卒中后殘疾風(fēng)險(xiǎn)預(yù)測(cè)模型的構(gòu)建與驗(yàn)證

李艷青 吳紅霞 王慧敏 黃凡修 孫建萍

【摘要】 目的：構(gòu)建風(fēng)險(xiǎn)預(yù)測(cè)模型預(yù)測(cè)腦卒中患者殘疾的發(fā)生。方法：于電子病歷系統(tǒng)中調(diào)取499例出院診斷為腦卒中患者的病歷資料，采用計(jì)算機(jī)軟件隨機(jī)抽取373例作為建模組，剩余126例作為驗(yàn)證組。建模組分為非殘疾組（n=153）和殘疾組（n=220），利用logistic回歸分析構(gòu)建風(fēng)險(xiǎn)預(yù)測(cè)模型。通過(guò)預(yù)測(cè)值的符合程度和辨別程度檢驗(yàn)對(duì)模型進(jìn)行驗(yàn)證。結(jié)果：居住地（X1）、腦卒中類型（X2=缺血，X3=出血）、卒中復(fù)發(fā)（X4）和GCS評(píng)分（X5）均是獨(dú)立危險(xiǎn)因素。風(fēng)險(xiǎn)預(yù)測(cè)模型為logit（P）=-2.124+0.590X1+1.813X2+2.372X3+0.535X4+0.703X5。H-L檢驗(yàn)P=0.894，C-統(tǒng)計(jì)量為0.716，約登指數(shù)為0.303，敏感度為0.486，特異度為0.817，實(shí)際應(yīng)用的正確率為83.3%。結(jié)論：本研究構(gòu)建的預(yù)測(cè)模型效果良好，可為臨床篩選殘疾的高危患者提供參考。

【關(guān)鍵詞】 腦卒中 殘疾 模型 統(tǒng)計(jì)學(xué) 風(fēng)險(xiǎn)預(yù)測(cè)

Construction and Validation of A Risk Prediction Model for Disability after Stroke/LI Yanqing， WU Hongxia， WANG Huimin， HUANG Fanxiu， SUN Jianping. //Medical Innovation of China， 2021， 18（10）： -163

[Abstract] Objective： To construct a risk prediction model to predict the occurrence of of disability after stroke. Method： The medical records of 499 discharged patients diagnosed as stroke were obtained in the electronic medical record system， 373 cases were randomly selected as modeling group and 126 cases were selected as verification group by computer software. The modeling group was divided into non disabled group （n=153） and disabled group （n=220）， using logistic regression analysis to build risk prediction model. The model was verified by the consistency and discrimination of the predicted values. Result： Residence （X1）， stroke type （ischemia=X2， hemorrhage=X3）， stroke recurrence （X4）， and GCS score （X5） were independent risk factors. The risk prediction model constructed was logit（P）=-2.124+0.590X1+1.813X2+2.372X3+0.535X4+0.703X5. H-L test P=0.894， C-statistic was 0.716， Jorden index was 0.303， sensitivity was 0.486， specificity was 0.817， and the accuracy of practical application was 83.3%. Conclusion： The predictive model constructed in this study is effective and can provide reference for clinical screening of high-risk patients with post-stroke disability.

[Key words] Stroke Disability Model Statistics Risk prediction

First-authors address： Nursing School， Shanxi University of Traditional Chinese Medicine， Taiyuan 030619， China

