出血性腦卒中患者家屬ICU后綜合征預(yù)測模型的構(gòu)建及評價

孫艷 李龍倜 楊寶義 謝子文 孫超

家屬ICU后綜合征(Post Intensive Care Syndrome-Family，PICS-F）是指家屬在患者入住ICU期間及（或）轉(zhuǎn)出后出現(xiàn)的認(rèn)知、生理及心理方面的障礙[1]。研究表明，11．1%～45．8%的家屬存在焦慮、抑郁及創(chuàng)傷后應(yīng)激障礙等癥狀，生理功能障礙（睡眠障礙、疲勞）的發(fā)生率也較高[2-3]。PICS-F的發(fā)生不僅影響患者的預(yù)后，而且可能導(dǎo)致家屬日常功能受限、生活質(zhì)量下降[4]。出血性腦卒中作為ICU常見的急危重癥，其發(fā)病突然、并發(fā)癥多、致殘率和病死率高的特點(diǎn)[5]使PICS-F的表現(xiàn)更嚴(yán)重。由于PICS-F的發(fā)生和發(fā)展受多方面因素的影響[6]，故其影響因素成為研究的重點(diǎn)。但目前針對影響因素的研究多采用Logistic回歸，該分析方法雖有效地展現(xiàn)了因變量和自變量之間的數(shù)量依存關(guān)系，但其應(yīng)用范圍有限且不能解決變量共線性問題。決策樹模型可對非線性及高度相關(guān)的數(shù)據(jù)進(jìn)行分析，而且模型本身包含一系列邏輯決策，但其結(jié)果解讀受限[7]。有研究發(fā)現(xiàn)，Logistic回歸和決策樹模型聯(lián)合運(yùn)用能實現(xiàn)優(yōu)勢互補(bǔ)，提高分析效果[8]。故本研究聯(lián)合運(yùn)用Logistic回歸和決策樹模型分析出血性腦卒中患者PICS-F的影響因素，旨在為制定相關(guān)干預(yù)措施提供臨床依據(jù)。

1 對象與方法

1.1 研究對象

采用便利抽樣法選取2020年8月至2021年8月十堰市某三級甲等醫(yī)院綜合ICU患者的家屬為研究對象。患者納入標(biāo)準(zhǔn)：①符合出血性腦卒中診斷標(biāo)準(zhǔn)，經(jīng)顱腦CT或磁共振成像（MRI）檢查確診[9]；②年齡≥18歲；③ICU住院時間至少72 h；④有一個家庭主要決策者。患者排除標(biāo)準(zhǔn)：由于外傷所導(dǎo)致腦出血。每位患者選取1名家屬，家屬納入標(biāo)準(zhǔn)：①年齡≥18歲；②在照顧患者中起主要照顧作用；③既往無精神病史或其他嚴(yán)重器質(zhì)性疾病；④知情同意，自愿參加本研究。家屬排除標(biāo)準(zhǔn)：有嚴(yán)重聽力、語言表達(dá)障礙，不能配合。回顧國內(nèi)學(xué)者以往的類似研究[10-11]，根據(jù)Kendall等提出的樣本粗略估計方法：樣本量為研究因素的5～10倍，本研究中ICU患者家屬方面自變量數(shù)為28，計算出樣本量為140～280人。因研究受人力、物力、時間及臨床實際條件所限及10%的無效問卷，本研究擬納入220名ICU患者家屬。

1.2 研究工具

1.2.1 一般資料調(diào)查表

由研究者查閱相關(guān)文獻(xiàn)并結(jié)合臨床經(jīng)驗自行設(shè)計，包括患者家屬的性別、年齡、文化程度、婚姻狀況、與患者的關(guān)系、之前有無ICU經(jīng)歷、家庭月總收入、居住地，患者的入科方式、醫(yī)療付費(fèi)方式、急性生理與慢性健康評分II（Acute Physiology and Chronic Health Evaluation II，APACHE II）、ICU住院時間。

1.2.2 PICS-F診斷工具

目前尚缺乏統(tǒng)一的PICS-F診斷工具。在實踐中，主要通過系列量表形式的評估工具來測評危重患者家屬是否存在心理或生理的癥狀而作出診斷[12-13]。發(fā)生心理功能障礙依據(jù)：醫(yī)院焦慮抑郁量表（Hospital Anxiety and Depression Scale，HADS）評分≥11分、事件影響量表修訂版（Impact of Event Scale-Revised，IES-R）≥35分；發(fā) 生生理功能障礙依據(jù)：匹茲堡睡眠質(zhì)量指數(shù)量表（Pittsburgh Sleep Quality Index，PSQI）＞7分、疲勞評定量表（Fatigue Assessment Instrument，F(xiàn)AI）≥4分。當(dāng)ICU患者家屬符合上述4個依據(jù)之一時，確診為PICS-F[14]。

