首页 > 论文范文 > 医药卫生论文 > 护理学论文 > 危重症护理论文 > ICU重症患者出现获得性衰弱的预测模型与验证

ICU重症患者出现获得性衰弱的预测模型与验证

2024-01-05 9 上传者：管理员

摘要：目的探讨重症监护室(ICU)内重症患者出现获得性衰弱的独立影响因素，构建预测模型并实施预测效果的验证。方法选择2017年1月至2022年12月期间睢县中医院ICU接诊治疗的患者368人的数据实施回顾性分析。采集发生ICU获得性衰弱患者的资料，进行单因素分析、多因素分析以及预测模型构建和预测效能分析。结果纳入本次调查的368名患者中，有189名患者判定为出现ICU获得性衰弱，发生率为51.36%。单因素分析结果显示，出现和未出现ICU获得性衰弱患者的入驻ICU时间长度，急性生理与慢性健康评分(APACHEⅡ)评分，使用神经肌肉阻滞剂情况，血乳酸最高值的数据差异有统计学意义(P <0.05)。多因素分析结果显示，入驻ICU时间长度，APACHEⅡ评分，使用神经肌肉阻滞剂情况，血乳酸最高值是患者发生ICU获得性衰弱的独立影响因素，差异有统计学意义(P <0.05)。依据多因素分析所筛选出来的变量构建列线图风险模型。C-index为0.713。利用Bootstrap自抽样法进行内部验证，重复自抽样1 000次，获得校准曲线，平均绝对误差为0.043。利用logistic回归模型的独立影响因素以及P值预测概率对患者发生ICU获得性衰弱的情况进行受试者特征曲线(ROC)曲线的预测，约登指数分别为19.97%、32.92%、15.11%、37.30%、47.20%。结论 ICU患者具有较高的获得性衰弱发生风险，若干因素均是该种病变出现的影响因素。利用这些影响因素构建的预测模型具有良好的预测效能，另外需要在工作中对这些影响因素进行监控，以便早期发现和干预。

关键词：
呼吸衰竭
神经肌肉系统
获得性衰弱
重症监护室
预测模型
加入收藏

重症监护室(ICU)获得性衰弱的概念是由国外学者在1993年所提出，属于重症患者十分高发的并发症类型，也是导致ICU内患者死亡的重要原因之一[1]。国际目前认可的ICU获得性衰弱的定义是，患者于ICU内治疗期间，体内神经肌肉系统出现功能性障碍，且排除肌肉以及神经系统的原发性疾病，病变主要涉及呼吸肌群和四肢的运动肌群[2,3]。出现ICU获得性衰弱的患者可具有肌张力降低，腱反射减弱或消失，呼吸衰竭，肢体持续衰弱等问题，严重的可致死，这直接影响患者的预后和治疗方案的顺利实施[4,5]。遗憾的是，目前临床工作中尚缺乏针对ICU获得性衰弱的治疗措施，因此对于该种疾患的早期识别和早期干预，就起到至关重要的作用。所以针对ICU获得性衰弱的影响因素研究就成为热点问题。目前国内关于ICU获得性衰弱危险因素分析以及预测方面的探讨尚缺乏充分的数据支持[6,7]，对于其发生的危险因素分析以及预测方面的探讨尚缺乏充分的数据支持。有鉴于此，本研究采集睢县中医院ICU的数据进行分析，探讨ICU内重症患者出现获得性衰弱的独立影响因素，构建预测模型并实施预测效果的验证，希望为该种疾病的预防和控制起到一定的数据支持效果。

1、资料与方法

1.1一般资料

选择2017年1月至2022年12月期间本院ICU接诊治疗的患者368人的数据实施回顾性分析。研究经医院医学伦理委员会批准。

纳入标准：研究所设定的时间区间内，至睢县中医院ICU接受救治；第一次进入ICU接受救治；研究中所需的数据完整，满足分析需求。

排除标准：被确诊为精神疾患或持续接受精神疾病方面的治疗；存在智力方面的障碍；患者自身存在肌肉或者神经系统原发性疾病；所保存的临床数据资料存在逻辑问题。

1.2研究方法

1.2.1数据采集

进入到本院的病案室中调取符合纳入以及排除条件的患者信息实施分析。由经过统一培训的工作人员进行数据记录和汇总，保证数据采集的准确性。如果遇到患者的数据记录不清晰或者存在疑问的地方，则需要查阅其他的辅助资料实施核对。

图1 ICU获得性衰弱出现的相关潜在预测因子偏似然偏差与log(lambda)的关系图

1.2.2 ICU获得性衰弱的判定方法

采取医学研究委员会评分(MRC-score)进行ICU获得性衰弱的判定。该评分堆个体两侧的肩外展、肘屈曲、腕伸展、髋关节屈曲、膝关节外展、踝关节背屈共6组肌群肌力进行测评，测评结果以分数表示，每个肌群的得分从0～5分，表示从完全没有任何收缩反应到肌力正常。该量表的评分范围为0～60分。若患者的评分低于48分，则判定为发生ICU获得性衰弱。该量表的克朗巴赫系数(Crohbach’sα)为0.827[8]。

