基于BP神经网络模型的河南省严重精神障碍患者服药依从性影响因素分析

郭正军，娄丽娟，王玉杰，王海岭，姚丰菊，张瑞岭

1)新乡医学院第二附属医院防治科 河南新乡 453002 2)新乡医学院第三附属医院口腔科 河南新乡 453001

严重精神障碍[1]主要包括精神分裂症、双相情感障碍、精神发育迟滞伴发精神障碍等6种疾病，其主要治疗方法包括住院和居家抗精神病药物维持治疗。虽然各类抗精神病药物不断问世，但是患者服药依从性现状仍不容乐观[2]，不服药或不规律服药会增加复发风险，诱发危害公共安全事件。目前对精神分裂症患者服药依从性的研究较多，主要是通过回归分析从出院患者的基本人口学特征中筛选影响因素[3-4]，但是回归模型有一定的局限性，如共线性、对较多影响因素的处理能力弱等。BP神经网络是一类非线性网络系统，自我组织、适应和学习功能强大，兼具非线性处理和高度容错性能等特点[5]，已被广泛应用于多个领域[6-8]。本研究旨在将BP神经网络模型引入严重精神障碍患者服药依从性影响因素的研究，为精神疾病的社区防治提供依据。

1 对象与方法

1.1研究对象本次调查从国家严重精神障碍信息系统河南省在册严重精神障碍患者中抽取。纳入标准：本地常住，年龄15～70岁；有自主语言表达能力；符合《中国精神障碍分类与诊断标准第三版(精神障碍分类)》[9]关于严重精神障碍6类疾病的诊断标准；填写河南省严重精神障碍患者服药影响因素调查知情同意书，自愿接受调查。排除患有明确的器质性精神疾病或严重躯体疾病、系统失访或死亡患者。本研究通过新乡医学院第二附属医院伦理委员会审核，审核编号：20190619。

1.2样本量确定根据横断面研究样本量计算公式对所需样本量进行估算：n=uα2pq/δ2；其中n为估计样本含量，p为预期率，q=1-p，检验水准α=0.05，uα=1.96，容许误差δ为0.15p。目前河南省在册严重精神障碍患者持续不服药比例为8.07%，得出所需样本量为1 945。考虑到无应答、拒访、失访和基层工作人员随访方式不同导致的误差，增加10%的样本量，n=1.1×1 945=2 139。最终调查样本量设定为2 160。按照第六次全国人口普查河南省城镇与农村人口比例约为1∶1.5，城市样本量确定为864，农村确定为1 296。

1.3抽样方法采用多阶段分层随机抽样方法，分3个阶段进行。首先，将河南省18个省辖市和10个省直管县以区、县为计数单位，总计为66区、108县；分别将区县按照拼音首字母排序，用随机数字表分别从区、县中抽取4区、6县；之后，将每个抽到的区(县)按行政区划分为街道办事处/乡(镇)，按照行政区划代码排序，采用抽签法随机抽取2个街道办事处/乡(镇)；最终共抽取8个街道办事处，12个乡镇。将每个抽到的街道办事处/乡(镇)所有在册患者随机编码，使用随机数字表抽取108例患者。在实际调查时，若某个调查点没有足够患者，则与其距离最近的街道办事处/乡(镇)合并，再抽取患者。

1.4调查方法

1.4.1 调查问卷 采用自编问卷对患者及监护人进行调查，主要内容包括家庭基本情况以及监护人对疾病的主观态度，患者基本情况、服药管理和社会支持情况，以及患者认为的服药影响因素。参照文献[10]，根据问卷中收集患者自我描述其近1个月内服药依从情况分为依从组(遵从医嘱服药)，不依从组(间断服药或拒绝服药)。

1.4.2 质量控制 调查前对调查员进行统一培训和考核，调查员考核合格后方能参加现场调查工作。每个流调小组均设立专职或兼职质控人员，每天审核本组问卷完成情况，包括调查表填写是否有遗漏，对其准确性、完整性核实无误后签名确认，要求当天审核率达到100%，并随机抽取10份问卷进行回访，保证问卷质量。调查资料由专人妥善保管。在规定时间内3次入户均未见到调查对象本人时，方可放弃调查。每个调查点完成调查人数比例应达到80%以上。

1.5BP神经网络模型和logistic回归模型的构建以是否依从为因变量(是=0，否=1)，单因素分析中有意义的13个因素为自变量建立logistic回归模型(变量赋值见表1)和BP神经网络模型。采用SPSS 19.0拟合BP神经网络模型。协变量重标度采用标准化(A)算法，隐藏层数为1层，激活函数为双曲正切，输出层为恒等函数，培训类型为批处理，调整共轭梯度优化算法，最初学习率值为0.4，动能0.9。以变量重要性和标准化重要性(变量重要性指标值除以最大指标值)[11]评价变量贡献度大小。

