心外科術(shù)后譫妄風(fēng)險(xiǎn)預(yù)測(cè)模型的研究進(jìn)展

Research progress on risk prediction models for postoperative delirium in cardiac surgery

FAN Qin1， GENG Li2*

1.Wuhan University of Science and Technology， Hubei 430012 China；2.Wuhan Asia Heart Hospital Affiliated to Wuhan University of Science and Technology

*Corresponding Author" GENG Li， E?mail： 001gl@163.com

Abstract" This paper introduced the relevant content of postoperative delirium risk prediction models for heart disease patients.It reviewed the research status and shortcomings of postoperative delirium prediction models for surgical patients at home and abroad，so as to provide reference for the development and clinical application of postoperative delirium risk prediction models for heart disease patients.

Keywords" heart disease； postoperative delirium； risk factors； predictive model； nursing； review

摘要" 總結(jié)心臟病術(shù)后譫妄風(fēng)險(xiǎn)預(yù)測(cè)模型相關(guān)內(nèi)容，對(duì)國內(nèi)外手術(shù)病人術(shù)后譫妄預(yù)測(cè)模型的研究現(xiàn)狀及模型存在的不足等進(jìn)行綜述，旨在為心臟病病人術(shù)后譫妄風(fēng)險(xiǎn)預(yù)測(cè)模型的開發(fā)和臨床應(yīng)用提供參考。

關(guān)鍵詞" 心臟病；術(shù)后譫妄；風(fēng)險(xiǎn)因素；預(yù)測(cè)模型；護(hù)理；綜述

doi：10.12102/j.issn.1009-6493.2025.03.026

術(shù)后譫妄（postoperative delirium，POD）是心臟手術(shù)后的常見并發(fā)癥，發(fā)生率高達(dá)8%～52%[1?2]。研究表明，心臟外科術(shù)后譫妄的發(fā)生率為13.3%～57.0%[3]。心臟外科術(shù)后病人在重癥監(jiān)護(hù)室住院期間發(fā)生譫妄，可導(dǎo)致住院時(shí)間延長(zhǎng)、重癥監(jiān)護(hù)室再入院率和院內(nèi)病死率升高、住院費(fèi)用增加等負(fù)性臨床結(jié)局，影響病人康復(fù)，增加病人負(fù)擔(dān)[4?5]。風(fēng)險(xiǎn)預(yù)測(cè)模型作為一種科學(xué)的統(tǒng)計(jì)學(xué)評(píng)估方法，對(duì)早期篩查和識(shí)別譫妄高危人群有重要意義[6]。目前，國內(nèi)外較多學(xué)者基于譫妄風(fēng)險(xiǎn)因素構(gòu)建了心臟重癥監(jiān)護(hù)室病人的譫妄風(fēng)險(xiǎn)預(yù)測(cè)模型，但尚不清楚哪種模型更適用于國內(nèi)心臟重癥監(jiān)護(hù)室環(huán)境，且構(gòu)建方法、驗(yàn)證過程和應(yīng)用場(chǎng)景的不同，導(dǎo)致各模型準(zhǔn)確度與可信度存在較大差異[7]?，F(xiàn)將近年來國內(nèi)外適用于心臟病術(shù)后病人的危險(xiǎn)因素、風(fēng)險(xiǎn)預(yù)測(cè)模型研究進(jìn)行綜述，為譫妄預(yù)測(cè)模型的構(gòu)建及臨床應(yīng)用提供參考。

1" 風(fēng)險(xiǎn)預(yù)測(cè)模型的概述

預(yù)測(cè)模型最早應(yīng)用于Framingham心臟病研究，經(jīng)驗(yàn)證該預(yù)測(cè)模型能夠有效預(yù)測(cè)美國人口心血管疾病發(fā)生風(fēng)險(xiǎn)[8]。預(yù)測(cè)模型的建立分為3個(gè)階段：首先對(duì)原始數(shù)據(jù)進(jìn)行分析，分析其中危險(xiǎn)因素，并進(jìn)行分階段組合；其次為關(guān)鍵危險(xiǎn)因素識(shí)別，如運(yùn)用隨機(jī)森林的方法對(duì)獲取的組合進(jìn)行分析，識(shí)別去除不重要的危險(xiǎn)信息，以期獲得最好的預(yù)測(cè)結(jié)果；最后為疾病的預(yù)測(cè)，使用監(jiān)督學(xué)習(xí)算法根據(jù)前兩部分的分析結(jié)果對(duì)疾病風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)，并通過對(duì)模型參數(shù)的優(yōu)化調(diào)整，實(shí)現(xiàn)預(yù)測(cè)結(jié)果的優(yōu)化[9]。隨著預(yù)測(cè)模型在公共衛(wèi)生和臨床醫(yī)學(xué)領(lǐng)域的不斷發(fā)展，國內(nèi)外的學(xué)者也開展了很多其他風(fēng)險(xiǎn)預(yù)測(cè)模型的研究，如腦卒中相關(guān)性肺炎（stroke?associated pneumonia，SAP）[10]、病人術(shù)中獲得性壓力性損傷[11]、社區(qū)老年高血壓病人衰弱[12]、手術(shù)病人術(shù)后譫妄[13]等。我國對(duì)譫妄病人的風(fēng)險(xiǎn)預(yù)測(cè)研究起步較晚，且現(xiàn)主要集中于心臟外科[14]、呼吸內(nèi)科[15]、骨外科[16]、腹外科[17]、神經(jīng)外科[18?19]等病人。完整預(yù)測(cè)模型的建立需要建模和驗(yàn)證2個(gè)步驟，常用于建模的統(tǒng)計(jì)學(xué)方法包括Logistic回歸模型和Cox比例風(fēng)險(xiǎn)模型2種，模型的驗(yàn)證又根據(jù)驗(yàn)證人群來源的不同分為內(nèi)部驗(yàn)證和外部驗(yàn)證[20]。

