腦卒中病人入院后新發(fā)抑郁風險的預測模型構(gòu)建及驗證

霍佳佳，張?zhí)m青，王 玲，戚 游，牛婷婷，徐紹蓮，方 萍

腦卒中嚴重影響人們的身心健康，據(jù)統(tǒng)計，2019年全球新發(fā)腦卒中約1 220萬例，全球現(xiàn)存約1億多例腦卒中病人，腦卒中成為全球第二大死因[1]。我國腦卒中病人疾病負擔也較重，據(jù)統(tǒng)計我國腦卒中病人的過早死亡壽命損失年已從1990年的第3位升至2017年的第1位[2]。腦卒中后抑郁是一類嚴重影響病人康復、療效、預后，且與病人的死亡顯著相關(guān)的繼發(fā)性抑郁，據(jù)統(tǒng)計，目前我國腦卒中后抑郁的患病率高達34.9%[3]。故對腦卒中后抑郁進行及早預測和干預，對于病人的治療和康復意義重大。目前對于腦卒中后抑郁的研究主要集中在治療、影響因素的研究，很少有研究對其進行風險預測模型的構(gòu)建?？戮w芬等[4]對卒中后抑郁風險進行了預測模型的構(gòu)建，結(jié)果顯示該預測模型可有效評估和量化卒中后抑郁的發(fā)生風險。

但在臨床護理實踐中，我們發(fā)現(xiàn)有相當部分的腦卒中病人在入院時經(jīng)抑郁篩查并無抑郁癥狀，而在住院過程中卻發(fā)生了抑郁。這類病人更加容易被醫(yī)護人員所忽視，如果在住院期間不能得到有效干預，對病人的治療效果和預后康復都帶來極大的不利。所以本研究從臨床護理實際出發(fā)，根據(jù)病人入院時和入院1周的抑郁篩查情況，構(gòu)建腦卒中病人入院后新發(fā)抑郁風險的預測模型，并利用列線圖[5]對預測因素進行量化，并對預測模型進行評估，旨在為此類病人住院期間的新發(fā)抑郁進行預測和干預提供參考。現(xiàn)作報道。

1 對象與方法

1.1 研究對象 選擇2017年3月至2020年3月我院神經(jīng)內(nèi)科住院的腦卒中病人作為研究對象。納入標準：(1)符合腦卒中診斷標準；(2)年齡>18周歲，神志清楚，認知基本正常，能進行有效溝通；(3)入院時經(jīng)抑郁篩查無抑郁癥狀。排除標準：(1)患有影響溝通的精神性疾病等；(2)既往有抑郁疾病史等精神性疾病；(3)入院時經(jīng)抑郁篩查存在抑郁癥狀；(4)患有癌癥等重大基礎(chǔ)性疾病。最終有效納入916例病人作為建模對象(建模組)。

選擇2020年4月至2021年4月我科住院的腦卒中病人作為驗證對象，腦卒中診斷標準、抑郁篩查標準以及研究對象的納入和排除標準均與建模組一致。最終有效納入298例病人作為驗證對象(驗證組)。

1.2 抑郁評價方法 采用漢密爾頓抑郁量表(HAMD)[6]進行抑郁癥狀篩查，采用24項HAMD版本，該版本的量表大部分項目采用0～4分五級評分法，其他部分項目采用0～2分三級評分法，HAMD分數(shù)<8分則無抑郁。分別于入院時和入院后1周進行評價，入院時HAMD分數(shù)<8分判定為入院時無抑郁，入院后1周HAMD分數(shù)>8分判定為入院新發(fā)抑郁。

1.3 評價指標及收集方法 通過查閱文獻、咨詢相關(guān)專家以及結(jié)合醫(yī)院實際情況，收集了以下指標：(1)一般信息，包括年齡、性別、職業(yè)、文化程度、婚姻、經(jīng)濟收入、身高、體質(zhì)量、睡眠情況、基礎(chǔ)疾病史(包括高血壓、糖尿病、血脂異常等)、吸煙飲酒史等。一般信息為病人入院時即由醫(yī)護人員進行收集，其中經(jīng)濟收入指家庭人均年收入，分為<0.5萬元、0.5萬～1.0萬元和>1.0萬元。睡眠情況包括睡眠時間和睡眠質(zhì)量，睡眠時間分為<6 h、6～8 h和>8 h(因>8 h的人數(shù)過少，故在分析時與6～8 h的調(diào)查對象進行合并)。睡眠質(zhì)量分為好、一般和差。(2)臨床疾病特征因素，包括卒中病人神經(jīng)功能缺損評估和生活自理能力評估。卒中病人神經(jīng)功能缺損采用美國國立衛(wèi)生研究院卒中量表(NHISS)進行評估，采取預測卒中后抑郁的最佳界定值6分[7]作為本研究神經(jīng)功能缺損的界值。生活自理能力采用Barthel指數(shù)進行評估[6]，分數(shù)越低說明活動能力越差，依賴程度越高。(3)入院后的家庭照護情況，包括家庭成員照護和雇陪護人員照護。

