首發腦卒中患者心理痛苦預測模型的構建及驗證

張會,崔艷榮

(鄭州大學第二附屬醫院 神經康復科,河南 鄭州 450014)

《中國心血管健康與疾病報告2021》[1]中指出,2019年導致中國死亡人數最多的疾病為腦卒中,新發腦卒中約393.52萬,腦卒中累計病例已達2 876萬,由此可見腦卒中已經成為我國重大的公共衛生問題。臨床中大多腦卒中患者在首次發病后會遺留不同程度的功能殘障,如走路歪斜、面部歪斜、失語、偏癱、記憶力減退、情緒異常變化等,這對患者身心健康、生活、工作均產生了持續的負面影響,同時也會加重患者醫療經濟負擔[2]。因此,臨床中有不少患者由于無法接受疾病帶來的癥狀困擾、生活改變和預后不確定等問題而產生不同程度的心理痛苦[3]。嚴重或持續的心理痛苦往往會影響患者的治療康復積極性,生活質量持續降低,心理痛苦還有可能會發展為焦慮、抑郁、人格改變等嚴重心理問題[4]。目前臨床中關于腦卒中患者的研究傾向于治療和康復,盡管腦卒中患者的心理問題已引起廣大學者的關注,但針對于患者心理痛苦的研究仍較為少見。識別腦卒中患者的心理痛苦,了解相關因素,制定心理照護方案,滿足患者心理需求,是腦卒中全面康復護理研究的熱點?；诖?本次研究通過分析首發腦卒中患者心理痛苦影響因素,構建心理痛苦預測模型,旨在為臨床醫護人員開展腦卒中心理干預提供指導。

1 資料和方法

1.1 研究對象

對鄭州大學第二附屬醫院神經康復科2022年3—9月收治的首發腦卒中患者進行便利抽樣。本研究根據經驗法計算樣本量為自變量個數的10～15倍[5],本研究經過前期德爾菲專家函詢論證共納入19項因素,再考慮剔除10%的無效問卷,確定樣本量為209～313。本研究實際納入242例患者。(1)納入標準:①參照《神經病學》[6],入選患者明確診斷為腦卒中,首次發病,病情基本穩定;②年齡≥18周歲;③意識清楚、認知正常,能夠配合調查研究;④臨床資料完整。(2)排除標準:①除腦卒中外,合并其他嚴重內外科疾病;②有嚴重視聽、語言、認知障礙,無法配合調查研究;③有精神病史;④近6個月內家庭或個人遭遇嚴重創傷事件。本研究經醫院倫委會審批[倫審2022第(10)號],入選患者和(或)家屬均對研究知情同意。

1.2 調查內容和工具

自制患者臨床資料調查表,內容包括性別、年齡、受教育程度、婚姻狀況、家庭月收入、職業狀況、居住地、卒中類型、卒中損傷程度、慢性病情況等。

1.2.2心理痛苦

應用心理痛苦溫度計(distress thermometer,DT)進行心理痛苦篩查。DT由張葉寧等[7]漢化修訂,用于評估患者近1周的痛苦水平,從“沒有痛苦”到“極其痛苦”計0～10分,DT≥4分時為陽性結果,提示患者存在明顯心理痛苦。

1.2.3自我效能

選用李鴻艷等[8]編制的腦卒中自我效能量表評估患者自我效能。該量表13個條目,采用Likert 11級評分(0～10分),總評分范圍0～130分,得分<60分為自我效能低,60～80分為自我效能中等,>80分為自我效能高。量表Cronbach’sα系數為 0.969,信效度較好。

表1 首發腦卒中患者心理痛苦單因素分析

1.2.4應對方式

田秋元等［11］對洋蔥核型進行了探索，結果發現，洋蔥根尖較好的預處理時間為30 h，染液為堿性品紅染液，在此基礎上，對洋蔥根尖細胞染色體核型分析，發現試驗洋蔥的染色體數為2n＝2x＝16。在洋蔥的16條染色體上沒有發現具有隨體的染色體，卻發現有端部著絲點染色體。該結果對洋蔥品種資源的鑒定具有一定的參考價值。