2" 心臟病病人譫妄的危險(xiǎn)因素

Chen等[21]系統(tǒng)綜述了心臟手術(shù)后譫妄的危險(xiǎn)因素，納入了14項(xiàng)研究，確定了年齡、糖尿病、術(shù)前抑郁、輕度認(rèn)知功能障礙、頸動(dòng)脈狹窄、紐約心臟病協(xié)會(huì)心功能分級(jí)（NYHA）Ⅲ級(jí)或Ⅳ級(jí)、機(jī)械通氣時(shí)間和重癥監(jiān)護(hù)室住院時(shí)間8個(gè)危險(xiǎn)因素。De La Varga?Martíne等[22]研究表明，瓣膜置換手術(shù)、冠狀動(dòng)脈搭橋手術(shù)和混合手術(shù)手術(shù)類型與譫妄的發(fā)生差異無統(tǒng)計(jì)學(xué)意義（Pgt;0.05）。這與Xu等[23]研究結(jié)果不一致。分析可能原因是不同國家人群的異質(zhì)性和手術(shù)流程的不同導(dǎo)致的。Chen等[24]研究表明，術(shù)前老年?duì)I養(yǎng)風(fēng)險(xiǎn)指數(shù)（CNRI）與術(shù)后老年病人發(fā)生譫妄的風(fēng)險(xiǎn)存在負(fù)相關(guān)關(guān)系。研究發(fā)現(xiàn)，營(yíng)養(yǎng)不良導(dǎo)致嚴(yán)重的術(shù)后結(jié)局，如感染并發(fā)癥、康復(fù)不良和住院時(shí)間延長(zhǎng)。相關(guān)研究表明，心外科術(shù)后譫妄預(yù)測(cè)因子為：1）病人術(shù)前資料。年齡、性別、體質(zhì)指數(shù)（BMI）、NYHA心功能Ⅲ級(jí)或Ⅳ級(jí)、高血壓史、糖尿病史、腦卒中史、焦慮抑郁程度、認(rèn)知功能障礙、頸動(dòng)脈狹窄、需要藥物治療的失眠、低體力活動(dòng)、老年?duì)I養(yǎng)風(fēng)險(xiǎn)指數(shù)。2）病人術(shù)中情況。手術(shù)方式、體外循環(huán)（cardiopulmonary bypass，CPB）、主動(dòng)脈阻斷時(shí)間（ACCT）、術(shù)中最低平均動(dòng)脈壓（MAP）和術(shù)中輸血。3）病人術(shù)后情況。入住重癥監(jiān)護(hù)室時(shí)間、機(jī)械通氣時(shí)間、低氧合血癥、制動(dòng)、躁動(dòng)鎮(zhèn)靜評(píng)分（Richmond Agitation Sedation Scale，RASS）、急性生理學(xué)與慢性健康狀況評(píng)分系統(tǒng)Ⅱ（Acute Physiology and Chronic Health Evaluation Ⅱ，APACHEⅡ）評(píng)估、貧血、衰弱評(píng)分、血清肌酐（Cr）、術(shù)后血清鈉、術(shù)后血清尿素氮、術(shù)后總膽紅素（TBIL）、術(shù)后血清白蛋白[21?23，25?27]。在術(shù)前分析中，研究間的異質(zhì)性通常低于術(shù)中和術(shù)后風(fēng)險(xiǎn)因素的異質(zhì)性，這可能解釋為術(shù)前風(fēng)險(xiǎn)因素在一般人群中具有相似的影響[21]。