doi：10.3969/j.issn.1674-4985.2021.10.038

腦卒中發(fā)病率高，我國(guó)每年以8.7%的速度增長(zhǎng)[1]，隨著醫(yī)療條件的進(jìn)步，患者病死率顯著降低，但幸存者殘疾的發(fā)生率仍然較高，急性期有40%～60%的患者會(huì)出現(xiàn)殘疾[2]。早期明確影響卒中后殘疾發(fā)生的相關(guān)因素，對(duì)改善臨床預(yù)后意義重大。目前，醫(yī)護(hù)人員在判斷疾病發(fā)生的風(fēng)險(xiǎn)程度時(shí)常以經(jīng)驗(yàn)為依據(jù)，此方法主觀因素強(qiáng)，且在評(píng)估者方面可能存在較大偏倚[3]。而風(fēng)險(xiǎn)預(yù)測(cè)模型是以疾病好發(fā)的危險(xiǎn)因素為基礎(chǔ)，通過(guò)構(gòu)建數(shù)學(xué)統(tǒng)計(jì)學(xué)模型，以預(yù)測(cè)某些特征人群未來(lái)某種疾病發(fā)生的概率[4]，能有效避免人為判斷疾病風(fēng)險(xiǎn)程度的弊端，使判斷更具科學(xué)性[5]。因此，本研究通過(guò)病例對(duì)照研究，分析殘疾發(fā)生的影響因素，構(gòu)建風(fēng)險(xiǎn)預(yù)測(cè)模型，以便預(yù)測(cè)殘疾發(fā)生的風(fēng)險(xiǎn)?，F(xiàn)報(bào)道如下。

1 對(duì)象與方法

1.1 對(duì)象 本研究為回顧性研究，研究者于山西省某三級(jí)甲等醫(yī)院病案室調(diào)取2020年1-6月入院診斷為腦卒中的患者病歷資料。納入標(biāo)準(zhǔn)：研究對(duì)象診斷均符合第四屆全國(guó)腦血管疾病會(huì)議修訂[6]或WHO診斷標(biāo)準(zhǔn)[7]，并經(jīng)CT/MRI確認(rèn)的腦卒中患者;年齡≥18歲。排除標(biāo)準(zhǔn)：①合并其他嚴(yán)重疾病;②患有精神疾病，或其他原因引起精神異常的疾病;③住院期間死亡;④資料不完整。本研究基于文獻(xiàn)回顧、專家咨詢，共篩選出12個(gè)危險(xiǎn)因素（年齡、女性、糖尿病、房顫、言語(yǔ)障礙、吞咽障礙、認(rèn)知障礙、尿失禁、GCS評(píng)分、NIHSS評(píng)分、卒中復(fù)發(fā)、卒中史）。根據(jù)模型構(gòu)建樣本量計(jì)算要求[8]，每個(gè)自變量需要卒中后殘疾患者5～10例，卒中后殘疾的發(fā)生率為70%～80%，考慮20%的樣本資料缺失不全等原因，本研究所需樣本量為12×10×（1+0.2）/0.7=206例。本研究共采集到507例樣本，排除資料不全3例，老年癡呆2例，死亡3例，最終納入499例（遠(yuǎn)大于206例）。采用計(jì)算機(jī)軟件隨機(jī)抽取70%（共373例）作為建模組，剩余30%（共126例）作為驗(yàn)證組[9]。本研究已經(jīng)獲得醫(yī)院倫理委員會(huì)批準(zhǔn)。

1.2 方法

1.2.1 殘疾評(píng)定方法 本研究中殘疾的評(píng)定采用改良Barthel評(píng)分量表（MBI），MBI評(píng)分≥95分認(rèn)為其無(wú)殘疾，<95分認(rèn)為其出現(xiàn)殘疾[2]。

1.2.2 資料收集方法 由課題組兩名經(jīng)過(guò)培訓(xùn)的研究生通過(guò)醫(yī)院電子病歷系統(tǒng)收集研究對(duì)象的一般情況（住院號(hào)、年齡、性別、婚姻狀況、居住地、在職狀況、醫(yī)療費(fèi)用支付情況等），以及基于文獻(xiàn)回顧篩選出的影響因素等相關(guān)資料信息。在實(shí)際收集資料過(guò)程中NIHSS評(píng)分缺失嚴(yán)重，故棄掉該影響因素。課題組第3名研究人員核對(duì)后錄入Excel 2010軟件，有數(shù)據(jù)缺失時(shí)，通過(guò)住院號(hào)重新進(jìn)行資料的收集，對(duì)于多次入院的患者只收集其第一次入院的資料，確保數(shù)據(jù)真實(shí)。

