首发脑卒中患者心理痛苦预测模型的构建及验证

张会,崔艳荣

(郑州大学第二附属医院 神经康复科,河南 郑州 450014)

《中国心血管健康与疾病报告2021》[1]中指出,2019年导致中国死亡人数最多的疾病为脑卒中,新发脑卒中约393.52万,脑卒中累计病例已达2 876万,由此可见脑卒中已经成为我国重大的公共卫生问题。临床中大多脑卒中患者在首次发病后会遗留不同程度的功能残障,如走路歪斜、面部歪斜、失语、偏瘫、记忆力减退、情绪异常变化等,这对患者身心健康、生活、工作均产生了持续的负面影响,同时也会加重患者医疗经济负担[2]。因此,临床中有不少患者由于无法接受疾病带来的症状困扰、生活改变和预后不确定等问题而产生不同程度的心理痛苦[3]。严重或持续的心理痛苦往往会影响患者的治疗康复积极性,生活质量持续降低,心理痛苦还有可能会发展为焦虑、抑郁、人格改变等严重心理问题[4]。目前临床中关于脑卒中患者的研究倾向于治疗和康复,尽管脑卒中患者的心理问题已引起广大学者的关注,但针对于患者心理痛苦的研究仍较为少见。识别脑卒中患者的心理痛苦,了解相关因素,制定心理照护方案,满足患者心理需求,是脑卒中全面康复护理研究的热点。基于此,本次研究通过分析首发脑卒中患者心理痛苦影响因素,构建心理痛苦预测模型,旨在为临床医护人员开展脑卒中心理干预提供指导。

1 资料和方法

1.1 研究对象

对郑州大学第二附属医院神经康复科2022年3—9月收治的首发脑卒中患者进行便利抽样。本研究根据经验法计算样本量为自变量个数的10～15倍[5],本研究经过前期德尔菲专家函询论证共纳入19项因素,再考虑剔除10%的无效问卷,确定样本量为209～313。本研究实际纳入242例患者。(1)纳入标准:①参照《神经病学》[6],入选患者明确诊断为脑卒中,首次发病,病情基本稳定;②年龄≥18周岁;③意识清楚、认知正常,能够配合调查研究;④临床资料完整。(2)排除标准:①除脑卒中外,合并其他严重内外科疾病;②有严重视听、语言、认知障碍,无法配合调查研究;③有精神病史;④近6个月内家庭或个人遭遇严重创伤事件。本研究经医院伦委会审批[伦审2022第(10)号],入选患者和(或)家属均对研究知情同意。

1.2 调查内容和工具

自制患者临床资料调查表,内容包括性别、年龄、受教育程度、婚姻状况、家庭月收入、职业状况、居住地、卒中类型、卒中损伤程度、慢性病情况等。

1.2.2心理痛苦

应用心理痛苦温度计(distress thermometer,DT)进行心理痛苦筛查。DT由张叶宁等[7]汉化修订,用于评估患者近1周的痛苦水平,从“没有痛苦”到“极其痛苦”计0～10分,DT≥4分时为阳性结果,提示患者存在明显心理痛苦。

1.2.3自我效能

选用李鸿艳等[8]编制的脑卒中自我效能量表评估患者自我效能。该量表13个条目,采用Likert 11级评分(0～10分),总评分范围0～130分,得分<60分为自我效能低,60～80分为自我效能中等,>80分为自我效能高。量表Cronbach’sα系数为 0.969,信效度较好。

表1 首发脑卒中患者心理痛苦单因素分析

1.2.4应对方式

田秋元等［11］对洋葱核型进行了探索，结果发现，洋葱根尖较好的预处理时间为30 h，染液为碱性品红染液，在此基础上，对洋葱根尖细胞染色体核型分析，发现试验洋葱的染色体数为2n＝2x＝16。在洋葱的16条染色体上没有发现具有随体的染色体，却发现有端部着丝点染色体。该结果对洋葱品种资源的鉴定具有一定的参考价值。

