首页 > 论文范文 > 医药卫生论文 > 外科论文 > 神经外科论文 > 颅脑损伤病人ICU后综合征风险评估模型的建立

颅脑损伤病人ICU后综合征风险评估模型的建立

2024-03-26 120 上传者：管理员

摘要：目的:探究颅脑损伤病人出现重症监护室(ICU)后综合征(PICS)的危险因素，建立风险预测模型，并进行预测效果验证。方法:选取2021年5月—2022年5月在我院ICU入住的230例颅脑损伤病人为研究对象，按照是否发生PICS分为PICS组与无PICS组。通过单因素分析与多因素Logistic回归分析明确PICS独立危险因素，并建立PICS风险预测模型，对该模型进行预测效果验证。结果:230例颅脑损伤病人发生PICS 52例，发生率为22.61%。年龄≥60岁、机械通气时间≥3 d、ICU住院时间≥7 d、广泛焦虑障碍量表得分>14分、急性生理学和慢性健康状况评分系统(APACHEⅡ)评分≥15分是颅脑损伤病人PICS的影响因素。预测模型的受试者工作特征曲线下面积(AUC)为0.794,95%CI(0.750,0.837),最佳截断值为0.122,灵敏度为91.3%,特异度为69.6%;Hosmer-Lemeshow拟合优度检验结果显示，χ2=4.561,P=0.683。结论:颅脑损伤病人PICS风险较高，本研究为其构建的风险预测模型能为临床识别高危病人并提前制定针对性预防管理方案提供重要依据。

关键词：
ICU后综合征
列线图
神经外科
预测模型
颅脑损伤
加入收藏

颅脑损伤是神经外科常见的急危重症，急性期病人病情危重且进展快，通常进入重症监护室(ICU)采用机械通气来维持呼吸，定期监测病情、实施有效救治对策[1]。ICU后综合征(post-intensive care syndrome, PICS)为颅脑损伤病人常见并发症，指病人转出ICU所出现的睡眠、心理、疲乏、谵妄等功能障碍，导致康复进程延长，加重其心理负担和经济压力，甚至危及预后[2]。当前临床对PICS的研究多集中于现状调查及影响因素分析或改善策略制订层面，对颅脑损伤PICS风险预测领域尚未涉入。为提高临床颅脑损伤PICS病人早期风险评估准确性及防治管理策略的前瞻性，本研究旨在调查颅脑损伤病人PICS现状和相关因素，并构建风险预测模型，以便医护人员能快速、精准地筛选和识别高危风险人群，为护理干预方案的准确执行提供依据。

1、对象与方法

1.1研究对象

选取2021年5月—2022年5月我院颅脑损伤并入住ICU的230例病人为研究对象。纳入标准：1)年龄≥18岁；2)经头颅影像学检查明确符合颅脑外伤诊断[3];3)ICU入住时间>48 h; 4)均为首次创伤者。排除标准：1)存在精神障碍者；2)孕妇及哺乳期妇女；3)合并其他脏器严重损伤或恶性肿瘤者；4)有ICU谵妄、获得性衰弱疾病史；5)临床资料不完整者。所有病人及家属均知情并自愿参与本研究。

1.2调查工具

1.2.1 PICS危险因素调查问卷

该问卷为研究者查阅大量PICS风险因素文献[4,5]基础上制定，经2轮危重症医学专家、ICU专家评审，具有良好的效度。该问卷包括：病人基本情况、ICU治疗情况及实验室指标等潜在风险因素。病人基本情况包括年龄、性别、损伤类型、急性生理与慢性健康状况评分系统(Acute Physiology and Chronic Health EvaluationⅡ,APACHEⅡ)、体温、广泛性焦虑障碍量表(GAD-7)得分、多器官功能衰竭；ICU治疗情况包括机械通气时间、ICU住院时间、住院时间、是否使用镇痛/镇静药物、空腹血糖值等。

1.2.2 ICU后综合征评估量表

该量表由敖漫[6]在综合简易精神状态检查量表(Mini-Mental State Examination, MMSE)、焦虑自评量表(Self-Rating Anxiety Scale, SAS)、日常生活能力量表(Activity of Daily Living Scale, ADL)基础上制定，共包含基础疾病、临床表现、影响因素及生活能力4个维度、共41个条目。每个条目计0～1分，总分41分，以25分为界限，≥25分则表明存在PICS。量表的Cronbach′sα系数为0.776～0.842。

1.2.3 GAD-7

GAD-7由Spitzer等[7]编制，该量表包括7个条目，每个条目计0～3分，总分0～21分，<5分代表没有焦虑，5～9分代表轻度焦虑，10～14分代表中度焦虑，>14分代表重度焦虑。该量表的Cronbach′sα系数为0.900,具有良好的信效度。