1.2.2.1 醫(yī)院焦慮抑郁量表

該量表由14個條目組成，其中7個條目評定抑郁，7個條目評定焦慮。量表采用4級評分（0～3分），焦慮和抑郁亞量表的分值區(qū)分為0～7分屬“無癥狀”；8～10分屬“癥狀可疑”；11～21分屬“肯定存在癥狀”[15]。中 文 版 量 表 的Cronbach’sα系數(shù)為0．879，信度、效 度良 好[16]。本 研 究中 量 表 的Cronbach’sα系數(shù)為0．904，其中焦慮量表的Cronbach’sα系數(shù)為0．859，抑郁量表的Cronbach’sα系數(shù)為0．790。

1.2.2.2 事件影響量表修訂版

該量表包括高度喚醒癥狀、闖入性思維癥狀及回避癥狀3個維度，共22個條目，每個條目采用5級評分（0～4分）。IES-R總分為0～88分，35分為其界定值，分值越高代表受試者發(fā)生急性創(chuàng)傷事件后應(yīng)激障礙的可能性越大[17]。中文版量表的內(nèi)部一致性信度Cronbach’sα系數(shù)為0．89，信度和效度良好，在我國可以作為一種較好的創(chuàng)傷后應(yīng)激障礙的測評工具[18]。本研究中量表的Cronbach’sα系數(shù)為0．956。

1.2.2.3 匹茲堡睡眠質(zhì)量指數(shù)量表

該量表由19個自評和5個他評條目構(gòu)成，其中參與計分的18個自評條目包括睡眠質(zhì)量、入睡時間、睡眠時間、睡眠效率、睡眠障礙、催眠藥物、日間功能7個成分[19]。每個成分按0～3分計分，累積各成分得分為量表總分，總分范圍為0～ 21分，7分為區(qū)分我國人群是否存在睡眠質(zhì)量問題的參考界定值。評分超過7分，敏感度為98．3%，特異度為90．2%[20]。

1.2.2.4 疲勞評定量表

該量表包括29個條目，4個維度（總體疲勞嚴(yán)重度、特異性情況、疲勞的后果、對休息/睡眠的反應(yīng)）以及7個附加項目，各維度的Cronbach’sα系 數(shù) 為0．78～ 0．92[21]。本次調(diào)查主要研究總體疲勞嚴(yán)重度（包括條目5、18-22、24-28），每個條目采用7級評分（1～ 7分）。將其劃為4個等級：＜4分為“無疲勞”，4分≤總體疲勞嚴(yán)重度＜5分為“輕度疲勞”，5分≤總體疲勞嚴(yán)重度＜6分為“中等程度疲勞”，≥6分為“重度疲勞”，取其算數(shù)平均值即為因子分值。本研究中量表的Cronbach’sα系數(shù)為0．884。

1.3 調(diào)查方法

采用現(xiàn)場調(diào)查法，研究者于患者轉(zhuǎn)入普通病房當(dāng)天向研究對象發(fā)放紙質(zhì)調(diào)查問卷（其中APACHEⅡ評分通過查閱病歷獲得）。調(diào)查員在調(diào)查前采用統(tǒng)一的指導(dǎo)語向研究對象介紹研究目的及意義，告知問卷內(nèi)容及填寫注意事項。獲得知情同意后現(xiàn)場發(fā)放問卷，問卷由研究對象獨(dú)立進(jìn)行填寫。填寫不便者由研究者逐條讀出量表內(nèi)容，待研究對象回答后代為填寫，并再次與研究對象核實內(nèi)容。調(diào)查員檢查問卷無誤后當(dāng)場進(jìn)行回收。共發(fā)放問卷251份，回收有效問卷230份，有效回收率為91．63%。