1.3 統(tǒng)計(jì)學(xué)處理 采用SPSS 23.0統(tǒng)計(jì)軟件進(jìn)行統(tǒng)計(jì)學(xué)分析。符合正態(tài)分布的計(jì)量資料以（x±s）表示，組間比較采用t檢驗(yàn);計(jì)數(shù)資料以率（%）表示，組間比較采用字2檢驗(yàn)或Fisher確切概率法。根據(jù)組間比較結(jié)果，將P<0.05的自變量納入logistic回歸（向前：瓦爾德法），自變量入選界值為α≤0.05，剃除值為α≥0.10，P<0.05認(rèn)為有統(tǒng)計(jì)學(xué)意義，建立卒中后殘疾的風(fēng)險(xiǎn)預(yù)測(cè)模型。采用Hosmer-Lemeshow卡方檢驗(yàn)驗(yàn)證模型的符合程度，P>0.05提示模型的預(yù)測(cè)符合程度好[10];以ROC曲線下面積（C-統(tǒng)計(jì)量）反映模型的判別效度，C-統(tǒng)計(jì)量<0.70提示模型區(qū)分能力差，>0.70時(shí)為可用，>0.75時(shí)為良好，>0.80時(shí)為優(yōu)[11]。模型的實(shí)際應(yīng)用效能以敏感度、特異度和正確率來(lái)驗(yàn)證。

2 結(jié)果

2.1 一般資料 建模組373例患者，其中殘疾220例（殘疾組），未出現(xiàn)殘疾153例（非殘疾組），殘疾發(fā)生率為59.0%（220/373）。殘疾組與非殘疾組居住地、在職狀況、腦卒中類型、醫(yī)保情況比較，差異均有統(tǒng)計(jì)學(xué)意義（P<0.05），兩組其他指標(biāo)比較差異均無(wú)統(tǒng)計(jì)學(xué)意義（P>0.05），見(jiàn)表1。

2.2 影響因素 兩組房顫情況比較，差異無(wú)統(tǒng)計(jì)學(xué)意義（P>0.05），兩組其他影響因素比較差異均有統(tǒng)計(jì)學(xué)意義（P<0.05），見(jiàn)表2。

2.3 卒中后殘疾風(fēng)險(xiǎn)預(yù)測(cè)模型的構(gòu)建 將組間比較有統(tǒng)計(jì)學(xué)意義的影響因素作為自變量，以患者是否出現(xiàn)殘疾作為因變量，納入logistic回歸進(jìn)行統(tǒng)計(jì)分析，具體賦值見(jiàn)表3。logistic回歸分析結(jié)果顯示，居住地（X1）、腦卒中類型（X2=缺血，X3=出血）、卒中復(fù)發(fā)（X4）和GCS評(píng)分（X5）均是獨(dú)立危險(xiǎn)因素，見(jiàn)表4。最終建立風(fēng)險(xiǎn)預(yù)測(cè)模型公式：logit（P）=-2.124+0.590X1+1.813X2+2.372X3+0.535X4+0.703X5。

2.4 預(yù)測(cè)模型擬合程度和預(yù)測(cè)效果的分

析 Hosmer-Lemeshow卡方檢驗(yàn)結(jié)果：字2=2.900，P=0.894，模型擬合程度較好。采用ROC曲線來(lái)檢驗(yàn)?zāi)Ｐ偷梅峙c卒中后殘疾的擬合效果（圖1），結(jié)果顯示，ROC曲線下面積（C-統(tǒng)計(jì)量）為0.716，95%CI（0.664，0.768），P<0.001，表明該預(yù)測(cè)模型的預(yù)測(cè)效果可用。約登指數(shù)的最大值為風(fēng)險(xiǎn)預(yù)測(cè)模型的最佳臨界點(diǎn)，ROC曲線的約登指數(shù)最大值為0.303，敏感度為0.486，特異度為0.817，此時(shí)截?cái)嘀禐?.583。

2.5 卒中后殘疾風(fēng)險(xiǎn)預(yù)測(cè)模型的驗(yàn)證 驗(yàn)證組126例患者，男87例，女39例;年齡23～90歲，平均（65.32±13.831）歲。其中實(shí)際出現(xiàn)殘疾者64例，發(fā)生率為50.8%（64/126），模型預(yù)測(cè)出現(xiàn)85例，21例誤判，敏感度為75.3%（64/85）;實(shí)際未出現(xiàn)殘疾者共62例，模型預(yù)測(cè)未出現(xiàn)殘疾者共41例，出現(xiàn)21例誤判，特異度為66.1%（41/62）。模型總正確率為（64+41）/126×100%=83.3%。

