麻醉手术病人苏醒期躁动风险预测模型的构建研究

周 琳，彭 丽，姜丽芳，孟祥梅，滕红玉，吴穗婷，侯晓敏

苏醒期躁动是麻醉手术病人苏醒期常见的一种急性器质性脑综合征，国内发生率约为23%，多发生于拔管后15 min左右，表现为兴奋、躁动与定向障碍，或伴有肢体无意识动作、呻吟等行为[1-3]。相关研究显示，麻醉苏醒期躁动易诱发意外拔管，导致呼吸支持及入住ICU时间延长，甚至危及医护人员人身安全[4]。李晓艳等[5-7]研究显示，全麻术苏醒期躁动发生的危险因素复杂，涉及性别、疼痛、留置导尿管、术中低体温及术前焦虑等，但未能就风险预测及预防进行研究。本研究选择我院2018年5月—2019年5月收治的行麻醉手术的病人为研究对象，借助镇静-躁动(SAS)评分量表评估麻醉手术病人苏醒期躁动状况，统计苏醒期躁动病人例数，并通过单因素、多因素Logistic回归分析筛选麻醉手术病人苏醒期躁动的危险因素，据此构建苏醒期躁动风险预测模型，验证其效果。现报告如下。

1 对象与方法

1.1 研究对象 研究采用连续定点抽样法，选择我院2018年5月—2019年5月收治的行麻醉手术的病人为研究对象。纳入标准：确定行麻醉手术，且符合适应证；美国麻醉医师协会分级Ⅰ～Ⅲ级；术前肝肾功能均正常；无认知沟通障碍及视听障碍；术程顺利；已签署知情同意书。排除标准：既往有安眠药物或镇痛镇静药物服用史；术前伴有意识障碍；伴有重要脏器功能异常；既往有精神病史；临床资料缺失。

1.2 样本量估算 研究根据公式计算确定样本量，根据其他文献报告，假定麻醉手术病人苏醒期躁动发生率为23%，按照下述公式：

公式中α=0.05，β=0.10，对应的μα=1.645、μβ=1.282，π0=0.230，根据文献报告的麻醉手术病人苏醒期躁动发生率进行计算，综合考虑各方面因素影响，当π1=0.328时，公式计算约需158例研究对象，最终研究确定选取2018年5月—2019年5月我院收治的行麻醉手术的病人160例进行研究。

1.3 苏醒期躁动评估及研究对象分组 ①苏醒期躁动评估。麻醉苏醒期护理人员借助Riker镇静-躁动(SAS)评分量表根据病人7项不同行为对其意识及躁动程度进行评价。1分：唤醒无效，且恶性刺激下无或轻微反应，不能实现交流或服从医护人员指令；2分：非常镇静，躯体刺激下存在反应，存在自主运动，但无法实现交流或完成医护人员指令；3分：镇静，病人表现嗜睡，且简单语言刺激或行为干预下能唤醒，能完成简单指令，可迅速入睡；4分：安静，易唤醒，且能配合完成医护人员指令；5分：轻度躁动，身体躁动，且经言语劝阻后恢复安静；6分：中度躁动，需实施保护性束缚或反复性语言劝阻，存在咬气管、插管行为；7分：重度躁动，存在拉拽、拔除插管导管的行为或倾向，或对医护人员有攻击行为[8-9]。②研究对象分组。研究根据苏醒期躁动评估结果对研究对象进行分组，如评分≥5分，则躁动，将其分为苏醒期躁动组、非苏醒期躁动组，对应例数分别为52例、108例。

1.4 相关资料收集 研究通过医院病案系统筛选2018年5月—2019年5月收治的麻醉手术病人，根据纳入排除标准对病人进行筛选，根据“病人资料收集表”从病案系统中查找并记录相关信息，包括性别、年龄、体质指数(BMI)、吸烟史、饮酒史、合并基础疾病、手术类型、麻醉术式、药物催醒、术后疼痛、术程、留置导尿管等；资料收集过程遵循双人核查制度，即双人录入并对录入信息与病案系统信息的一致性进行核对、核查，并随机抽取5%的病人资料进行复查，以检查录入质量。