1.4 統(tǒng)計學(xué)方法

采用SPSS 22．0軟件處理數(shù)據(jù)，計數(shù)資料以頻數(shù)、構(gòu)成比表示，采用χ2檢驗和Fisher確切概率法進(jìn)行分析；通過單因素分析篩選有統(tǒng)計學(xué)意義的變量，對連續(xù)型變量根據(jù)Youden指數(shù)計算最佳截斷值。采用LR向前法做Logistic回歸分析，產(chǎn)生預(yù)測概率1。對PICS-F有統(tǒng)計學(xué)意義的變量做卡方自動交互 檢 測（Chi-squared Automatic Interaction Detector，CHAID）決策樹分析，模型的參數(shù)設(shè)置如下：決策樹的拆分節(jié)點(diǎn)及合并類別的顯著性水準(zhǔn)設(shè)定為0．05。決策樹的生長深度為3層，父節(jié)點(diǎn)、子節(jié)點(diǎn)最小個案數(shù)分別為30、5，產(chǎn)生預(yù)測概率2。采用MedCalc 19．1軟件繪制受試者操作特征（Receiver Operating Characteristic，ROC）曲線，選擇預(yù)測概率1和2為自變量，將是否發(fā)生PICS-F作為分類變量，計算兩種模型曲線下的面積（Area Under Curve，AUC）、敏感度和特異度，評價模型的效果。以P＜0．05為差異有統(tǒng)計學(xué)意義。

2 結(jié)果

2.1 一般資料及出血性腦卒中患者PICS-F發(fā)生情況的單因素分析

共有230例出血性腦卒中患者家屬完成了本調(diào)查，有180例（78．26%）發(fā)生了PICS-F。一般資料與患者家屬發(fā)生與未發(fā)生PICS-F的比較見表1。

?

2.2 出血性腦卒中患者PICS-F的Logistic回歸模型建立

以是否發(fā)生PICS-F（未發(fā)生PICS-F=0，發(fā)生PICS-F=1）為因變量，單因素分析結(jié)果中有統(tǒng)計學(xué)意義的變量為自變量，家屬年齡、患者APACHE II評 分、患者ICU住院時間原值代入，其他自變量賦值方式見表2，進(jìn)行Logistic回歸分析(a入=0．05，a出=0．10)，結(jié)果見表3。根據(jù)預(yù)測模型公式[17]制定出血性腦卒中患者PICS-F的Logistic回歸風(fēng)險預(yù)測模型：P=1/[1+e- (-5．150+0．976X1+0．063X2-1．194 X3+0．240X4）]。

?

?

2.3 出血性腦卒中患者PICS-F決策樹模型的建立

以是否發(fā)生PICS-F為因變量，對單因素分析中有統(tǒng)計學(xué)意義的連續(xù)型變量繪制ROC曲線，根據(jù)Youden指數(shù)計算最佳截斷值，分別是家屬年齡＜49歲、患者APACHE II評分＜17分、患者ICU住院時間＜4天。根據(jù)所得截斷值將3個連續(xù)變量轉(zhuǎn)變?yōu)槎诸愖兞浚俅钨x值，分別為家屬年齡＜49歲= 0，≥49歲=1；患者APACHE II評分＜17分=0，≥17分=1；患者ICU住院時間＜4天=0，≥4天= 1。將家屬是否發(fā)生PICS-F作為因變量，單因素分析中有統(tǒng)計學(xué)意義的變量重新賦值后作為自變量進(jìn)行決策樹分析，決策樹分為3層，分類結(jié)果見圖1。出血性腦卒中患者PICS-F的獨(dú)立影響因素依次為：患者APACHE II評 分、患 者ICU住院時間、家庭月總收入、家屬年齡。模型的分類準(zhǔn)確率為83．9%。

2.4 出血性腦卒中患者PICS-F Logistic回歸模型與決策樹模型的比較

Logistic回 歸 模 型 的AUC為0．882（95%CI：0．833～0．921），敏感度為82．80%，特異度為82．00%。決策樹模型的AUC為0．853（95%CI： 0．800～0．896），敏感度為76．70%，特異度為86．00%，兩個模型的AUC均＞0．5，見圖2。兩者比較差異無統(tǒng)計學(xué)意義（Z=1．160，P=0．246）。

3 討論

3.1 出血性腦卒中患者PICS-F發(fā)生率較高

本研究結(jié)果顯示，出血性腦卒中患者PICS-F發(fā)生率為78．26%，處于較高水平，高于鮑文博等[22]的研究結(jié)果。分析原因可能與研究對象存在差異有關(guān)，鮑文博等納入的研究對象是綜合ICU所有符合標(biāo)準(zhǔn)的家屬，本研究所選擇的研究對象均為出血性腦卒中患者家屬。出血性腦卒中作為ICU常見的急危重癥病種之一，其具有發(fā)病突然、并發(fā)癥多、致殘率和病死率均高等疾病特點(diǎn)，家屬因患者病情重及不確定性導(dǎo)致心理壓力加劇，ICU后綜合征的發(fā)生率較高[2]。此外，鮑文博等僅對家屬的睡眠、意識狀況進(jìn)行了研究，而本研究對其睡眠、疲勞、焦慮、抑郁及創(chuàng)傷后應(yīng)激障礙等情況均進(jìn)行了研究，研究領(lǐng)域更廣，更能全面地從生理、心理層面反映PICS-F的發(fā)生現(xiàn)況。出血性腦卒中患者PICS-F的發(fā)生率處于較高水平，提示家屬和醫(yī)務(wù)人員要對其重視和關(guān)注，早期識別和篩查風(fēng)險因素，繼而采取策略預(yù)防以減少PICS-F的發(fā)生。

