老年腦卒中患者腦卒中重癥監護室后綜合征風險預測模型的構建

孟曉冰,陳夢琳,許夢敏,閆 芳,陳云霞

(河南省人民醫院 腦血管病醫院 河南省護理醫學重點實驗室 鄭州大學人民醫院 河南鄭州450000)

腦卒中重癥監護室后綜合征(PICS)是指腦卒中患者在住院期間,特別是在ICU治療的情況下出現認知、情感、肌肉和體力等多個方面的問題,這些問題在出院之后仍可能持續存在[1]。據統計,老年腦卒中患者PICS的發生率約為60%,將嚴重影響患者的康復和生活質量[2]。腦卒中患者在ICU治療期間會接受較強的藥物治療、機械通氣、營養支持等,這些治療措施可能對患者的身體、心理和認知功能產生影響,導致PICS的產生[3]。腦卒中PICS風險預測模型是一種針對腦卒中患者PICS發生風險進行評估的模型。該模型基于具體患者的臨床數據,可以針對性地對患者進行評估,提高了個性化診療的精準度[4]。同時該模型可以提前對患者PICS發生的風險進行評估,有助于醫生及時采取措施進行干預,預防并發癥的發生。但目前國內缺少腦卒中PICS風險預測模型的構建研究。鑒于此,2022年4月1日～2023年4月30日,我們將收治的104例老年腦卒中患者納入此研究,旨在探討老年腦卒中患者PICS風險預測模型的構建,以幫助醫務人員更好地預測患者出院后發生PICS的風險,采取有效的預防和干預手段,提高患者康復率和生活質量。現報告如下。

1 資料與方法

1.1 臨床資料 采用便利抽樣法選取2022年4月1日～2023年4月30日ICU收治的104例老年腦卒中患者為研究對象。納入標準:①存在面部和口角歪斜、肢體偏癱麻木、行動不便等癥狀者;②入院后經CT、磁共振等檢查證實為腦卒中者;③年齡>60歲者;④入組前3個月內無ICU入住史者;⑤入組后ICU入住時間>24 h者。排除標準:①入組前存在認知功能異常或有精神疾病者;②合并視聽功能異常無法完成交流或隨訪者;③合并惡性腫瘤、肝腎功能異常者;④參與研究期間病死者;⑤從ICU轉出后3個月內再次因病情變化入住ICU者。104例患者男60例、女44例,年齡61～89(73.12±7.62)歲。根據其轉出ICU 3個月內是否出現PICS將患者分為發生組(42例)、未發生組(62例)。本研究符合《赫爾辛基宣言》相關倫理原則,患者或家屬已簽署知情同意書。

1.2 方法 ①資料收集:對全部患者的臨床資料進行采集與分析,包括年齡、性別(男/女)、受教育程度(中學以下/中學及以上)、是否患有糖尿病、高血壓、既往腦卒中病史、有無使用鎮靜藥物、入住ICU的時間、同室患友是否死亡。②心理彈性的評估:采用心理彈性量表進行評估,此量表包括自我效能、希望、樂觀情緒、精神韌性與社會支持,分數越高表示患者心理彈性越好。③神經功能缺損程度的評估:采用美國國立衛生研究院卒中量表(NIHSS)評估患者的神經功能,總分為0～42分,分數越低表示患者的神經功能越理想。④構建預測模型:將患者的影響因素納入重復建模,評估該模型的預測價值。

2 結果

2.1 兩組一般資料比較 見表1。

表1 兩組一般資料比較 [例(%)]

2.2 PICS發生的二元Logistic回歸分析 以年齡、心理彈性得分、機械通氣時間、入住ICU時間、同室患友死亡(是=1,否=0)為自變量,PICS發生(發生=1,未發生=0)為因變量。Logistic回歸分析顯示,心理彈性得分、機械通氣時間、入住ICU時間是影響 PICS發生的因素(P<0.05)。見表2。

表2 PICS發生的二元Logistic回歸分析

2.3 PICS發生預測模型構建 將表2中3個P<0.05的變量納入研究進行重復建模,至納入方程中的變量均保持P<0.05。最終進入回歸方程的變量有3個,見表3。PICS發生風險預測模型Y=-0.591,心理彈性得分β值為0.007,機械通氣時間β值為0.130,入住ICU時間β值為2.596。將預測模型帶入ROC曲線進行分析可知,該預測模型敏感度為0.929、特異度為0.887、約登指數為0.816、界值為0.336、曲線下面積為0.948。見圖1。

