基于大五人格理论应用潜在剖面分析探究2型糖尿病患者的用药依从性

陈 平，黎泽明，郭 怡，孙昕霙△，Edwin B.FISHER

(1.北京大学公共卫生学院社会医学与健康教育系，北京 100191；2.Department of Health Behavior,Gillings School of Global Public Health,University of North Carolina-Chapel Hill，North Carolina 27599-7440，USA)

根据我国2020年流行病学调查数据，依据世界卫生组织(World Health Organization,WHO)诊断标准，我国糖尿病患病率上升至11.2%[1]。2019年我国 20～79周岁人群糖尿病医疗支出总额达1 090亿美元，是仅次于美国的第二大糖尿病疾病负担国家[2]。规律的药物治疗作为糖尿病患者自我管理中的重要部分，在控制血糖方面发挥举足轻重的作用，但研究显示我国2型糖尿病(type 2 diabetes mellitus,T2DM)患者的用药依从性状况并不佳[3]。研究表明，T2DM患者的用药依从性影响因素包括病程、家庭经济条件、学历、用药指导等[3-6]。随着生理-心理-社会医学模式得到广泛认可，近来也有相关研究关注到人格与T2DM患者自我管理行为的关系[7-9]，但应用潜在剖面分析勾勒人格画像，基于人格画像结果来探究用药依从性的研究尚不多见。潜在剖面分析是一种基于概率模型来探索群体内分类情况的方法，可以确保各类之间的差异最大且内部差异最小[10]。采用该方法可以探究大五人格五个维度在每个个体中的整体表现，从而勾勒出人格画像，因此，本研究旨在基于大五人格理论应用潜在剖面分析探究T2DM患者的人格画像，并探讨其与用药依从性的关系及用药依从性的影响因素，为今后设计T2DM患者管理方案提供参考依据。

1 资料与方法

1.1 研究对象

2018年7月至11月，在北京市通州区、顺义区4个社区卫生服务中心及下属22个社区卫生服务站招募符合条件的T2DM患者。研究开始前已通过北京大学生物医学伦理委员会审查批准(批准号：IRB00001052-17044)，所有调查对象均知晓项目内容并签署知情同意书。纳入标准：(1)符合1999年WHO制订的T2DM诊断标准；(2)年龄在18至80岁；(3)社区常住人口；(4)研究期间不参加其他研究。排除标准：(1)存在认知功能障碍、严重精神病史；(2)伴有严重并发症。

1.2 方法

1.2.1调查工具 采用一般资料调查表、用药依从性量表和中国大五人格量表简式版[11]。(1) 一般资料调查表：由研究者自行设计，包括患者的性别、年龄、学历、糖尿病病程、医保类型等内容。(2)用药依从性量表：该量表包含8个条目，1～7题的答案为“是”“否”，其中“是”记0分，“否”记1分，第5题反向计分；第8题备选答案为“总是”“经常”“有时”“偶尔”“从不”，分别记0分、0.25分、0.5分、0.75分和1分。量表满分为8分，得分<6分为依从性差，6～<8分为依从性中等，8分为依从性好。该量表由Thurston等[12]学者运用于糖尿病患者中，我国学者已在中国糖尿病患者中进行信效度检验，其Cronbach’s 系数为0.78，已被广泛用于评估患者用药依从性[13]。(3)大五人格量表简式版：该量表包含开放性、宜人性、神经质、严谨性、外向性等五个维度的子量表，子量表内部一致性系数均高于0.75[11]。每个维度的子量表均包含8个条目，采用Likert6级计分法，从1分至6分表示非常不符合至非常符合，其中反向计分的条目为题5、8、13、15、18、32和36，将反向条目反向计分后，满分均为48分。各子量表得分越高表示在该维度的特质越明显。