1.4 統(tǒng)計學方法 采用χ2檢驗、t檢驗、logistic回歸分析、列線圖(Nomogram)、ROC曲線分析和Hosmer-Lemeshow檢驗。

2 結(jié)果

2.1 一般資料 建模組916例病人中，年齡(63.94±10.04)歲，男513例(56.0%)，女403例(44.0%)，入院1周后共發(fā)生抑郁291例(31.8%)。驗證組298例病人中，年齡為(65.12±9.86)歲，男175例(58.7%)，女123例(41.3%)，入院1周后共發(fā)生抑郁98例(32.9%)。2組一般資料具有可比性。

2.2 單因素分析 916例病人根據(jù)入院后1周的抑郁評價情況分為抑郁組291例和非抑郁組625例。單因素分析結(jié)果顯示，抑郁組年齡、飲酒率、NIHSS評分≥6分的比例、睡眠時間<6 h的比例均高于非抑郁組(P<0.05)，教育程度、年均收入、睡眠質(zhì)量、Barthel 指數(shù)得分均低于非抑郁組(P<0.05)(見表1)。

2.3 多因素logistics回歸分析 將單因素分析中P<0.05的10個變量(年齡、BMI、教育程度、家庭人均年收入、睡眠質(zhì)量、睡眠時間、飲酒、Barthel指數(shù)、照護情況和NIHSS評分情況)作為自變量，是否新發(fā)抑郁(1=否，2=是)進行多因素逐步回歸(逐步向后LR)篩選最終的預測變量，各變量的賦值方式與表1一致。結(jié)果顯示除飲酒外，其他9個變量均為腦卒中病人入院后新發(fā)抑郁的獨立影響因素(P<0.05)(見表2)。

表1 腦卒中病人入院后新發(fā)抑郁風險的單因素分析

表2 腦卒中病人入院后新發(fā)抑郁風險的logistic回歸分析

2.4 列線圖繪制 根據(jù)logistic回歸模型確定的9個變量，采用RMS程序包進行列線圖繪制。根據(jù)列線圖中變量的分類或者分值情況，可得到每項指標對應的得分，將各項得分相加可得到總分，總分對應的預測概率即腦卒中病人入院后新發(fā)抑郁的概率。列線圖顯示，入院后新發(fā)抑郁發(fā)生風險隨年齡增大、BMI增大、Barthel 指數(shù)降低而升高，年齡每增大15歲列線圖增加6.5分的影響權(quán)重，BMI值每增加4 kg/m2列線圖增加8分的影響權(quán)重，Barthel 指數(shù)每降低10分列線圖增加11分的影響權(quán)重，小學教育程度為8.5分，文盲為17.5分，0.5～1.0萬元的家庭人均年收入為2分，<0.5萬元的家庭人均年收入為28.5分，睡眠質(zhì)量一般為2.5分，睡眠質(zhì)量差為36分，睡眠時間<6 h為11.5分，護工照護為15分，NIHSS≥6分為37.5分(見圖1)。

續(xù)表1

2.5 預測模型的驗證

2.5.1 內(nèi)部驗證 在模型構(gòu)建組中進行內(nèi)部驗證，采用ROC曲線對所構(gòu)建的腦卒中病人入院后新發(fā)抑郁風險的預測模型進行區(qū)分度評估，結(jié)果顯示ROC曲線下面積(AUC)為0.868(95%CI：0.844～0.891，P<0.05)(見圖2)。靈敏度為0.885，特異度為0.898，Youden指數(shù)為0.783。Hosmer-Lemeshow檢驗結(jié)果顯示χ2=4.42，P=0.817。

