老年脑卒中患者脑卒中重症监护室后综合征风险预测模型的构建

孟晓冰,陈梦琳,许梦敏,闫 芳,陈云霞

(河南省人民医院 脑血管病医院 河南省护理医学重点实验室 郑州大学人民医院 河南郑州450000)

脑卒中重症监护室后综合征(PICS)是指脑卒中患者在住院期间,特别是在ICU治疗的情况下出现认知、情感、肌肉和体力等多个方面的问题,这些问题在出院之后仍可能持续存在[1]。据统计,老年脑卒中患者PICS的发生率约为60%,将严重影响患者的康复和生活质量[2]。脑卒中患者在ICU治疗期间会接受较强的药物治疗、机械通气、营养支持等,这些治疗措施可能对患者的身体、心理和认知功能产生影响,导致PICS的产生[3]。脑卒中PICS风险预测模型是一种针对脑卒中患者PICS发生风险进行评估的模型。该模型基于具体患者的临床数据,可以针对性地对患者进行评估,提高了个性化诊疗的精准度[4]。同时该模型可以提前对患者PICS发生的风险进行评估,有助于医生及时采取措施进行干预,预防并发症的发生。但目前国内缺少脑卒中PICS风险预测模型的构建研究。鉴于此,2022年4月1日～2023年4月30日,我们将收治的104例老年脑卒中患者纳入此研究,旨在探讨老年脑卒中患者PICS风险预测模型的构建,以帮助医务人员更好地预测患者出院后发生PICS的风险,采取有效的预防和干预手段,提高患者康复率和生活质量。现报告如下。

1 资料与方法

1.1 临床资料 采用便利抽样法选取2022年4月1日～2023年4月30日ICU收治的104例老年脑卒中患者为研究对象。纳入标准:①存在面部和口角歪斜、肢体偏瘫麻木、行动不便等症状者;②入院后经CT、磁共振等检查证实为脑卒中者;③年龄>60岁者;④入组前3个月内无ICU入住史者;⑤入组后ICU入住时间>24 h者。排除标准:①入组前存在认知功能异常或有精神疾病者;②合并视听功能异常无法完成交流或随访者;③合并恶性肿瘤、肝肾功能异常者;④参与研究期间病死者;⑤从ICU转出后3个月内再次因病情变化入住ICU者。104例患者男60例、女44例,年龄61～89(73.12±7.62)岁。根据其转出ICU 3个月内是否出现PICS将患者分为发生组(42例)、未发生组(62例)。本研究符合《赫尔辛基宣言》相关伦理原则,患者或家属已签署知情同意书。

1.2 方法 ①资料收集:对全部患者的临床资料进行采集与分析,包括年龄、性别(男/女)、受教育程度(中学以下/中学及以上)、是否患有糖尿病、高血压、既往脑卒中病史、有无使用镇静药物、入住ICU的时间、同室患友是否死亡。②心理弹性的评估:采用心理弹性量表进行评估,此量表包括自我效能、希望、乐观情绪、精神韧性与社会支持,分数越高表示患者心理弹性越好。③神经功能缺损程度的评估:采用美国国立卫生研究院卒中量表(NIHSS)评估患者的神经功能,总分为0～42分,分数越低表示患者的神经功能越理想。④构建预测模型:将患者的影响因素纳入重复建模,评估该模型的预测价值。

2 结果

2.1 两组一般资料比较 见表1。

表1 两组一般资料比较 [例(%)]

2.2 PICS发生的二元Logistic回归分析 以年龄、心理弹性得分、机械通气时间、入住ICU时间、同室患友死亡(是=1,否=0)为自变量,PICS发生(发生=1,未发生=0)为因变量。Logistic回归分析显示,心理弹性得分、机械通气时间、入住ICU时间是影响 PICS发生的因素(P<0.05)。见表2。

表2 PICS发生的二元Logistic回归分析

2.3 PICS发生预测模型构建 将表2中3个P<0.05的变量纳入研究进行重复建模,至纳入方程中的变量均保持P<0.05。最终进入回归方程的变量有3个,见表3。PICS发生风险预测模型Y=-0.591,心理弹性得分β值为0.007,机械通气时间β值为0.130,入住ICU时间β值为2.596。将预测模型带入ROC曲线进行分析可知,该预测模型敏感度为0.929、特异度为0.887、约登指数为0.816、界值为0.336、曲线下面积为0.948。见图1。