3 討論

3.1 構(gòu)建的腦卒中患者殘疾發(fā)生的風(fēng)險(xiǎn)預(yù)測(cè)模型預(yù)測(cè)效果較好 風(fēng)險(xiǎn)預(yù)測(cè)模型現(xiàn)已作為慢性病發(fā)病風(fēng)險(xiǎn)的主要評(píng)估工具，主要用于識(shí)別高危人群，進(jìn)行危險(xiǎn)因素干預(yù)[12]，但目前國(guó)內(nèi)外腦卒中個(gè)體發(fā)病風(fēng)險(xiǎn)預(yù)測(cè)模型發(fā)展非常迅速，而卒中不良結(jié)局的風(fēng)險(xiǎn)預(yù)測(cè)模型研究比較少。關(guān)于腦卒中患者殘疾發(fā)生，國(guó)內(nèi)多見(jiàn)影響因素類綜述[13-14]或橫斷面調(diào)查[2，15-17]等，關(guān)于構(gòu)建風(fēng)險(xiǎn)預(yù)測(cè)模型的研究比較少。本研究基于電子病歷系統(tǒng)收集到的患者的真實(shí)客觀指標(biāo)，通過(guò)logistic回歸分析構(gòu)建預(yù)測(cè)模型，在一定程度上克服了現(xiàn)有經(jīng)驗(yàn)評(píng)估的不足。通過(guò)Hosmer-Lemeshow卡方檢驗(yàn)證實(shí)該模型擬合程度較好。ROC曲線下面積為0.716，該預(yù)測(cè)模型的預(yù)測(cè)效果可用。根據(jù)約登指數(shù)、敏感度、特異度說(shuō)明該模型用于預(yù)測(cè)卒中后殘疾的發(fā)生效果較好。此外，本研究構(gòu)建的預(yù)測(cè)模型納入的危險(xiǎn)因素，簡(jiǎn)單易測(cè)，方便醫(yī)護(hù)人員進(jìn)行快速篩查，增加了實(shí)用性。

3.2 腦卒中患者殘疾發(fā)生風(fēng)險(xiǎn)預(yù)測(cè)模型相關(guān)危險(xiǎn)因素分析 腦卒中是臨床上常見(jiàn)的中樞系統(tǒng)疾病，多數(shù)患者經(jīng)過(guò)臨床治療后仍會(huì)出現(xiàn)一定程度的殘疾[18]，分析腦卒中患者出現(xiàn)殘疾的危險(xiǎn)因素，構(gòu)建風(fēng)險(xiǎn)預(yù)測(cè)模型，可針對(duì)性地加強(qiáng)預(yù)防。本研究的logistic回歸分析結(jié)果中，回歸系數(shù)（β）的絕對(duì)值愈大，該因素在模型中所起的作用也愈大。在該預(yù)測(cè)模型中，GCS評(píng)分β值越大，對(duì)卒中后殘疾的影響最大。GCS評(píng)分是評(píng)估患者昏迷程度的指標(biāo)，分值越高患者昏迷程度越嚴(yán)重。GCS評(píng)分反應(yīng)患者入院時(shí)神經(jīng)受損狀況，而殘疾的發(fā)生與神經(jīng)功能狀況密切相關(guān)，神經(jīng)功能缺損越嚴(yán)重，殘疾發(fā)生的可能性越高[16]。腦卒中的類型對(duì)殘疾的發(fā)生影響較大，本研究中，出血性卒中的β值為2.372，而缺血性卒中的β值為1.813，出血性腦卒中患者殘疾的發(fā)生率比缺血性高，該結(jié)論與Synhaeve等[19]的類似，在其研究中，出血性卒中的殘疾的發(fā)生率為49.3%，而缺血性殘疾的發(fā)生率僅為36.5%?？赡茉?yàn)槌鲅宰渲衅鸩〖薄l(fā)展快，還可能因?yàn)樵呵把诱`，錯(cuò)失最佳治療時(shí)機(jī)，導(dǎo)致了不良結(jié)局的發(fā)生[20]。在本研究中農(nóng)村居住的腦卒中患者發(fā)生殘疾的可能性更高，城鎮(zhèn)居民相對(duì)于農(nóng)村居民來(lái)說(shuō)，文化程度相對(duì)較高，疾病的管理能力、就醫(yī)的依從性較好，而且城鎮(zhèn)有著完善的醫(yī)療急救設(shè)施，腦卒中起病時(shí)，可得到及時(shí)的救治，降低了殘疾的發(fā)病率。因此，應(yīng)適當(dāng)向農(nóng)村地區(qū)傾斜醫(yī)療資源，完善農(nóng)村地區(qū)的急救醫(yī)療服務(wù)。本研究中腦卒中復(fù)發(fā)患者發(fā)生殘疾的風(fēng)險(xiǎn)較高，可能是由于復(fù)發(fā)的患者一般病情較重，對(duì)神經(jīng)造成了不可逆的損傷。姜巖等[2]的研究中，腦卒中復(fù)發(fā)患者其發(fā)生殘疾的可能性是首發(fā)患者的2.08倍。此外，出現(xiàn)腦卒中復(fù)發(fā)的患者大多數(shù)未進(jìn)行良好病情管理，未控制好導(dǎo)致不良結(jié)局發(fā)生的危險(xiǎn)因素[21]。此結(jié)果提示，應(yīng)做好腦卒中的二級(jí)預(yù)防，控制可改變因素，降低殘疾的發(fā)生率。