3" 心臟病譫妄風(fēng)險(xiǎn)預(yù)測(cè)模型的構(gòu)建現(xiàn)狀

目前，國內(nèi)外對(duì)于譫妄風(fēng)險(xiǎn)預(yù)測(cè)模型的研究已經(jīng)相對(duì)成熟，心臟術(shù)后譫妄預(yù)測(cè)模型主要有譫妄預(yù)測(cè)模型（prediction of delirium in ICU patients，PRE?DELIRIC）、早期譫妄預(yù)測(cè)模型（early prediction of delirium in ICU patients，E?PRE?DELIRIC）、機(jī)器學(xué)習(xí)預(yù)測(cè)模型XG Boost、心臟手術(shù)病人術(shù)前譫妄風(fēng)險(xiǎn)預(yù)測(cè)模型（delirium risk prevention preoperative model for" cardiac surgery patients，DELIPRECAS）、Logistic回歸模型和Cox回歸模型。還有的模型是基于傳統(tǒng)的Logistic回歸模型，比如D?FRAIL模型是將衰弱和其他自變量一起納入到模型中，通過內(nèi)部驗(yàn)證得出較好的效果。由于所測(cè)量的人群手術(shù)方式有所差異，還未將這些模型進(jìn)行比較，得出靈敏度、特異度和準(zhǔn)確度較高的模型，為譫妄早期風(fēng)險(xiǎn)管理提供參考。

3.1 D?FRAIL模型

入住重癥監(jiān)護(hù)病房的老年病人發(fā)生譫妄的風(fēng)險(xiǎn)較高，有研究針對(duì)接受心臟和非心臟手術(shù)的老年病人前瞻性和回顧性研究表明，與健壯病人相比，術(shù)前衰弱和衰弱前期的老年病人更容易發(fā)生譫妄[28]。Guo等[27]探討衰弱在譫妄預(yù)測(cè)中的作用，建立并驗(yàn)證包含衰弱的心臟重癥監(jiān)護(hù)室老年病人譫妄預(yù)測(cè)模型。選取心臟重癥監(jiān)護(hù)室326例心臟術(shù)后病人，建模隊(duì)列和外部驗(yàn)證隊(duì)列分別納入236例和90例參與者。采用簡(jiǎn)體中文版重癥監(jiān)護(hù)室譫妄診斷混淆評(píng)估方法進(jìn)行評(píng)估，每天評(píng)估2次，直至病人出現(xiàn)譫妄或從心臟重癥監(jiān)護(hù)室轉(zhuǎn)出。在心臟重癥監(jiān)護(hù)室的第1個(gè)24 h內(nèi)使用漢化版衰弱指數(shù)量表（FRAIL量表）[29]評(píng)估衰弱。將單因素分析中對(duì)譫妄有意義的變量作為候選變量，以選擇最佳預(yù)測(cè)因子并建立模型1。確立了APACHE Ⅱ評(píng)分、聽力障礙、纖維蛋白原3個(gè)變量。然后在模型1的基礎(chǔ)上加入FRAIL評(píng)分，形成模型2。結(jié)果顯示，受試者工作特征曲線下面積從0.851增加到0.937，且FRAIL評(píng)分每增加1分，譫妄發(fā)生風(fēng)險(xiǎn)增加6.08倍。在納入FRAIL評(píng)分后，D?FRAIL模型對(duì)心臟重癥監(jiān)護(hù)室老年病人的臨床療效也有較大提高。然而，這項(xiàng)研究在推導(dǎo)隊(duì)列中納入了相對(duì)較小的樣本量建立預(yù)測(cè)模型，在推導(dǎo)外部驗(yàn)證中規(guī)模比較小，且老年病人衰弱的評(píng)估是基于單一的自我報(bào)告的FRAIL評(píng)分，這可能會(huì)導(dǎo)致錯(cuò)誤的分類。此研究還首次表明纖維蛋白原是譫妄的一個(gè)有意義的預(yù)測(cè)因子。纖維蛋白原是在促炎細(xì)胞因子的反應(yīng)下產(chǎn)生的，已被廣泛認(rèn)為是慢性炎癥的生物標(biāo)志物[30]。在神經(jīng)炎癥的分子組成中可以觀察到血漿纖維蛋白原通過滲漏的血腦屏障大量外滲到中樞神經(jīng)系統(tǒng)，這可能極大地促進(jìn)了譫妄的發(fā)生。