选用解亚宁[9]编制的简易应对方式问卷评估患者应对方式。该问卷包括积极应对和消极应对2个维度,每个维度10个条目,采用4级评分(1～4分),哪个维度评分高,表明患者更倾向于哪种应对方式。问卷Cronbach’sα系数为 0.832,信效度较好。

1.2.5社会支持

选用肖水源[10]编订的社会支持评定量表调查患者社会支持度。该量表包含客观支持、主观支持和社会支持利用度3个维度,共10个条目,评分范围12～66分,得分<22分表明社会支持度低,22～44分表明社会支持度中等,>44分表明社会支持度高。量表Cronbach’sα系数为 0.841,信效度较好。

1.2.6功能独立性

选用功能独立性评价量表[11]评估患者功能独立性。该量表包含运动功能和认知功能2个维度,共20个条目,均采用7级评分(1～7分),评分范围20～140分,得分<60分表明功能独立性低,60～100分表明功能独立性中等,>100分表明功能独立性高。量表Cronbach’sα系数为 0.806,信效度较好。

1.3 调查方法

取得相关科室领导支持,对符合纳排标准且签署研究知情同意书的患者进行面对面问卷调查。调查者进行统一培训,运用统一性语言解释调查内容,告知患者调查匿名和资料保密。临床资料通过查阅患者病历资料和询问患者收集,相关量表问卷评估以一对一现场调查方式开展,调查者根据问卷条目逐一询问,或由患者自主填写,问卷量表均在规定时间内完成并当场检查回收。问卷有效回收率为100%。问卷填写完成后进行双人核对,核对无误后将数据整理至电脑中进行统计分析。

1.4 统计学方法

2 结果

2.1 首发脑卒中患者心理痛苦单因素分析

242例首发脑卒中患者DT评分结果阳性(DT≥4分)检出126例,心理痛苦发生率为52.07%。单因素分析,DT≥4分组患者和DT<4分组患者在性别、职业状况、居住地、卒中类型方面对比差异无统计学意义(P>0.05),在年龄、受教育程度、婚姻状况、家庭月收入、卒中损伤程度、慢性病种、自我效能、应对方式、社会支持、功能独立性方面对比,差异有统计学意义(P<0.05)。见表1。

2.2 首发脑卒中患者心理痛苦多因素logistic回归分析

以是否存在明显心理痛苦为因变量(DT<4分=0,DT≥4分=1),单因素分析中P<0.05的指标为自变量(变量赋值表见表2),经二元logistic逐步回归分析筛选最终预测变量显示,年龄、受教育程度小学以下、低人均收入、卒中损伤程度轻中度、自我效能、消极应对方式、低中度社会支持度、中等功能独立性均为首发脑卒中患者心理痛苦的独立性影响因素(P<0.05),见表3。

表2 变量赋值表

表3 首发脑卒中患者心理痛苦多因素logistic回归分析

2.3 列线图绘制

选取logistic回归分析筛选出的8个预测变量,应用R软件绘制列线图,根据列线图中各预测变量的分类和分值获得每项变量对应得分,8个变量得分相加为总分,总分对应预测概率即为首发脑卒中患者心理痛苦发生概率。列线图显示,首发脑卒中患者心理痛苦发生风险随年龄降低、受教育程度降低、家庭收入降低、卒中损伤程度加重、自我效能低、消极应对、社会支持度低和功能独立性低而升高,各变量在列线图中影响权重得分如下(列线图见图1):年龄每减少10岁列线图增加5分;受教育程度小学以下列线图增加20分,小学/初中列线图增加10分;家庭月收入每减少2 000元列线图增加10分;卒中损伤程度重度增加35分;自我效能水平低增加13分;应对方式消极应对增加10分;社会支持水平低增加18分;功能独立性水平低增加28分。

图1 首发脑卒中患者心理痛苦预测列线图

2.4 预测模型验证

ROC曲线下面积为0.912(95% CI为0.705～0.943,P<0.05),最佳临界值为0.517。灵敏度为0.871,特异度为0.825,见图2。绘制校准曲线评估模型的拟合优度,曲线斜率接近1,见图3。