1.6统计学处理患者及监护人基本资料和患者服药资料采用EpiData双重录入并进行差异性检验，差异样本重新核对原始调查资料并重新录入。全部数据录入后转入SPSS 19.0并进行逻辑纠错，不同因素下患者依从率的比较用χ2检验。模型性能采用ROC曲线下面积(area under the curve,AUC)和预测正确率评价，并与logistic模型比较。采用MedCalc软件进行ROC曲线分析。检验水准α=0.05。

2 结果

2.1人口学资料本次拟调查2 160例患者，其中死亡、失访、拒访和资料不全者288例，样本损失率13.33%。共有1 872例纳入本研究，其中男性880例，女性992例。其他情况见表1。

2.2严重精神障碍患者服药依从性现状及单因素分析调查患者中911例服药依从性差，占48.66%。单因素分析显示，收集信息时患者管理情况、家庭收入水平、年治疗费用支出、所患精神障碍类型、监护人受教育程度等差异有统计学意义，见表1。

续表1

2.3BP神经网络模型分析所建立的BP神经网络模型和logistic回归模型(Y=-0.126X1-0.814X2-0.468X3+0.215X4-0.477X5+0.677X8+0.49X9-0.352X10+0.21X13)的正确预测率分别为72.1%和71.4%，AUC(95%CI)分别为0.772(0.752～0.791)和0.769(0.750～0.788)，二者相比，差异无统计学意义(Z=0.043，P=0.687)，见图1。将BP神经网络模型中自变量按重要性标准化后排序，影响严重精神障碍患者服药依从性前3位的因素分别是家庭收入水平、所患精神障碍类型、发病后监护人采取措施，见表2。

图1 BP神经网络和logistic回归模型预测服药依从性效能的ROC曲线

表2 基于BP神经网络的严重精神障碍患者服药依从性影响因素重要性排序

3 讨论

随着我国社会经济的不断发展，精神障碍的患病率呈不断上升趋势[12]。本次调查显示，河南省严重精神障碍患者服药不依从率为48.66%，高于宓为峰等[13]对全国4家精神卫生中心出院精神分裂症患者服药依从性研究和余涛等[14]关于绍兴市重性精神障碍患者服药依从性调查，低于崔宏博等[15]对贵阳市农村地区重性精神分裂症患者服药依从性的研究结果。综合比较，河南省严重精神障碍患者服药依从率较低，地区间差异可能与经济和社会文化水平有关。

研究[16]表明长期药物治疗、提高患者服药依从性是预防病情复发的有效途径。目前探讨严重精神障碍患者服药依从性的方法主要为多重线性回归和logistic回归模型，但是此类模型存在一定的弊端，如影响因素复杂时处理问题的能力较弱，共线性等问题。而BP神经网络对资料分布类型和因素多少无严格要求，算法成熟易懂，广泛应用于因素分析与数据预测。本研究从患者、监护人主观和客观因素，家庭因素，患者本人和社会支持等因素出发，结合BP神经网络模型探讨影响严重精神障碍患者服药依从情况的因素，结果表明，BP神经网络模型正确预测率为72.1%，AUC为0.772，logistic回归模型正确预测率为71.4%，AUC为0.769，说明BP神经网络模型预测效果良好，可以用于严重精神障碍患者服药影响因素的分析。BP神经网络模型结果显示影响因素前5位分别是家庭收入水平、所患精神障碍类型、发病后监护人采取措施、年治疗费用支出以及患者职业。崔宏博等[15]的研究说明，影响贵阳市农村地区重性精神分裂症患者服药依从性前2位的因素分别是家属认为服药没用和月服药费，研究结果基本一致。其中在前5位影响因素中，与家属或家庭条件有直接或间接关系的因素有3个：家庭收入水平、发病后监护人采取措施、年治疗费用支出，表明家庭经济因素是影响严重精神障碍患者服药依从性的重要因素，足够的经济来源能够坚定患者及家属持续服药的信心，与宓为峰等[13]、王勋等[10]研究结果一致，提示对贫困患者及家庭给予适当的社会救助和药物治疗补助有助于提高其服药依从性。发病后监护人采取措施是影响患者服药依从性的第3个重要因素，监护人采取措施与监护人受教育程度、精神疾病知晓率、病耻心理等因素有关，综合来看与患者家庭支持有关，良好的家庭支持对患者服药依从性有促进作用[17-18]，提示对于弱监护、无监护等社会支持少[19]的严重精神障碍患者应重点关注，并及时采取相应措施(如有奖监护)提高监护人对患者的督促和管理。

综合分析表明，影响严重精神障碍患者服药依从性的因素较多，且复杂多变，如患者费用支出可能与家庭收入水平有关，患者发病后监护人采取措施可能与监护人与患者关系以及是否共同生活有关，因此分析患者服药依从性应当综合考虑各种因素间的交叉作用或者寻找最优模型进行分析，但是不同的模型优劣不同，能否综合不同模型进行组合分析，充分发挥其在服药依从性中的预测性能是我们下一步的研究方向，这也是本研究的不足之处。