3.2 PRE?DELIRIC譫妄預(yù)測(cè)模型和E?PRE?DELIRIC模型

PRE?DELIRIC模型是國外應(yīng)用較廣泛的重癥監(jiān)護(hù)室譫妄風(fēng)險(xiǎn)預(yù)測(cè)能力模型，Van Den Boogaard等[31]研究顯示，PRE?DELIRIC模型對(duì)預(yù)測(cè)重癥監(jiān)護(hù)室病人譫妄的可能性有良好的效果。模型納入了10項(xiàng)譫妄風(fēng)險(xiǎn)因素，對(duì)病人入科24 h之內(nèi)的10項(xiàng)風(fēng)險(xiǎn)因素進(jìn)行評(píng)估得出譫妄發(fā)生的可能性。10項(xiàng)風(fēng)險(xiǎn)因素包括年齡、緊急入院、APACHE Ⅱ得分、診斷類別、最高尿素氮濃度、感染、嗎啡使用、鎮(zhèn)靜劑使用情況、昏迷情況和代謝性酸中毒。該模型鑒別效度良好，使用方法簡(jiǎn)單易行，且預(yù)測(cè)效能優(yōu)于經(jīng)驗(yàn)預(yù)測(cè)法。但該模型不能反映健康狀況的動(dòng)態(tài)變化對(duì)于譫妄發(fā)生的影響，也無法對(duì)病人入住重癥監(jiān)護(hù)室24 h 內(nèi)的譫妄風(fēng)險(xiǎn)進(jìn)行評(píng)估，存在一定的局限性。Wassenaar等[32]開發(fā)了E?PRE?DELRIC譫妄預(yù)測(cè)模型，利用不同國家重癥監(jiān)護(hù)室的數(shù)據(jù)開發(fā)譫妄預(yù)測(cè)模型，增加了其普適性。使用重癥監(jiān)護(hù)室入院時(shí)即可使用的數(shù)據(jù)，可以對(duì)病人在重癥監(jiān)護(hù)室住院期間的譫妄風(fēng)險(xiǎn)進(jìn)行分層，具有較高的辨別力。然而，心臟外科重癥監(jiān)護(hù)室譫妄的早期預(yù)測(cè)模型較少，Gao等[33]使用E?PRE?DELIRIC模型對(duì)心臟外科手術(shù)后預(yù)測(cè)能力進(jìn)行研究，檢索病人入住重癥監(jiān)護(hù)室時(shí)的預(yù)測(cè)因素，包括年齡、認(rèn)知障礙史、酗酒史、急診入院、使用皮質(zhì)類固醇、呼吸衰竭、血尿素氮和平均動(dòng)脈壓，結(jié)果顯示，E?PRE?DELIRIC模型具有較差的區(qū)分能力，受試者工作特征曲線下面積為0.54[95%CI（0.48，0.59）]，精確率?召回率曲線下面積為0.18[95%CI（0.12，0.20）]。預(yù)測(cè)概率與譫妄發(fā)生之間差異有統(tǒng)計(jì)學(xué)意義，表明E?PRE?DELIRIC模型在心臟外科重癥監(jiān)護(hù)室實(shí)踐中的適用性有限，應(yīng)用時(shí)應(yīng)謹(jǐn)慎。有研究表明，該模型以往是在內(nèi)科、外科、神經(jīng)內(nèi)科和創(chuàng)傷病人等人群中開發(fā)，與普通重癥監(jiān)護(hù)室病人相比，心臟外科手術(shù)病人由于血流和組織灌注受到影響，術(shù)后譫妄的發(fā)生途徑與其他類型手術(shù)相比存在差異[33]。

3.3 Logistic回歸模型

Logistic回歸模型是國內(nèi)預(yù)測(cè)心臟術(shù)后譫妄使用較廣泛的模型。Xu等[23]回顧收集了2017年1月—2020年6月在南通大學(xué)附屬醫(yī)院行心血管手術(shù)的838例病人資料。診斷標(biāo)準(zhǔn)采用重癥監(jiān)護(hù)室病人意識(shí)模糊評(píng)估法（CAM?ICU），重癥監(jiān)護(hù)室意識(shí)模糊評(píng)估法的診斷主要依據(jù)以下4點(diǎn)：1）起病急、病情波動(dòng)大；2）注意力和專注力不足；3）思維無序；4）意識(shí)的轉(zhuǎn)變。若病人存在1）和2），或存在3）或4）即可診斷為譫妄。該量表是針對(duì)危重癥病人開發(fā)的譫妄評(píng)估工具，被指南推薦作為譫妄篩查的金標(biāo)準(zhǔn)。最終進(jìn)入預(yù)測(cè)模型的因素包括年齡、體外循環(huán)時(shí)間、術(shù)后機(jī)械通氣時(shí)間延長(zhǎng)、術(shù)后血鈉。建模組和驗(yàn)證組的樣本量各占50%。驗(yàn)證結(jié)果顯示，建模組受試者工作特征曲線下面積為0.712，靈敏度為71.5%，驗(yàn)證組受試者工作特征曲線下面積為0.705，靈敏度為70.4%，該預(yù)測(cè)模型具有中等的判別能力，通過列線圖呈現(xiàn)，其操作較簡(jiǎn)便，有一定適用性。列線圖模型的特點(diǎn)是能夠個(gè)體化、直觀地表達(dá)復(fù)雜統(tǒng)計(jì)模型的結(jié)果，并對(duì)終點(diǎn)事件的影響因素賦予相應(yīng)的評(píng)分。點(diǎn)的賦值用于計(jì)算事件發(fā)生的概率，這使得醫(yī)護(hù)人員在病人術(shù)后心臟外科重癥監(jiān)護(hù)室治療開始時(shí)進(jìn)行評(píng)估，更容易使用標(biāo)志性模型進(jìn)行評(píng)估，方便護(hù)理人員使用。該預(yù)測(cè)模型樣本量不大，且未在其他醫(yī)療中心進(jìn)行驗(yàn)證。所以區(qū)分度和校準(zhǔn)度還需要進(jìn)一步測(cè)試，方便用于實(shí)踐。