1.5 预测因素测定 ①术后疼痛采用视觉模拟评分(VAS)。病人进入麻醉复苏室，且意识清醒情况下，护理人员通过视觉模拟评分评估病人疼痛程度，采用一条长10 cm的游动标尺，标有10个刻度，标有0～10，0表示无痛，10表示极度疼痛，病人根据自身疼痛感受选择相应数字表示[10-11]。②术前焦虑采用汉密尔顿焦虑量表(HAMA)。病人进入手术室前，护理人员借助HAMA量表评估病人焦虑程度，量表共有14个评价条目，均采取5级评分法，分值范围0～4分，如评分小于7分则无焦虑症状，7～13分则可能有焦虑，≥14分则肯定有焦虑，且评分越高，焦虑症状越严重[12-13]。③术中低体温。如病人手术期身体中心温度小于36 ℃，则判定为术中低体温[14-15]，手术完成后即可统计术中低体温病人例数。

1.6 统计学方法 采用SPSS 21.0统计学软件，单因素分析采用χ2检验，采用多因素Logistic回归分析筛选麻醉手术病人苏醒期躁动发生的危险因素。检验水准α=0.05。以P<0.05为差异有统计学意义。

2 结果

2.1 麻醉手术病人苏醒期躁动发生风险的单因素分析 单因素分析显示，麻醉手术病人苏醒期躁动的影响因素有年龄、合并基础疾病、药物催醒、术后疼痛、留置导尿管、术中低体温、术前焦虑(P<0.05)，见表1。

表1 麻醉手术病人苏醒期躁动发生风险的单因素分析 单位：例

2.2 麻醉手术病人苏醒期躁动发生危险因素的多因素Logistic回归分析 本研究以苏醒期躁动为因变量，单因素分析得到的麻醉手术病人苏醒期躁动影响因素为自变量，将其纳入多因素Logistic回归分析模型；多因素Logistic回归分析显示，麻醉手术病人苏醒期躁动发生的危险因素有年龄≥60岁或<18岁、药物催醒、术后疼痛VAS≥6分、留置导尿管、术中低体温、术前焦虑HAMA≥14分(P<0.05)，见表2。

表2 麻醉手术病人苏醒期躁动发生危险因素的多因素Logistic回归分析

2.3 麻醉手术病人苏醒期躁动风险预测模型的构建及验证

2.3.1 构建麻醉手术病人苏醒期躁动风险预测模型

2.3.1.1 预测模型构建 研究根据多因素Logistic回归分析结果构建风险预测模型，得到P苏醒期躁动=1/[1+exp(-Z)]，Z=-7.430+0.834X1+1.159X2+1.326X3+1.281X4+1.405X5+1.103X6，B为变量对应危险分数；根据多因素Logistic回归分析中OR值可确定B值，得到B年龄≥60岁或<18岁=2分、B药物催醒=3分、B术后疼痛VAS≥6分=4分、B留置导尿管=4分、B术中低体温=4分、B术前焦虑HAMA≥14分=3分，模型总分为0～20分。

2.3.1.2 风险级别划分 采用苏醒期躁动风险预测模型评价苏醒期躁动、非苏醒期躁动病人，得到苏醒期躁动病人评分为(14.02±2.49)分，95%CI为[3.454,17.043]，非苏醒期躁动病人评分(6.43±1.04)分，95%CI为[2.304，8.049]，据此确定风险上限、下限分别为14分、6分，则<6分为低危，6～14分为中危，>14分为高危。

2.3.2 验证麻醉手术病人苏醒期躁动风险预测模型

2.3.2.1 ROC曲线分析 研究以苏醒期是否躁动为状态变量，以风险预测模型评分为结果变量，据此绘制ROC曲线，得到曲线下面积为0.832，95%CI为[0.439，0.875]，当截断值6.3分，敏感系数为0.843，特异系数为0.874，Youden指数最大为0.717。