图2 患者心理痛苦预测模型ROC曲线分析

图3 患者心理痛苦预测模型校准曲线

3 讨论

全球疾病负担研究显示,我国脑卒中终生发病风险位居全球首位,高达39.3%[12],且近年来年轻化趋势明显。相较于其他疾病,脑卒中患者会伴随有不同程度的残疾,普遍存在更严重的恐惧感、疾病不确定感、心理痛苦。而且,过度的心理痛苦水平不仅会影响患者心理状态,进而影响治疗依从性和康复进程,因此,加强首发脑卒中患者的心理干预至关重要,而了解首发脑卒中患者心理痛苦影响因素是为关键环节。

本次研究探讨了首发脑卒中患者心理痛苦影响因素,结果显示,242例首发脑卒中患者DT评分结果阳性(DT≥4分)检出126例,心理痛苦发生率为52.07%,这一结果与国内其他研究报道相似,如朱金扬等[13]对203例脑卒中患者调查显示,心理痛苦发生率为56%。总体可见,心理痛苦在脑卒中患者群体中显著存在,这可能与突发疾病、预后不确定、躯体症状显著、医疗费用等多种问题相关,临床中应加以重视。本次研究通过logistic回归分析显示,年龄、受教育程度、家庭月收入、卒中损伤程度、自我效能、应对方式、社会支持度、功能独立性均为首发脑卒中患者心理痛苦的独立性影响因素,即患者心理痛苦发生风险随年龄降低、受教育程度降低、家庭收入降低、卒中损伤程度加重、自我效能低、消极应对、社会支持度低和功能独立性低而升高,具体分析如下。

本次调查显示,年龄越低的患者心理痛苦评分越高。脑血管疾病的发生呈年轻化趋势,相对于高龄患者来说,中青年患者人生阅历浅、社会和家庭责任重,首发脑卒中后患者面对突发疾病往往情绪波动大,尤其是难以及时调节自身疾病与社会工作、家庭等各方面平衡,担心各类角色无法有效转变,担心医疗费用,担心卒中后对工作的影响,因而会造成严重的心理痛苦。而年长患者相对更容易接受自身身体状况改变,心智和心境也更为成熟豁达,在面对突发疾病时心态更加平稳。这提示医护人员在临床工作中应更加关注年轻脑卒中患者。

受教育程度越低的患者心理痛苦程度则会越高,这与临床相关研究[14]一致。脑卒中在起病后通常伴随着脑出血、肢体偏瘫等显著临床症状体征,患者在面对这些突发症状时大多会产生恐慌心理,受教育程度较低的患者对疾病知识理解能力欠缺,因此对疾病恐慌心理更严重,容易产生极端情绪和加重心理痛苦程度,而受教育程度高的患者更能够了解自身病情,理解疾病知识,有利于与医护人员沟通和配合治疗,因而能够降低心理痛苦程度。这提示临床医护人员应重点关注受教育程度较低患者,采用通俗易懂的语言解释病情,实施健康教育,以减轻患者恐慌和痛苦心理。

家庭收入是首发脑卒中患者心理痛苦的重要影响因素。脑卒中容易反复,且大多需要长期服药来进行预防和减轻症状,这对低收入家庭来说是沉重的医疗经济负担,患者一方面要担心疾病对生活的影响和转归,一方面还要担心疾病治疗带来的经济负担,这导致患者心理痛苦加重[15]。而较高收入水平的家庭,能够为患者疾病治疗和后续康复提供经济保障,因此该类患者的心理痛苦和负担则相对较低。

本次研究显示,卒中损伤程度越严重,患者心理痛苦程度越高。脑卒中造成的损伤在一定程度上会以心理负担的形式持续存在,患者的精神心理状况也会由于神经功能的损伤而变差,如与家人和医护人员沟通话语减少,生活和治疗情绪降低,再加上躯体不适症状,导致损伤越严重的患者心理痛苦也越严重。因此,临床医护人员应加强对患者的康复指导,改善患者躯体障碍,促进患者功能好转。

