-8]。本研究旨在將BP神經網絡模型引入嚴重精神障礙患者服藥依從性影響因素的研究，為精神疾病的社區防治提供依據。

1 對象與方法

1.1研究對象本次調查從國家嚴重精神障礙信息系統河南省在冊嚴重精神障礙患者中抽取。納入標準：本地常住，年齡15～70歲；有自主語言表達能力；符合《中國精神障礙分類與診斷標準第三版(精神障礙分類)》[9]關于嚴重精神障礙6類疾病的診斷標準；填寫河南省嚴重精神障礙患者服藥影響因素調查知情同意書，自愿接受調查。排除患有明確的器質性精神疾病或嚴重軀體疾病、系統失訪或死亡患者。本研究通過新鄉醫學院第二附屬醫院倫理委員會審核，審核編號：20190619。

1.2樣本量確定根據橫斷面研究樣本量計算公式對所需樣本量進行估算：n=uα2pq/δ2；其中n為估計樣本含量，p為預期率，q=1-p，檢驗水準α=0.05，uα=1.96，容許誤差δ為0.15p。目前河南省在冊嚴重精神障礙患者持續不服藥比例為8.07%，得出所需樣本量為1 945。考慮到無應答、拒訪、失訪和基層工作人員隨訪方式不同導致的誤差，增加10%的樣本量，n=1.1×1 945=2 139。最終調查樣本量設定為2 160。按照第六次全國人口普查河南省城鎮與農村人口比例約為1∶1.5，城市樣本量確定為864，農村確定為1 296。

1.3抽樣方法采用多階段分層隨機抽樣方法，分3個階段進行。首先，將河南省18個省轄市和10個省直管縣以區、縣為計數單位，總計為66區、108縣；分別將區縣按照拼音首字母排序，用隨機數字表分別從區、縣中抽取4區、6縣；之后，將每個抽到的區(縣)按行政區劃分為街道辦事處/鄉(鎮)，按照行政區劃代碼排序，采用抽簽法隨機抽取2個街道辦事處/鄉(鎮)；最終共抽取8個街道辦事處，12個鄉鎮。將每個抽到的街道辦事處/鄉(鎮)所有在冊患者隨機編碼，使用隨機數字表抽取108例患者。在實際調查時，若某個調查點沒有足夠患者，則與其距離最近的街道辦事處/鄉(鎮)合并，再抽取患者。

1.4調查方法

1.4.1 調查問卷 采用自編問卷對患者及監護人進行調查，主要內容包括家庭基本情況以及監護人對疾病的主觀態度，患者基本情況、服藥管理和社會支持情況，以及患者認為的服藥影響因素。參照文獻[10]，根據問卷中收集患者自我描述其近1個月內服藥依從情況分為依從組(遵從醫囑服藥)，不依從組(間斷服藥或拒絕服藥)。

1.4.2 質量控制 調查前對調查員進行統一培訓和考核，調查員考核合格后方能參加現場調查工作。每個流調小組均設立專職或兼職質控人員，每天審核本組問卷完成情況，包括調查表填寫是否有遺漏，對其準確性、完整性核實無誤后簽名確認，要求當天審核率達到100%，并隨機抽取10份問卷進行回訪，保證問卷質量。調查資料由專人妥善保管。在規定時間內3次入戶均未見到調查對象本人時，方可放棄調查。每個調查點完成調查人數比例應達到80%以上。

1.5BP神經網絡模型和logistic回歸模型的構建以是否依從為因變量(是=0，否=1)，單因素分析中有意義的13個因素為自變量建立logistic回歸模型(變量賦值見表1)和BP神經網絡模型。采用SPSS 19.0擬合BP神經網絡模型。協變量重標度采用標準化(A)算法，隱藏層數為1層，激活函數為雙曲正切，輸出層為恒等函數，培訓類型為批處理，調整共軛梯度優化算法，最初學習率值為0.4，動能0.9。以變量重要性和標準化重要性(變量重要性指標值除以最大指標值)[11]評價變量貢獻度大小。

1.6統計學處理患者及監護人基本資料和患者服藥資料采用EpiData雙重錄入并進行差異性檢驗，差異樣本重新核對原始調查資料并重新錄入。全部數據錄入后轉入SPSS 19.0并進行邏輯糾錯，不同因素下患者依從率的比較用χ2檢驗。模型性能采用ROC曲線下面積(area under the curve,AUC)和預測正確率評價，并與logistic模型比較。采用MedCalc軟件進行ROC曲線分析。檢驗水準α=0.05。

2 結果

2.1人口學資料本次擬調查2 160例患者，其中死亡、失訪、拒訪和資料不全者288例，樣本損失率13.33%。共有1 872例納入本研究，其中男性880例，女性992例。其他情況見表1。