3.4 Cox比例風(fēng)險(xiǎn)回歸模型

除了Logistic回歸模型，Cox比例風(fēng)險(xiǎn)回歸模型也具有較好的預(yù)測(cè)效果。主動(dòng)脈夾層是一種嚴(yán)重威脅生命健康的心血管疾病，死亡率較高[34]。國際上常用Stanford分類體系根據(jù)主動(dòng)脈夾層是否涉及升主動(dòng)脈將其劃分為A型和B型。黃宛冰等[26]為了開發(fā)適用于Stanford B型主動(dòng)脈夾層病人術(shù)后的譫妄預(yù)測(cè)模型，回顧性分析2019年1月—2021年3月559例Stanford B型主動(dòng)脈夾層術(shù)后病人資料，應(yīng)用Lasso回歸選出與術(shù)后譫妄相關(guān)的預(yù)測(cè)變量，基于年齡≥60歲、暈厥、入住重癥監(jiān)護(hù)室、入院時(shí)中性粒細(xì)胞計(jì)數(shù)gt;6.3×109/L、術(shù)后估計(jì)腎小球?yàn)V過率lt;90 mL/（min·1.73m2）5個(gè)預(yù)測(cè)因素，隨后采用多變量Cox回歸分析進(jìn)一步探索術(shù)后譫妄的預(yù)測(cè)因素并構(gòu)建列線圖預(yù)測(cè)模型。采用自助法重復(fù)抽樣1 000次進(jìn)行內(nèi)部驗(yàn)證。該預(yù)測(cè)模型在建模隊(duì)列中的C指數(shù)為0.774，在Bootstrap內(nèi)部驗(yàn)證中的校正C指數(shù)為0.762。術(shù)后1 d、3 d和7 d的受試者工作特征曲線分別為0.776，0.771和0.778。顯示了較好的區(qū)分度和校準(zhǔn)性能，使護(hù)理人員能夠根據(jù)當(dāng)?shù)厍闆r實(shí)現(xiàn)風(fēng)險(xiǎn)分層，并且可能有助于他們做出預(yù)防措施的決策。此研究為單中心的回顧性研究，缺乏術(shù)后譫妄評(píng)估數(shù)據(jù)，可能出現(xiàn)部分假陰性。未來的研究可以基于此模型進(jìn)行外部驗(yàn)證，提高其適用性。

3.5 機(jī)器學(xué)習(xí)構(gòu)建譫妄預(yù)測(cè)模型

近年來，隨著人工智能的飛速發(fā)展，作為其分支的機(jī)器學(xué)習(xí)技術(shù)已被廣泛用于數(shù)據(jù)驅(qū)動(dòng)的預(yù)測(cè)模型中[25]，極限梯度提升樹（extreme gradient boosting，XG Boost）作為一種增強(qiáng)集成學(xué)習(xí)模型，具有較好的運(yùn)用前景，左都坤等[25]基于極限梯度提升樹機(jī)器學(xué)習(xí)算法，構(gòu)建心臟手術(shù)術(shù)后譫妄風(fēng)險(xiǎn)的預(yù)測(cè)模型，評(píng)價(jià)其與基于傳統(tǒng)Logistic回歸模型構(gòu)建的預(yù)測(cè)模型的預(yù)測(cè)效果，該研究采用病例?對(duì)照研究設(shè)計(jì)方案，篩選2022年3月—7月陸軍軍醫(yī)大學(xué)第二附屬醫(yī)院病歷系統(tǒng)內(nèi)因心臟病擇期行全身麻醉下心臟手術(shù)治療的684例病人。術(shù)后3 d內(nèi)，護(hù)士常規(guī)每日07：00、19：00依據(jù)重癥監(jiān)護(hù)室意識(shí)模糊評(píng)估法評(píng)分量表進(jìn)行評(píng)估，使用Lasso回歸分析篩選與術(shù)后譫妄相關(guān)的5個(gè)有意義的變量（年齡、術(shù)前外周血氧飽和度、術(shù)前局部腦氧飽和度均值、術(shù)前收縮壓、術(shù)后睡眠評(píng)分），Logistic回歸模型和XG Boost用于構(gòu)建預(yù)測(cè)模型，采用SPSS軟件和R軟件，符合正態(tài)分布的定量資料采用t檢驗(yàn)；偏態(tài)分布的定量資料采用秩和檢驗(yàn)，計(jì)算預(yù)測(cè)模型的受試者工作特征曲線下面積。結(jié)果顯示，二者預(yù)測(cè)術(shù)后譫妄均有各自的優(yōu)點(diǎn)，傳統(tǒng)Logistic回歸模型較準(zhǔn)確地預(yù)測(cè)譫妄，并顯示出比XG Boost更好的預(yù)測(cè)效能，但XG Boost預(yù)測(cè)譫妄的靈敏度以及對(duì)陽性樣本的識(shí)別能力優(yōu)于Logistic回歸模型。此研究為單中心研究，納入的數(shù)據(jù)有限，其開發(fā)和驗(yàn)證采用的回顧性數(shù)據(jù)具有一定的局限性。在臨床實(shí)踐前，需要進(jìn)行前瞻性研究，驗(yàn)證模型的可靠性。