2.5.2 外部驗證 在模型驗證組中進行外部驗證，采用ROC曲線對預測模型進行區(qū)分度評估，結(jié)果顯示AUC為0.813(95%CI：0.765～0.862，P<0.01)(見圖3)。靈敏度為0.815，特異度為0.880，Youden指數(shù)為0.695。Hosmer-Lemeshow檢驗結(jié)果顯示χ2=8.47，P=0.389。

3 討論

本研究發(fā)現(xiàn)2組腦卒中病人入院后的新發(fā)抑郁率分別為31.8%和32.9%，和其他研究報道的全國腦卒中抑郁患病率基本一致[3]。但本研究中的新發(fā)抑郁定義為住院時無抑郁而入院后1周發(fā)生抑郁，而一般隨著疾病的病程發(fā)展，心理疾病可能會逐漸加重，所以腦卒中新發(fā)抑郁的發(fā)生率可能會隨著住院的時間而更高，故對于此類抑郁要特別重視。

本研究顯示,年齡越大、BMI越高、睡眠質(zhì)量越差、睡眠時間<6 h、入院后由護工照護以及存在神經(jīng)功能缺損(NIHSS評分≥6分)為腦卒中病人入院后新發(fā)抑郁的危險因素；而教育程度越高、家庭人均年收入越高以及Barthel指數(shù)評分越高則為新發(fā)抑郁的保護因素。其中的一些因素已得到研究[8]證實，如老年腦卒中病人由于社會參與度的降低以及長期的孤獨感而容易發(fā)生抑郁，生活自理能力差的腦卒中病人由于生理和心理的雙重打擊也更加易于發(fā)生抑郁，家庭經(jīng)濟較差、負擔較重的腦卒中病人也更加產(chǎn)生心理負擔而發(fā)生抑郁。而NIHSS評分越高的腦卒中病人，即代表神經(jīng)功能缺損越嚴重，可能由于導致遞質(zhì)分泌紊亂而誘發(fā)抑郁[4,9]。睡眠質(zhì)量差意味著腦卒中病人的整體狀態(tài)不好，可影響病人的神經(jīng)調(diào)節(jié)、認知功能等多方面功能，是卒中后抑郁的一個危險因素[10]。盡管目前睡眠時長與卒中后抑郁發(fā)生的關(guān)系存在爭議[10-12]，但本研究發(fā)現(xiàn)睡眠時間<6 h的病人更加容易發(fā)生抑郁。此外，還發(fā)現(xiàn)入院后由護工照護的腦卒中病人入院后更加容易發(fā)生抑郁，說明家庭支持和照護對于腦卒中病人身心健康的重要性。

本研究基于多因素logistic回歸篩選的9個變量進行腦卒中病人入院后新發(fā)抑郁風險的預測模型構(gòu)建，通過ROC曲線分析和Hosmer-Lemeshow檢驗對模型的區(qū)分度和校準度分別進行評估，內(nèi)部和外部驗證的AUC分別為0.87(95%CI：0.84～0.89)和0.81(95%CI：0.77～0.86)，說明本研究構(gòu)建的預測模型區(qū)分度較好[13]；而內(nèi)部和外部驗證的Hosmer-Lemeshow檢驗的P值分別為0.817和0.389，說明預測模型的校準度較好[14]，故本研究所構(gòu)建的模型能夠有效地預測腦卒中病人入院后的新發(fā)抑郁發(fā)生情況。同時本研究通過繪制列線圖，對預測因素進行了量化，實現(xiàn)了對腦卒中病人入院后新發(fā)抑郁的個體化預測，實用性較強[15-17]。在臨床護理實踐中，根據(jù)腦卒中病人的實際情況從各自變量的端點向上方的得分線作垂線，得相應的分值，再將各自變量的分值相加得到總分，然后在總分軸上找到對應的位置并向風險線作垂線，對應的小數(shù)值即為腦卒中病人入院后新發(fā)抑郁風險概率值[16]。

本研究以入院后1周進行抑郁評估時新發(fā)生抑郁癥狀作為腦卒中入院后新發(fā)抑郁的判定標準，但有可能存在病人發(fā)生抑郁的時間較遲，可能會遺漏部分病人，低估新發(fā)抑郁的發(fā)生率。其次，在模型的驗證階段，雖然我們選擇了不同時間段的病人進行了外部驗證，但所選的調(diào)查對象依然是局限于我院，故下一步擬準備在多中心收集病例進行更加嚴謹?shù)耐獠框炞C，對構(gòu)建的預測模型進行優(yōu)化。