2.2嚴重精神障礙患者服藥依從性現狀及單因素分析調查患者中911例服藥依從性差，占48.66%。單因素分析顯示，收集信息時患者管理情況、家庭收入水平、年治療費用支出、所患精神障礙類型、監護人受教育程度等差異有統計學意義，見表1。

續表1

2.3BP神經網絡模型分析所建立的BP神經網絡模型和logistic回歸模型(Y=-0.126X1-0.814X2-0.468X3+0.215X4-0.477X5+0.677X8+0.49X9-0.352X10+0.21X13)的正確預測率分別為72.1%和71.4%，AUC(95%CI)分別為0.772(0.752～0.791)和0.769(0.750～0.788)，二者相比，差異無統計學意義(Z=0.043，P=0.687)，見圖1。將BP神經網絡模型中自變量按重要性標準化后排序，影響嚴重精神障礙患者服藥依從性前3位的因素分別是家庭收入水平、所患精神障礙類型、發病后監護人采取措施，見表2。

圖1 BP神經網絡和logistic回歸模型預測服藥依從性效能的ROC曲線

表2 基于BP神經網絡的嚴重精神障礙患者服藥依從性影響因素重要性排序

3 討論

隨著我國社會經濟的不斷發展，精神障礙的患病率呈不斷上升趨勢[12]。本次調查顯示，河南省嚴重精神障礙患者服藥不依從率為48.66%，高于宓為峰等[13]對全國4家精神衛生中心出院精神分裂癥患者服藥依從性研究和余濤等[14]關于紹興市重性精神障礙患者服藥依從性調查，低于崔宏博等[15]對貴陽市農村地區重性精神分裂癥患者服藥依從性的研究結果。綜合比較，河南省嚴重精神障礙患者服藥依從率較低，地區間差異可能與經濟和社會文化水平有關。

研究[16]表明長期藥物治療、提高患者服藥依從性是預防病情復發的有效途徑。目前探討嚴重精神障礙患者服藥依從性的方法主要為多重線性回歸和logistic回歸模型，但是此類模型存在一定的弊端，如影響因素復雜時處理問題的能力較弱，共線性等問題。而BP神經網絡對資料分布類型和因素多少無嚴格要求，算法成熟易懂，廣泛應用于因素分析與數據預測。本研究從患者、監護人主觀和客觀因素，家庭因素，患者本人和社會支持等因素出發，結合BP神經網絡模型探討影響嚴重精神障礙患者服藥依從情況的因素，結果表明，BP神經網絡模型正確預測率為72.1%，AUC為0.772，logistic回歸模型正確預測率為71.4%，AUC為0.769，說明BP神經網絡模型預測效果良好，可以用于嚴重精神障礙患者服藥影響因素的分析。BP神經網絡模型結果顯示影響因素前5位分別是家庭收入水平、所患精神障礙類型、發病后監護人采取措施、年治療費用支出以及患者職業。崔宏博等[15]的研究說明，影響貴陽市農村地區重性精神分裂癥患者服藥依從性前2位的因素分別是家屬認為服藥沒用和月服藥費，研究結果基本一致。其中在前5位影響因素中，與家屬或家庭條件有直接或間接關系的因素有3個：家庭收入水平、發病后監護人采取措施、年治療費用支出，表明家庭經濟因素是影響嚴重精神障礙患者服藥依從性的重要因素，足夠的經濟來源能夠堅定患者及家屬持續服藥的信心，與宓為峰等[13]、王勛等[10]研究結果一致，提示對貧困患者及家庭給予適當的社會救助和藥物治療補助有助于提高其服藥依從性。發病后監護人采取措施是影響患者服藥依從性的第3個重要因素，監護人采取措施與監護人受教育程度、精神疾病知曉率、病恥心理等因素有關，綜合來看與患者家庭支持有關，良好的家庭支持對患者服藥依從性有促進作用[17-18]，提示對于弱監護、無監護等社會支持少[19]的嚴重精神障礙患者應重點關注，并及時采取相應措施(如有獎監護)提高監護人對患者的督促和管理。

綜合分析表明，影響嚴重精神障礙患者服藥依從性的因素較多，且復雜多變，如患者費用支出可能與家庭收入水平有關，患者發病后監護人采取措施可能與監護人與患者關系以及是否共同生活有關，因此分析患者服藥依從性應當綜合考慮各種因素間的交叉作用或者尋找最優模型進行分析，但是不同的模型優劣不同，能否綜合不同模型進行組合分析，充分發揮其在服藥依從性中的預測性能是我們下一步的研究方向，這也是本研究的不足之處。