1.3资料收集方法

由副主任医师1名、护士长1名及ICU专科护士3名组成PICS筛查小组，对小组成员进行专业化培训和考核，资料收集时间为转出ICU当天及转出后2周进行，对于转出后2周离院的病人，在离院前进行1次全面评估。小组成员在病人问卷填写完毕后，当场检查量表和问卷，如有漏项或不完整及时补填相关信息，最后采用双人法录入数据。

1.4统计学方法

采用SPSS 22.0统计软件进行数据分析，定性资料采用例数、百分比(%)表示，行χ2检验；符合正态分布的定量资料用均数±标准差

表示，行t检验。颅脑损伤病人PICS影响因素分析采用二分类Logistic回归分析，检验水准α=0.05。最后构建颅脑损伤病人PICS发生风险的列线图模型，采用Bootstrap法(重复抽样150次)、受试者工作特征曲线(receiver operating characteristic, ROC)下面积(area under curve, AUC)对模型区分能力进行评价。

2、结果

2.1病人一般资料

本研究230例病人，年龄35～77(41.22±1.17)岁；男121例，女109例；疾病类型：颅内血肿108例，脑干损伤82例，颅底骨折40例；损伤类型：闭合型128例，开放型102例；文化程度：初中及以下134例，高中及以上96例；ICU住院时间(7.59±4.29)d。共52例(22.61%)病人出现PICS,178例(77.39%)病人未出现PICS。

2.2颅脑损伤病人PICS的单因素分析

单因素分析结果显示，年龄、机械通气时间、ICU住院时间、合并多器官功能衰竭、体温、使用镇静/镇痛药物、GAD-7评分、APACHEⅡ评分、血糖值、住院时间为颅脑损伤病人PICS的影响因素(P<0.05),见表1。

表1颅脑损伤病人PICS的单因素分析(n=230)

2.3颅脑损伤病人PICS影响因素的多因素分析

以颅脑损伤病人是否发生PICS(是=1,否=0)作为因变量，以表1有统计学意义的变量为自变量进行多因素分析。自变量赋值方式为：年龄<60岁=0,≥60岁=1;机械通气时间<3 d=0,≥3 d=1;ICU住院时间<7 d=0,≥7 d=1;GAD-7评分<5分=0,5～14分=1,>14分=2;APACHEⅡ评分≥15分=0,<15分=1。Logistic回归分析结果显示，年龄≥60岁、机械通气时间≥3 d、ICU住院时间≥7 d、GAD-7评分>14分、APACHEⅡ评分≥15分是颅脑损伤病人发生PICS的独立危险因素。见表2。

表2颅脑损伤病人发生PICS的多因素分析

2.4颅脑损伤病人PICS风险预测模型的构建及验证

2.4.1 PICS风险预测模型的建立

提取年龄≥60岁、机械通气时间≥3 d、ICU住院时间≥7 d、GAD-7评分>14分、APACHEⅡ评分≥15分的偏回归系数，拟合预测模型的回归方程：Logit(P)=ln[P/(1-P)]=8.808+(1.631×年龄)+(1.101×机械通气时间)+(1.232×ICU住院时间)+(1.503×GAD-7评分)+(0.415×APACHEⅡ评分)。根据多因素分析结果绘制列线图预测模型[8],见图1。

图1颅脑损伤病人PICS风险的列线图预测模型

2.4.2颅脑损伤病人PICS风险预测模型内部验证

1)拟合优度检验：采用Bootstrap自助抽样法[9]对风险预测模型进行内部验证，重复抽样次数为150次。自助抽样后模型系数稳定，与抽样前保持一致，抽样后Hosmer-Lemeshow(H-L)[10]拟合优度检验结果显示χ2=4.561,P=0.683(>0.05),表明该回归方程模型匹配度较好。2)区分度：预测模型的AUC为0.794,95%CI(0.750,0.837),最佳截断值0.122,敏感度为91.3%,特异性为69.6%,表明模型具有良好区分准确度，见图2、图3。

图2校准图

图3 PICS风险预测模型ROC曲线

3、讨论

3.1颅脑损伤病人PICS现状及危险因素

颅脑损伤属于创伤性脑部疾病，常见类型有脑干损伤、颅底骨折、颅内血肿等，发生率占全身部位损伤的9%～21%,仅次于四肢损伤，致残率和致死率较高[11]。PICS是重症病人转出ICU后面临的主要并发症之一，严重影响病人健康结局及预后转归。本研究结果显示，颅脑损伤病人转出ICU后52例(22.61%)病人出现PICS,178例(77.39%)病人未出现PICS,PICS发生率高于Marra等[12]的研究结果。PICS是多因素共同作用的结果，本研究采用单因素及Logistic回归分析对其相关因素进行明确和分析，结果显示，年龄≥60岁、机械通气时间≥3 d、ICU住院时间≥7 d、GAD-7评分≥15分、APACHEⅡ评分≥15分是颅脑损伤病人出现PICS的独立危险因素。

3.1.1年龄≥60岁

中老年病人肌力、心、肺等功能衰退情况严重，发生颅脑外伤后机体功能也面临重创，且自身的恢复能力也较差，导致更易发生生理功能障碍与认知障碍，进而增加PICS患病风险，与Lee等[13]的研究结果一致。