1.2.3影响因素变量的初步筛选方法

本次研究首先在网络数据库中实施搜索，包括中文以及英文的数据库和网站等，依据部分国内外相关文献，初步建立ICU获得性衰弱的影响因素备选指标。之后经过专家研讨，筛选出共43个指标。因指标的数量过大，因此采取最小绝对值收缩和选择算子(LASSO) Logistic回归模型选择最显着的特征进行预测模型构建。计算结果显示，当最小lambda为0.020时，筛选出8个具有非零系数的ICU获得性衰弱出现的相关潜在预测因子。使用所选特征及其各自的权重构建模型。最后得到纳入到分析的8个因素为：年龄、入驻ICU时间长度、急性生理与慢性健康(APACHEⅡ)评分、机械通气、糖皮质激素使用情况、神经肌肉阻滞剂使用情况、多器官功能障碍、血乳酸最高值。具体计算结果展示如图1、图2。

图2 ICU获得性衰弱出现的相关潜在预测因子中43个临床参数特征的LASSO系数分布

1.3观察指标

(1)纳入调查患者发生ICU获得性衰弱的情况。(2)患者发生ICU获得性衰弱的单因素分析。(3)患者发生ICU获得性衰弱的多因素分析。(4)患者发生ICU获得性衰弱的预测模型构建和预测效能分析。

1.4统计学方法

采用SPSS 26.0软件、R语言软件实施数据处理；计量资料以表示，两组计量资料比较采用独立样本t检验；计数资料以例数以及%表示，比较采用χ2检验；利用logistic多因素回归分析筛选独立影响因素，利用受试者工作特征(ROC)曲线的方法对预测价值进行计算；使用一致性指数(C-index)判断列线图的预测效能；P<0.05为差异有统计学意义。

2、结果

2.1纳入调查患者发生ICU获得性衰弱的情况

纳入本次调查的368名患者中，有189名患者判定为出现ICU获得性衰弱，发生率为51.36%。

2.2患者发生ICU获得性衰弱的单因素分析

单因素分析结果显示，出现和未出现ICU获得性衰弱患者的入驻ICU时间长度，APACHEⅡ评分，使用神经肌肉阻滞剂情况，血乳酸最高值的数据差异有统计学意义(P<0.05)；见表1。

2.3患者发生ICU获得性衰弱的多因素分析

以出现ICU获得性衰弱是否出现作为因变量(0=未出现ICU获得性衰弱，1=出现ICU获得性衰弱)，以单因素分析中的阳性结果变量为自变量，进行多因素分析，其中自变量的赋值情况。见表2。多因素分析结果显示，入驻ICU时间长度，APACHEⅡ评分，使用神经肌肉阻滞剂情况，血乳酸最高值是患者发生ICU获得性衰弱的独立影响因素，差异有统计学意义(P<0.05)。见表3。

表1患者发生ICU获得性衰弱的单因素分析

表2多因素分析中的自变量赋值

表3患者发生ICU获得性衰弱的多因素分析

2.4患者发生ICU获得性衰弱的预测模型构建和预测效能分析

2.4.1列线图模型预测

依据多因素分析所筛选出来的变量构建列线图风险模型，全部指标对应的分数相加得到总分，依据总分判定风险概率。C-index为0.713，说明列线图具有良好的准确性。利用Bootstrap自抽样法进行内部验证，重复自抽样1 000次，获得校准曲线，校准曲线接近对角线，平均绝对误差为0.043，说明模型预测能力良好。见图3、图4。

2.4.2 ROC曲线模型预测

利用logistic回归模型的独立影响因素以及P值预测概率对患者发生ICU获得性衰弱的情况进行ROC曲线的预测，约登指数分别为19.97%、32.92%、15.11%、37.30%、47.20%。具体如表4，图5。

表4患者发生ICU获得性衰弱的ROC预测模型构建和预测效能分析

图3患者发生ICU获得性衰弱的预测模型列线图

图4列线图模型校准曲线

图5患者发生ICU获得性衰弱的预测模型ROC曲线

3、讨论

本研究中采取回顾性分析的方法实施数据挖掘，分析了ICU重症患者发生获得性衰弱的各独立影响因素，并以此为基础建立风险预测模型并验证。这种预测模型的建立有利于医务人员较为简便的，且十分直观的明了患者发生ICU获得性衰弱的各项影响因素与出现该类病变风险之间的关联性，可使医务人员便利的计算出患者出现ICU获得性衰弱的概率。医务人员也可以有针对性的处理各风险因素。对于高风险患者的尽早干预，无疑会有效的降低ICU获得性衰弱的发生风险，同时从医院角度分析，也能够减少医疗资源的消耗[9]。

从研究计算的结果可见，全部纳入数据分析的患者之中，51.36%均出现ICU获得性衰弱，该结果同以往报道的数据较为接近[10]。ICU内停留时间，APACHEⅡ评分，使用神经肌肉阻滞剂，血乳酸最高值成为ICU获得性衰弱出现的独立影响因素。

