ICU 病人譫妄風險預測模型的應用價值比較

左賢芳，張愛琴

1.南京大學醫學院，江蘇 210008；2.南京大學附屬金陵醫院（東部戰區總醫院）

譫妄（delirium）是一種以注意力缺損、意識障礙和 認知功能障礙為特征的急性腦功能障礙綜合征[1]，可能與腦部代謝功能障礙有關[2]。譫妄根據臨床癥狀的不同表現分為活動增多型（激動和不安）、活動減少型（情感平淡、淡漠、嗜睡、反應性下降）和混合型[3]。譫妄是重癥監護室（ICU）病人器官功能障礙中最容易被忽視的一種癥狀[4]，其中活動減少型譫妄最難發現，容易被誤診為癡呆或抑郁，造成更危險的后果[5-6]。研究顯示，ICU 病人譫妄發生率達20%～80%[7-9]，譫妄不僅延長住院時間[10]，增加并發癥的發生率及院內病死率[11]，還會降低病人出院后的自理能力[12]。譫妄病人腦功能障礙時間越長，出現長期不可逆損傷的可能性就越大[13]，并發癥導致其他器官功能障礙，致使死亡率高達22%～76%[14]。目前，臨床上沒有一種藥物可以預防譫妄及譫妄形式的腦功能障礙，故以非藥物策略為主，積極監測、早期識別并改善可能誘發譫妄發生的危險因素尤為重要[15-16]。應用ICU 譫妄風險預測模型可提高譫妄的識別率達64%[17]，通過篩查易發生譫妄的高危人群，分層干預，降低譫妄的發病率[18]。目前，國內外有多名學者基于譫妄病因構建了ICU 病人譫妄風險預測模型，但尚不清楚哪種模型更適用于國內ICU 環境，也有研究者基于現有模型進行模型比較，但納入比較的模型較少[19-20]。本研究比較并分析國內外4 種ICU 病人譫妄風險預測模型預測譫妄發生的能力和應用價值，為臨床選擇預測模型提供指導。

1 對象與方法

1.1 確定納入比較的模型 計算機檢索知網、維普、萬方、PubMed、Web of Science 和the Cochrane Library數據庫建庫至2020 年10 月8 日關于ICU 譫妄風險預測模型的研究。英文檢索詞包括intensive care unit、ICU、delirium、delirium syndrome、risk model、prediction model、model；中文檢索詞包括重癥監護、ICU、譫妄、譫妄綜合征、預測模型、模型。納入標準：①關于ICU譫妄的靜態風險預測模型；②隊列研究；③納入對象年齡＞18 歲；④譫妄診斷工具為ICU 意識模糊評估法（CAM-ICU）；⑤進行內部/外部驗證，且描述預測因子賦值和風險分層方法。排除標準：①預測因子無法在ICU 廣泛收集或精準測量；②重復發表的文獻；③非中英文文獻。由兩名研究者獨立檢索和篩選文獻，提取資料，最終確定納入的模型有祝曉迎[21]構建的ICU譫妄預測模型（祝曉迎模型）和陳宇等[22-23]構建的蘭州模型，Van Den等[24]構建的譫妄預測模型和Wassenaar等[25]構建的早期譫妄預測模型。

1.2 研究對象 本研究采用便利抽樣法，選取2020 年12 月—2021 年4 月入住東部戰區總醫院神經內科ICU、神經外科ICU、普外科ICU、心胸外科ICU 及呼吸內科ICU 資料完整的病人用于模型比較。納入標準：年齡≥18 歲。排除標準：入ICU 前（時）診斷為譫妄陽性；可以用中文有效交流。剔除標準：入住ICU時間＜24 h；入住ICU 后處于持續昏迷和深度鎮靜狀態，格拉斯昏迷評分≤8 分或躁動-鎮靜評分量表（RASS）評分為－4/－5分；研究期間病人死亡。本研究已獲本院倫理委員會批準（倫理編號：2021NZKY-016-01），遵循醫學倫理學準則，參與病人均知情同意。本研究中的4 種預測模型共包含23 個預測因子，結合譫妄發病率[7-9]，考慮到10%的樣本丟失率，根據模型樣本量公式[26]，計算得出本研究至少需要樣本量為320 例，最終入組482 例。

1.3 研究方法

1.3.1 評估工具 采用CAM-ICU 量表評估譫妄發生情況。由接受嚴格培訓的護士應用CAM-ICU 自病人入住ICU 時開始進行譫妄評估，每日各常規評估2 次（08：00 和16:00），病情發生變化時立即進行評估，直至病人診斷譫妄陽性或轉出ICU。對發生譫妄的病人根據RASS 確定亞型，評分范圍－5 分～4 分，若病人RASS 評分＞0 分，則診斷為躁動型譫妄；若RASS 評分在正負分之間波動，則診斷為混合型譫妄；若RASS得分＜0 分，則診斷為淡漠型譫妄[27-28]。

