基于Logistic 回归与决策树模型的初产妇分娩恐惧的影响因素分析

肖苏琴，刘芬，黄雅莲，王佳佳，李娜，方艳春

（1. 南华大学 护理学院，湖南 衡阳421001；2. 邵阳市中心医院 护理部，湖南 邵阳422000）

国外研究发现:25.0%的孕妇存在着不同程度的分娩恐惧[1～2]，在初产妇中分娩恐惧发生率更是高达81%[3]；因此，研究初产妇分娩恐惧的影响因素，有利于为制定干预措施提供科学有效的依据， 但目前多采用Logistic 回归分析对初产妇分娩恐惧的影响因素进行分析。Logistic 回归虽较好地量化了分娩恐惧的危险因素， 但其应用范围有限且不能提供很好的决策建议。决策树是以树形结构建立的模型，从根节点到叶节点的每一路径都对应一条规则， 模型本身包含一系列逻辑决策。 有研究发现，Logistic 回归和决策树模型联合运用能实现优势互补， 提高分析效果[4]。 因此本研究拟通过联合运用Logistic 回归和决策树模型分析影响初产妇分娩恐惧相关因素，旨在为缓解初产妇分娩恐惧提供建议。

1 对象与方法

1.1 研究对象 采用便利抽样方法， 选取2019 年10—12 月在湖南省某三级甲等医院进行产前检查的初产妇作为研究对象。 纳入标准:（1）年龄≥18岁；（2）单胎初产妇；（3）孕周≥28 周；（4）文化程度为初中及以上。 排除标准:（1）患有严重躯体疾病和精神障碍者；（2）不愿意参加研究者。

1.2 研究工具

1.2.1 一般资料调查问卷 主要包括孕妇的文化程度、年龄、婚姻状况、居住地、流产史、孕周、家庭月收入、此次分娩是否在计划内、工作状况、使用孕育类APP、自评健康状况、医疗付费方式。

1.2.2 分娩恐惧量表（Childbirth Attitude Questionnaire，CAQ） 该量表由危娟等[5]对美国护理学者Lowe 的分娩恐惧研究量表进行翻译和文化调适后形成，用于评估孕妇的分娩恐惧情况，该量表Cronbach α 系数为0.910， 量表包括16 个条目，4 个维度，采用Likert 4 级计分法，从“无”到“重度”分别赋值1～4 分，总分范围为16～64 分，得分越高，表明分娩恐惧的程度越高，本研究中该量表Cronbach α 系数为0.687。

1.2.3 积极心理资本问卷(Positive Psycap Questionnaire, PPQ) 该量表由国内学者张阔等[6]在2010 年编制，用于测量心理资本水平的高低，量表包括自我效能、韧性、希望和乐观4 个维度，26 个条目，该问卷的Cronbach α 系数为0.902。量表采用Likert 7级评分，其中，1 分（完全不符合）～7 分（完全符合），总分为26～182 分，量表得分越高，表示受试者的正向心理能力越强。 本研究中该量表Cronbach α 系数为0.891。

1.2.4 围生期孕妇健康素养量表 该量表是由王亚等[7]在2017 年编制，用于评估孕妇的围生期健康素养，量表包括功能性健康素养、沟通性健康素养、 批判性健康素养3 个领域11 个维度51 个条目，量表Cronbach α 系数为0.909，采用Likert 5 级评分法，满分为255 分，判定具备健康素养的标准为个人得分≥204 分，本研究中该量表Cronbach α系数为0.881。

1.3 模型建立 将分娩恐惧因素进行决策树交互检测分析，规则如下:（1）树的生长:生长“枝条”分割显著性水准α=0.05； （2）树的修剪:采用预修剪方法，设定决策树生长层数为2 层，停止规则为α=0.05，父节点最小样本量为100，子节点为50，如果结点上的样本量达不到此要求，则该结点为终末结点，不再进行分割。

1.4 调查方法 在调查前由课题组和培训基地进行沟通，经培训基地同意后进行问卷调查。统一培训2 名护理本科实习生担任调查员， 调查员在调查前采用统一的指导语向调查对象介绍本研究的目的、方法及意义等，告知填写注意事项。获得知情同意后现场发放问卷，问卷由研究对象自行填写，研究对象对问卷有疑问时由研究者进行现场解释。 问卷回收时由调查员进行检查，检查无误后收回。共发放问卷330 份，回收有效问卷305 份，有效回收率为92.4%。

1.5 统计学方法 采用SPSS 23.0 进行统计分析。符合正态分布的计量资料采用均数±标准差描述，不符合正态分布的采用中位数（四分位数间距）描述，计数资料采用频数、构成比描述，单因素比较采用χ2检验，相关性分析采用Spearman 相关性分析，将有统计学意义的自变量纳入决策树模型和Logistic 模型，检验水准设定α=0.05。

