芜湖市老年住院患者抑郁列线图预测模型的构建及验证

王聪智,杨柳,陶秀彬,车恒英,张林

(1.皖南医学院护理学院,安徽 芜湖 241002;2.皖南医学院第一附属医院,安徽 芜湖 241002)

抑郁作为一种常见的负面情绪体验,表现为情绪持久低落,思维迟缓,动作减少,无用感和孤独感,成为老年人最常见的心理问题之一,引起社会及公共卫生部门的重视[1]。截止2022年底,老年抑郁症的发病人口数占比7%～10%[2]。抑郁情绪的长期积累会导致抑郁症的发作,会显著影响老年人的生理、心理及社会功能,导致患者出现认知障碍、睡眠障碍及社会功能障碍等,更严重者会出现自伤、自杀等极端行为[3]。目前我国老年人成为医院住院患者中的最主要群体,疾病罹患期加重患者的负面情绪体验,成为诱发患者抑郁症的主要原因[4]。本文旨在调查住院期间老年患者的抑郁情况,构建抑郁风险预测模型,并为医护人员筛选高风险人群提供重要的参考依据。

1 对象和方法

1.1研究对象及纳入标准 纳入标准:①年龄≥60周岁的住院患者;②患者神志清楚,表示自愿参加本次研究;③可以进行口语表达;④无以下陈述的重大疾患(重大术后、恶性肿瘤、深度昏迷、永久性瘫痪、严重脑损伤、严重帕金森病、痴呆及严重精神病者)。

1.2调查工具

1.2.1一般资料 包括性别、年龄、文化水平、户籍、5年以上慢性病、跌倒、午睡、饮酒、睡眠障碍、衰弱、生活不满意。

1.2.2老年人抑郁评估量表 本研究采用简短抑郁量表(GSD-15)[4],本量表共15个条目,采用是和不是进行回答,总分为0～15分,总分>8分则判定为有抑郁症状。简短抑郁量表的Cronbachs’α系数为0.720。

1.2.3老年人睡眠量表(PSQI) 本研究采用匹兹堡睡眠量表,本量表由Buysse等[5]于1989年编制。18个条目组成7个成份,每个成份按0～3等级计分,累积各成份得分为PSQI总分,总分范围为0～21,得分越高,表示睡眠质量越差。匹兹堡睡眠量表的Cronbachs’α系数为0.726。

1.2.4老年人衰弱评估量表 本研究采用Tilburg衰弱量表,本量表躯体衰弱(身体健康、体重、行走、平衡、听力、视力、握力、疲劳等8个条目)、心理衰弱(记忆力、焦虑、抑郁、应对能力等4个条目)、社会衰弱(独居、社会关系、社会支持等3个条目)。奚兴等[6]对中文版的Tilburg衰弱量表进行了信效度的检验,Tilburg衰弱量表的Cronbachs’α系数为0.686。

1.2.5生活满意度调查 采用生活满意度量表(SWLS),共5个条目,总分共计35分,1～7分别代表:强烈反对、反对、有点反对、既不赞成也不反对、有点赞成、赞成、极力赞成,5个条目相加后,总分25分以上代表基本满意,20～25分以下代表中等(介于满意和不满意之间),<20分代表不满意。生活满意度量表的Cronbachs’α系数为0.852[7]。

1.3资料采集 本研究通过学术伦理委员会审批(wy-2022017),于2021年5月至2023年1月,在芜湖市1所医院随机抽样20个科室进行问卷调查,采用面对面提问的方式收集资料。本次调查培养20名调查员,进行统一规范化用语和礼仪培训,本次共纳入调查对象916人,剔除未完成和无效问卷89份,最终剩余827份。

1.4统计学方法 运用SPSS 27.0统计软件,计数资料以例数和百分比表示,采用χ2检验和多因素Logistic回归分析选出影响社区老年人抑郁的因素,用R Studio和Prism软件绘制列线图将Logistic回归模型进行可视化,采用受试者工作曲线评价模型的预测能力,H-L拟合优度检验和ROC曲线并进行模型的验证,绘制以P<0.05为差异有统计学意义。通过R Studio软件绘制DCA曲线,评估该模型的临床实用性。

1.5自变量赋值 性别:男=0,女=1;年龄:60～70岁=0,>70岁=1;文化水平:文盲=1,小学=2,初中=3,高中及以上=4;户籍:农村=0,城镇=1;5年以上慢性病:否=0,是=1;跌倒:否=0,是=1;午睡:否=0,是=1;吸烟:否=0,是=1;饮酒:否=0,是=1;睡眠障碍:否=0,是=1;衰弱:否=0,是=1;生活不满意:否=0,是=1。