3.6 DELIPRECAS術(shù)前譫妄風(fēng)險(xiǎn)預(yù)測(cè)模型

大多數(shù)模型都是從病人入住重癥監(jiān)護(hù)室第1個(gè)24 h后開始預(yù)測(cè)，僅考慮到術(shù)后的即刻數(shù)據(jù)，并沒有涉及病人的先前因素。近年來，有研究從心臟手術(shù)術(shù)前就開始建立模型進(jìn)行預(yù)測(cè)[22]。通過前瞻性、多中心研究，納入西班牙6所重癥監(jiān)護(hù)室連續(xù)接受心臟手術(shù)的689例病人，其中345例心臟外科手術(shù)病人為受試組，同1所醫(yī)院的344例病人為驗(yàn)證組。用重癥監(jiān)護(hù)室意識(shí)模糊評(píng)估法診斷譫妄的發(fā)生情況。預(yù)測(cè)模型包含4個(gè)術(shù)前危險(xiǎn)因素：年齡gt;65歲、簡(jiǎn)易精神狀態(tài)量表（MMSE）評(píng)分25～26分（可能存在認(rèn)知損害）或lt;25分（認(rèn)知損害）、需要藥物治療的失眠和低體力活動(dòng)（每天步行距離短于30 min）。通過收集到的數(shù)據(jù)，利用回歸系數(shù)轉(zhuǎn)移到基于每個(gè)變量的風(fēng)險(xiǎn)預(yù)測(cè)模型，是DELIPRECAS模型。該模型的受試者工作特征曲線下面積為0.825。驗(yàn)證者的受試者工作特征曲線下面積為0.79，受試者工作特征曲線的合并曲線下面積為0.81。將預(yù)測(cè)到的譫妄病人分為低（0～20%）、中（gt;20%～40%）、高（gt;40%～60%）和極高（gt;60%）譫妄風(fēng)險(xiǎn)組，極高風(fēng)險(xiǎn)組的陽性和陰性預(yù)測(cè)值分別為70.97%和85.56%，根據(jù)結(jié)果進(jìn)行風(fēng)險(xiǎn)分層護(hù)理。此模型可以有效解決醫(yī)患溝通問題，使病人及其家屬提前了解風(fēng)險(xiǎn)情況，并更好地理解可能的結(jié)果。

4" 譫妄風(fēng)險(xiǎn)預(yù)測(cè)模型構(gòu)建的不足及展望

近年來，關(guān)于心臟病術(shù)后譫妄預(yù)測(cè)模型構(gòu)建的研究對(duì)研究對(duì)象、預(yù)測(cè)因子、預(yù)測(cè)效能以及模型使用方法進(jìn)行了較為全面的介紹，可方便研究者選取相應(yīng)模型指導(dǎo)臨床實(shí)踐[35]。醫(yī)護(hù)人員可在結(jié)合實(shí)際情況下，選擇適宜的預(yù)測(cè)模型并進(jìn)行外部驗(yàn)證后用于臨床實(shí)踐。模型評(píng)價(jià)可以判斷模型的預(yù)測(cè)效果，反映其預(yù)測(cè)的價(jià)值。除左都坤等[25，33]研發(fā)的模型外，其他術(shù)后譫妄預(yù)測(cè)模型受試者工作特征曲線下面積均gt;0.7，達(dá)到臨床應(yīng)用水平。其中，De La Varga?Martíne等[22]構(gòu)建的預(yù)測(cè)模型受試者工作特征曲線下面積gt;0.8，提示有較好的預(yù)測(cè)性能。內(nèi)部驗(yàn)證和外部驗(yàn)證可評(píng)價(jià)模型的重復(fù)性和外推性，除了De La Varga?Martine等[22，25?26，31，33]模型只進(jìn)行了內(nèi)部驗(yàn)證，其他模型均進(jìn)行了內(nèi)外部驗(yàn)證。此外，現(xiàn)有的模型針對(duì)不同心臟疾病人群構(gòu)建，模型的開發(fā)過程存在差異，在正式進(jìn)入臨床實(shí)踐前，還應(yīng)進(jìn)行前瞻性驗(yàn)證研究以確認(rèn)模型的可靠性。未來研究中，在注重模型預(yù)測(cè)效能的基礎(chǔ)上，還應(yīng)積極關(guān)注模型的可操作性、便利程度以及對(duì)評(píng)估者工作負(fù)擔(dān)的影響。

5" 小結(jié)