選用解亞寧[9]編制的簡易應對方式問卷評估患者應對方式。該問卷包括積極應對和消極應對2個維度,每個維度10個條目,采用4級評分(1～4分),哪個維度評分高,表明患者更傾向于哪種應對方式。問卷Cronbach’sα系數為 0.832,信效度較好。

1.2.5社會支持

選用肖水源[10]編訂的社會支持評定量表調查患者社會支持度。該量表包含客觀支持、主觀支持和社會支持利用度3個維度,共10個條目,評分范圍12～66分,得分<22分表明社會支持度低,22～44分表明社會支持度中等,>44分表明社會支持度高。量表Cronbach’sα系數為 0.841,信效度較好。

1.2.6功能獨立性

選用功能獨立性評價量表[11]評估患者功能獨立性。該量表包含運動功能和認知功能2個維度,共20個條目,均采用7級評分(1～7分),評分范圍20～140分,得分<60分表明功能獨立性低,60～100分表明功能獨立性中等,>100分表明功能獨立性高。量表Cronbach’sα系數為 0.806,信效度較好。

1.3 調查方法

取得相關科室領導支持,對符合納排標準且簽署研究知情同意書的患者進行面對面問卷調查。調查者進行統一培訓,運用統一性語言解釋調查內容,告知患者調查匿名和資料保密。臨床資料通過查閱患者病歷資料和詢問患者收集,相關量表問卷評估以一對一現場調查方式開展,調查者根據問卷條目逐一詢問,或由患者自主填寫,問卷量表均在規定時間內完成并當場檢查回收。問卷有效回收率為100%。問卷填寫完成后進行雙人核對,核對無誤后將數據整理至電腦中進行統計分析。

1.4 統計學方法

2 結果

2.1 首發腦卒中患者心理痛苦單因素分析

242例首發腦卒中患者DT評分結果陽性(DT≥4分)檢出126例,心理痛苦發生率為52.07%。單因素分析,DT≥4分組患者和DT<4分組患者在性別、職業狀況、居住地、卒中類型方面對比差異無統計學意義(P>0.05),在年齡、受教育程度、婚姻狀況、家庭月收入、卒中損傷程度、慢性病種、自我效能、應對方式、社會支持、功能獨立性方面對比,差異有統計學意義(P<0.05)。見表1。

2.2 首發腦卒中患者心理痛苦多因素logistic回歸分析

以是否存在明顯心理痛苦為因變量(DT<4分=0,DT≥4分=1),單因素分析中P<0.05的指標為自變量(變量賦值表見表2),經二元logistic逐步回歸分析篩選最終預測變量顯示,年齡、受教育程度小學以下、低人均收入、卒中損傷程度輕中度、自我效能、消極應對方式、低中度社會支持度、中等功能獨立性均為首發腦卒中患者心理痛苦的獨立性影響因素(P<0.05),見表3。

表2 變量賦值表

表3 首發腦卒中患者心理痛苦多因素logistic回歸分析

2.3 列線圖繪制

選取logistic回歸分析篩選出的8個預測變量,應用R軟件繪制列線圖,根據列線圖中各預測變量的分類和分值獲得每項變量對應得分,8個變量得分相加為總分,總分對應預測概率即為首發腦卒中患者心理痛苦發生概率。列線圖顯示,首發腦卒中患者心理痛苦發生風險隨年齡降低、受教育程度降低、家庭收入降低、卒中損傷程度加重、自我效能低、消極應對、社會支持度低和功能獨立性低而升高,各變量在列線圖中影響權重得分如下(列線圖見圖1):年齡每減少10歲列線圖增加5分;受教育程度小學以下列線圖增加20分,小學/初中列線圖增加10分;家庭月收入每減少2 000元列線圖增加10分;卒中損傷程度重度增加35分;自我效能水平低增加13分;應對方式消極應對增加10分;社會支持水平低增加18分;功能獨立性水平低增加28分。

圖1 首發腦卒中患者心理痛苦預測列線圖

2.4 預測模型驗證

ROC曲線下面積為0.912(95% CI為0.705～0.943,P<0.05),最佳臨界值為0.517。靈敏度為0.871,特異度為0.825,見圖2。繪制校準曲線評估模型的擬合優度,曲線斜率接近1,見圖3。