1.2.2质量控制 经过培训的调查员进行现场一对一调查，并由其填写问卷，当场对问卷进行核查。通过Epidata建立数据库，双人录入。

1.3 统计学分析

使用Mplus 7和SPSS 21.0软件进行统计学分析，用均数±标准差表示连续性变量，构成比表示分类变量。(1)采用潜在剖面分析探索人格画像。以大五人格开放性、宜人性、神经质、严谨性、外向性等各维度对应的子量表得分作为外显指标，从1个剖面开始，依次增加潜在剖面数，进行潜在剖面分析的模型拟合。模型拟合度指标包括艾凯克信息准则(Akaike information criteria，AIC)、贝叶斯信息准则(Bayesian information criteria，BIC)、调整贝叶斯信息准则(adjust Bayesian information criteria，aBIC)、信息熵(Entropy)、罗蒙代尔鲁本校正似然比(Lo-Mendell-Rubin adjusted likelihood ratio test，LMRT)，其中，AIC、BIC、aBIC越小，表明模型拟合越好；Entropy取值在0～1之间，越接近1，表明分类越精确；LMRT差异有统计学意义时(P<0.05)表明K个剖面的模型优于K-1个剖面的模型[14]。(2)采用方差分析进行组间比较，探索不同人格画像的人口学特征、用药依从性得分是否有差异。(3)采用有序多分类Logistic回归探索用药依从性的影响因素，以三类用药依从性状况好、中、差为因变量，纳入年龄、性别、受教育程度、病程、人格画像为自变量。将年龄分为60岁及以下、60岁以上；受教育程度分为初中及以下、初中以上；病程分为5年及以下、5年以上。检验水准α= 0.05。

2 结果

2.1 潜在剖面分析结果

本研究共纳入751例T2DM患者。潜在剖面分析模型结果如表1，当剖面数为5或6时，AIC、BIC、aBIC值略小，Entropy更接近1，但LMRT差异无统计学意义，表明剖面数为4的模型优于剖面数为5或6的模型，即剖面数为4时模型最佳。

表1 潜在剖面分析各指标结果Table 1 Latent profile analysis results of each index

模型剖面数为4表明，依据大五人格量表测量结果，本研究中的T2DM患者可以被分为4类人格画像，如图1所示。42.7%(321/751)的T2DM患者以外向性和神经质得分偏低为特征，开放性得分(23.60±0.63)中等，宜人性得分(38.28±0.48)和严谨性得分(40.65±0.52)较高，外向性得分(25.51±0.82)和神经质得分(15.81±0.85)较低，这类人格画像被命名为内敛稳定型。

图1 T2DM患者人格画像潜在剖面分析Figure 1 Latent profile analysis of T2DM patients personality

12.7%(95/751)的T2DM患者以除神经质以外的其余四个维度得分均偏低为特征，开放性得分(19.57±1.13)、宜人性得分(31.02±1.17)、严谨性得分(27.60±1.26)和外向性得分(24.30±0.92)都最低，神经质得分(18.98±0.92)却较高，这类人格画像被命名为消极型。

15.3%(115/751)的T2DM患者以高神经质得分为特征，该类人群神经质得分(29.89±0.97)最高，同时开放性得分(35.09±1.45)、宜人性得分(37.66±0.81)、严谨性得分(39.12±0.75)和外向性得分(32.20±1.26)较高，这类人格画像被命名为焦虑型。

29.3%(220/751)的T2DM患者以除神经质以外其余四个维度得分均偏高为特征，具有最高的宜人性得分(41.17±0.35)、严谨性得分(43.75±0.34)和外向性得分(37.93±0.77)，最低的神经质得分(15.37±0.52)与较高的开放性得分(34.26±1.00)，这类人格画像被命名为活泼负责型。

2.2 不同人格画像的基本特征

四类人格画像的男、女比例都比较均衡，病程在5年及以下的都占多数，同时大部分患者都有合并症。方差分析结果显示，除年龄和受教育程度外，四类人格画像的性别、病程、是否有合并症、医保类型差异无统计学意义，见表2。共有75例T2DM患者表示自己不服药且不注射胰岛素，方差分析结果显示，不用药行为在四类人格画像中差异无统计学意义 (P=0.142)。

表2 T2DM患者不同人格画像的基本特征比较Table 2 Characteristics of different personality portraits in T2DM patients

2.3 用药依从性与人格画像的关系

751例T2DM患者中有75例患者不遵医嘱服药，有5例患者数据缺失，最终纳入671例T2DM患者的用药依从性得分进行分析，得分状况如表3所示，仅有17.3%的患者用药依从性好。方差分析结果显示，不同人格画像的T2DM患者的用药依从性差异有统计学意义(P=0.006)。方差分析事后检验结果显示，焦虑型人格用药依从性得分显著低于内敛稳定型(P=0.001)、活泼负责型 (P=0.004)，差异有统计学意义，但与消极型用药依从性得分差异无统计学意义(P=0.089)。

表3 四类人格画像用药依从性得分及依从率结果Table 3 Medication adherence scores and adherence rates of four personality portraits