目前，心臟病術(shù)后譫妄風(fēng)險(xiǎn)預(yù)測(cè)模型的實(shí)際應(yīng)用普遍局限于建模原始研究，模型的普遍適用性需要多中心、大樣本數(shù)據(jù)進(jìn)行驗(yàn)證。譫妄風(fēng)險(xiǎn)預(yù)測(cè)模型能夠促進(jìn)護(hù)理人員對(duì)譫妄進(jìn)行早期、快速判斷，提前給予譫妄預(yù)防、干預(yù)措施，改善病人的臨床結(jié)局。此外，大部分譫妄風(fēng)險(xiǎn)預(yù)測(cè)模型不能預(yù)測(cè)譫妄風(fēng)險(xiǎn)級(jí)別，期待今后開展進(jìn)一步深入研究，提高預(yù)測(cè)模型的臨床應(yīng)用價(jià)值。

參考文獻(xiàn)：

[1]" SANSON G，KHLOPENYUK Y，MILOCCO S，et al.Delirium after cardiac surgery.Incidence，phenotypes，predisposing and precipitating risk factors，and effects[J].Heart amp; Lung，2018，47（4）：408-417.

[2]" BROWN C H，PROBERT J，HEALY R，et al.Cognitive decline after delirium in patients undergoing cardiac surgery[J].Anesthesiology，2018，129（3）：406-416.

[3]" 高雯，金靜芬.心臟外科ICU患者譫妄風(fēng)險(xiǎn)因素的研究進(jìn)展[J].中華急危重癥護(hù)理雜志，2020，1（3）：231-233.

[4]" 潘燕彬，顏建龍，駱諫英，等.譫妄病人遠(yuǎn)期預(yù)后的研究進(jìn)展 [J].中華護(hù)理雜志，2019，54（9）：1415-1418.

[5]" MANIAR H S，LINDMAN B R，ESCALLIER K，et al.Delirium after surgical and transcatheter aortic valve replacement is associated with increased mortality[J].The Journal of Thoracic and Cardiovascular Surgery，2016，151（3）：815-823.

[6]" 張偉麗，邱晨，宋玉祥，等.機(jī)器學(xué)習(xí)在譫妄風(fēng)險(xiǎn)預(yù)測(cè)模型構(gòu)建中的研究進(jìn)展[J].解放軍醫(yī)學(xué)院學(xué)報(bào)，2023，44（11）：1292-1296.

[7]" 龔翠穎，王建寧，李立群，等.主動(dòng)脈夾層病人術(shù)后譫妄危險(xiǎn)因素和預(yù)測(cè)模型的研究進(jìn)展[J].中華護(hù)理雜志，2023，58（2）：179-185.

[8]" KANNEL W B，MCGEE D，GORDON T.A general cardiovascular risk profile：the Framingham study[J].The American Journal of Cardiology，1976，38（1）：46-51.

[9]" 王君賢.基于隨機(jī)森林與支持向量機(jī)的心血管疾病預(yù)測(cè)研究[D].天津：天津大學(xué)，2020.

[10]" 曹燚，曾茜，趙信飛，等.卒中相關(guān)性肺炎風(fēng)險(xiǎn)預(yù)測(cè)模型的系統(tǒng)評(píng)價(jià)[J].中國循證醫(yī)學(xué)雜志，2023，23（11）：1259-1268.

[11]" 邢路瑤，余文靜，胡娟娟，等.患者術(shù)中獲得性壓力性損傷風(fēng)險(xiǎn)預(yù)測(cè)模型的研究進(jìn)展[J].中華護(hù)理雜志，2023，58（24）：3054-3059.

[12]" 李洋洋，劉艷麗，秦玉婷，等.社區(qū)老年高血壓患者衰弱的動(dòng)態(tài)列線圖風(fēng)險(xiǎn)預(yù)測(cè)模型構(gòu)建[J].護(hù)理學(xué)雜志，2023，38（23）：84-90.

[13]" 葉麗，劉琰，陳靜，等.手術(shù)病人術(shù)后譫妄風(fēng)險(xiǎn)預(yù)測(cè)模型的研究進(jìn)展[J].護(hù)理研究，2022，36（10）：1810-1815.

[14]" 劉海棠，唐倩蕓，周森.老年病人心臟術(shù)后譫妄風(fēng)險(xiǎn)列線圖預(yù)測(cè)模型的建立及驗(yàn)證[J].實(shí)用老年醫(yī)學(xué)，2021，35（8）：840-844.

[15]" 張玉寶，王匯，程嵐.COPD機(jī)械通氣病人譫妄發(fā)生風(fēng)險(xiǎn)的列線圖預(yù)測(cè)模型構(gòu)建與評(píng)估[J].蚌埠醫(yī)學(xué)院學(xué)報(bào)，2021，46（11）：1611-1615.

[16]" 葛章偉，黃馨，劉正東，等.重癥監(jiān)護(hù)室中老年患者術(shù)后譫妄影響因素分析及風(fēng)險(xiǎn)預(yù)測(cè)模型建立與評(píng)價(jià)[J].中國康復(fù)理論與實(shí)踐，2022，28（3）：340-345.