3.2 出血性腦卒中患者PICS-F受多方面因素影響

本研究Logistic回歸模型顯示，家屬性別是影響PICS-F發(fā)生的重要因素，且女性發(fā)生PICS-F的可能性是男性的2．654倍，說明女性在遭遇重大事件時，生理及心理問題表現(xiàn)更嚴(yán)重。可能與女性感情較細(xì)膩、社會支持較少、處理方式較單一有關(guān)[12]。也可能與本調(diào)查中，接近二分之一的ICU家屬文化程度處于初中及以下有關(guān)，因文化程度的限制，存在與醫(yī)務(wù)人員溝通不暢或無效的情況，且其獲取疾病相關(guān)信息渠道有限。因患者病情及預(yù)后的不確定性，容易導(dǎo)致ICU家屬心理負(fù)擔(dān)加重，PICS-F發(fā)生率增高。PICS-F的發(fā)生率隨年齡不斷增長而增高，尤其是年齡大于50歲的患者家屬PICS-F的發(fā)生率更高。究其原因，可能是年齡大的家屬身心素質(zhì)較差，面對ICU陌生且復(fù)雜的醫(yī)療環(huán)境及隨時等待協(xié)助患者相關(guān)檢查等情況時更易出現(xiàn)生理、心理問題。PICS-F的發(fā)生率隨家庭月總收入的減少而升高，與唐曉霞等[23]的研究結(jié)果一致。出血性腦卒中患者在ICU救治期間因需要專人護(hù)理、使用床旁監(jiān)護(hù)系統(tǒng)、呼吸機(jī)等設(shè)備，花費(fèi)高，需要家庭強(qiáng)有力的經(jīng)濟(jì)支持。此外，收入水平低的家庭可能在社會支持上面也有欠缺。一系列原因?qū)е录覍僖壮霈F(xiàn)焦慮、抑郁等心理問題，因而PICS-F表現(xiàn)往往更為嚴(yán)重。患者APACHE II評分越高，PICS-F發(fā)生率越高，這與既往研究[24]結(jié)果較一致。分析原因可能為家屬身心變化受患者疾病影響，出血性腦卒中患者危重的病情及預(yù)后不確定等可能導(dǎo)致患者APACHE II評分較高，PICS-F發(fā)生率升高[6]。因此，鑒于PICS-F多且復(fù)雜的影響因素，建議臨床醫(yī)務(wù)人員針對女性患者家屬給予更多的關(guān)注，重視其細(xì)微的情感變化，積極、有效地與其溝通患者病情；針對不同年齡段的家屬，尤其是年長的家屬，制定個體化的干預(yù)方案，如建立年長家屬溝通標(biāo)準(zhǔn)模式等；對于經(jīng)濟(jì)水平較差的家庭，應(yīng)積極調(diào)動社會支持力量，醫(yī)院聯(lián)合國家、社會慈善機(jī)構(gòu)等給予家庭幫助與支持；醫(yī)務(wù)人員需要不斷完善自身醫(yī)療技術(shù)、注重加強(qiáng)人文關(guān)懷，通過促進(jìn)患者疾病康復(fù)從而預(yù)防或減少PICS-F的發(fā)生。