2 结果

2.1 一般资料 305 例初产妇， 年龄以25～29 岁居多，141 例（46.2%）；文化程度多为大专及以上，238例（78%）；婚姻以已婚居多，286 例（93.8%）；工作状况以在职为主，207 例（67.9%）； 家庭月收入以≥4 000元居多，167 例（54.8%）；居住地以城镇居多，240 例（78.7%），孕周以37～41 周居多，116 例（38.0%）；医疗支付类型多为医疗保险，164 例（53.8%）；此次分娩以计划内为主，215 例（70.5%），此次妊娠前人工/自然流产次数以0 次居多，178 例（58.4%），孕妇自评健康状况以差居多，148 例（48.5%），孕妇使用孕育类APP 以未使用人群为主，201 例（65.9%）。

2.2 初产妇有无分娩恐惧情况 本次调查共305例初产妇，有分娩恐惧238（78%），无分娩恐惧67 例（22%），各维度得分依次为:胎儿健康维度（10.61±3.34）分，疼痛伤害维度（8.85±2.56）分，失去控制维度（7.94±2.42）分，对医院干预与环境维度（7.45±2.26）分。

2.3 影响初产妇分娩恐惧的单因素分析 将本组初产妇按年龄、工作状况、孕周、居住地、文化程度、婚姻状况、家庭月收入、医保方式、此次妊娠前人工/自然流产次数、此次分娩是否在计划内、自评健康状况、使用孕育类APP 分组，比较其有无分娩恐惧情况。单因素分析结果显示:不同年龄、居住地、家庭月收入、医保方式、婚姻状况、孕周、此次妊娠前人工/自然流产次数，差异均无统计学意义（P＞0.05）；工作状况、文化程度、此次分娩是否在计划内、自评健康状况、使用孕育类APP，其有无分娩恐惧比较，差异均具有统计学意义（P＜0.05），见表1。

表1 不同特征初产妇分娩恐惧发生率的比较

2.4 初产妇分娩恐惧、积极心理资本、围生期健康素养的相关性分析 Spearman 相关分析结果显示， 分娩恐惧与积极心理资本量表呈一定负相关（r=-0.526，P＜0.001）， 与围生期健康素养量表呈负相关（r=-0.569，P＜0.001）。

2.5 Logistic 回归分析 Logistic 回归模型的赋值情况见表2，Logistic 回归模型采用向后逐步法， 以有无分娩恐惧为因变量， 将单因素分析以及相关性分析中有统计学意义的变量作为自变量， 建立二元Logistic 回归模型，回归模型结果见表3。

表2 主要变量的赋值说明

表3 影响初产妇分娩恐惧的多因素Logistic 回归分析（n=305)

2.6 建立决策树模型 将观察到的自变量用于建立决策树模型，决策树模型分析见图1，决策树生长2 层， 共有4 个终末结点。 结果显示围生期健康素养、 积极心理资本是影响初产妇分娩恐惧的影响因素，首层为围生期健康素养，表明围生期健康素养与初产妇分娩恐惧的相关性最高。

图1 分娩恐惧影响因素的决策树交互检测算法分析

2.7 2 种模型分析结果的比较 Logistic 回归结果显示自评健康状况、孕育类APP 的使用、积极心理资本和围生期健康素养是影响初产妇分娩恐惧的主要因素； 决策树模型分析结果显示积极心理资本和围生期健康素养是初产妇分娩恐惧的影响因素，其中围生期健康素养是最主要因素。Logistic 回归和决策树模型的模型分类正确率分别为和78.0%和80.0%，在正确分类准确度方面决策树模型高于logistic 回归模型。 以Logistic 回归模型与决策树模型的预测值作为状态变量，分别绘制ROC 曲线，如图2 所示。ROC曲线在机会线的上方，Logistic 回归模型的ROC 曲线有些许锯齿状，而决策树模型的ROC 曲线相对平滑。 从表4 中的结果可以看出，Logistic 回归模型ROC 曲线准确度为83.6%，决策树模型ROC 曲线准确度为74.9%，且均在50%以上，表明2 个模型的准确度有差异，然后通过对比2 个模型的ROC 曲线得出Z=2.111，P＜0.001， 检验结果差异具有统计学意义，说明2 个模型预测有差异。