图1 风险预测模型预测ROC曲线

表3 PICS发生预测模型构建

2.4 风险预测模型验证 回顾性收集2021年6月1日～2022年3月31日ICU收治的老年脑卒中患者63例临床资料,带入风险预测模型发现,验证模型所得曲线下面积为0.954,特异度为0.850,敏感度为0.952,SE为0.024,95%CI为0.907～0.988,见图2。采用Hanley &McNeil法对联合曲线与验证曲线进行比较检验发现,两ROC面积比较差异无统计学意义(Z=-0.192,P=0.848)。

图2 验证风险预测模型ROC曲线

3 讨论

PICS是指患者在深度治疗后出现的一系列功能和认知障碍,包括运动和认知能力下降、焦虑和抑郁等。目前,脑卒中PICS发病机制尚未完全明确,但主要与以下几个因素有关[5]。①炎性反应:深度治疗期间,身体会受到严重的应激,导致大量炎性因子的释放,从而导致免疫系统紊乱。这些炎性因子在大脑中也会产生作用,导致神经元损伤和认知障碍。②低氧血症:在ICU期间,患者可能需要通过呼吸机进行人工通气,这可能导致低氧血症,并对大脑造成损伤,导致认知障碍。③长期禁锢和床旁衰弱:ICU期间,患者需要长时间卧床,无法进行正常的活动[6]。长期禁锢和床旁衰弱可能导致肌肉萎缩、关节僵硬、手足协调功能下降等问题,进而导致运动和认知能力的下降。脑卒中PICS会对患者的康复和生活产生严重的危害,因功能障碍可导致患者无法独立完成常规生活活动,提高再住院率和病死率。

除了上述发病机制,一些影响因素也会增加PICS的发生风险,探究脑卒中ICU后PICS影响因素非常重要。因为许多因素都与患者是否患有PICS相关,如年龄、患病严重程度、住院时间、接受治疗和康复措施等[7]。对这些因素进行分析和评估可以实现更加精细的临床管理,从而更好地防范和减轻PICS的影响。董磊等[8]经单因素与多因素分析发现,PICS的发生与年龄、ICU住院时间等有关。本研究详细分析了老年脑卒中患者的临床资料,得出了更多的影响因素,本研究经单因素与多因素分析显示,低心理弹性得分、过长的机械通气时间、入住ICU时间长是 PICS发生的独立危险因素。究其原因:①心理弹性得分高的个体在遭受创伤后更能适应应激状态,更有可能通过积极的心态和行为来降低PICS的风险[9]。②机械通气时间和入住ICU时间较长的个体,代表着其病情较为严重,身体处于持续的应激状态,同时面临更多的医疗干预和治疗并发症等问题,可增加PICS的风险[10-11]。

脑卒中患PICS风险预测模型是一种通过评估脑卒中患者在 ICU 期间出现综合征风险的模型。这种模型的构建意义在于,能够根据患者入院时的情况和医疗数据指标,预测PICS发生的风险,通过该模型的应用,临床医生可以及早采取针对性的措施进行干预,避免或减轻脑卒中患者出现PICS的风险和后遗症[12-14]。本研究结果表明,经过筛选,最终确定3个与PICS发生相关的变量,并建立了一个预测模型,包括心理弹性得分、机械通气时间及入住 ICU 时间。通过将预测模型带入ROC曲线进行分析,得出该模型敏感度较高,特异度较高,具有很好的评估脑卒中患者PICS风险的能力。这一结论为临床医生提供了可靠的工具,降低PICS发生的风险。之所以该模型具有较高预测价值的原因为,该模型建立时选取了多个可能影响PICS发生的相关因素,并在建模过程中严谨筛选,剔除了一部分不相关或冗余的变量,最终确定3个变量[15-16]。同时,建模时还采用了逐步回归等方法,优化了变量选择过程,保证了模型的稳定性和准确性。另外,该模型的预测价值较高,因为它能够快速、准确地对患者发生综合征的风险进行评估,有助于帮助医生及时采取有效干预措施,预防或减轻患者发生综合征的风险,提高了患者的治疗效果和康复率,降低了医疗费用和社会负担。因此,该预测模型具有重要的临床应用价值[17]。

综上所述,老年脑卒中患者发生PICS的影响因素为心理弹性得分、机械通气时间及入住 ICU 时间,将3种影响因素考虑进来并以此构建的风险预测模型经验证具有较好准确度、敏感度,可供临床参考。但本研究存在的问题是,在老年脑卒中PICS风险预测模型构建过程中选用的预测变量较少,未考虑到一些可能会影响PICS发生的其他相关因素,如心理社会因素等,故预测能力有待于进一步提高。