圖2 患者心理痛苦預測模型ROC曲線分析

圖3 患者心理痛苦預測模型校準曲線

3 討論

全球疾病負擔研究顯示,我國腦卒中終生發病風險位居全球首位,高達39.3%[12],且近年來年輕化趨勢明顯。相較于其他疾病,腦卒中患者會伴隨有不同程度的殘疾,普遍存在更嚴重的恐懼感、疾病不確定感、心理痛苦。而且,過度的心理痛苦水平不僅會影響患者心理狀態,進而影響治療依從性和康復進程,因此,加強首發腦卒中患者的心理干預至關重要,而了解首發腦卒中患者心理痛苦影響因素是為關鍵環節。

本次研究探討了首發腦卒中患者心理痛苦影響因素,結果顯示,242例首發腦卒中患者DT評分結果陽性(DT≥4分)檢出126例,心理痛苦發生率為52.07%,這一結果與國內其他研究報道相似,如朱金揚等[13]對203例腦卒中患者調查顯示,心理痛苦發生率為56%?？傮w可見,心理痛苦在腦卒中患者群體中顯著存在,這可能與突發疾病、預后不確定、軀體癥狀顯著、醫療費用等多種問題相關,臨床中應加以重視。本次研究通過logistic回歸分析顯示,年齡、受教育程度、家庭月收入、卒中損傷程度、自我效能、應對方式、社會支持度、功能獨立性均為首發腦卒中患者心理痛苦的獨立性影響因素,即患者心理痛苦發生風險隨年齡降低、受教育程度降低、家庭收入降低、卒中損傷程度加重、自我效能低、消極應對、社會支持度低和功能獨立性低而升高,具體分析如下。

本次調查顯示,年齡越低的患者心理痛苦評分越高。腦血管疾病的發生呈年輕化趨勢,相對于高齡患者來說,中青年患者人生閱歷淺、社會和家庭責任重,首發腦卒中后患者面對突發疾病往往情緒波動大,尤其是難以及時調節自身疾病與社會工作、家庭等各方面平衡,擔心各類角色無法有效轉變,擔心醫療費用,擔心卒中后對工作的影響,因而會造成嚴重的心理痛苦。而年長患者相對更容易接受自身身體狀況改變,心智和心境也更為成熟豁達,在面對突發疾病時心態更加平穩。這提示醫護人員在臨床工作中應更加關注年輕腦卒中患者。

受教育程度越低的患者心理痛苦程度則會越高,這與臨床相關研究[14]一致。腦卒中在起病后通常伴隨著腦出血、肢體偏癱等顯著臨床癥狀體征,患者在面對這些突發癥狀時大多會產生恐慌心理,受教育程度較低的患者對疾病知識理解能力欠缺,因此對疾病恐慌心理更嚴重,容易產生極端情緒和加重心理痛苦程度,而受教育程度高的患者更能夠了解自身病情,理解疾病知識,有利于與醫護人員溝通和配合治療,因而能夠降低心理痛苦程度。這提示臨床醫護人員應重點關注受教育程度較低患者,采用通俗易懂的語言解釋病情,實施健康教育,以減輕患者恐慌和痛苦心理。

家庭收入是首發腦卒中患者心理痛苦的重要影響因素。腦卒中容易反復,且大多需要長期服藥來進行預防和減輕癥狀,這對低收入家庭來說是沉重的醫療經濟負擔,患者一方面要擔心疾病對生活的影響和轉歸,一方面還要擔心疾病治療帶來的經濟負擔,這導致患者心理痛苦加重[15]。而較高收入水平的家庭,能夠為患者疾病治療和后續康復提供經濟保障,因此該類患者的心理痛苦和負擔則相對較低。

本次研究顯示,卒中損傷程度越嚴重,患者心理痛苦程度越高。腦卒中造成的損傷在一定程度上會以心理負擔的形式持續存在,患者的精神心理狀況也會由于神經功能的損傷而變差,如與家人和醫護人員溝通話語減少,生活和治療情緒降低,再加上軀體不適癥狀,導致損傷越嚴重的患者心理痛苦也越嚴重。因此,臨床醫護人員應加強對患者的康復指導,改善患者軀體障礙,促進患者功能好轉。