[17]" 孔騫.老年腹部手術(shù)患者術(shù)后譫妄的危險(xiǎn)因素分析及預(yù)測(cè)模型的構(gòu)建[D].湖州：湖州師范學(xué)院，2020.

[18]" 賈源，周憶頻，王增光.成人腦膠質(zhì)瘤患者術(shù)后發(fā)生譫妄的影響因素分析及預(yù)測(cè)[J].中華腫瘤防治雜志，2021，28（19）：1477-1481.

[19]" 王雪琪.帕金森病腦深部電刺激術(shù)后譫妄風(fēng)險(xiǎn)預(yù)測(cè)模型的構(gòu)建和評(píng)價(jià)[D].合肥：安徽醫(yī)科大學(xué)，2019.

[20]" 陳俊杉，余金甜，趙思雨，等.ICU患者譫妄風(fēng)險(xiǎn)預(yù)測(cè)模型研究進(jìn)展[J].護(hù)理學(xué)報(bào)，2019，26（5）：15-19.

[21]" CHEN H Y，MO L，HU H J，et al.Risk factors of postoperative delirium after cardiac surgery：a meta-analysis[J].Journal of Cardiothoracic Surgery，2021，16（1）：113.

[22]" DE LA VARGA-MARTíNEZ O，GóMEZ-PESQUERA E，MU?OZ-MORENO M F，et al.Development and validation of a delirium risk prediction preoperative model for cardiac surgery patients（DELIPRECAS）：an observational multicentre study[J].Journal of Clinical Anesthesia，2021，69：110158.

[23]" XU Y H，MENG Y J，QIAN X，et al.Prediction model for delirium in patients with cardiovascular surgery：development and validation[J].Journal of Cardiothoracic Surgery，2022，17（1）：247.

[24]" CHEN Z Q，HAO Q S，SUN R，et al.Predictive value of the geriatric nutrition risk index for postoperative delirium in elderly patients undergoing cardiac surgery[J].CNS Neuroscience amp; Therapeutics，2024，30（2）：e14343.

[25]" 左都坤，吳卓熙，龍宗泓，等.基于機(jī)器學(xué)習(xí)算法構(gòu)建心臟手術(shù)患者術(shù)后早期譫妄風(fēng)險(xiǎn)預(yù)測(cè)模型[J].陸軍軍醫(yī)大學(xué)學(xué)報(bào)，2023，45（8）：753-758.

[26]" 黃宛冰，張玉芬，吳前勝，等.基于Cox回歸的Stanford B型主動(dòng)脈夾層術(shù)后譫妄預(yù)測(cè)模型的構(gòu)建[J].護(hù)理學(xué)雜志，2023，38（3）：27-31.

[27]" GUO R R，ZHANG S，YU S Y，et al.Inclusion of frailty improved performance of delirium prediction for elderly patients in the cardiac intensive care unit（D-FRAIL）：a prospective derivation and external validation study[J].International Journal of Nursing Studies，2023，147：104582.

[28]" CHENG H W，LIU C Y，CHEN Y S，et al.Assessment of preoperative frailty and identification of patients at risk for postoperative delirium in cardiac intensive care units：a prospective observational study[J].European Journal of Cardiovascular Nursing，2021，20（8）：745-751.

[29]" MORLEY J E，MALMSTROM T K，MILLER D K.A Simple Frailty Questionnaire（FRAIL） predicts outcomes in middle aged African Americans[J].The Journal of Nutrition，Health amp; Aging，2012，16（7）：601-608.

[30]" PETERSEN M A，RYU J K，AKASSOGLOU K.Fibrinogen in neurological diseases：mechanisms，imaging and therapeutics[J].Nature Reviews Neuroscience，2018，19（5）：283-301.

[31]" VAN DEN BOOGAARD M，SCHOONHOVEN L，MASEDA E，et al.Recalibration of the delirium prediction model for ICU patients（PRE-DELIRIC）：a multinational observational study[J].Intensive Care Medicine，2014，40（3）：361-369.

[32]" WASSENAAR A，VAN DEN BOOGAARD M，VAN ACHTERBERG T，et al.Multinational development and validation of an early prediction model for delirium in ICU patients[J].Intensive Care Medicine，2015，41（6）：1048-1056.

[33]" GAO W，ZHANG Y P，JIN J F.Validation of E-PRE-DELIRIC in cardiac surgical ICU delirium：a retrospective cohort study[J].Nursing in Critical Care，2022，27（2）：233-239.

[34]" 王云，韓小紅.亞?？茦?biāo)準(zhǔn)化體溫管理方案在主動(dòng)脈夾層手術(shù)中的應(yīng)用效果觀察[J].護(hù)理研究，2022，36（5）：931-934.

[35]" 魏濤，彭思意，李旭英，等.術(shù)后譫妄風(fēng)險(xiǎn)預(yù)測(cè)模型的系統(tǒng)評(píng)價(jià)[J].護(hù)士進(jìn)修雜志，2022，37（9）：792-797;802.

（收稿日期：2024-02-14；修回日期：2025-01-07）

（本文編輯 曹妍）