脑卒中患者自我效能水平与心理痛苦水平呈相反趋势,患者自我效能越高,疾病认知和疾病感知越正向,积极配合治疗的信心也越高,这对改善患者心理健康具有重要促进作用。相反,患者自我效能水平低下时,往往会对自己现存的神经损伤和肢体障碍过分关注,怀疑身体障碍是否能够康复,这导致其自身康复积极性和康复潜力也降低,更容易产生严重的心理痛苦。这提示医护人员应重视患者自我效能感,给予患者正性鼓励,提升患者效能水平,以减轻心理痛苦。

本次研究显示,积极应对疾病患者心理痛苦水平与消极应对患者差异有统计学意义。一项关于胃癌患者心理痛苦的研究指出,积极的疾病应对方式有助于帮助患者减轻心理压力,积极配合疾病治疗,努力寻求改善疾病的有效手段,而消极的应对方式则导致患者产生更多的负面情绪,如对疾病康复产生怀疑,对遗留症状和生活改变产生愤怒、沮丧,无法有效进行疾病管理[16]。脑卒中患者采取消极态度应对疾病时,则会表现出康复信心和依从性差甚至完全拒绝治疗康复,进一步加重和延续心理痛苦。

本次研究显示,较高的社会支持能够降低脑卒中患者的心理痛苦,与覃彦珠等[17]类似研究结果一致。对于首发脑卒中患者而言,其生活、身体和心理状态在短时间内遭受了重大改变,若来自家庭、亲友、医院等各方面的社会支持越高,则对患者面对重大创伤事件时的缓冲作用越大,更有利于患者缓解不良情绪,在降低心理压力的同时还可提高治疗信心。相反,若患者社会支持较差时,则会加重孤独感、恐慌感,心理痛苦水平也相应增高。这提示医护人员在对患者进行治疗的同时,应积极向患者提供认知、情感和行为支持,让患者充分感受到专业的社会支持力量。

功能独立性是评估脑卒中患者认知和与运动功能的状态,涉及到患者穿衣、进食、大小便、行走、上下楼梯、事物理解、记忆等各个方面的功能测量,功能独立性越高,提示患者受疾病困扰越轻,对外界依赖越小;而功能独立性越差,提示患者疾病困扰越严重,更需要依赖医护人员和家人来完成日常生活事项,患者心理负担也会随之加重。李颖等[18]相关研究指出,脑卒中患者日常生活能力部分丧失,神经功能的受损也会导致日常记忆力和计算力减退,导致其简单工作也无法独立完成,这会导致患者心理状态变差,心理痛苦水平增高。

与此同时,本次研究基于logistic回归分析筛选出8个预测变量(年龄、受教育程度、家庭月收入、卒中损伤程度、自我效能、应对方式、社会支持度、功能独立性)进行首发脑卒中患者心理痛苦预测模型的构建,通过ROC曲线分析对预测模型进行验证,ROC曲线下面积>0.9时提示模型预测效果好,本研究构建的模型ROC曲线下面积为0.912,灵敏度为0.871,特异度为0.825,约登指数为0.696,提示该模型具有良好的预测效果[19-20]。本次研究通过绘制列线图构建模型,根据每一变量分类分值在列线图上的影响权重重新赋分值,最终得出列线图模型评分并以此计算心理痛苦发生概率,列线图通过量化指标,将复杂的方程式可视化,简单易行,实用性强[21]。同时,列线图也可明确患者心理痛苦各影响因素影响风险高低,当预测概率≥0.524时,提醒护理人员应加强对患者的关注,了解心理痛苦的具体因素,制定前瞻性的护理干预措施,提高预防护理能力。

4 结论

本次研究通过调查发现首发脑卒中患者心理痛苦发生率高,影响因素多,构建列线图预测模型有利于医护人员识别预测患者心理痛苦发生风险,为及时采取预防措施提供指导。本研究也存在一定局限性,如研究为单中心、横断面研究,样本量虽符合要求但总体相对较小,样本来源也局限,未考虑不同医疗水平对患者心理痛苦的影响,此外,脑卒中患者心理痛苦是一个动态变化的过程,因此,今后研究中还应扩大样本,开展多中心研究,同时考虑时间因素,以进一步优化预测模型。