3.1.2机械通气时间≥3 d

机械通气为急危重症病人的重要治疗措施，随着机械通气时间的延长，病人因肢体制动，呼吸肌和肢体功能将逐渐降低，病人各项并发症PICS的发生风险升高。同时长期的机械通气也将给病人带来心理波动，导致病人精神、心理均受影响，增加认知功能障碍患病率[14]。

3.1.3 ICU住院时间≥7 d

本研究结果显示，ICU住院时间越长，病人PICS的风险越高，原因可能与ICU环境与普通病房不同，需受严格管制，病人不仅缺乏亲友陪伴，还易引发睡眠障碍、心理恐惧等，且随着住院时间的延长，生理、心理和认知功能损伤更为严重，导致PICS的发生风险增加[15]。

3.1.4 GAD-7评分>14分

Maley等[16]研究发现，病人转出ICU后创伤后应激障碍症状程度与其焦虑、抑郁等心理状况密切相关。而颅脑损伤病人因躯体创伤、治疗因素及ICU环境的影响，其心理均存在严重的应激，焦虑、抑郁情况普遍，且因治疗期间无法得到有效心理支持与情感支撑，导致转出ICU后心理状态仍较为消极，增加PICS发生风险。

3.1.5 APACHEⅡ评分≥15分

本研究Logistic回归分析结果显示，APACHEⅡ评分越高，病人PICS发生风险越大，原因可能为颅脑损伤病人大多病情危重，并发症较多且病情进展快，病人不良事件发生风险较高进而增加PICS的易感性[17]。

3.2颅脑损伤病人PICS风险预测模型

由于PICS的发生具有较为复杂的特点，导致PICS的诊断标准缺乏客观性和统一性。本研究经过单因素、多因素分析明确5项独立危险因素，最后基于Logistic回归分析获取各独立危险因素的偏回归系数和常数项，建立PICS风险预测模型，即Logit(P)=8.808+(1.631×年龄)+(1.101×机械通气时间)+(1.232×ICU住院时间)+(1.503×GAD-7评分)+(0.415×APACHEⅡ评分)。通过计算AUC、H-L检验和绘制校准图，验证该模型的拟合程度。结果显示，χ2=4.561,P=0.683,表明本模型匹配度较好。本研究预测模型的AUC为0.794,95%CI(0.750,0.837),灵敏度为91.3%,特异度为69.6%,表明模型具有良好的区分准确度，能为医护人员提供更为便捷的评估方式。

4、小结

PICS为影响颅脑损伤病人综合康复及预后的重要并发症，本研究构建的列线图预测模型对颅脑损伤病人PICS风险筛查具有较高可行性。但本研究调查周期仅为转出ICU后2周，调查时间较为局限，且尚未纳入如入住ICU前病人心理、认知、社会等方面的功能情况，可能会导致研究结果的偏倚，临床应用受限。同时，本研究构建的列线图模型实现了风险预测模型的可视化，但评分过程较为烦琐，还需进一步简化，并将其向智能化方向探索，为临床评价颅脑损伤病人PICS风险的简易性提供依据。

参考文献:

[1]许晖,董江涛,王惠,等.重型颅脑损伤患者TCD､神经电生理监测对预后评价的临床研究[J].现代预防医学,2019,46(4):752-755.

[2]许叶华,田丰,孙妍.ICU后综合征护理干预的研究进展[J].中华现代护理杂志,2018,24(15):1853-1856.

[3]陈剑,鲍得俊,张环,等.严重颅脑损伤预后不良相关预告因素探讨[J].安徽医科大学学报,2019,54(8):1277-1281.

[4]张芳,江智霞,张习莹,等.ICU治疗对老年患者ICU后综合征危险因素的研究进展[J].国际护理学杂志,2021,40(11):2109-2112.

[5]张翠媚,冯惠娟,区女侄.ICU综合征发生的影响因素分析及干预对策[J].护士进修杂志,2019,34(5):472-474;479.

[6]敖漫.ICU后综合征评估量表的编制研究[D].荆州:长江大学,2018.

[8]盛晗,姚梅琪,张丹英,等.预测ICU患者难免性压力性损伤的列线图风险模型[J].护理与康复,2019,18(10):1-6.

[9]杨振海.拟合优度检验[M].合肥:安徽教育出版社,1994:1.

[10]孟杰,沈文静,杨贵军,等.复杂抽样的Bootstrap方差估计方法及应用[J].数理统计与管理,2021,40(2):266-278.

[11]胡晓华.重视多学科协作在重型创伤性脑损伤后意识障碍治疗中的价值[J].中华创伤杂志,2019,35(3):207-211.

[14]周萌,陈丽荃,金雪,等.呼吸监护室危重症患者ICU后综合征发生现状及危险因素分析[J].中国呼吸与危重监护杂志,2020,19(1):53-58.