在ICU内停留时间较长的个体，其出现ICU获得性衰弱的概率更高，该结果同国外学者的分析结果一致[2]。我国目前的ICU大多采取封闭的空间环境，患者在ICU内的治疗时间内，均需要一个人面对陌生而且相对封闭的环境。处于该种情况下的个体，难以避免出现恐惧，焦虑等情绪。在ICU内的医务工作人员均十分繁忙，能处理好业务工作已经属于超负荷状态，更难以对患者的心理实施安慰。这导致处于ICU内的患者往往无法得到足够的心理支持。在ICU内停留的时间越长，则患者的心理问题越凸显，负性情绪也更加严重，直接诱发ICU获得性衰弱的出现。另外在ICU内的患者大多处于制动的状态，在较长时间制动的情况下，容易发生微循环的障碍，对各类营养物质的吸收能力减弱而肌力下降，这又进一步增加了ICU获得性衰弱的发生风险。

研究[11]结果显示，患者的APACHEⅡ评分越高则出现ICU获得性衰弱的风险越高，该结果同以往的报道结果十分接近。目前APACHEⅡ评分已经广泛使用在危重症患者的病情评估之中，使用该评分可以较为准确的对身体状态以及预后做到数量化的测评。APACHEⅡ评分的分值越高，则患者的身体状态越差，病情越严重，也具有更高的死亡风险，发生ICU获得性衰弱的可能性越大。

神经肌肉阻滞剂是在ICU内使用率很高的一类药物，如急性呼吸窘迫综合征的患者就必须给予该类药物，降低呼吸机去同步性，降低呼吸机相关肺损伤的风险。但是该类药物的使用可在患者体内产生聚集，对肌肉易产生多种不良影响，提升肌肉萎缩、膈肌张力下降，肺不张的风险。尤其在患者出现肝肾功能异常的状态下，出现ICU获得性衰弱的风险更高。

研究结果显示，患者的血乳酸水平和ICU获得性衰弱之间具有密切的关系，这同以往的研究结果也具有一致性[12]。乳酸为细胞无氧代谢下的终末产物，血乳酸水平可以反应体内氧代谢以及组织灌注的状态。若发生细胞缺氧或者血流灌注缺乏的状态时，无氧酵解的比例增大，乳酸合成量增加。在血乳酸水平增高的同时，氢离子浓度水平也在增高，血液pH值下降。在酸性环境下可诱导出现肌肉的神经末端发生损伤以及钙离子流失，神经的兴奋性下降，形成获得性衰弱。

在研究中依据logistic回归模型建立了列线图模型，并计算出C-inde的数值较接近1，提示该模型对于临床工作具有良好的指导作用。本研究中ROC曲线的方法对回归模型的预测价值进行了计算，结果显示，单项指标的预测均具有一定的价值，但也均存在一定的误差。但是在综合利用指标的P值预测的AUC更大，预测效率更好。因此提示在临床工作中也需要充分考虑多种因素进行预测，有利于保证预测的准确程度。

本研究中初步所纳入的指标种类数量较大，所以在实际计算过程中采用了Lasso回归的方法精简了指标的肿瘤数量，提升了计算的效率。这也是本研究的创新点之一，但从另外一个角度考虑，也是因为样本量偏小所采取的一种补救措施。希望在今后的工作中可以做到大样本量的研究，对更多的可能影响因素实施分析，提升患者发生获得性衰弱的预测准确性。

综上所述，ICU患者具有较高的获得性衰弱发生风险，若干因素均是该种病变出现的影响因素。利用这些影响因素构建的预测模型具有良好的预测效能，另外需要在工作中对这些影响因素进行监控，以便早期发现和干预。

参考文献:

[3]马丹莹,李莉,王玮,等.主动脉弓置换术后患者ICU获得性衰弱现状及影响因素分析[J].护理学报,2021,28(12):38-42.

[4]孙兵,李萌.ICU获得性衰弱发生的机制､诱因及长期影响[J].中华医学杂志,2023,103(26):1970-1974.

[6]邵明霞,刘志慧.基于CiteSpace的国内ICU获得性衰弱研究可视化分析[J].临床护理杂志,2022,21(5):63-66.

[7]马子林,常凯乐,崔鑫,等.ICU获得性衰弱研究进展[J].循证护理,2023,9(17):3123-3125.

[9]董晗琼,姜金霞.ICU获得性衰弱的早期识别和护理干预新进展[J].中华现代护理杂志,2018,24(31):3840-3844.

[10]苗晓,马靓.ICU获得性衰弱的危险因素分析及风险预测模型的构建与验证[J].中华现代护理杂志,2021,27(5):628-635.

[11]张娴,臧泽林,赵甜甜,等.ICU患者发生获得性衰弱的危险因素分析[J].中华危重症医学杂志(电子版),2019,12(6):377-382.

[12]刘慧佳,史平,李莎莎,等.机械通气患者重症监护获得性衰弱现状及危险因素的分析[J].解放军护理杂志,2020,37(6):36-39.

文章来源:徐金丽.ICU重症患者出现获得性衰弱的预测模型与验证[J].临床研究,2024,32(01):8-12.