圖1 風險預測模型預測ROC曲線

表3 PICS發生預測模型構建

2.4 風險預測模型驗證 回顧性收集2021年6月1日～2022年3月31日ICU收治的老年腦卒中患者63例臨床資料,帶入風險預測模型發現,驗證模型所得曲線下面積為0.954,特異度為0.850,敏感度為0.952,SE為0.024,95%CI為0.907～0.988,見圖2。采用Hanley &McNeil法對聯合曲線與驗證曲線進行比較檢驗發現,兩ROC面積比較差異無統計學意義(Z=-0.192,P=0.848)。

圖2 驗證風險預測模型ROC曲線

3 討論

PICS是指患者在深度治療后出現的一系列功能和認知障礙,包括運動和認知能力下降、焦慮和抑郁等。目前,腦卒中PICS發病機制尚未完全明確,但主要與以下幾個因素有關[5]。①炎性反應:深度治療期間,身體會受到嚴重的應激,導致大量炎性因子的釋放,從而導致免疫系統紊亂。這些炎性因子在大腦中也會產生作用,導致神經元損傷和認知障礙。②低氧血癥:在ICU期間,患者可能需要通過呼吸機進行人工通氣,這可能導致低氧血癥,并對大腦造成損傷,導致認知障礙。③長期禁錮和床旁衰弱:ICU期間,患者需要長時間臥床,無法進行正常的活動[6]。長期禁錮和床旁衰弱可能導致肌肉萎縮、關節僵硬、手足協調功能下降等問題,進而導致運動和認知能力的下降。腦卒中PICS會對患者的康復和生活產生嚴重的危害,因功能障礙可導致患者無法獨立完成常規生活活動,提高再住院率和病死率。

除了上述發病機制,一些影響因素也會增加PICS的發生風險,探究腦卒中ICU后PICS影響因素非常重要。因為許多因素都與患者是否患有PICS相關,如年齡、患病嚴重程度、住院時間、接受治療和康復措施等[7]。對這些因素進行分析和評估可以實現更加精細的臨床管理,從而更好地防范和減輕PICS的影響。董磊等[8]經單因素與多因素分析發現,PICS的發生與年齡、ICU住院時間等有關。本研究詳細分析了老年腦卒中患者的臨床資料,得出了更多的影響因素,本研究經單因素與多因素分析顯示,低心理彈性得分、過長的機械通氣時間、入住ICU時間長是 PICS發生的獨立危險因素。究其原因:①心理彈性得分高的個體在遭受創傷后更能適應應激狀態,更有可能通過積極的心態和行為來降低PICS的風險[9]。②機械通氣時間和入住ICU時間較長的個體,代表著其病情較為嚴重,身體處于持續的應激狀態,同時面臨更多的醫療干預和治療并發癥等問題,可增加PICS的風險[10-11]。

腦卒中患PICS風險預測模型是一種通過評估腦卒中患者在 ICU 期間出現綜合征風險的模型。這種模型的構建意義在于,能夠根據患者入院時的情況和醫療數據指標,預測PICS發生的風險,通過該模型的應用,臨床醫生可以及早采取針對性的措施進行干預,避免或減輕腦卒中患者出現PICS的風險和后遺癥[12-14]。本研究結果表明,經過篩選,最終確定3個與PICS發生相關的變量,并建立了一個預測模型,包括心理彈性得分、機械通氣時間及入住 ICU 時間。通過將預測模型帶入ROC曲線進行分析,得出該模型敏感度較高,特異度較高,具有很好的評估腦卒中患者PICS風險的能力。這一結論為臨床醫生提供了可靠的工具,降低PICS發生的風險。之所以該模型具有較高預測價值的原因為,該模型建立時選取了多個可能影響PICS發生的相關因素,并在建模過程中嚴謹篩選,剔除了一部分不相關或冗余的變量,最終確定3個變量[15-16]。同時,建模時還采用了逐步回歸等方法,優化了變量選擇過程,保證了模型的穩定性和準確性。另外,該模型的預測價值較高,因為它能夠快速、準確地對患者發生綜合征的風險進行評估,有助于幫助醫生及時采取有效干預措施,預防或減輕患者發生綜合征的風險,提高了患者的治療效果和康復率,降低了醫療費用和社會負擔。因此,該預測模型具有重要的臨床應用價值[17]。

綜上所述,老年腦卒中患者發生PICS的影響因素為心理彈性得分、機械通氣時間及入住 ICU 時間,將3種影響因素考慮進來并以此構建的風險預測模型經驗證具有較好準確度、敏感度,可供臨床參考。但本研究存在的問題是,在老年腦卒中PICS風險預測模型構建過程中選用的預測變量較少,未考慮到一些可能會影響PICS發生的其他相關因素,如心理社會因素等,故預測能力有待于進一步提高。