1.3.2 資料收集方法 根據4 種模型中的23 個預測因子構建病例資料調查表，查閱病歷和電子系統，收集相關數據，祝曉迎模型、蘭州模型和譫妄預測模型中包含的變量在入ICU 后24 h 內收集，早期譫妄預測模型中包含的變量在入ICU 時收集，分別代入原模型譫妄風險公式，計算風險值。每周由兩名研究者共同核查數據的準確性、完整性和真實性。

1.4 統計學方法 采用SPSS 和MedCalc 軟件進行統計分析。定性資料用頻數和百分比（%）描述；滿足正態分布的定量資料用均數±標準差（±s）描述，不滿足正態分布的定量資料用中位數和四分位數[M(P25,P75)]表示。繪制受試者工作特征曲線（receiver operating characteristic curve,ROC），結合ROC曲線下面積AUROC值評價4 種模型的區分能力，模型AUROC 值＞0.9 說明區分能力較高，＞0.7～＜0.9 表示區分能力中等，＞0.5～0.7 表示模型的區分能力較低[29]，模型間AUROC值的比較采用Delong 法，P＜0.05 表示差異有統計學意義。通過Hosmer-Lemeshow 擬合優度檢驗評價4 種模型的校準能力，所得的χ2值越小，對應的P值越大，提示模型的校準能力越強。

2 結果

2.1 研究對象一般資料 共納入482 例ICU 病人，其中男277 例（57.47%），女205 例（42.53%）；年齡54.67(42.00,66.00)歲；入院方式：急診入院273 例（56.6%），非急診入院209 例（43.4%）；急性生理與慢性健康狀況（APACHE Ⅱ）評分（8.44±0.259）分；ICU 住院時間4.39（2.00,6.00）d。

譫妄發生風險預測值：祝曉迎模型0.26(0.11,0.36），蘭州模型0.18(0.16,0.32），譫妄預測模型0.26(0.09,0.40），早期譫妄預測模型0.19(0.08,0.27)；482 例ICU 病人中，150 例（31.12%）病人發生譫妄，其中淡漠型譫妄71 例（47.3%），躁動型譫妄48 例（32.0%），混合型譫妄31 例（20.7%)。統計病人譫妄首次發生時間，103 例（68.7%）病人發生譫妄的時間為入住ICU 后的72 h 內。祝曉迎模型譫妄病人（n=150）的譫妄發生風險預測值為0.39(0.23,0.52），非譫妄病人（n=332）的譫妄發生風險預測值為0.20(0.11,0.23)，兩者比較差異具有統計學意義（Z=13.964，P＜0.001）；蘭州模型譫妄病人（n=150）的譫妄發生風險預測值為0.35(0.27,0.43），非譫妄病人（n=332）的譫妄發生風險預測值為0.21(0.15,0.24)，兩者比較差異具有統計學意義（Z=18.818，P＜0.001）；譫妄預測模型,譫妄病人（n=150）的譫妄發生風險預測值為0.50(0.35,0.65），非譫妄病人（n=332）的譫妄發生風險預測值為0.16(0.06,0.21)，兩者比較差異具有統計學意義（Z=29.194，P＜0.001）；早期譫妄預測模型譫妄病人（n=150）的譫妄發生風險預測值為0.33(0.21,0.43），非譫妄病人（n=332）的譫妄發生風險預測值為0.13(0.08,0.16)，兩者比較差異具有統計學意義（Z=24.08，P＜0.001）。

2.2 模型分析情況

2.2.1 模型區分度 采用ROC 曲線比較4 種預測模型區分發生譫妄和未發生譫妄的能力，見圖1。祝曉迎模型AUROC 值為0.806[95%CI（0.768，0.840）]，蘭州模型AUROC 值為0.853[95%CI（0.818，0.883）]，譫妄 預 測 模 型AUROC 值 為0.918[95%CI（0.890，0.941）]，早 期 譫 妄 預 測 模 型AUROC 值 為0.891[95%CI（0.860，0.918）]，見表1。采用Delong法比較4種模型AUROC 值，顯示兩兩比較差異有統計學意義，見表2。約登指數最大時確定最佳臨界值，分析靈敏度和特異度。祝曉迎模型約登指數最大（0.529）時，最佳臨界值為0.248，靈敏度和特異度分別為0.733 和0.795；蘭州模型約登指數最大（0.604）時，最佳臨界值為0.246，靈敏度和特異度分別為0.827 和0.777；譫妄預測模型約登指數最大（0.710）時，最佳臨界值為0.311，靈敏度和特異度分別為0.833 和0.877；早期譫妄預測模型約登指數最大（0.656）時，最佳臨界值為0.181，靈敏度和特異度分別為0.833 和0.822，見表3。計算4 種ICU 譫妄預測模型在不同風險人群中靈敏度、特異度、陽性似然比和陰性似然比結果，見表4。