1.6样本量计算 预测模型的样本计算常采用10EPV法,表示每个变量需要10个样本,本次研究共纳入12个变量,计算公式为(N-1)*10=110,本次研究共827名,其中纳入训练集为611名,验证集样本为216名,本次研究数据集符合样本量基本要求。

2 研究结果

2.1单因素分析结果 本研究共纳入611名住院患者为训练集,其中男性289名(47.30%),女性322名(52.70%)。验证集216名,其中男性124名(57.41%),女性92名(42.59%),训练集和验证集抑郁检出率差异无统计学意义。通过对住院老年患者抑郁不同人口学特征的单因素比较分析,结果显示性别、吸烟和饮酒各组之间无统计学差异,而年龄、文化水平、户籍、5年以上慢性病、跌倒、午睡、睡眠障碍、衰弱及生活不满意各组之间有统计学差异。见表1。

2.2建模组住院老年患者抑郁的单因素分析结果 经过单因素分析,研究结果显示年龄、文化水平、户籍、慢性病、跌倒、午睡、衰弱、睡眠障碍及生活不满意上差异有统计学意义(P<0.05)。

2.3建模组住院老年患者抑郁的多因素Logistic分析 以老年住院患者是否抑郁为因变量,将年龄、户籍、5年以上慢性病、跌倒、午睡、睡眠障碍、衰弱及生活不满意8个单因素作为自变量纳入到回归分析中,采用向前LR进行多因素Logistic分析。最终结果显示,户籍(OR=1.823),5年以上慢性病(OR=2.140),跌倒(OR=3.682),午睡(OR=2.453),睡眠障碍(OR=1.867),衰弱(OR=3.642),生活不满意(OR=3.525)为危险因素。而年龄(OR=0.527)则为保护因素,见表2。

表2 住院老年患者抑郁的多因素Logistic回归分析 (n=611)

2.4住院老年患者抑郁预测模型的构建结果 Logistic回归中随机变量分布函数的标准差为π/√3=1.8138,故标准化回归系数=未标准化回归系数×该自变量的标准差/1.8138,即可计算Logistic回归的标准化回归系数。计算得出每个自变量对应的标准化系数后,通过构建回归模型方程,最终得出Z=-2.191+0.142×户籍(农村)+0.210×5年以上慢性病(是)+0.341×跌倒(是)+0.182×午睡(是)+0.166×睡眠障碍(是)+0.226×衰弱(是)+0.335×生活不满意(是)-0.176×年龄(>70岁)。最后利用R studio软件构建列线图使其可视化,见图1。通过列线图,单个危险因素对应的分值相加后的总和,通过垂直线可以找到总分对应的位置,相对应的坐标轴即可作为抑郁发生的风险概率。

图1 住院老年患者抑郁预测的列线图模型

2.5住院老年患者抑郁风险预测模型的列线图的验证结果 采用Bootstrap法对列线图模型进行内部验证,重复抽样原始数据1000次后采用H-L偏差度检验和ROC曲线下面积评估列线图模型的预测该模型的偏差水平和区分度,其中训练集H-L偏差度检验结果分别是χ2=5.274(P=0.469),提示模型具有较高的预测准确度,见图2。运用Prism绘制ROC曲线,训练集ROC曲线下面积提示:AUC=0.801(95%CI:0.765～0.838),列线图模型具有较好的区分度,见图3(绿线);验证集ROC曲线下面积提示AUC=0.752(95%CI:0.692～0.812),见图3(红线)。

图2 列线图模型预测住院老年患者发生抑郁的验证(训练集)

图3 住院老年患者抑郁列线图模型的ROC曲线(训练集和验证集)

2.6住院老年患者抑郁风险预测模型的DCA曲线 通过该模型的观察DCA曲线,All线是代表假设所有患者都患病,None线代表所有患者都不患病,红线代表模型预测患病,纵轴代表净收益。模型的决策曲线(红色)位于None线和All线的上方,图4分别显示训练集和验证集两个DCA曲线均在有效范围内,提示该模型具有较好的临床实用性。

图4 住院老年患者抑郁列线图模型的DCA曲线(训练集和验证集)

3 讨论

3.1住院老年患者抑郁的现状 本次研究调查住院老年患者的抑郁情绪的流行现状,训练集中抑郁症阳性率是64.98%,而验证集抑郁症阳性率为62.14%,两者之间差异无统计学意义。住院老年患者的抑郁率远远高于其他研究中普通社区老年人群的发病率[8],分析原因如下,调查的人群样本为住院老年患者,生理机能伴随着年龄的老化而衰退,并且老年人均处于疾病罹患期,情绪低落,担心康复等心理负担均影响住院老年人的情绪,导致负面情绪的产生。其次,本次采用的量表是简短抑郁量表,评价老年住院患者的抑郁情绪体验条目15条,相比其他量表条目少,并不能全面反映老年住院患者抑郁的表现。