腦卒中患者自我效能水平與心理痛苦水平呈相反趨勢,患者自我效能越高,疾病認知和疾病感知越正向,積極配合治療的信心也越高,這對改善患者心理健康具有重要促進作用。相反,患者自我效能水平低下時,往往會對自己現存的神經損傷和肢體障礙過分關注,懷疑身體障礙是否能夠康復,這導致其自身康復積極性和康復潛力也降低,更容易產生嚴重的心理痛苦。這提示醫護人員應重視患者自我效能感,給予患者正性鼓勵,提升患者效能水平,以減輕心理痛苦。

本次研究顯示,積極應對疾病患者心理痛苦水平與消極應對患者差異有統計學意義。一項關于胃癌患者心理痛苦的研究指出,積極的疾病應對方式有助于幫助患者減輕心理壓力,積極配合疾病治療,努力尋求改善疾病的有效手段,而消極的應對方式則導致患者產生更多的負面情緒,如對疾病康復產生懷疑,對遺留癥狀和生活改變產生憤怒、沮喪,無法有效進行疾病管理[16]。腦卒中患者采取消極態度應對疾病時,則會表現出康復信心和依從性差甚至完全拒絕治療康復,進一步加重和延續心理痛苦。

本次研究顯示,較高的社會支持能夠降低腦卒中患者的心理痛苦,與覃彥珠等[17]類似研究結果一致。對于首發腦卒中患者而言,其生活、身體和心理狀態在短時間內遭受了重大改變,若來自家庭、親友、醫院等各方面的社會支持越高,則對患者面對重大創傷事件時的緩沖作用越大,更有利于患者緩解不良情緒,在降低心理壓力的同時還可提高治療信心。相反,若患者社會支持較差時,則會加重孤獨感、恐慌感,心理痛苦水平也相應增高。這提示醫護人員在對患者進行治療的同時,應積極向患者提供認知、情感和行為支持,讓患者充分感受到專業的社會支持力量。

功能獨立性是評估腦卒中患者認知和與運動功能的狀態,涉及到患者穿衣、進食、大小便、行走、上下樓梯、事物理解、記憶等各個方面的功能測量,功能獨立性越高,提示患者受疾病困擾越輕,對外界依賴越小;而功能獨立性越差,提示患者疾病困擾越嚴重,更需要依賴醫護人員和家人來完成日常生活事項,患者心理負擔也會隨之加重。李穎等[18]相關研究指出,腦卒中患者日常生活能力部分喪失,神經功能的受損也會導致日常記憶力和計算力減退,導致其簡單工作也無法獨立完成,這會導致患者心理狀態變差,心理痛苦水平增高。

與此同時,本次研究基于logistic回歸分析篩選出8個預測變量(年齡、受教育程度、家庭月收入、卒中損傷程度、自我效能、應對方式、社會支持度、功能獨立性)進行首發腦卒中患者心理痛苦預測模型的構建,通過ROC曲線分析對預測模型進行驗證,ROC曲線下面積>0.9時提示模型預測效果好,本研究構建的模型ROC曲線下面積為0.912,靈敏度為0.871,特異度為0.825,約登指數為0.696,提示該模型具有良好的預測效果[19-20]。本次研究通過繪制列線圖構建模型,根據每一變量分類分值在列線圖上的影響權重重新賦分值,最終得出列線圖模型評分并以此計算心理痛苦發生概率,列線圖通過量化指標,將復雜的方程式可視化,簡單易行,實用性強[21]。同時,列線圖也可明確患者心理痛苦各影響因素影響風險高低,當預測概率≥0.524時,提醒護理人員應加強對患者的關注,了解心理痛苦的具體因素,制定前瞻性的護理干預措施,提高預防護理能力。

4 結論

本次研究通過調查發現首發腦卒中患者心理痛苦發生率高,影響因素多,構建列線圖預測模型有利于醫護人員識別預測患者心理痛苦發生風險,為及時采取預防措施提供指導。本研究也存在一定局限性,如研究為單中心、橫斷面研究,樣本量雖符合要求但總體相對較小,樣本來源也局限,未考慮不同醫療水平對患者心理痛苦的影響,此外,腦卒中患者心理痛苦是一個動態變化的過程,因此,今后研究中還應擴大樣本,開展多中心研究,同時考慮時間因素,以進一步優化預測模型。