表1 4 種預測模型的ROC 分析結果

表2 4 種預測模型AUROC 比較

表3 4 種預測模型的最佳臨界值及相關預測指標比較

表4 4 種預測模型在不同譫妄人群中的靈敏度、特異度、陽性似然比和陰性似然比

圖1 預測ICU 病人發生譫妄的ROC 曲線

2.2.2 模型校準度 采用Hosmer-Lemeshow 擬合優度檢驗評價4 種模型的預測值和實際觀測值間的一致程度。祝曉迎模型Hosmer-Lemeshow 擬合優度檢驗結果χ2=26.469（P＜0.001），蘭州模型Hosmer-Lemeshow擬合優度檢驗結果χ2=15.839（P=0.04），提示該兩種模型在ICU 病人譫妄風險預測中的準確度一般；譫妄預測模型Hosmer-Lemeshow 擬合優度檢驗結果χ2=6.899（P=0.548）；早期譫妄預測模型Hosmer-Lemeshow擬合優度檢驗結果顯示χ2=7.970（P=0.436），提示該2 種模型在ICU 病人譫妄風險預測中的準確度較高，見圖2 和圖3。

圖2 譫妄預測模型Hosmer-Lemeshow擬合優度檢驗列聯圖

圖3 早期譫妄預測模型Hosmer-Lemeshow擬合優度檢驗列聯圖

3 討論

3.1 ICU 病人譫妄發生特征 本研究中，ICU 譫妄發生率為31.12%，低于吳傳芹等[30]報道的40.9% 以及Ben Saida 等[31]研究中的33.5%，可能與病人的嚴重程度及評估時間有關。研究表明，APACHE Ⅱ評分與譫妄發生風險呈正相關[32]。本研究中納入的研究對象APACHE Ⅱ評分平均為8.44 分，遠小于其他研究中APACHE Ⅱ得分[26,30]。譫妄具有晝輕夜重的特點[33]，本研究的評估時間集中在白天，可能導致譫妄的漏診。150 例發生譫妄的病人中，103 例（68.7%）病人在入ICU 后的72 h 內發生譫妄，這與Dubois 等[34]的研究結果一致，提示醫護人員應積極采用有效評估工具，做到早期篩查，預防譫妄發生，改善病人的不良結局。

3.2 4 種風險預測模型在ICU 病人譫妄風險預測中的應用價值 4 種風險預測模型的AUROC 值均＞0.7，表明4 種預測模型識別譫妄病人能力較強，可用于早期評估ICU 病人住院期間譫妄發生風險。Hosmer-Lemeshow擬合優度檢驗結果提示譫妄風險預測模型和早期譫妄風險預測模型間實際觀測值和模型預測值存在的差異較小（均P＞0.05），均具有較高的校準能力。4 種風險預測模型AUROC 分別比原始研究的AUROC 更高，這可能因為本研究納入的樣本量與原始研究有區別有關。本研究目的是調查預測模型在初始驗證研究之外，在其他ICU 環境中的應用效果。研究結果顯示，本研究中包括的模型預測性能比初始研究更好，適合臨床推廣。當陽性似然比＞10 或陰性似然比＜0.1時，模型預測結果最佳[35]，這也說明這4 種模型依舊有誤判的可能，但顯然譫妄預測模型的誤診和漏診譫妄的幾率更低，診斷譫妄和排除非譫妄病人的能力更強，同時譫妄預測模型的約登指數、靈敏度和特異度均優于其他3 種模型，醫護人員可根據臨床實際情況，推廣應用譫妄預測模型，篩查易發生譫妄病人。

3.3 4 種風險預測模型的適用性 ICU-CAM 具有良好的信效度，且是目前常用的譫妄評估工具[36],但該評估工具是“時間點”的評估，因此會遺漏一些發生譫妄的病人[37]。研究顯示，病人入ICU24 h 內的譫妄發生率達25%[38]，除早期譫妄預測模型外，其他模型均從入ICU24 h 后開始評估，故此類模型會導致入ICU24 h 內發生譫妄的病人被遺漏，在臨床實踐中的適用性還需要改善，需要盡早評估，在入ICU 后立即實施有效的譫妄預防措施。Wassenaar 等[39]采用“兩階段法”，結合譫妄預測模型和早期譫妄預測模型綜合評估ICU 病人發生譫妄風險的大小，提升了模型預測靈敏度，吳菲霞等[40]將譫妄預測模型和早期譫妄預測模型整合形成聯合預測模型，得到更好的預測價值，后期可開展臨床研究，聯合應用預測模型，分析其預測譫妄發生的能力及應用價值。病人在ICU 住院過程中，可能會誘發或改善影響因素，動態評估能更準確地預測病人在給定時間的譫妄風險。由于譫妄的發病機制尚未完全明確，因此模型包含的預測因子仍具有局限性，今后的研究中，可實時更新預測因子，調整預測模型，同時可與信息技術人員合作，將預測模型植入重癥信息系統中，利用計算機系統收集數據，自動計算病人發生譫妄的風險，基于分層護理流程，改善譫妄病人的臨床結局。

4 小結

本研究最終納入4種ICU譫妄風險預測模型，這4種模型具有中等程度識別譫妄和非譫妄病人的能力，譫妄預測模型和早期譫妄預測模型具有較高的校準能力，但譫妄預測模型的整體預測效果更佳，有助于醫護人員早期識別易發生ICU 譫妄的病人，盡早實施預防。今后可開展大樣本、多中心研究繼續驗證，實現病人發生譫妄風險的準確預測。