3.3 出血性腦卒中患者PICS-F的CHAID決策樹模型分析

通過CHAID算法構(gòu)建決策樹模型，從樹形圖中可明顯看出各子節(jié)點(diǎn)中PICS-F的占比構(gòu)成情況，通過節(jié)點(diǎn)的路徑共提取6條分類規(guī)則，其中患者APACHE II評分是首要劃分依據(jù)，說明患者APACHE II評分的嚴(yán)重程度對結(jié)果預(yù)測影響最重要。如患者APACHE II評分≥17分時，發(fā)生ICU后綜合征的家屬占該節(jié)點(diǎn)構(gòu)成的91．0%。患者APACHE II評分是評定患者病情嚴(yán)重程度、預(yù)測預(yù)后的指標(biāo)，其分值越高表示病情越重[25]，家屬因患者病情的惡化而導(dǎo)致了ICU后綜合征的發(fā)生是不難理解的。決策樹模型的第2層顯示，患者ICU住院時間越長、家庭月總收入越少，PICS-F發(fā)生率越高。這與李榮華等[26]的研究結(jié)果較一致。原因可能是患者ICU住院時間越長其治療費(fèi)用就越高，家庭背負(fù)經(jīng)濟(jì)壓力就越大。此外，家屬需要長期花費(fèi)大量的時間照顧患者，自身的工作、生活等受到影響，生活質(zhì)量下降。家屬身心均受到不同程度的影響，最終會導(dǎo)致PICS-F的出現(xiàn)。決策樹模型的第3層顯示，家屬年齡越大ICU后綜合征的發(fā)生率越高。研究發(fā)現(xiàn)，年齡大的家屬可能因生物原因身體功能下降，無法承擔(dān)協(xié)助ICU醫(yī)務(wù)人員照顧患者的重?fù)?dān)[27]。隨著年齡的增長情緒調(diào)節(jié)能力呈下降趨勢[28]，身心功能不佳是導(dǎo)致其出現(xiàn)ICU后綜合征的重要原因。

3.4 Logistic回歸模型與決策樹模型優(yōu)勢互補(bǔ)，聯(lián)合運(yùn)用具有較好的臨床應(yīng)用價值

本研究結(jié)果發(fā)現(xiàn)，Logistic回歸及決策樹風(fēng)險預(yù)測模型均能較好地應(yīng)用于出血性腦卒中患者PICS-F風(fēng)險因素的分析。Logistic回歸模型較好地反映了出血性腦卒中患者PICS-F與家屬性別、年齡、家庭月收入、患者APACHE II評分的依存關(guān)系，而且通過OR值明確了各種影響因素的相對危險程度。但受變量間共線性的影響，各自變量間的交互作用無法很好地體現(xiàn)[29]。而決策樹不受變量間共線性的影響，可展示各影響因素間潛在的交互作用，有針對性地分析并直觀地反映各個影響因素對出血性腦卒中患者PICS-F的重要程度[30]。如決策樹模型中患者APACHE II評分位于第一位，表明患者APACHE II評分與出血性腦卒中患者PICS-F的相關(guān)性最高，患者APACHE II評分越低，PICS-F發(fā)生率也越低。但決策樹模型對于各個影響因素的主效應(yīng)和疊加效應(yīng)卻無法反映[31]。兩個模型均發(fā)現(xiàn)了患者APACHE II評分、家庭月總收入、家屬年齡是出血性腦卒中患者PICS-F發(fā)生的影響因素。可能由于共線性問題，患者ICU住院時間沒有進(jìn)入Logistic回歸模型。可能因為以影響最顯著的患者APACHE II評分作為第一層的分類變量，性別在決策樹進(jìn)一步劃分中不再具有意義，所以性別沒有進(jìn)入決策樹模型。兩模型的AUC分別為0．882、0．853，均＞0．5，說明預(yù)測效果均較好。此外，兩模型AUC接近，而且從預(yù)測效果方面兩者比較差異無統(tǒng)計學(xué)意義，Logistic回歸模型的敏感度高于決策樹模型，而特異度低于決策樹模型，兩種模型優(yōu)勢互補(bǔ)。建議醫(yī)務(wù)人員在臨床實踐中可根據(jù)Logistic回歸模型從整體上分析PICS-F的發(fā)生與否與各變量間的依存關(guān)系，同時采取決策樹模型逐層分類分析各影響因素間潛在的交互作用。通過兩種模型的結(jié)合運(yùn)用，便于更早、更全面地篩選PICS-F的危險因素，從而制定針對性防治措施，預(yù)防或延緩PICS-F的發(fā)生和發(fā)展。

4 小結(jié)

綜上所述，出血性腦卒中患者PICS-F的發(fā)生受患者、家屬及社會支持等多方面因素共同影響。本研究聯(lián)合運(yùn)用CHAID決策樹和Logistic回歸模型，篩選出了出血性腦卒中患者PICS-F的危險因素，為臨床制定針對性干預(yù)措施、降低PICS-F的發(fā)生率提供理論依據(jù)。但本研究由于時間、人力限制等，對PICS-F的影響因素主要納入了患者及家屬自身因素，未考慮醫(yī)療系統(tǒng)層面的因素，也是本研究的局限所在。未來將采取前瞻性研究設(shè)計，并且納入患者家屬既往疾病史相關(guān)情況及醫(yī)療系統(tǒng)相關(guān)因素等，從而更加全面地評估出血性腦卒中患者PICS-F發(fā)生的風(fēng)險指標(biāo)。