2.4 用药依从性的影响因素分析

由于焦虑型人格画像与消极型人格画像有相似的人格特征，因此将其合并为焦虑消极型纳入有序多分类Logistic模型(表4)，结果显示，人格画像与受教育程度进入回归模型，相比于人格画像为焦虑消极型，活泼负责型、内敛稳定型是用药依从性好的保护因素(OR=1.567，95%CI：1.096-2.237；OR=1.774，95%CI：1.214-2.591)，相比于受教育程度较高，受教育程度较低是用药依从性好的保护因素 (OR=1.397，95%CI：1.039-1.876)。

表4 用药依从性有序多分类Logistic回归结果Table 4 Logistic regression analysis of medication adherence

3 讨论

3.1 人格画像的整体性

虽然近来关于大五人格与疾病关系的研究增多，但大多从五个维度分别分析，本研究采用潜在剖面分析的方法，可以展示大五人格的五个维度在每个个体的整体表现，从而勾勒出研究对象的人格画像。黎泽明等[7]研究发现，大五人格各子维度在人口学变量上差异有统计学意义，本研究结果显示，人格画像在多数人口学变量及疾病相关特征方面差异无统计学意义，这提示大五人格在每个个体的综合体现过程中可能存在五个维度的相互作用，分别考虑五个维度的单独作用在实践过程中可能无法达到满意效果，本研究提出的综合了五个维度的人格画像更具可行性。

3.2 焦虑型人格画像用药依从性

内敛稳定型、消极型、焦虑型、活泼负责型四类人格画像都具有较为鲜明的特征，这些特征与生活经验相符，其中内敛稳定型和活泼负责型均具有较高的严谨性、宜人性和开放性，这两类人格画像的T2DM患者用药依从性得分均较高，而焦虑型最大的特征为神经质，虽然其严谨性、宜人性和开放性处于较高水平，但其用药依从性得分仍显著低于与前两者，差异有统计学意义，这与伊朗的一项研究[15]结论一致，即神经质高的患者，用药依从性差，而宜人性和严谨性高的患者，用药依从性好。这同时也表明，在焦虑型人格画像中，神经质对用药依从性的负向影响高于宜人性和严谨性的对用药依从性的正向影响。此外，李丽萍[8]提出，外向性高的人用药依从性好，这与本研究的结果并不一致，本研究中内敛稳定型患者外向性低，但用药依从性仍较好，可能是由于李丽萍研究中与用药行为相关的问卷只有一个条目，并不能很好地体现患者的用药依从性。整体而言，在大五人格中，神经质对用药依从性的影响更大，未来基于人格视角关注T2DM患者的用药依从性时，可以更加关注神经质这一维度。

3.3 用药依从性的影响因素

本研究结果显示，T2DM患者的用药依从性现状并不容乐观，不论是哪类人格画像，其用药依从性得分均在6分左右。然而对于糖尿病的自我管理而言，药物是非常重要同时相对简单的一项内容，却仅有17.3%的患者做到用药依从性好。本研究发现人格画像为焦虑消极型是影响用药依从性的独立危险因素，这与Novak等[16]提出高神经质可能会降低饮食治疗依从性有相似之处。由于高神经质水平容易出现不良心理状态以及痛苦情绪，患者更容易产生急躁、厌烦等消极心理，促进产生无所谓的态度，这都可能导致用药依从性变差。同时本研究结果还表明受教育程度偏低反而不易出现用药依从性差，这与以往的多项研究均不相符[4,17-18]。以往研究表示[18]，初中学历以下的患者由于不明确药物用法、疾病认识度不高导致用药依从性差。本研究的分组将初中纳入受教育程度较低组，可能存在一定的偏差；另外，由于信息网络的发展，高学历患者接受了良莠不齐的信息，更容易出现依从性差，未来仍需深入研究。用药依从性受多种类型因素的影响，本研究结果提示研究人员未来也要注意关注患者的学历与人格特征。

本研究存在局限性，仅仅是横断面研究，无法推论因果。本研究纳入的患者年龄较高，在将结论外推于各年龄段时需谨慎。患者收入水平、是否得到用药指导也是用药依从性的影响因素，但本研究未能纳入。由于样本量问题，研究将两类人格画像进行了合并，一定程度上损失了数据信息。用药依从性的评价指标多样，本研究的用药依从性量表仅能反映一种维度。