3.3 本研究的創(chuàng)新性和局限性 本研究分析了腦卒中后殘疾的危險(xiǎn)因素，臨床醫(yī)護(hù)人員可結(jié)合危險(xiǎn)因素制定個(gè)性化的護(hù)理干預(yù)措施。此外，本研究通過(guò)logistic回歸分析構(gòu)建了腦卒中后殘疾的風(fēng)險(xiǎn)預(yù)測(cè)模型，為預(yù)防殘疾的發(fā)生提供了一個(gè)簡(jiǎn)便的工具。但是，本研究的數(shù)據(jù)僅來(lái)源于一所三甲醫(yī)院，且為回顧性研究，其他有意義的未在病例中詳細(xì)記錄的影響因素未被納入，如NIHSS評(píng)分、BMI、學(xué)歷等，未來(lái)可通過(guò)大型前瞻性研究來(lái)構(gòu)建更科學(xué)合理的風(fēng)險(xiǎn)預(yù)測(cè)模型。

本研究通過(guò)醫(yī)院電子病歷系統(tǒng)，回顧性收集了499例患者的臨床資料，分析腦卒中患者殘疾發(fā)生的危險(xiǎn)因素，利用logistic回歸分析構(gòu)建了腦卒中后殘疾的風(fēng)險(xiǎn)預(yù)測(cè)模型，該模型經(jīng)過(guò)驗(yàn)證，可有效預(yù)測(cè)腦卒中后殘疾的發(fā)生。但由于只在一所三甲醫(yī)院進(jìn)行了資料收集，是否適合更廣泛的患者，還需進(jìn)一步的研究。

參考文獻(xiàn)

[1] Chen W，Gao R，Liu L，et al.Report on cardiovascular disease in China[J].Chin Circ J，2018，33：1-8.

[2]姜巖，逄冬.腦卒中病人發(fā)生殘疾的影響因素分析[J].護(hù)理研究，2019，33（12）：2130-2133.

[3]苗曉，馬亮，徐萍，等.ICU獲得性衰弱風(fēng)險(xiǎn)預(yù)測(cè)模型的研究進(jìn)展[J].中國(guó)護(hù)理管理，2019，19（1）：155-159.

[4] Anderson K M，Wilson P W，Odell P M，et al.An Updated Coronary RiskProfile.A Statement for Health Professionais[J].Circulation，1991，83（1）：356-362.

[5] Farzadfard M T，Sheikh Andalibi M S，Thraft A G，et al.Long-term disability after stroke in Iran：Evidence from the Mashhad Stroke Incidence Study[J].Int J Stroke，2019，14（1）：44-47.