图2 Logistic 回归模型与分类决策树模型的ROC 曲线

表4 Logistic 回归和分类决策树模型的分类效果比较

3 讨论

3.1 初产妇分娩恐惧的发生率较高 本研究表明，初产妇分娩恐惧发生率为78%，与国外研究比较，高于外国学者们分别在美国、 英国开展调查的研究结果[8-9]，分析原因可能与研究对象的社会文化背景、教育背景、经济水平、生育观念、产前教育等方面有关。在各维度得分中，胎儿健康维度得分最高，说明初产妇对于胎儿健康状况的担心是其对分娩产生恐惧的最主要内容，对医疗环境恐惧得分最低，说明初产妇对医院环境及医疗干预手段的恐惧感较低， 对临床工作人员的信任感较高，因此，建议医护人员对初产妇的分娩恐惧心理进行重视， 了解其分娩恐惧的影响因素，通过制定有计划的，有针对性的护理措施来缓解分娩恐惧[10]。

3.2 初产妇分娩恐惧的影响因素

3.2.1 自评健康状况 自评健康状况指的是个体对自己健康状况的主观评价。 本研究发现自评健康状况是初产妇分娩恐惧的重要因素， 这与Kominiarek等[11]研究结果相符。 究其原因为自评健康状况不佳的初产妇对自然分娩缺乏信心， 自己主观认为自己的身体状况无法顺利分娩。 这提示临床医护人员在实践中应对自评健康状况不佳的初产妇进行重点关注，并找出初产妇自评健康状况不佳的因素，帮助她们缓解其对自身健康状况的担忧。

3.2.2 使用孕育类APP 本研究结果发现使用孕育类APP 是初产妇分娩恐惧的重要因素，这与赵雨馨研究的结果一致[12]。 这可能与初产妇们通过使用孕育类App 能够获取有关怀孕、分娩、育儿等方面的信息有关， 也可能与其为初产妇提供了一个能够与其他医务人员或初产妇之间共同探讨分娩经验的平台有关。因此，医护人员应该充分利用互联网技术来为初产妇们提供服务， 从而满足初产妇们个性化的需求。

3.2.3 围生期健康素养 本研究结果显示， 围生期健康素养是初产妇分娩恐惧的影响因素， 围生期健康素养越高的初产妇，其分娩恐惧的发生率也越小，这与国内外研究结果相符[13-14]。这可能与具备围生期健康素养的初产妇会主动关注自身的健康状况，了解怀孕、分娩、孕期营养、育儿等方面的知识，会积极参与产前教育， 主动与医务人员或其他初产妇沟通交流，学习孕期保健知识有关[15]。 因此，建议临床护理人员可以通过个性化助产士门诊产前教育方式对初产妇实行个性化门诊咨询服务， 为初产妇了解孕期保健知识，如母婴监护、孕期营养、运动指导等提供平台，从而提高初产妇的围生期健康素养，缓解分娩恐惧[16]。

3.2.4 积极心理资本 研究结果显示， 积极心理资本与分娩恐惧呈负相关， 积极心理资本水平越高的初产妇，分娩恐惧的发生率也越低。这可能与积极心理资本高的初产妇能够积极面对分娩事件， 具有更高的分娩自我效能有关。有研究指出，分娩自我效能是分娩恐惧的重要因素[12]，分娩自我效能越高，初产妇对于分娩的信心就会越高，就能积极应对分娩，缓解分娩恐惧。因此，提示临床医护人员可通过开发初产妇的心理资本及其相关维度来缓解其分娩恐惧。

3.3 Logistic 回归模型和决策树模型的对比 研究结果发现，Logistic 回归模型和决策树模型均能很好地应用于初产妇分娩恐惧影响因素的分析， 这与既往研究[17-18]结果相一致，两者模型可以互为补充，从而充分解释变量间的关系， 在分析中如果将两者结合，可从不同的侧面反映所研究的影响因素。本研究Logistic 回归模型虽然反映了初产妇分娩恐惧与自评健康状况、使用孕育类APP、积极心理资本、围生期健康素养的依存关系， 但是并没有针对性地分析并且直观地反映各个影响因素对初产妇分娩恐惧的重要程度。而决策树不受变量间共线性的影响，在提取自变量的过程中变量间是相互独立的， 影响因素间潜在的交互作用能被很好地体现出来[19]。 就本研究来讲，划在决策树首层的因素为围生期健康素养，表明围生期健康素养与初产分娩恐惧的相关性最高， 围生期健康素养越高的初产妇分娩恐惧的发生率也越低，第2 层则显示变量间交互关系，围生期健康素养是影响分娩恐惧的主要因素， 然而积极心理资本是影响围生期健康素养的主要因素。 决策树模型还能划分出有不同特征的亚组， 便于临床工作者识别高危人群。本研究结果提示，医护人员应重点关注围生期健康素养水平低、 围生期健康素养水平中等且积极心理资本水平低人群。