2.3.2.2 预测准确率 研究根据上述纳入、排除标准选择我院2019年6月—2020年6月收治的行麻醉手术的病人共100例为验证组，并采用预测模型评估验证组病人苏醒期躁动风险，得到预测苏醒期躁动病人34例，非苏醒期躁动病人66例，实际苏醒躁动病人36例，实际非苏醒期躁动病人64例，据此计算得到，预测准确率为98.00%。

3 讨论

3.1 麻醉手术病人苏醒期躁动风险因素分析 研究通过单因素分析、多因素Logistic回归分析得到，麻醉手术病人苏醒期躁动的危险因素有年龄≥60岁或<18岁、药物催醒、术后疼痛VAS≥6分、留置导尿管、术中低体温、术前焦虑HAMA≥14分(P<0.05)。①年龄≥60岁或<18岁。儿童、老年人是麻醉苏醒期躁动发生的主要人群，其中儿童发生率为9%～18%，老年人发生率为5%～7%；究其原因，儿童与老年人对疾病及麻醉手术的认知局限性大、恐惧心理严重，加之进入手术室后、麻醉吸入诱导开始阶段缺乏家属陪伴，导致恐惧情绪加重，躁动风险增大[16-17]。②药物催醒。多沙普仑等催眠药物在麻醉苏醒期催眠中的应用，能兴奋延髓呼吸中枢、循环中枢，导致交感神经出现过度兴奋，能实现对大脑皮层的作用，造成中枢局灶性敏感，进而诱发躁动[18]。③术后疼痛VAS≥6分、留置导尿管。相关研究报告显示，不良刺激诱发术后躁动的发生比例中，疼痛约占99.44%，气管导管约占65.77%，留置导尿管刺激约占11.11%，但上述3类不良刺激所诱发苏醒期躁动多处于轻中度[19]；采取麻醉手术后病人尿道感觉传入神经纤维被阻断，如插入尿管过深则会对膀胱三角黏膜产生直接刺激，导致尿道黏膜受损，进而诱发苏醒期躁动。同时，因部分病人的导尿管耐受表现差，留置导尿管后尿道疼痛感剧烈，病人因产生强烈尿意而诱发躁动[20]。④术中低体温。术中低体温的发生会对机体凝血功能、肝肾代谢产生抑制作用，导致病人术后对麻醉药物的代谢速率减慢，苏醒期易出现躁动，主要表现为暂时性行为、思维及意识障碍。⑤术前焦虑HAMA≥14分。焦虑病人交感神经兴奋，机体血浆肾上腺素、去甲肾上腺素水平快速升高，机体血糖增高、免疫力及疼痛阈值下降，病人极易在陌生环境中突然苏醒而出现躁动;文献报告显示，麻醉手术病人术前焦虑评分每增加10分，则术后躁动发生率增加12.5%[21]。

3.2 麻醉手术病人苏醒期躁动风险预测模型效果分析 研究以多因素Logistic回归分析结果为基础构建苏醒期躁动风险预测模型，筛选所得苏醒期躁动危险因素在其他研究中均已得到证实，提示研究构建模型的可靠性、代表性均较强。同时，ROC曲线分析显示，预测模型ROC曲线下面积为0.832，而一般认为曲线下面积超过0.70，则预测模型有中等及以上区分能力，提示苏醒期躁动风险预测模型能实现对风险的有效区分。同时，研究采用苏醒期躁动风险预测模型评估验证组病人，经与实际情况的对比分析，得到模型预测准确率为98.00%，证实研究构建的苏醒期躁动风险预测模型能实现对高危病人的精准识别，临床实用性强。此外，预测模型所涉指标年龄、药物催醒、术后疼痛VAS评分、留置导尿管、术中低体温、术前焦虑HAMA评分测定方法简单，护理人员查阅病例资料或持表评价即可得到，充分保证了预测模型的临床适用性。

综上所述，麻醉手术病人易出现苏醒期躁动，且其风险因素复杂，研究构建的苏醒期躁动风险预测模型，能实现对苏醒期躁动风险的有效识别，有助于临床及时采取预防护理措施。