[6]中華醫(yī)學(xué)會(huì)，全國(guó)第四屆腦血管病學(xué)術(shù)會(huì)議.腦血管疾病分類診斷要點(diǎn)[J].中華神經(jīng)科雜志，1996，29（6）：376-379.

[7] Goldstein M，Barnett H J M，Orgogozo J M，et al.

Recommendations on stroke prevention，diagnosis，and therapy.Report of the WHO Task Force on Stroke and other Cerebrovascular Disorders[J].Stroke，1989，20（10）：1407-1431.

[8] Chen Y，Du H，Wei B H，et al.Development and validation of risk-stratification delirium prediction model for critically ill patients：a prospective，observational，single-center study[J].Medicine，2017，96（29）：e7543.

[9]祝曉迎.ICU譫妄的風(fēng)險(xiǎn)因素分析及風(fēng)險(xiǎn)預(yù)測(cè)模型的構(gòu)建[D].重慶：第三軍醫(yī)大學(xué)，2017.

[10]普鷹，張瑩，湯佳駿，等.腹腔鏡手術(shù)患者術(shù)中低體溫預(yù)測(cè)模型的構(gòu)建及應(yīng)用[J].中華護(hù)理雜志，2019，54（9）：1308-1312.

[11] Kolek M J，Graves A J，Xu M，et al.Evaluation of a Prediction Model for the Development of Atrial Fibrillation in a Repository of Electronic Medical Records[J].JAMA Cardiol，2016，1（9）：1007-1013.

[12]石福艷.常見(jiàn)慢性病危險(xiǎn)因素測(cè)量及風(fēng)險(xiǎn)等級(jí)評(píng)估方法研究[D].西安：第四軍醫(yī)大學(xué)軍事預(yù)防醫(yī)學(xué)院，2015.

[13]何宇迪，呂雨梅.卒中后殘疾保護(hù)因素及生化相關(guān)危險(xiǎn)因素研究進(jìn)展[J].中國(guó)卒中雜志，2019，14（3）：293-296.

[14]何宇迪，呂雨梅.醫(yī)院常測(cè)生化指標(biāo)對(duì)腦卒中后殘疾風(fēng)險(xiǎn)預(yù)測(cè)的研究進(jìn)展[J].中國(guó)全科醫(yī)學(xué)，2019，22（5）：511-515.

[15]田洋.成都主城區(qū)社區(qū)腦卒中患者殘疾率及其相關(guān)因素分析[D].瀘州：西南醫(yī)科大學(xué)，2020.

[16]王珊珊，張艷，劉潔.急性腦梗死病人功能恢復(fù)影響因素分析[J].護(hù)理研究，2019，33（23）：4117-4120.

[17]李娟，呂雨梅，周郁秋，等.大慶市住院腦卒中患者殘疾狀況及影響因素研究[J].中國(guó)康復(fù)醫(yī)學(xué)雜志，2017，32（12）：1376-1381.

[18]馮趙慧子，劉培培，幸小玲.防痙攣針刺法聯(lián)合運(yùn)動(dòng)再學(xué)習(xí)療法對(duì)腦卒中患者肌張力及運(yùn)動(dòng)功能的影響[J].中國(guó)醫(yī)學(xué)創(chuàng)新，2020，17（32）：79-82.

[19] Synhaeve N E，Arntz R M，Maaijwee N A M，et al.Poor Long-Term Functional Outcome After Stroke Among Adults Aged 18 to 50 Years：Follow-Up of Transient Ischemic Attack and Stroke Patients and Unelucidated Risk Factor Evaluation（FUTURE） Study[J].Stroke，2014，45（4）：1157-1160.

[20]王玲，楊麗，朱雪梅，等.腦卒中患者就醫(yī)延遲關(guān)鍵風(fēng)險(xiǎn)因素分析與策略研究[J].護(hù)理學(xué)雜志，2020，35（20）：45-50.

[21]趙一莎，呂雨梅，周郁秋，等.大慶市社區(qū)腦卒中患者殘疾狀況及影響因素分析[J].護(hù)理學(xué)雜志，2017，32（1）：82-85.

（收稿日期：2020-12-14） （本文編輯：程旭然）