3.2影响住院老年患者抑郁的因素 本次研究结果表明,年龄作为抑郁发生的保护因素(OR=0.527),年龄>70岁以上者发病率低于60～70岁住院老年患者。戴靖榕等[9]研究结果表明84岁以上老年住院患者抑郁的发病率大于其他年龄组,年龄与抑郁发病率之间呈正比,与本次研究结果相反。关于年龄与抑郁发病率呈负相关的机制目前并不清楚,需要通过进一步的研究进行论证。通过本研究,研究者发现户籍为城市的患病率高于农村户籍(OR=1.823),其次5年以上慢性病增加老年住院患者抑郁的风险(OR=2.140),这与祝春素、陈蕾等[10-11]研究结果一致。祝春素等[10]研究表明50%的老年人抑郁症患者均有一种慢性病,20%老年人抑郁症患者均有2种慢性病。本文研究结果显示跌倒增加患抑郁的风险(OR=3.682),查倩倩等[13]研究结果表明抑郁增加跌倒的发生率。本研究者推断跌倒患者生理功能受损,从而导致患者出现抑郁情绪。本研究结果表明午睡增加患抑郁的风险(OR=2.453),陈琛等[14]研究结果表明午睡时间过长导致患者更容易出现心脑血管疾病的风险,可能与午睡时间过长导致血液黏稠度增加、高脂血症的发病率更高有关,午睡和抑郁症之间关联的机制可能与疾病所介导的发生风险增高密切有关。研究者还发现睡眠障碍增加患抑郁的风险(OR=1.867),睡眠障碍的患者可以影响大脑觉醒神经回路,影响大脑相关功能表达区域,从而导致患者出现抑郁情绪;同样入睡困难,有效睡眠时间缩短均导致老年患者白天头疼、心慌、注意力涣散等生理反应,进一步加重患者抑郁焦虑等负面情绪的产生[9]。并且老年人入院伴随着睡眠环境改变,诱发睡眠障碍的发生,老年住院人群常见的睡眠问题,表现为入睡困难,睡眠有效时间短,容易惊醒等[14-15]。本研究结果表明衰弱增加患抑郁的风险(OR=3.642),王婉晨等[8]研究证实衰弱增加抑郁的发病风险。生活不满意增加患抑郁的风险(OR=3.525),生活满意度作为老年人对生活现实的反馈,生活满意度的提高可以显著降低抑郁发生的风险比,杨玉洁、刘传利等[16-17]研究证实这一论点。

通过分析老年住院患者抑郁的影响因素,医护人员通过提前识别抑郁的高风险人群,可采取以下措施降低抑郁的发生。第一,改善患者的睡眠质量,加强病房的统一管理及夜间睡眠管理,通过分贝的监控,减少噪声源,为患者营造良好的睡眠环境;邀请专业睡眠治疗师为患者制定个体化的睡眠方案;纠正不良的午睡习惯,提高午睡效率[18-19]。除此以外,提高老年住院患者的出院及住院期间的生活满意度,从而降低抑郁的发生。

3.3住院老年患者预测模型的效果分析 本研究将8项独立因素纳入到住院老年患者抑郁预测模型中,通过绘制列线图,使危险因素可视化。并且通过验证集验证该模型,绘制H-L偏差度检验和ROC曲线下面积评估,表明该模型具有较好的预测准确度和区分度。

4 小结

本研究旨在调查住院老年患者抑郁的流行现状,筛选影响因素,构建模型并绘制列线图。本研究最终结果表明跌倒、午睡、睡眠障碍、衰弱、生活不满意、户籍、慢性病作为老年住院患者的危险因素,可以通过制定提前干预和护理措施,降低抑郁的发生率。本研究的优点体现在:第一,收集资料采用面对面问询的方式获得,资料真实,客观有;第二,本研究评价住院老年患者的抑郁与影响因素的之间的关系,并且基于以上的危险因素构建预测模型,并对该模型进行了H-L偏差度检验和ROC曲线下面积检验,最后通过DCA曲线评价了其临床实用性。本研究的局限性:本研究属于横断面研究,未来需要通过队列研究论证抑郁症与风险因素之间的关系。所采纳的样本均来自本地区同一家医院,具有一定的地区局限性,未来应纳入多中心样本。后期可以随机森林算法对独立风险因素进行优先排序,通过复杂的多因素分析,识别住院老年患者抑郁的关键因素,并提出有效的干预措施。